近年、生成 AI・自律型セキュリティといったキーワードが業界を賑わせています。「AI が SOC を自動化する」「AI が脅威検知を自動生成する」といった主張も増え、”AI SOC” の実現性に期待が集まっています。
しかし、結論から言えば、少なくとも現時点では AI が検知エンジニア（Detection Engineer）を完全に置き換えることは不可能です。本記事では、その理由を技術的・運用的な観点から整理するとともに、今後求められる “人間と AI の役割分担” について述べます。

1. AI の出力だけでは「正しい検知」は作れない
AI は文章生成やコード生成には優れていますが、検知ロジックは単なる「コード」ではなく、「仮説と検証の反復」で完成します。
AI が苦手な理由
• 組織固有のログ品質・命名規則を理解できない
（例：同じ “UserLogin” でも実際の意味、イベント粒度は組織ごとに異なる）
• 誤検知/過検知の許容度を理解できない
• 検知要件は技術的背景の理解を必要とする（攻撃者 TTP、ネットワーク構成、OS 挙動など）
AI は「一般的な攻撃パターン」からクエリを作ることはできますが、現場のデータに合わせて微調整することはできず、そこに検知エンジニアの専門性が必要になります。

2. Build vs Buy：AI 化が進んでも “作る力” は必須
SIEM や EDR などのマネージドルールは確かに強力です。しかし、パッケージされた検知だけではゼロデイや組織固有の攻撃には対応できません。
“Buy” の限界
• 市販の検知は一般化されすぎている
• 主要ベンダーの対応が遅れると検知ギャップが生まれる
• 内部不正、設定ミス、クラウド特有の事象などはベンダーが検知できない
“Build（自社開発）” が重要な理由
• 組織独自の脅威モデリングに基づいた検知が作れる
• AI が生成したドラフトを、人が環境に最適化できる
• MUlti-cloud や複雑化する環境では、環境理解＝競争力になる
AI の登場により、**検知エンジニアは「ゼロから書く人」ではなく「AI 出力を評価して完成させる人」**へ役割がシフトします。

3. “完全自動化 SOC（AI SOC）” が幻想である理由
① 攻撃者の創造性に AI が追いつけない
攻撃者は新しい TTP を使うため、過去情報から学習する AI ではリアルタイム対応が難しい。
② AI は誤解・幻覚（Hallucination）を起こす
誤ったログ解釈や虚構の根拠に基づく提案は日常的に発生。
SNS や OSINT のノイズを誤認することもある。
③ “検知とレスポンス” はオペレーションプロセスである
• 優先度判断
• 影響範囲分析
• 部門連携
• インシデント発生時のコミュニケーション
これらは AI が代替できません。
④ AI だけで SOC を動かすと攻撃者のターゲットになる
AI 依存インフラは新たな攻撃対象となり、誤操作や誤アクションのリスクも大きい。

4. 将来の SOC：AI は “共存ツール” であり、置き換えではない
AI が得意な領域
• ログサマリ
• 初期仮説生成
• 既知攻撃のクエリ生成
• 過去インシデントのパターン分析
• 手作業のオペレーション削減
人間（検知エンジニア）が不可欠な領域
• ルールの精度調整（tuning）
• 「その組織にとっての異常」を定義
• 脅威モデリング
• 検知ギャップ分析
• 新たな攻撃手法への対応
• 重大インシデント対応の意思決定
AI SOC の本質は “自動化された SOC” ではなく “自動化率の高い SOC” です。
そして、自動化レベルが上がるほど、検知エンジニアの役割は高度化・戦略化していきます。

5. 結論：AI は検知エンジニアを置き換えない。むしろ価値を高める
• AI は検知ロジックのドラフトを生成できるが、本番環境に耐える品質には仕上げられない
• ベンダーの “AI SOC” は誇大広告が多く、完全自動化には遠い
• しかし、AI を活用すれば検知エンジニアの生産性は大きく向上する
• 将来の SOC は “AI × 人間” のハイブリッドモデルが主流になる
つまり AI は代替ではなく増幅ツール（Augmentation）であり、
検知エンジニアの価値はこれからさらに高まると言えます。