Kecerdasan buatan (Artificial Intelligence/AI) semakin banyak digunakan untuk meningkatkan efisiensi bisnis, mulai dari otomatisasi layanan pelanggan hingga analisis data. Namun, teknologi yang sama juga mengubah lanskap keamanan siber. Penyerang dapat memanfaatkannya untuk menyempurnakan pesan phishing, mempercepat analisis target, dan mendukung berbagai tahapan serangan.

Laporan Cisco bertajuk Relentless Defense Report yang dirilis pada Oktober 2026 menyoroti tantangan tersebut. Berdasarkan pemberitaan yang mengutip laporan itu, 95% organisasi di Indonesia mengalami insiden siber berdampak signifikan dalam 12 bulan terakhir. Lebih dari separuh insiden berdampak signifikan yang dialami organisasi Indonesia dilaporkan melibatkan serangan yang diperkuat AI.

Bagi perusahaan yang mengelola transaksi digital, data pelanggan, aplikasi bisnis, atau perangkat Internet of Things (IoT), temuan ini menjadi pengingat bahwa keamanan tidak cukup dinilai dari perangkat yang telah terpasang. Perusahaan juga perlu mengetahui apakah sistemnya memiliki kelemahan yang dapat dimanfaatkan dan apakah tim mampu merespons ancaman secara efektif.

Riset Cisco: Ada Kemajuan, tetapi Tantangan Pertahanan Masih Besar

Relentless Defense Report didasarkan pada survei terhadap 8.000 praktisi keamanan di 30 pasar, yang dilakukan pada April–Mei 2026 oleh lembaga riset independen Satori Experience.

Cisco menilai kesiapan pertahanan melalui tiga dimensi: cakupan perlindungan (coverage), kecepatan mendeteksi dan menangani ancaman (speed), serta hambatan operasional yang memperlambat respons (friction).

Di Indonesia, skor rata-rata pertahanan siber mencapai 72 dari 100. Sebanyak 29% organisasi masuk kategori Relentless Defenders, kelompok dengan kinerja pertahanan terbaik menurut klasifikasi laporan. Sebagai pembanding, proporsi kelompok tersebut secara global dilaporkan sebesar 8%.

Masih ada kesenjangan operasional yang perlu diperhatikan. Menurut pemberitaan yang mengutip laporan Cisco, hanya 63% organisasi Indonesia menyatakan bahwa tim keamanan, jaringan, dan TI mereka bekerja sebagai satu kesatuan dengan visibilitas serta perangkat yang sama.

Sebanyak 43% responden menilai metrik keamanan yang digunakan terlalu teknis untuk meyakinkan pimpinan perusahaan. Sebanyak 29% kesulitan menerjemahkan indikator teknis menjadi informasi bisnis yang relevan, sedangkan 26% belum memiliki metode pengukuran kinerja keamanan yang konsisten.

Angka tersebut mengungkap persoalan yang sering luput dari perhatian: perusahaan dapat memiliki perangkat keamanan dan data teknis yang melimpah, tetapi tetap kesulitan menentukan tindakan yang paling penting apabila informasi tidak diterjemahkan menjadi keputusan bisnis.

Referensi pemberitaan: Mobitekno — laporan Cisco tentang serangan siber di Indonesia. Periksa kembali sumber primer sebelum publikasi.

Bagaimana AI Mengubah Lanskap Serangan Siber?

AI tidak menciptakan semua metode serangan dari awal. Perubahan yang lebih penting adalah kemampuannya membantu penyerang meningkatkan skala, kecepatan, dan penyesuaian teknik yang sudah dikenal.

1. Phishing semakin sulit dibedakan dari komunikasi resmi

AI generatif dapat membantu membuat pesan dengan bahasa yang lebih natural, menyesuaikan gaya komunikasi dengan target, dan menghasilkan variasi pesan dalam jumlah besar.

Jika sebelumnya pesan penipuan mungkin mudah dikenali karena banyak kesalahan bahasa atau format yang janggal, kini faktor tersebut tidak selalu dapat diandalkan. Pesan yang terlihat meyakinkan dapat digunakan untuk memancing karyawan membuka tautan berbahaya, menyerahkan kredensial, atau menyetujui permintaan yang sebenarnya tidak sah.

Karena itu, edukasi karyawan tetap penting, tetapi perlu dilengkapi dengan autentikasi multifaktor, pembatasan hak akses, dan pemantauan aktivitas akun.

2. Celah aplikasi dapat menjadi pintu masuk menuju data sensitif

AI dapat membantu menganalisis kode, memahami informasi teknis, atau mempercepat pekerjaan tertentu yang mendukung serangan. Namun, penggunaan AI tidak otomatis membuat setiap aplikasi dapat ditembus. Keberhasilan eksploitasi tetap bergantung pada kerentanan yang ada, konfigurasi, hak akses, dan kondisi sistem.

Sebagai contoh, aplikasi dapat memiliki halaman login yang aman, tetapi kontrol akses pada API-nya belum memadai. Pengguna yang telah berhasil masuk mungkin tetap dapat mencoba mengakses data milik pengguna lain jika server tidak memverifikasi hak akses pada setiap permintaan.

Kasus seperti ini menunjukkan bahwa keamanan tidak cukup diuji dari tampilan aplikasi atau keberhasilan login. Mekanisme di balik aplikasi juga perlu dievaluasi.

3. Agen AI menghadirkan permukaan risiko baru

Salah satu perkembangan yang perlu diperhatikan adalah penggunaan AI agents, yaitu sistem AI yang dapat menjalankan tugas berdasarkan instruksi dan, dalam kondisi tertentu, berinteraksi dengan aplikasi atau layanan lain.

Berbeda dari chatbot yang hanya memberikan jawaban, agen AI dapat diberi kewenangan untuk membaca data, memanggil API, atau menjalankan tindakan tertentu. Kemampuan tersebut bermanfaat bagi otomatisasi, tetapi juga memperluas risiko apabila aksesnya terlalu luas atau aktivitasnya tidak diawasi.

Cisco melaporkan bahwa secara global, 65% organisasi dalam kategori Relentless Defenders telah menerapkan agen AI secara ekstensif, dibandingkan 30% pada kelompok organisasi lainnya. Sebanyak 86% kelompok pertahanan terbaik juga memiliki tata kelola terhadap agen AI, dibandingkan 37% kelompok pembanding.

Data ini bukan angka khusus Indonesia, tetapi memperlihatkan pola yang penting: organisasi dengan pertahanan lebih matang tidak hanya mengadopsi AI, melainkan juga menyiapkan kontrol untuk mengelolanya.

Sumber laporan: Cisco — Relentless Defense Report.

Fakta yang Sering Terlewat: AI Juga Bisa Memperkuat Pertahanan

AI tidak hanya digunakan oleh penyerang. Teknologi ini juga dapat membantu tim keamanan menganalisis pola aktivitas, mengidentifikasi anomali, dan mempercepat proses deteksi serta respons.

Dalam pemberitaan mengenai laporan Cisco di Indonesia, hampir seluruh praktisi keamanan yang disurvei melaporkan peningkatan kemampuan deteksi dan respons ancaman setidaknya 25%. Lebih dari sepertiga responden juga menyebut AI membantu mengurangi beban kerja secara signifikan.

Namun, manfaat tersebut tidak otomatis muncul hanya karena perusahaan mengadopsi AI. Organisasi tetap membutuhkan data yang relevan, kontrol yang tepat, dan proses kerja yang memungkinkan temuan ditindaklanjuti.

Laporan Cisco menunjukkan perbedaan hasil yang menarik pada tingkat global. Di antara organisasi yang meningkatkan anggaran keamanan, 71% kelompok Relentless Defenders melaporkan penurunan insiden, dibandingkan 41% pada rata-rata global. Pada kelompok global secara keseluruhan, 45% organisasi justru melaporkan insiden meningkat atau tidak berubah meskipun anggaran bertambah.

Perbandingan ini bukan bukti bahwa anggaran yang lebih besar menyebabkan hasil yang lebih baik. Namun, temuan tersebut menunjukkan bahwa peningkatan investasi saja tidak selalu menjamin penurunan insiden. Cara organisasi menerapkan kontrol, mengintegrasikan data, meningkatkan keterampilan, dan merespons temuan juga berperan penting.

Mengapa Perusahaan Tidak Cukup Mengandalkan Perangkat Keamanan?

Firewall, antivirus, sistem deteksi ancaman, dan perangkat monitoring merupakan bagian penting dari pertahanan siber. Namun, perangkat tersebut tidak otomatis menghilangkan seluruh kelemahan pada aplikasi dan infrastruktur.

Bayangkan sebuah perusahaan fintech memiliki sistem monitoring yang mampu mendeteksi aktivitas login mencurigakan. Sistem tersebut tetap dapat menghadapi risiko apabila API tidak memverifikasi kepemilikan data atau hak akses pengguna dengan benar.

Hal serupa dapat terjadi pada ekosistem IoT. Perangkat yang terhubung ke jaringan, aplikasi pengelola, API, dan layanan cloud membentuk beberapa titik yang perlu diperiksa. Kelemahan pada satu komponen dapat memengaruhi keamanan komponen lainnya, bergantung pada arsitektur dan pembatasan akses yang diterapkan.

Di sinilah perusahaan perlu melihat keamanan secara menyeluruh, mulai dari identitas pengguna, aplikasi, API, konfigurasi, hingga hubungan antarsistem.

Selain itu, temuan teknis harus dapat ditindaklanjuti. Jika tim tidak mengetahui siapa yang bertanggung jawab, seberapa besar dampak suatu kerentanan, atau kapan perbaikan harus dilakukan, risiko dapat tetap terbuka meskipun sudah teridentifikasi.

Pentest sebagai Langkah Evaluasi Keamanan Sistem

Penetration testing atau pentest merupakan pengujian keamanan terkontrol yang menyimulasikan teknik serangan dalam ruang lingkup yang telah disepakati. Tujuannya adalah mengidentifikasi dan memvalidasi kelemahan serta memahami potensi dampaknya terhadap sistem.

Pentest tidak sekadar memeriksa apakah perangkat keamanan telah terpasang. Pengujian ini mengevaluasi bagaimana sistem merespons skenario serangan yang relevan dan apakah kontrol yang diterapkan bekerja sesuai tujuan.

Beberapa area yang dapat diuji meliputi:

• Aplikasi web: autentikasi, pengelolaan sesi, validasi input, dan kontrol akses.
• API: otorisasi, pembatasan akses, serta potensi pengungkapan data yang tidak semestinya.
• Infrastruktur: konfigurasi, layanan yang terekspos, dan kelemahan yang relevan dengan ruang lingkup pengujian.
• Fintech dan aplikasi transaksi: pengelolaan hak akses, perlindungan data, serta alur bisnis yang sensitif.
• IoT: antarmuka perangkat, komunikasi antarkomponen, autentikasi, dan layanan pendukung sesuai cakupan pengujian.

Sebagai contoh, pentest dapat mengungkap kelemahan kontrol akses yang memungkinkan akun tertentu membaca informasi di luar kewenangannya. Temuan tersebut kemudian dapat didokumentasikan beserta bukti teknis, dampak potensial, tingkat risiko, dan rekomendasi perbaikan.

Setelah remediasi dilakukan, pengujian ulang dapat membantu memverifikasi apakah kelemahan telah ditangani. Proses ini penting karena menutup satu celah belum tentu menyelesaikan risiko lain yang berkaitan dengan alur sistem.

Melalui layanan penetration testing, isi.cyber membantu perusahaan mengevaluasi keamanan aplikasi dan sistem TI secara terstruktur sesuai ruang lingkup serta kebutuhan pengujian. Hasil pengujian dapat menjadi dasar bagi tim teknis dan manajemen untuk menentukan prioritas perbaikan berdasarkan bukti dan dampak risiko.

Ketika AI mempercepat perubahan lanskap ancaman, perusahaan perlu memastikan bahwa sistemnya tidak hanya terlihat aman, tetapi juga telah dievaluasi terhadap skenario risiko yang relevan. Mengidentifikasi kelemahan, menguji efektivitas kontrol, dan memperbaiki temuan sebelum dimanfaatkan pihak lain merupakan bagian penting dari upaya menjaga keberlangsungan bisnis dan kepercayaan pelanggan.