في عالم الأمان السيبراني، تُعتبر استطلاعات الخبراء من الأدوات الأساسية لفهم سير العمل وعمليات صنع القرار. ومع ذلك، يواجه الباحثون تحديات كبيرة في استقطاب الخبراء، خاصة في مراكز عمليات الأمن (Security Operations Centres) حيث يتعرض المحللون لضغوط العمل الكبيرة وسرعة الاحتراق. في هذا السياق، تبرز النماذج اللغوية الضخمة (Large Language Models) كخيار جذاب، تتيح تقديم إجابات آلية بشكل موسع، ولكن القليل من الإرشادات المتاحة حول متى يمكن اعتبار هذه البدائل موثوقة.

تقدم الدراسة الجديدة إطاراً منهجياً لتقييم وتوظيف LLMs كبدائل أو مساعدين للمشاركين في استطلاعات الرأي. من خلال تحليل ردود فعل محترفي الأمن السيبراني، تم مقارنة الإجابات المعتمدة على شخصيات (persona-based) والأخرى المجمعة من عدة نماذج وإعدادات استجابة.

تشير النتائج إلى أن النماذج اللغوية تنتج إجابات متسقة من الداخل، إلا أنها تختلف بشكل منهجي عن الآراء البشرية، حيث تُظهر انحياز مركزي وتقليص للتنوع في الآراء. يُعد هذا البحث مساهمة عملية في مجال أبحاث الأمان، حيث يساهم في إرساء منهجية واضحة لاستخدام وتقييم الاستجابات التي تولدها LLMs.

باختصار، يمكن القول إن LLMs ذات فائدة كبيرة لتجريب الأفكار وتوليد الفرضيات، لكنها لا يمكن أن تحل محل استقطاب الخبراء. يبدو أن هذا الأمر يطرح تساؤلات هامة حول كيفية استخدام هذه التكنولوجيا الناشئة في البحث العلمي والنظر إلى مستقبل الاستطلاعات في مجالات الأمان.