Atlas 的启示：AI 分工带来的不只是效率，更是组织形态的进化

上周团队复盘时，一个工程师问我：Wiz 的 Atlas 系统用 AI 智能体互相配合发现漏洞，是不是意味着我们安全团队的人可以裁掉一半了。

这不是他第一次问类似的问题，也不会是最后一次。我理解这种焦虑。Atlas 的成绩确实亮眼——200 多个漏洞，10 万美元奖金，这些数字放在任何安全团队面前都让人羡慕。但作为管理者，我更关注的是它的运作方式：多个 AI 智能体分工协作，各自扮演不同角色，像一个人工智能版的“安全团队”。

从组织层面看，这个设计比它发现的漏洞更有启发意义。

短期看，Atlas 证明了一件事：在漏洞挖掘这个领域，AI 已经具备了独立作战的能力。过去我们总说 AI 只能辅助、不能替代，但 Wiz 的实践表明，当多个 AI 智能体分别负责扫描、分析、验证、上报时，它们可以形成一个完整的闭环。这不是一个超级智能体单打独斗，而是一个有明确分工的“虚拟团队”。每个智能体只负责一部分工作，但组合起来，效果远超单兵作战。

这让我想到我们团队内部的一些实践。我们也在尝试用 AI 工具做代码审查、自动化测试，但效果一直不太理想。现在回头看，问题可能出在对“AI 能力”的认知上——我们总想用一个 AI 解决所有问题，而 Atlas 告诉我们，用多个 AI 各自负责一个环节，反而更有效。

长期看，Atlas 真正改变的是安全团队的组织方式。过去一个典型的安全团队，需要有人读代码、有人跑工具、有人分析结果、有人写报告。这些角色各有分工，彼此依赖。而 Atlas 的出现，意味着这些分工可以被 AI 智能体承担。人类安全工程师的角色，会从“执行者”变成“管理者”——负责设计智能体的任务流程、定义评估标准、处理 AI 无法应对的边界情况。

团队成长很重要。如果 Atlas 只是帮助企业节省成本，那它只是一个工具。但如果它倒逼团队重新思考自己的价值在哪里，那才是真正的变革。安全工程师不再需要花大量时间做重复劳动，而是可以把精力放在更高层次的问题上，比如研究新的攻击面、设计更安全的系统架构、训练 AI 智能体发现更复杂的漏洞。

当然，这个转变不会一蹴而就。Atlas 发现的 200 多个漏洞，可能很多是相对简单的类型。真正复杂的漏洞，比如需要跨多个系统、理解业务逻辑的漏洞，AI 智能体可能还力不从心。但技术的进步往往是线性的，而影响是非线性的。当 AI 智能体合作的能力从漏洞挖掘扩展到其他领域，比如代码审计、架构评估、合规检查，安全团队的形态会发生根本性变化。

我最近在和团队讨论一个问题：如果未来一年内，AI 智能体可以完成我们现在 80% 的安全工作，我们还需要现在的团队规模吗？我的答案是：需要，但角色会完全不同。团队的核心价值不再是“做得快”，而是“想得对”。AI 负责执行，人类负责决策。

从组织层面看，这其实是一个经典的“效率-创新”平衡问题。Atlas 提高了漏洞挖掘的效率，但真正的创新来自人类安全工程师如何利用这个效率，去做以前做不到的事情。

最后留给团队一个问题：如果你们可以从 Atlas 的 AI 智能体分工模式中学到一件事，那会是什么？

原文链接：谷歌旗下 Wiz 公布漏洞挖掘系统 Atlas：利用多个 AI 智能体分工协作、已发现超 200 个漏洞 - IT之家