更新于 2026年11月22日
近几周,一个微弱的信号已经成为安全团队关注的重大议题。
随着能够分析代码、以空前规模检测漏洞的模型不断涌现,网络安全进入了新的阶段。人工智能如今能够识别出自动化工具多年来未能发现的缺陷。与此同时,漏洞发现的规模也在不断扩大。过去依赖漫长周期、专家在有限范围内开展的工作,正变得大规模化,几乎走向工业化。
矛盾随之而来。我们从未像现在这样善于检测漏洞,而安全团队承受的压力也从未如此之大。一些人已经在谈论漏洞数量之多,难以消化、排序和修复。
但这场变革背后,还隐藏着另一场更分散、更无声的变革。
多年来,网络安全建立在一个被广泛验证的直觉之上:安全事件不仅源于系统,也源于使用方式。IBM 2023 年的报告一再强调这一点:大多数数据泄露都涉及某种形式的人为失误。
这些并不是惊天动地的错误,而是寻常的决定:一份文件分享得太仓促、一项配置不够精确、一个工具被用在了预期范围之外。
人工智能并没有推翻这一结论,而是将其放大。
它加快了行动速度,简化了操作,减少了摩擦。它让非专业人士也能与复杂系统交互,有时却并未充分理解其影响。同时,它也扩大了攻击面。数据的流向不同了,工具不断增多,使用行为的扩散也并不总是经过传统的审批渠道。
如今引人注目的是这些使用方式是如何扎下根来的。在大多数组织中,AI 都是个人独自使用的,往往游离于任何集体框架之外。它主要用于“增强型办公”:写作、改写、总结,更快地产出内容。
这些用法本身并无问题。相反,它们是提升效率的有力杠杆,有助于自动化某些任务、腾出时间、方便日常工作。但在很多情况下,它们仍然缺乏有效治理。
关键的矛盾就在这里。
提供工具,无论多么强大,都不足以确保使用可控。AI 也不例外。没有清晰的框架、共享的最佳实践和恰当的支持,使用方式会变得参差不齐,有时甚至是临时拼凑的。
在这种情况下,员工只能自己摸索。他们尝试、调整,并复制在别处看到的做法。他们追求快速见效,这往往无可厚非。但他们并不总是具备评估相关风险所需的参照点。
这时,CIO 往往开始产生疑虑。
并非因为某次重大事件,而是循序渐进地产生。一个问题浮现出来:
我们是否真正了解团队目前如何使用 AI?因此,我们是否已经掌控了它?
在许多组织中,答案仍不完整。这并非因为缺少工具,而是因为使用方式的演变快于用来规范它的框架。这一差距标志着一个重大转变。
长期以来,网络安全围绕基础设施展开:保护访问、控制数据流、保护系统。
如今,矛盾的焦点正在转移:它在于使用方式。
一些企业开始相应地调整做法。它们不再只是试图检测更多漏洞(AI 已经可以大规模做到这一点),而是要弄清楚这些漏洞如何在日常实践中产生:团队如何使用这些工具,在哪些情况下做出决策,以及如何在效率与安全之间取得平衡。
这种视角的转变需要付出特定的努力:支持使用,而不仅仅是允许使用。
这需要简单、易于获取、与日常工作直接相关的学习形式。不是理论培训,而是具体的指引、案例和情境,帮助人们理解什么是可以接受的,什么不可以,以及原因何在。
鼓励员工学习、分享实践并逐步规范使用,成为一项核心杠杆,其目的不是减缓采用,而是让采用更加稳健。
这正是一些新兴做法背后的逻辑,Complement 就是其中之一。在这里,AI 被用作支持团队、规范使用并让情境更加具体的杠杆。目标不是限制其使用,恰恰相反,而是让员工通过更好地理解自身决策的影响,更审慎地使用它。
人工智能并没有制造网络安全危机,而是加速了已有的趋势。它提升了我们检测漏洞的能力,同时也让一个早已为人所知的现实更加清晰:系统的安全程度,取决于它的使用方式。而如今,这些使用方式正在快速演变,往往较为分散,有时甚至没有共同的框架。
这给我们留下一个简单的问题:
在漏洞不断增多、使用日益频繁的环境中,您是否清楚了解团队实际如何使用人工智能?
