論文の概要: It is Not Yet Another Tool: Creating and Deploying an Agentic AI Companion in a Security Operations Center

• arxiv url: http://arxiv.org/abs/2609.06250v1
• Date: Sat, 05 Sep 2026 20:29:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.222118
• Title: It is Not Yet Another Tool: Creating and Deploying an Agentic AI Companion in a Security Operations Center
• Title（参考訳）: エージェントAIコンパニオンをセキュリティ運用センターで作成し、デプロイする、もう1つのツールではない
• Abstract要約: セキュリティ・オペレーション・センター(SOC)は大量のチケットを処理しており、その多くはさらなる調査には値しない低金利のイベントである。 我々は,SOC内のフィールドワークを通じて1年以上にわたって,大規模言語モデルを活用したエージェントAIを作成,展開した。 分析の結果,9割以上のケースにおいて,コンパニオンのアウトプットが,チケットのクローズドレポートでアナリストによって再利用されていることがわかった。
• 参考スコア（独自算出の注目度）: 1.8472148461613156
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Security Operations Centers (SOCs) process large amounts of tickets, most of which are low-interest events not worthy of further investigation. The repetitive nature of this task and similarity of the vast amounts of tickets make it a prime candidate for generative AI-based automation. We created and deployed an agentic AI companion utilizing large language models through fieldwork within a SOC for over one year. The design of the SOC AI companion was driven by researchers' participation and interactions within the SOC's daily work. SOC analysts were invited to use it during the last four months of the fieldwork. We analyzed the analysts' usage of the companion and found that in more than 90% of the cases the companion's outputs were reused by analysts in the ticket's closing report. Our results showed that when designed "in the trenches" with the intended users, a SOC AI companion can go beyond being yet another tool, but rather a system that co-evolves with its human users as it traverses through the various types of workloads. Analysts naturally started to shape the AI companion's behaviors to fit their particular needs. Our data show that the more human analysts shape the AI companion's behaviors, the more they become comfortable trusting the output from the AI system, resulting in improved productivity.
• Abstract（参考訳）: セキュリティ・オペレーション・センター(SOC)は大量のチケットを処理しており、その多くはさらなる調査には値しない低金利のイベントである。 このタスクの繰り返しの性質と大量のチケットの類似性は、生成AIベースの自動化の第一候補となる。 我々は,SOC内のフィールドワークを通じて1年以上にわたって,大規模言語モデルを活用したエージェントAIを作成,展開した。 SOCAIコンパニオンの設計は、SOCの日々の作業における研究者の参加と相互作用によって進められた。 SOCアナリストは、フィールドワークの最後の4ヶ月間にそれを使うよう招待された。 分析の結果,9割以上のケースにおいて,コンパニオンのアウトプットが,チケットのクローズドレポートでアナリストによって再利用されていることがわかった。 を設計する場合、SOCのAIコンパニオンは、別のツールではなく、さまざまなタイプのワークロードを横断するときに、人間のユーザと共同で進化するシステムであることを示している。 アナリストは自然に、特定のニーズに合うように、AIコンパニオンの振る舞いを形作り始めた。 我々のデータによると、人間のアナリストがAI仲間の行動を形作るほど、AIシステムからのアウトプットを信頼しやすくなり、生産性が向上する。

関連論文リスト

• Atria Dawn: The Dawn of Agentic Superintelligence [237.73474618289063]
  本稿では,科学研究と工学のための基礎エージェント言語モデルであるAtria Dawn Previewを紹介する。 本稿では,人間-AI協力の事例研究として,このモデルの背後にある真の研究開発プロセスについて考察する。
  論文  参考訳（メタデータ） (2026-09-14T16:22:30Z)
• When AI Joins the Team! A Model of How AI Adoption Relates To Social Patterns in Software Engineering Teams [11.247082068830915]
  AIの採用がコミュニティの匂いの増加や減少に結びついているかどうかは不明だ。 コーディネーション(Coordination)と5つのPSS-SEMモデル(PLS-SEM)を用いて,AIツールを用いた152人のソフトウェア専門家を対象に,ヒューマンAIとヒューマンヒューマンのインタラクションを検証した。
  論文  参考訳（メタデータ） (2026-08-04T10:57:42Z)
• Networked Intelligence: Active Shared Context Graphs for Human-AI Team Science [0.8754288080101668]
  私たちは、研究者とAIエージェントを自動的に接続するアクティブな共有ワークスペースであるMyceliumを紹介します。 人間のユーザーとエージェントが働くと、システムは重要な観察と仮説を捉え、チームの進化する知識モデルとの関連性を追跡する。 本稿では,分散科学的文脈上でのスパース条件計算としてネットワークインテリジェンスを記述する。
  論文  参考訳（メタデータ） (2026-07-14T19:29:16Z)
• Characterizing initial human-AI proof formalization workflows [66.06866890889131]
  AIシステムのコード生成能力の進歩と、証明を形式化し、検証する人々の能力を変えるための高度な数学的推論の約束への関与。 我々は、AIが人々のフォーマル化に与える影響について、混合メソッド分析を行う。 質的な調査では、人々の好みは多様であるが、形式化におけるAI支援に対する一般的な欲求が示されている。
  論文  参考訳（メタデータ） (2026-06-02T22:58:19Z)
• AI Co-Scientist for Ranking: Discovering Novel Search Ranking Models alongside LLM-based AI Agents with Cloud Computing Access [60.37646376282544]
  本稿では,全検索ランキング研究パイプラインを自動化したAI共同科学者フレームワークを提案する。 これは、AIの共同科学者フレームワークをアルゴリズム研究に利用した、ランキングコミュニティで初めての研究である。
  論文  参考訳（メタデータ） (2026-03-23T09:29:08Z)
• Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
  本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。 我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。 結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
  論文  参考訳（メタデータ） (2025-07-10T20:12:54Z)
• Towards AI-Driven Human-Machine Co-Teaming for Adaptive and Agile Cyber Security Operation Centers [3.959615037146599]
  セキュリティオペレーションセンター(SOC)は、大量のアラート、熟練したアナリストの不足、不十分な統合ツールによって、サイバーセキュリティの脅威を管理する上で、ますます難しい課題に直面している。 我々は、脅威インテリジェンス、警告トリアージ、インシデント応答を強化するために、大規模言語モデル(LLM)を活用するAI駆動のヒューマンマシン共同チームパラダイムを導入する。 我々は,LSMをベースとしたAIエージェントが,SOC操作に埋め込まれた暗黙の知識を人間アナリストから学ぶというビジョンを提示する。
  論文  参考訳（メタデータ） (2025-05-09T19:38:26Z)
• Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations [18.86239369192921]
  我々は最近のプライバシー保護システムを活用して、400万件以上のClaude.ai会話を分析します。 我々の分析によると、AIの利用は主にソフトウェア開発とタスクを書くことに集中している。 また、AIがタスクにどのように使われているかを分析し、使用量の57%が人間の能力の増強を示唆している。
  論文  参考訳（メタデータ） (2025-02-11T00:46:43Z)
• ChatCollab: Exploring Collaboration Between Humans and AI Agents in Software Teams [1.3967206132709542]
  ChatCollabの斬新なアーキテクチャは、エージェント(人間またはAI)が任意の役割でコラボレーションに参加することを可能にする。 ソフトウェアエンジニアリングをケーススタディとして使用することで、私たちのAIエージェントが彼らの役割と責任をうまく特定できることが分かりました。 ソフトウェア開発のための従来の3つのマルチエージェントAIシステムに関連して、ChatCollab AIエージェントはインタラクティブなゲーム開発タスクにおいて、同等またはより良いソフトウェアを生成する。
  論文  参考訳（メタデータ） (2024-12-02T21:56:46Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• Watch-And-Help: A Challenge for Social Perception and Human-AI Collaboration [116.28433607265573]
  我々は、AIエージェントでソーシャルインテリジェンスをテストするための課題であるWatch-And-Help(WAH)を紹介する。 WAHでは、AIエージェントは、人間のようなエージェントが複雑な家庭用タスクを効率的に実行するのを助ける必要がある。 マルチエージェントの家庭環境であるVirtualHome-Socialを構築し、計画と学習ベースのベースラインを含むベンチマークを提供する。
  論文  参考訳（メタデータ） (2020-10-19T21:48:31Z)
• Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
  AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。 我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。 実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
  論文  参考訳（メタデータ） (2020-04-27T19:06:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。