分析軟體
已死

AI 讓資安變成修補競賽，
防守方沒有太多時間

這集最震撼的段落，是 Palo Alto Networks 測試 Mythos 的結果。Arora 說，他們在六週內找出的漏洞，照過去速度可能要五到七年才找得到。把模型調到持續思考模式，還可以把多個漏洞串成新的攻擊路徑。

這不是學術展示。Palo Alto Networks 自認是很會測試自己程式碼的資安公司，如果連這樣的公司都能被 AI 快速找出大量問題，其他公司多年累積的程式碼、老舊系統與開源套件，會面對更大的修補壓力。

主持人把問題推到國家安全：如果這種能力落到攻擊者手上，會不會造成混亂？Arora 的回答更務實。他不否認關鍵基礎設施需要防禦，但他更擔心小型診所、牙醫診所、地方公司使用的套裝軟體。Change Healthcare 被勒索軟體攻擊後，許多醫師診所一度停擺，這種經濟混亂更容易擴散。

這裡的分歧很清楚。主持人擔心最高階模型被誰控制，Arora 擔心的是最普通的企業能不能把洞補上。攻擊者不需要破解最難的目標，只要找到夠多老舊系統裡的普通漏洞。

分析型 SaaS 被模型吃掉，
資料基礎設施反而更重要

影片標題的「Analytical Software Is Dead」來自這段。Arora 把 SaaS 拆成幾類，不是說所有雲端軟體都沒價值。他認為最危險的是分析型 SaaS，也就是收集你的資料，再賣你分析、報表與洞察的軟體。

他的理由很直接：如果企業可以把資料集中，直接用模型查詢與分析，就不需要為每個系統再買一個分析外掛。Jason 也補了一個例子：他們有一套 20 個座位的 SaaS，幾乎沒人登入使用，但資料還在。後來只保留 3 個帳號，接到 Slack 與 Claude，大家用自然語言取用，帳單少了九成。

Arora 對 UI 的批評很重。他說企業軟體和消費者軟體的 UI，是科技人做過最糟的事之一。過去產品經理設計畫面，讓人類點進去填資料、查資料、交作業。代理人如果真的能工作，業務打完電話後，只要說「把該做的文書與後續都處理好」，AI 就應該能把紀錄、CRM、排程與內部流程串起來。

這是 SaaS 分歧的重點。分析報表的價值下降，資料層的價值上升，工作系統需要重做。真正會被懲罰的不是「用雲端收月費」，而是把資料鎖在自己產品裡，再把簡單分析當成加購功能賣給企業。

AI 很會攻擊，
但防守與營運要的是幾乎零誤判

主持人問 Palo Alto Networks 會不會用自己的資安資料打造專屬模型。Arora 沒有直接談模型規模，而是指出常被忽略的問題：false positive，誤判率。

Mythos 的誤判率約 30%。對攻擊者來說，這可以接受，因為找到一條真漏洞就夠了；對防守方來說，這很麻煩，因為每個假警報都會消耗工程時間，也可能讓團隊去修不存在的洞。

他把這件事拉到所有企業場景。如果模型被用來處理保險理賠，10% 或 20% 誤判就會直接造成金錢損失；如果放進自駕車，沒有人會接受 10% 誤判率。AI 進入企業後，難題不只是「模型夠不夠強」，而是怎麼把模型放進一套可稽核、可驗證、可承擔責任的流程裡。