Akamai Luncurkan Dua Layanan AI untuk Perusahaan dan Keamanan Agen

Akamai luncurkan layanan AI untuk keamanan agen melalui Akamai Inference dan Akamai Agent Sandbox. Agen AI dapat membantu membaca dokumen, menyusun draf, mencari informasi, atau menjalankan kode. Namun, kemampuan bertindak ini juga membuat perusahaan perlu membatasi apa yang boleh dibaca, tool yang boleh dipanggil, serta tindakan yang boleh dijalankan tanpa persetujuan manusia.

Pada 3 November 2026, Akamai memperkenalkan Akamai Inference dan Akamai Agent Sandbox dalam tahap beta sebagai bagian dari Akamai Cloud, menurut laporan Limapagi dan Lensa Hukum. Keduanya menyasar dua kebutuhan berbeda: menjalankan model AI dan mengisolasi aktivitas agen AI ketika agen tersebut perlu mengeksekusi tugas atau kode.

Bagi tim yang sedang menilai penggunaan agen AI, kabar ini lebih relevan sebagai pengingat desain operasional. Model AI tidak cukup hanya diberi akses API. Organisasi perlu menetapkan batas tindakan, lingkungan uji, pencatatan aktivitas, serta jalur persetujuan saat agen menghadapi kondisi yang tidak sesuai aturan.

Apa fungsi Akamai Inference dan Akamai Agent Sandbox

Akamai Inference ditujukan untuk menyediakan akses organisasi terhadap model AI. Menurut Limapagi, layanan ini merupakan lapisan inference dalam ekosistem AI Akamai. Inference adalah proses ketika model menerima input, seperti teks, gambar, atau data terstruktur, lalu menghasilkan keluaran seperti klasifikasi, ringkasan, jawaban, atau draf kode.

Akamai Agent Sandbox memiliki fungsi berbeda. Menurut Limapagi dan Lensa Hukum, layanan ini menyediakan ruang eksekusi terisolasi agar agen AI tidak langsung beroperasi di sistem utama perusahaan. Kode yang dihasilkan agen dapat diproses dalam lingkungan dengan pembatasan tersendiri. Pemisahan ini penting ketika agen diberi kemampuan untuk memanggil tool atau menjalankan langkah lanjutan setelah menghasilkan respons.

Secara sederhana, inference menjawab kebutuhan pemrosesan AI, sedangkan sandbox mengatur tempat tindakan agen dijalankan. Keduanya tidak seharusnya dianggap sebagai hal yang sama. Model dapat menghasilkan rekomendasi tanpa menulis data ke sistem. Agen baru bertindak ketika ia memakai tool, menjalankan kode, atau meneruskan hasil ke aplikasi lain.

Sebagai ilustrasi hipotetis, tim keuangan dapat memakai model AI untuk mengelompokkan pertanyaan vendor berdasarkan isi email. Itu merupakan penggunaan inference. Jika sistem kemudian memberi agen kemampuan membuka lampiran, mengambil data dari aplikasi internal, dan membuat entri baru, perusahaan perlu membatasi ruang eksekusi serta izin aksesnya. Di titik inilah lingkungan sandbox menjadi relevan.

Mengapa agen AI memerlukan batas akses yang jelas

Agen AI berbeda dari chatbot yang hanya menjawab pesan dalam satu antarmuka. Agen dapat menjalankan rangkaian tugas menggunakan konteks dan tools yang tersedia. Menurut laporan Limapagi, agen AI mampu menghasilkan kode dan mengeksekusinya. Kemampuan tersebut berguna untuk pekerjaan operasional, tetapi risiko meningkat bila agen memperoleh akses lebih luas daripada yang dibutuhkan untuk tugasnya.

Risikonya bukan semata-mata jawaban yang keliru. Masalah dapat muncul ketika keluaran AI memicu tindakan pada sistem lain. Agen yang bertugas mengklasifikasikan lead, misalnya, tidak otomatis perlu memiliki izin menghapus data CRM, mengubah konfigurasi akun, atau mengirim penawaran kepada pelanggan.

Kontrol yang baik dimulai dari prinsip akses minimum. Agen hanya menerima akses untuk membaca atau melakukan tindakan yang diperlukan dalam satu workflow. Jika suatu tahap tidak membutuhkan data sensitif, data itu tidak perlu tersedia bagi agen. Jika tindakan memiliki dampak eksternal, seperti mengirim kontrak atau memperbarui status pelanggan, tindakan itu dapat ditempatkan di antrean persetujuan manusia.

Sebagai contoh hipotetis, sebuah perusahaan menerima formulir demo produk dari situsnya. Workflow awal dapat dibuat seperti ini:

1. Sistem menerima formulir dan memeriksa apakah kolom wajib terisi.
2. Model AI memberi kategori awal berdasarkan industri serta kebutuhan yang ditulis calon pelanggan.
3. Sistem membuat draf entri CRM, bukan langsung mengubah data pelanggan yang sudah ada.
4. Sales menerima notifikasi untuk meninjau kategori dan data kontak.
5. Setelah disetujui, barulah follow-up dikirim melalui kanal yang ditetapkan perusahaan.

Pada workflow ini, agen tidak perlu diberi izin untuk menghapus entri CRM, mengubah hak akses pengguna, atau mengirim pesan tanpa batas. Sandbox dapat membantu memisahkan proses eksekusi agen dari sistem inti, tetapi keputusan tentang izin tetap harus dibuat oleh pemilik proses dan tim teknis.

Sandbox bukan pengganti tata kelola AI perusahaan

Akamai Agent Sandbox dapat membatasi lingkungan kerja agen, tetapi sandbox tidak menggantikan kebijakan internal. Perusahaan masih perlu menentukan siapa yang bertanggung jawab atas workflow, tindakan apa yang dapat berjalan otomatis, dan kondisi apa yang harus menghentikan proses.

Menurut Adam Karon, Chief Operating Officer sekaligus General Manager Akamai Cloud, kedua produk tersebut menambahkan lapisan inference dan eksekusi ke infrastruktur AI Akamai, sebagaimana dikutip Limapagi dan Lensa Hukum. Pernyataan itu menunjukkan posisi layanan ini sebagai bagian dari ekosistem pengembangan, operasi, dan keamanan AI, bukan jawaban tunggal untuk seluruh risiko implementasi.

Dalam praktiknya, pengawasan perlu dirancang pada beberapa titik. Pertama, organisasi perlu menetapkan data yang boleh dibaca agen. Kedua, tool yang boleh dipanggil perlu dibatasi per tugas. Ketiga, semua aktivitas yang relevan perlu dicatat agar tim dapat meninjau apa yang dilakukan agen ketika hasilnya tidak sesuai harapan. Keempat, harus ada mekanisme penghentian ketika workflow salah arah atau sistem tujuan tidak merespons.

Andaikan tim HR ingin memakai agen untuk merangkum pertanyaan kebijakan internal dari karyawan. Tahap awal yang lebih aman adalah agen mencari jawaban dari basis pengetahuan yang sudah disetujui, membuat draf respons, lalu mengirimkannya kepada tim HR untuk ditinjau. Agen tidak perlu diberi akses untuk mengubah data kepegawaian, memperbarui kontrak, atau mengunduh seluruh dokumen personalia.

Pendekatan ini juga membantu memisahkan eksperimen dari produksi. Tim dapat menguji kualitas keluaran, menemukan pertanyaan yang tidak dapat dijawab basis pengetahuan, serta memeriksa catatan aktivitas sebelum agen terhubung ke sistem yang lebih sensitif. Uji terbatas memberi ruang untuk memperbaiki aturan tanpa menjadikan pelanggan atau karyawan sebagai pihak yang menanggung kesalahan sistem.

Cara menilai apakah workflow cocok untuk agen AI

Workflow pertama sebaiknya tidak dipilih berdasarkan tool yang sedang populer. Mulailah dari proses bisnis yang berulang, memiliki aturan cukup jelas, dan hasilnya mudah diperiksa manusia. Klasifikasi permintaan internal, penyusunan draf laporan, atau pengelompokan tiket layanan dapat menjadi titik awal yang lebih terkendali daripada proses yang langsung memengaruhi transaksi atau hak akses.

Sebelum memilih platform atau model, buat peta workflow sederhana. Tulis pemicu proses, data masuk, keputusan yang harus dibuat, sistem yang diakses, keluaran yang dihasilkan, dan pihak yang menyetujui pengecualian. Peta tersebut sering kali memperlihatkan bahwa sebagian langkah dapat diotomatisasi dengan aturan biasa, sedangkan AI hanya diperlukan pada tahap memahami teks, merangkum informasi, atau memberi klasifikasi awal.

Bedakan tiga bentuk penerapan berikut agar desainnya tidak keliru. Automation menjalankan aturan tetap, misalnya formulir masuk lalu data disimpan ke CRM. AI automation memakai model AI dalam salah satu langkah, misalnya formulir dibaca lalu kebutuhan lead diklasifikasikan sebelum masuk CRM. Agen AI menjalankan beberapa langkah memakai konteks dan tools untuk mencapai tujuan, sehingga pembatasan akses dan pengawasan menjadi lebih penting.

Untuk memahami fondasi penerapan AI di perusahaan, pembaca dapat melihat artikel pilar "Singapura Luncurkan Inisiatif AI untuk Bantu Perusahaan Adopsi Teknologi". Artikel tersebut memberi konteks lebih luas tentang kebutuhan adopsi AI perusahaan, sedangkan pembahasan Akamai ini berfokus pada pemisahan inference, eksekusi agen, dan kontrol akses.

Langkah berikutnya untuk tim yang ingin menguji agen AI

Pilih satu workflow berisiko rendah minggu ini. Dokumentasikan lima hal: tujuan tugas, data yang boleh dipakai, tool yang boleh diakses, tindakan yang memerlukan persetujuan, dan orang yang bertanggung jawab jika hasil agen keliru.

Setelah itu, jalankan pengujian dengan data terbatas dalam lingkungan terpisah. Periksa apakah agen mencoba meminta akses di luar tugasnya, apakah hasilnya dapat ditinjau, dan apakah tim mampu menghentikan proses dengan cepat. Jika aturan serta catatan aktivitas sudah jelas, barulah pertimbangkan integrasi bertahap ke CRM, basis pengetahuan, atau sistem operasional lain.

Berita peluncuran Akamai Inference dan Akamai Agent Sandbox menunjukkan kebutuhan yang makin nyata: perusahaan perlu memikirkan pemrosesan AI dan batas tindakan agen sebagai dua lapisan berbeda. Pertanyaan awalnya bukan “agen ini bisa melakukan apa?”, melainkan “tindakan apa yang aman untuk diizinkan pada workflow ini?”