Under ett och samma år lanserade ISACA en ny certifiering för hantering av AI-säkerhetsrisker, GIAC publicerade fyra nya certifieringar inom AI-säkerhetsarbete och CompTIA började revidera sitt viktigaste grundprov för att lägga till AI-innehåll. Det är ingen slump; det är en certifieringsbransch som synligt reagerar på ett fält som hela tiden rör sig under den. Den här artikeln granskar vad certifieringarna faktiskt prövar, vilka belägg som finns för hur snabbt kunskapen bakom dem åldras, vad offentliga data säger om deras värde och vad människor gör i stället eller vid sidan av – utan att rekommendera för eller emot någon specifik betald produkt.
Bakgrund
Grundnivån inom cybersäkerhetscertifiering är äldre än den nuvarande vågen av AI-specifika certifieringar och utgör fortfarande den bas som de flesta av dem bygger på. ISC2:s certifiering på grundnivå (CC) förutsätter ingen tidigare yrkeserfarenhet och omfattar fem domäner: säkerhetsprinciper, säkerhetsstyrning, identitets- och åtkomsthantering, begrepp inom nätverks- och molnsäkerhet samt säkerhetsdrift och incidenthantering [3]. CompTIA:s Security+ förbereder kandidater för roller som säkerhetsanalytiker, säkerhetsingenjör och systemadministratör, och CompTIA har meddelat att nästa version, Security+ V8, som lanseras den 17 november 2026, kommer att lägga till ”utökad täckning av områden som AI-relaterade risker, säkerhetsdrift och moderna miljöer” i det befintliga provet [4].
Ovanpå den basen kom AI-specifika certifieringar snabbt och från mer än ett håll. ISACA:s Advanced in AI Security Management (AAISM), som organisationen beskriver som den första AI-inriktade certifieringen för säkerhetsledning, kräver att kandidaten redan har en giltig CISM eller motsvarande, eller CISSP, innan registrering, och prövar tre domäner: AI Governance and Program Management, AI Risk Management samt AI Technologies and Controls, till en kostnad av 459 dollar för medlemmar och 599 dollar för icke-medlemmar, plus en ansökningsavgift på 50 dollar vid godkänt resultat [1]. GIAC lade för sin del till fyra AI-specifika certifieringar i sin katalog: AI Security Automation Engineer (GASAE, kopplad till SANS-kursen SEC598), AI Platform Security (GAIPS, kopplad till SEC545), Offensive AI Analyst (GOAA, kopplad till SEC535) och AI Penetration Tester (GAIPT, kopplad till SEC536), som alla prövas i GIAC:s praktiska CyberLive-format snarare än genom ren återgivning av fakta [2].
Underlag
Vad certifieringarna prövar skiljer sig medvetet åt, och skillnaden påverkar hur de åldras. AAISM:s tre domäner handlar om process och styrning – programledning, riskhantering, tekniska kontroller – den sortens struktur som förändras först när en organisations övergripande syn på risk förändras, inte varje gång en ny modell släpps [1]. GIAC:s fyra AI-certifieringar prövas i stället praktiskt i en levande miljö, och var och en är kopplad till en specifik, namngiven SANS-kurs snarare än ett allmänt kunskapsområde, vilket innebär att den certifierande organisationen har knutit certifieringens aktualitet till hur ofta den reviderar just den kursen [2].
Det finns direkta belägg, från standardiseringsorganen själva, för att det underliggande materialet förändras tillräckligt snabbt för att tvinga fram revideringar med kort intervall. NIST publicerade sitt AI Risk Management Framework i januari 2023, fann det sedan nödvändigt att lägga till en Generative AI Profile i juli 2024 och har ytterligare en Critical Infrastructure Profile planerad till april 2026 – tre separata publikationer på ungefär tre år för ett dokument som är tänkt att beskriva en stabil struktur för riskhantering [5]. MITRE ATLAS publiceras inte alls som ett fast dokument: innehållet versioneras enligt ett schema med år, månad och revision, skilt från formatversionen för de underliggande datafilerna, just eftersom katalogen över tekniker och fallstudier hela tiden växer [6]. OWASP:s Top 10 for LLM Applications förvaltas på samma sätt, som en levande, versionerad lista – den aktuella utgåvan namnger tio kategorier, från promptinjektion till obegränsad resursförbrukning – snarare än ett dokument som publiceras en gång och sedan lämnas orört [7].
När det gäller vad en certifiering är värd i lön är den enda hämtade källan med konkreta siffror allmän snarare än AI-specifik: ISC2:s globala data från 2024 angav genomsnittslöner för hela certifieringsportföljen mellan 94 948 dollar för SSCP och 119 577 dollar för CISSP, utan uppdelning efter AI-specialisering [10]. ISACA:s undersökning State of Cybersecurity 2025 anger, i den omfattning som syns offentligt på rapportsidan, att den behandlar ”en hög efterfrågan på tekniska färdigheter” tillsammans med brister i mjuka färdigheter, samt AI:s inverkan på ”angreppsvektorer, försvarsstrategier och policyutveckling” bland nästan 4 000 tillfrågade yrkesverksamma; den fullständiga rapporten kräver registrering, så artikeln citerar endast denna angivna omfattning, inte några resultat om just certifieringar [11].
Analys
Sammantaget är den senaste vågen av AI-säkerhetscertifieringar inte uppbyggd som ett statiskt prov där man lär sig utantill och återger, och det ser ut som ett direkt svar på det problem artikeln undersöker. AAISM prövar en styrningsprocess som förändras över år, inte månader, eftersom en organisations riskstruktur är mer beständig än en enskild modell eller ett enskilt verktyg [1]. GIAC:s fyra AI-certifieringar accepterar i stället att verktygen ständigt förändras och prövar aktuell, praktisk förmåga i en levande miljö snarare än fasta fakta, vilket håller certifieringen meningsfull vid provtillfället men flyttar åldrandeproblemet till den certifierande organisationen, som måste fortsätta revidera den underliggande kursen för att hålla provet aktuellt [2]. Inget av angreppssätten får kunskapen att stå still; vart och ett är ett annat, försvarbart sätt att hantera att den inte kommer att göra det. Att NIST självt behövde foga en Generative AI Profile till sitt AI RMF inom arton månader efter publiceringen, och att MITRE ATLAS valde att versionera innehållet med ungefär månatliga intervall i stället för att publicera det en gång, är i praktiken båda medgivanden från myndigheter och standardiseringsorgan att en fast ögonblicksbild av materialet snabbt blir inaktuell [5] [6].
Det är skälet till att betrakta en certifiering som ett underlag bland flera snarare än hela svaret, och det finns flera alternativ vid sidan av, vart och ett med en verklig avvägning snarare än en självklar fördel. En portfolio eller en historik av bidrag till öppen källkod visar aktuell, specifik förmåga direkt, men saknar extern verifiering och ett standardformat som en arbetsgivare kan jämföra mellan kandidater. Publicerade genomgångar och forskning har samma avvägning i skarpare form: verkligt aktuella och öppna för alla, helt utan grindvakter, vilket är en styrka för snabbheten och en svaghet för verifieringen. Tävlingsövning ligger mellan dessa: Carnegie Mellon Universitys CyLab Security Academy driver picoCTF, en kostnadsfri plattform vars omfattning numera sträcker sig ”från grundläggande säkerhet till avancerade områden som AI-säkerhet”, och CTFtime förvaltar ett löpande uppdaterat arkiv över tävlingar och lagrankningar snarare än ett fast provdatum, så en CTF-historik ligger per konstruktion närmare ”vad den här personen kan göra mot dagens utmaningar” än en certifiering som erhållits vid en viss tidpunkt [8] [9]. Avvägningen är verklig: CTF-deltagande gynnar den som har tid att tävla vid sidan av arbetet, formatet passar offensiva och tekniska roller betydligt bättre än styrningsinriktade, och till skillnad från en certifiering motsvarar det ingen punkt på någon arbetsgivares formella rekryteringslista.
| Angreppssätt | Vad det verifierar | Hur det åldras | Passar bäst för |
|---|---|---|---|
| Styrningsinriktad certifiering (t.ex. AAISM) | Kunskap om process, policy och riskhantering | Långsamt – knutet till organisationens riskstruktur, inte till ett specifikt verktyg | Lednings- och efterlevnadsspår [1] |
| Praktisk certifiering prövad i levande miljö (t.ex. GIAC:s AI-certifieringar) | Aktuell förmåga i en levande miljö | Lika snabbt som verktygen – kräver att utfärdaren reviderar kursen | Yrkesverksamma som specialiserar sig på ett tekniskt område [2] |
| CTF (picoCTF, CTFtime) | Påvisad, aktuell problemlösningsförmåga | Kontinuerligt – själva uppgiftsutbudet förändras | Tekniska roller med offensiv inriktning [8] [9] |
| Portfolio / bidrag till öppen källkod | Specifikt arbete som kan granskas | Lika aktuellt som det senaste bidraget | Alla som kan visa, inte bara påstå, nyligen utfört arbete |
Rekommendationer
- Ny inom området: bygg först ett gemensamt begreppsförråd, antingen genom en certifiering på grundnivå som ISC2:s CC eller CompTIA Security+, eller genom en likvärdig kostnadsfri kurs som FireAI Universitys Foundations of cybersecurity; en AI-specialisering bygger ovanpå detta, inte i stället för det [3] [4].
- Lägga till en AI-specialisering som yrkesverksam: väg en praktisk certifiering prövad i levande miljö mot kostnadsfri, löpande uppdaterad övning – picoCTF:s moduler om AI-säkerhet och en aktiv historik på CTFtime – utifrån om en viss arbetsgivare behöver själva certifieringen eller bara den färdighet den leder till [2] [8] [9].
- På väg mot styrning eller ledning: en processbaserad certifiering som kräver en befintlig CISM eller CISSP tenderar att åldras långsammare än en verktygsspecifik, eftersom den prövar en struktur – NIST:s funktioner Govern, Map, Measure och Manage – snarare än en ögonblicksbild av dagens verktyg; FireAI Universitys Threat modelling and risk behandlar samma resonemang utan provavgift [1] [5].
- Vid bedömning av en specifik betald certifiering: kontrollera vem som utfärdar den, vilka förkunskapskrav den har, om den prövas praktiskt i en levande miljö eller genom återgivning av fakta, och hur nyligen innehållet senast reviderades, innan påståendena på en marknadsföringssida tas som svaret.
- Följ i varje skede fältet genom material som uppdateras löpande – fallstudierna i MITRE ATLAS, OWASP:s versionerade Top 10 eller en löpande forskningslogg som FireAI Radar – i stället för att betrakta en certifiering, när den väl är tagen, som ett färdigt svar [6] [7].
Begränsningar
ISACA:s rapport State of Cybersecurity 2025 var inte tillgänglig utan medlemsregistrering; artikeln citerar endast den omfattning som anges offentligt på rapportsidan, inte dess resultat, och gör inga påståenden om vilka slutsatser den drar om just certifieringar [11]. ISC2:s lönesiffror är från maj 2024, omfattar hela certifieringsportföljen och är inte specifika för AI-säkerhetsroller; ingen källa som använts för artikeln anger lönedata specifikt för AI-säkerhet [10]. Artikeln bedömer inte svårighetsgrad, godkännandefrekvens eller provkvalitet för någon av de nämnda certifieringarna, eftersom ingen hämtad källa gav sådana data. GIAC:s fyra AI-certifieringar beskrivs här utifrån leverantörens egen katalogsida som nyligen tillgängliga; artikeln har inte skrivit något prov och kan inte uttala sig om hur snabbt innehållet kommer att revideras framöver, endast om det praktiska format de använder i dag [2]. Om en specifik certifiering är värd sin kostnad för en viss person beror på arbetsgivare, region och roll, vilket ingen av de citerade källorna kvantifierar, och artikeln avstår medvetet från att rangordna eller rekommendera någon specifik betald certifiering.
Var FireAI och HisnLabs kommer in
Inget här är ett argument för eller emot någon betald certifiering; FireAI är en brandvägg, inte en utbildningsaktör, och det ärliga sättet att hänga med i ett så snabbt fält är detsamma som artikeln rekommenderar alla andra: övning, publicerat referensmaterial och en löpande förteckning över vad som faktiskt förändras.
FireAI är HisnLabs eget verktyg: en AI-brandvägg som körs direkt på din Mac. Den visar varje anslutning dina appar gör, på klarspråk, och låter dig avgöra vad som lämnar din Mac — AI:n körs lokalt, så din trafik skickas aldrig till oss eller någon annan. HisnLabs säkerhetsforskningsteam är de som håller de bedömningarna tillförlitliga: de katalogiserar vilka domäner som är vanlig telemetri och vilka som är en riktig tjänst, spårar land och nätverk bakom en anslutning och tränar den lokala modellen (FireAI Pilot-funktionen) på verkliga trafikmönster — utan att något av det lämnar din Mac.
Du kan läsa om de tekniska besluten bakom, eller prova FireAI i 17 dagar, på FireAI, från HisnLabs.