Sekitar 5% pengguna dengan aktivitas prompt tertinggi menjadi pendorong utama sebagian besar risiko AI di perusahaan. Temuan ini menunjukkan ancaman tidak selalu berasal dari seluruh karyawan secara merata, melainkan dari kelompok kecil dengan intensitas penggunaan yang sangat tinggi.
Pola tersebut membuat pengawasan umum terhadap semua pengguna berpotensi kurang efektif. Tim keamanan perlu lebih dahulu mengenali aktivitas yang melibatkan data, kode, dokumen, dan akses digital bernilai penting.
Fokus pada Aktivitas Berisiko Tinggi
Pengguna paling aktif dapat memanfaatkan AI untuk pengembangan perangkat lunak, pengolahan informasi, atau tugas teknis lain. Dalam proses itu, prompt dapat memuat informasi sensitif yang tidak selalu terlindungi oleh kebijakan keamanan lama.
Or Eshed, Vice President Enterprise Security Product and Engineering Akamai, menilai pencegahan kebocoran data konvensional tidak lagi memadai. “Solusi pencegahan kebocoran data konvensional (DLP) dirancang untuk era perpindahan file dan email tradisional,” jelasnya.
Menurutnya, data sensitif kini dapat tersebar melalui jutaan prompt yang terus berubah, akun pribadi yang tidak dikelola, serta agen AI otonom. Kondisi ini membuat perusahaan tidak cukup hanya mengandalkan pemblokiran aplikasi AI.
Pendekatan yang lebih relevan adalah mengelola cara AI beroperasi secara waktu nyata. Pengawasan perlu memperhatikan konteks interaksi, termasuk aktivitas salin-tempel, isi prompt, dan unggahan dokumen.
Tiga Jalur Serangan yang Perlu Diawasi
Laporan The Enterprise AI Usage Risk Report 2026 dari Akamai mengidentifikasi tiga metode serangan yang dapat melewati pertahanan konvensional. Sasarannya mencakup lingkungan pengembang, ekstensi peramban, dan instruksi tersembunyi pada halaman web publik.
| Metode | Cara Kerja | Risiko Utama |
|---|---|---|
| Vibe Hacking | Memanipulasi file instruksi markdown lokal untuk mengarahkan asisten pemrograman AI. | AI dapat membuat kode berbahaya atau menjalankan tindakan tanpa izin. |
| CursorJacking | Memanfaatkan ekstensi peramban berbahaya dengan izin akses luas. | Kunci API, basis kode, dan riwayat percakapan berisiko dicuri. |
| CometJacking | Menyisipkan instruksi berbahaya pada web melalui indirect prompt injection. | Agen AI dapat mengirim file lokal, email, dan kredensial sesi. |
Vibe Hacking menargetkan file instruksi markdown lokal yang dipakai dalam lingkungan kerja pengembang. Perubahan kecil pada file itu dapat membelokkan respons asisten pemrograman AI ke arah pembuatan kode berbahaya.
CursorJacking memanfaatkan risiko dari ekstensi peramban yang meminta izin tinggi untuk mengakses layanan asisten pemrograman. Akamai mencatat hampir 75% ekstensi AI meminta akses tingkat tinggi, sementara 16,3% di antaranya memiliki kerentanan keamanan atau CVE aktif.
CometJacking bekerja dengan menanamkan instruksi berbahaya di halaman web publik. Teknik tersebut dapat memanipulasi agen AI lokal, termasuk Comet AI dari Perplexity, untuk mengirim data pengguna tanpa persetujuan.
Penggunaan AI Resmi Perlu Terhubung ke SSO
Untuk mengurangi Shadow AI, perusahaan dapat mengintegrasikan platform AI resmi dengan Single Sign-On atau SSO. Langkah ini membantu pelacakan penggunaan aplikasi SaaS dan mengurangi ketergantungan pada akun pribadi yang tidak terkelola.
Audit terhadap ekstensi peramban dan lingkungan pengembangan terintegrasi juga perlu dilakukan secara berkala. Izin yang terlalu luas dapat membuka jalur pengambilan data penting dari sistem perusahaan.
Agen AI otonom juga perlu dibatasi memakai prinsip least privilege atau hak akses minimum. Dengan kewenangan yang sesuai tugas, agen tetap dapat membantu pekerjaan tanpa memperoleh akses berlebihan terhadap data dan sistem internal.
Penggunaan AI di perusahaan memang berkembang lebih cepat daripada kemampuan pengawasan keamanan. Karena itu, pemusatan pelatihan dan pemantauan pada pengguna dengan aktivitas prompt tertinggi menjadi salah satu langkah yang disarankan Akamai.
