Tim keamanan perusahaan sedang bersiap menghadapi perubahan dalam model ancaman seiring agen AI memperoleh akses ke sistem internal yang sama dengan yang digunakan karyawan, mulai dari SharePoint dan basis data SQL hingga repositori kode dan platform ERP yang dapat memulai persetujuan pembayaran. Kekhawatiran langsungnya bukan lagi sekadar apakah model dapat menghasilkan jawaban yang akurat, melainkan apakah sistem otomatis yang beroperasi dengan kredensial valid dapat mengambil tindakan di luar maksud tugas yang diberikan kepadanya.
Hal itu mendorong pengeluaran keamanan ke arah pengendalian identitas, akses data, dan perilaku saat runtime. Sebuah perusahaan mungkin telah mengautentikasi agen AI dengan benar, tetapi tetap menghadapi risiko jika agen tersebut mengikuti instruksi berbahaya yang disisipkan dalam dokumen, menyalahgunakan alat yang terhubung, atau terus beroperasi dengan izin yang tidak lagi sesuai dengan tugasnya.
Oleh karena itu, pasar yang sedang berkembang berpusat pada tata kelola identitas mesin dan pemantauan aktivitas agen setelah akses diberikan. Vendor yang sebelumnya terutama menjual produk endpoint, firewall, atau identitas sedang menyesuaikan platform mereka untuk menjawab tiga pertanyaan praktis: apa yang dapat dijangkau agen, informasi apa yang dapat diambilnya, dan tindakan apa yang dapat dijalankannya?
Keamanan bergeser dari tepi jaringan ke tindakan agen
Pertahanan perusahaan tradisional dirancang berdasarkan manusia, perangkat, dan batas jaringan. Firewall menyaring lalu lintas yang masuk dan keluar dari jaringan, produk deteksi endpoint memantau laptop dan server, sistem identitas menentukan siapa yang dapat masuk, dan pusat operasi keamanan menyelidiki peringatan.
Agen AI mengaburkan batas-batas tersebut. Agen dapat mengautentikasi diri ke beberapa sistem secara berurutan dalam waktu singkat, membaca repositori file, melakukan kueri ke basis data bisnis, mengubah proyek perangkat lunak, dan mengirim instruksi ke alat alur kerja. Setiap tindakan mungkin diizinkan secara terpisah. Risikonya muncul ketika rangkaian tindakan tersebut menghasilkan dampak yang tidak diinginkan, seperti mengekspos data rahasia atau menyetujui transaksi yang tidak pernah ingin disahkan oleh manusia.
GuidePoint Security menyatakan dalam laporan September 2026 bahwa identitas non-manusia jumlahnya dapat mencapai 75 kali lebih banyak daripada pekerja manusia di banyak lingkungan perusahaan. Jumlah tersebut mencakup akun layanan, bot, beban kerja otomatis, kredensial aplikasi, dan identitas lain yang dioperasikan mesin. Skala ini menyulitkan pengendalian konvensional untuk membedakan tugas otomatis yang sah dari perilaku mencurigakan yang dilakukan melalui akun resmi.
Pergeseran ini juga mengubah peran kontrol runtime. Alih-alih hanya memeriksa akses pada awal sesi, perusahaan mencari cara untuk mengawasi tindakan yang hendak dilakukan agen saat sedang beroperasi. Kontrol semacam itu dapat memblokir agen agar tidak mengirim catatan sensitif ke tujuan yang tidak disetujui, membatasi perintah berisiko tinggi, atau meminta persetujuan manusia sebelum alur kerja otomatis melakukan perubahan yang berdampak besar.
Palo Alto Networks dan CrowdStrike memperluas strategi platform
Palo Alto Networks termasuk perusahaan yang membangun platform keamanan luas berdasarkan model ini. Portofolionya kini mencakup perlindungan jaringan, keamanan cloud, operasi keamanan, kapabilitas terkait identitas, dan keamanan AI. Prisma AIRS dirancang untuk mencakup model, data, aplikasi AI, agen, dan kontrol runtime, termasuk firewall runtime AI serta alat red teaming yang ditujukan untuk menguji sistem sebelum penerapan.
Palo Alto Networks melaporkan pendapatan sebesar $3.41 miliar pada kuartal terbarunya, meningkat 34% dibandingkan tahun sebelumnya, termasuk pertumbuhan yang berasal dari akuisisi. Strateginya menempatkan keamanan AI di dalam penawaran platform yang lebih besar, yang dapat menarik bagi perusahaan yang ingin mengurangi jumlah vendor di seluruh lingkungan cloud, jaringan, dan AI.
CrowdStrike menangani masalah agen dari posisinya yang telah mapan dalam telemetri endpoint. Perusahaan ini memperluas cakupannya ke lapisan eksekusi tempat aktivitas agen pada akhirnya berlangsung: perangkat karyawan, server, container, beban kerja cloud, dan sistem identitas. Strategi tersebut menekankan visibilitas terhadap proses atau beban kerja aktual yang menjalankan suatu tindakan, bukan hanya model yang menghasilkan instruksi.
CrowdStrike melaporkan pertumbuhan pendapatan tahunan sebesar 26% dan peningkatan pendapatan berulang tahunan sebesar 25% pada kuartal terbarunya. Ekspansinya ke produk identitas, cloud, runtime, dan operasi keamanan memberinya berbagai cara untuk menambahkan kontrol agen ke penerapan yang sudah ada, meskipun perusahaan perlu menunjukkan bahwa produk-produk ini dapat melindungi alur kerja otomatis seefektif perlindungannya terhadap endpoint.
SentinelOne mengambil pendekatan terkait dalam skala yang lebih kecil. Produk Purple AI miliknya berfokus pada otomatisasi sebagian alur kerja analis keamanan, termasuk investigasi, korelasi peristiwa, dan pemicu respons. Uji komersial untuk produk semacam ini adalah apakah produk tersebut meningkatkan kecepatan dan kualitas operasi keamanan tanpa menciptakan titik kegagalan otomatis baru.
Tata kelola identitas semakin mendekati pusat perhatian
Penggunaan agen yang terus meningkat memberikan tekanan tambahan pada vendor identitas karena setiap agen memerlukan akun, izin, metode autentikasi, serta proses untuk mencabut akses ketika perannya berubah atau berakhir.
Okta tetap berfokus pada autentikasi dan manajemen akses, sementara SailPoint mengkhususkan diri pada tata kelola identitas: menetapkan alasan suatu izin ada, siapa yang menyetujuinya, serta kapan izin tersebut harus ditinjau atau dicabut. Fungsi-fungsi ini menjadi semakin penting ketika satu agen dapat membawa izin untuk mengakses beberapa aplikasi sensitif.
SailPoint melaporkan pertumbuhan pendapatan berulang tahunan sebesar 25% dan pertumbuhan SaaS ARR sebesar 36% pada kuartal terbarunya. Perusahaan menyatakan bahwa ARR yang didorong AI telah melampaui $70 juta dan produk AI menyumbang lebih dari 30% ARR bersih baru. Angka-angka tersebut menunjukkan bahwa pelanggan sudah mengaitkan pengeluaran untuk tata kelola identitas dengan rencana penerapan AI, terutama ketika agen mungkin memperoleh akses ke data internal atau alur kerja bisnis.
Okta melaporkan pertumbuhan pendapatan sekitar 11% pada kuartal terbarunya, disertai arus kas dan margin yang lebih kuat. Tantangannya adalah apakah penawaran identitas terkait agen dapat mempercepat pertumbuhan melampaui lajunya saat ini, ketika pelanggan beralih dari penerapan AI eksperimental ke sistem dengan akses operasional yang lebih luas.
Izin data dan zero trust menjadi kontrol operasional
Varonis memosisikan kemampuan penemuan data, klasifikasi, analisis izin, dan deteksi ancamannya untuk mendukung tata kelola AI serta kontrol saat runtime. Sebelum perusahaan mengizinkan agen mencari berkas internal atau menjawab pertanyaan berdasarkan data korporat, mereka perlu memahami dokumen mana yang berisi informasi sensitif dan apakah izinnya terlalu luas.
Varonis melaporkan pertumbuhan total pendapatan sekitar 18% secara tahunan pada kuartal terbarunya. SaaS ARR meningkat 52%, meskipun perusahaan menyatakan angkanya sekitar 25% jika tidak memperhitungkan dampak konversi yang didorong migrasi. Peluangnya bertumpu pada masalah penerapan yang sederhana: agen tidak dapat dibatasi dengan aman jika perusahaan belum mengetahui data apa yang mereka miliki serta siapa atau apa yang dapat mengaksesnya.
Zscaler menerapkan prinsip akses zero trust pada gabungan karyawan, beban kerja, dan agen yang terus bertambah. Model ini melampaui akses karyawan-ke-aplikasi menuju kontrol mesin-ke-aplikasi, ketika sistem otomatis mungkin memerlukan otorisasi yang dibatasi secara ketat untuk mengakses layanan tertentu selama periode terbatas.
Zscaler melaporkan pertumbuhan sekitar 25% baik dalam pendapatan maupun ARR pada kuartal terbarunya. Jika akuisisi Red Canary tidak dihitung, kedua metrik tersebut tumbuh mendekati 20%. Kemampuan perusahaan untuk menegakkan autentikasi, otorisasi, dan isolasi di seluruh koneksi dapat menjadi semakin relevan seiring lalu lintas internal mencakup lebih banyak beban kerja otomatis.
Jaringan tetap menjadi bagian dari pembangunan infrastruktur AI
Fortinet dan Cloudflare menunjukkan bagaimana adopsi agen juga dapat membentuk kembali permintaan keamanan jaringan. Fortinet menargetkan penerapan AI privat, termasuk klaster GPU, lingkungan cloud privat, dan infrastruktur yang disebut pabrik AI. Sistem semacam itu memerlukan segmentasi, kontrol lalu lintas east-west, firewall, produk secure access service edge, serta alat operasi keamanan untuk mengelola koneksi di dalam jaringan.
Cloudflare beroperasi di berbagai bidang, termasuk distribusi konten, keamanan aplikasi web, perlindungan DDoS, layanan zero-trust, Workers, dan jaringan edge global. Titik kontrolnya dapat menjadi semakin bernilai saat lalu lintas beralih ke interaksi agen-ke-API dan agen-ke-agen, ketika sistem perangkat lunak membuat permintaan dalam jumlah besar yang dapat dibaca mesin tanpa keterlibatan manusia secara langsung.
Valuasi pasar telah mencerminkan ekspektasi yang berbeda terkait pertumbuhan yang terhubung dengan AI. CrowdStrike dan Cloudflare diperdagangkan dengan profil pertumbuhan yang lebih tinggi, sementara Palo Alto Networks dan Fortinet sering dipandang sebagai penyedia platform yang lebih defensif. SailPoint, Varonis, Zscaler, dan Okta menghadapi pertanyaan komersial yang lebih spesifik: apakah fitur keamanan agen dapat menghasilkan pendapatan berulang bersih baru yang lebih kuat, alih-alih sekadar menjadi tambahan yang diharapkan pada produk yang sudah ada.
Bagi pengguna dan bisnis mata uang kripto, perkembangan yang sama menegaskan perlunya mengendalikan akses nonmanusia. Kunci API yang terhubung ke akun perdagangan atau kustodi harus dibatasi cakupannya, ditinjau secara berkala, dan dicabut ketika tidak lagi diperlukan. Ketika sistem otomatis mengambil alih lebih banyak pekerjaan operasional, kredensial yang valid semakin menjadi titik awal keputusan keamanan, bukan bukti akhir bahwa suatu tindakan layak dipercaya.
Lihat bagaimana bank menerapkan agen AI yang aman dan memahami alur kerja dalam produksi di ikhtisar mendalam ini.
Penafian: Konten di halaman ini hanya disediakan untuk tujuan informasi umum dan tidak mencerminkan pandangan atau nasihat keuangan dari Toobit. Kami tidak memberikan jaminan atas keakuratan atau kelengkapan informasi ini dan tidak bertanggung jawab atas kesalahan, kelalaian, atau dampak apa pun yang timbul dari penggunaannya. Berinvestasi dalam aset digital mengandung risiko; pengguna harus mengevaluasi secara mandiri kondisi keuangan mereka dan risiko yang terlibat. Untuk informasi lebih lanjut, silakan lihat Ketentuan Layanan dan Pengungkapan Risiko.
