企业网络安全领导者相信AI对其使命至关重要,但据EY最新调查显示,目前很少有企业从智能体安全产品中获得显著收益。
随着AI治理成为高管议程的主导议题,这份周四发布的调查发现,企业正在将风险管理框架整合到运营中取得进展,尽管这种思维方式尚未完全渗透到企业文化中。
调查结果促使EY向仍在决定如何采用和使用AI进行网络安全的企业提出四项高层建议。
企业正在积极推进常规网络安全功能的自动化
EY发现,企业正热衷于追求常规网络安全功能的自动化,认为这样做能够解决安全运营中的预算和效率问题。
"几乎所有安全领导者都认为AI是网络安全的核心防御解决方案(96%),并且已经在网络安全运营中部署AI(95%)",EY表示。但三分之二的高管表示他们仍在测试AI产品。
网络安全领导者对AI既乐观又担忧,但关注点不同。几乎所有受访者(99%)都预测AI将彻底改变他们保护网络的方式,但同样多的人(96%)表示AI也构成重大威胁,因为它帮助黑客发动快速、复杂的网络攻击。
EY调查涉及对500名来自年收入至少5亿美元公司的高级网络安全领导者的访谈,行业涵盖能源、金融服务到医疗保健等领域。
智能体AI收益尚未实现
在智能体AI方面,EY表示调查"描绘了一幅收益尚未实现的图景"。大约一半使用AI进行网络安全的高管表示,智能体工具产生的回报少于100万美元,另外12%的人要么没有体验到,要么没有跟踪智能体AI的投资回报。
尽管如此,网络安全领导者预期AI将很快接管其团队的许多功能。排在首位的是检测高级持续性威胁(62%的受访者预期这将在未来两年内发生),检测欺诈(58%)和监督身份和访问管理(51%)。
治理框架的重要性
强大的治理框架可能决定这种向AI逐步移交的成败,企业似乎正在认真对待治理问题。大约一半的高管告诉EY,他们已经开始在关键AI活动中实施治理机制。然而,只有26%的人表示他们已经将这些治理流程完全整合到依赖AI的业务部门的工作中,只有20%的人表示治理思维已经嵌入到他们的组织文化中。
然而,调查确实发现了对治理机制重要性的广泛认识。97%的高管表示治理对于从AI网络安全投资中获得价值是"必不可少的"。
人工监督不可或缺
除了治理,人工监督也将防止AI越界并危及企业的网络安全。85%的高管表示他们对所有重大网络安全决策都有人工参与要求,几乎所有受访者(98%)都表示智能体工具需要人工监督才能获得回报。
与此同时,企业没有足够的员工来执行这种监督。在EY调查的高管中,90%表示他们在招聘和留住能够管理AI产品的网络安全工作者方面遇到困难。大约相同比例的人表示,他们公司最大的责任是员工没有准备好抵御AI驱动的网络攻击。
EY称这是"AI在劳动力缺乏适当治理知识时不会减少人为风险的明确指示"。
基于调查结果,EY表示企业需要理解四个重要现实:预算约束使AI在网络安全中成为虚拟必需品;AI的投资回报取决于企业超越"任务级自动化"转向完全智能体操作;AI的人工监督是"不可协商的";强大的治理流程是值得信赖AI的基础。
Q&A
Q1:企业在网络安全AI应用方面面临什么主要挑战?
A:主要挑战包括智能体AI工具的投资回报有限(约一半企业回报少于100万美元),缺乏足够的网络安全专业人员来管理AI产品(90%企业面临招聘困难),以及员工缺乏应对AI驱动网络攻击的准备。
Q2:网络安全领导者对AI的态度如何?
A:领导者对AI持既乐观又担忧的态度。99%的受访者认为AI将彻底改变网络防护方式,96%认为AI是核心防御解决方案,但同时96%的人担心AI会帮助黑客发动更复杂的攻击。
Q3:企业在AI网络安全治理方面做得如何?
A:企业正在重视治理但仍需改进。约一半企业已开始实施治理机制,97%的高管认为治理对获得AI投资价值至关重要,但只有26%完全整合了治理流程,仅20%将治理思维嵌入组织文化。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。