Risiko AI kini tidak lagi dipandang sebagai persoalan yang berdiri sendiri. Penggunaan kecerdasan buatan justru membuat berbagai ancaman lain berkembang lebih cepat, lebih sulit dideteksi, dan semakin rumit dikendalikan. Kondisi ini membuat perusahaan perlu mengubah cara mengelola risiko agar mampu menghadapi ancaman baru yang muncul dari penggunaan AI.
Pandangan tersebut disampaikan Astrid Yee-Sobraques dalam artikel yang diterbitkan Global Association of Risk Professionals (GARP). Menurutnya, AI bukan sekadar teknologi baru atau kategori risiko tambahan. AI telah menjadi “lapisan” yang terhubung dengan hampir seluruh aktivitas digital sehingga dapat memperbesar dampak berbagai jenis risiko yang sudah ada.
Risiko AI Tidak Bisa Dipisahkan dari Risiko Lain
Selama ini, banyak perusahaan mengelompokkan risiko berdasarkan jenisnya, seperti risiko siber, gangguan rantai pasok, atau kegagalan infrastruktur. Pendekatan tersebut dinilai kurang memadai ketika menghadapi risiko AI.
AI dapat mempercepat serangan siber, membantu pelaku kejahatan menyamarkan transaksi keuangan, hingga meningkatkan kualitas penipuan digital. Artinya, AI tidak bekerja sebagai ancaman yang berdiri sendiri, melainkan memperbesar dampak berbagai risiko lain secara bersamaan.
Terdapat lima kasus yang terjadi dalam beberapa tahun terakhir. Masing-masing memiliki pola serangan yang berbeda sehingga sulit dicegah menggunakan satu pendekatan yang sama.
Salah satu contohnya terjadi di Hong Kong pada 2024. Seorang karyawan mentransfer dana sebesar 25 juta dolar AS setelah mengikuti panggilan video dengan sosok direktur keuangan palsu yang dibuat menggunakan teknologi sintetis atau deepfake.
Kasus lain terjadi pada peretasan Bybit pada 2025. Penyerang tidak langsung membobol jaringan, melainkan memanfaatkan celah pada perangkat lunak pihak ketiga. Akibatnya, tampilan yang dilihat oleh pihak yang memberikan persetujuan transaksi telah dimanipulasi.
Ada pula kasus jaringan propaganda Pravda yang membanjiri internet dengan jutaan artikel untuk memengaruhi data pelatihan model AI. Penelitian bersama Anthropic, AI Security Institute Inggris, dan Alan Turing Institute menunjukkan bahwa ratusan dokumen berbahaya saja sudah cukup memengaruhi keluaran model AI berskala besar.
Microsoft Copilot juga pernah mengalami celah keamanan bernama EchoLeak. Penyerang cukup mengirim email berisi instruksi tersembunyi. AI kemudian membaca instruksi tersebut dan mengirimkan data sensitif tanpa campur tangan pengguna.
Sementara itu, Anthropic mengungkap kelompok yang didukung pemerintah China memanfaatkan Claude Code untuk membantu operasi spionase siber terhadap puluhan target global. AI digunakan untuk melakukan pengintaian, mengembangkan eksploitasi, mencuri kredensial, hingga mengambil data secara otomatis.
Kelima kasus tersebut berasal dari sektor dan metode yang berbeda. Namun semuanya memperlihatkan satu pola yang sama, yaitu risiko AI dapat muncul dari berbagai arah yang sebelumnya sulit diprediksi.
Tantangan terbesar bukan hanya banyaknya titik serangan, tetapi juga kecepatan AI. Dalam beberapa kasus, serangan selesai dilakukan hanya dalam hitungan menit sebelum sistem keamanan sempat memberikan peringatan. Pada kasus lain, manipulasi bahkan berlangsung selama bertahun-tahun tanpa diketahui karena terjadi pada data pelatihan AI.
Kondisi ini membuat proses pengawasan yang selama ini mengandalkan analisis manusia menjadi semakin tertinggal. Bahkan sistem AI yang bertugas mengawasi AI lain juga berpotensi menjadi sasaran serangan.
Karena itu, perusahaan perlu mengubah cara berpikir dalam mengelola risiko. Fokusnya bukan lagi sekadar memprediksi ancaman berikutnya, tetapi memastikan organisasi mampu mendeteksi dan membatasi dampak serangan secepat mungkin.
Astrid Yee-Sobraques menyarankan organisasi lebih berhati-hati sebelum mengintegrasikan AI ke dalam proses bisnis. Setiap penggunaan AI perlu dipetakan berdasarkan sistem yang dapat diakses dan keputusan yang dapat dipengaruhi.
Perusahaan juga disarankan menguji hubungan antara AI dengan sistem internal sebelum digunakan secara luas. Pengujian ini bertujuan mencari celah yang memungkinkan pencurian data, manipulasi informasi, atau eksekusi perintah yang tidak semestinya.
Selain itu, perusahaan perlu menjadikan kecepatan penanganan insiden sebagai ukuran utama. Semakin cepat risiko dapat dibatasi setelah terdeteksi, semakin kecil dampak yang harus ditanggung organisasi.
Artikel ini telah diterbitkan oleh GARP dengan judul The Infinite Surface: AI as Risk Amplifier. Artikel selengkapnya dapat dibaca di sini.
