OpenAI gandeng Cathedral Systems, bug bounty naik empat kali lipat

Apa yang diumumkan OpenAI bersama Cathedral Systems

OpenAI gandeng Cathedral Systems dalam sprint keamanan yang, menurut Telset.id dan ChatNews.id, berlangsung pada 2 November 2026. Kedua media tersebut juga melaporkan kenaikan bug bounty naik 4 kali lipat untuk temuan kritis. Cathedral Systems bekerja bersama tim OpenAI untuk menemukan kelemahan, menguji perbaikan, lalu memperkuat pertahanan sistem.

Kerja sama ini mencakup pengujian berulang. Model AI membantu peneliti mengenali indikasi celah, mereproduksi masalah dalam lingkungan pengujian, kemudian memeriksa apakah perbaikan benar-benar menutup risiko. Telset.id melaporkan sprint sebelumnya melibatkan sekitar seperempat pengembang OpenAI yang menggunakan Codex untuk menyelidiki dan memperbaiki kelemahan keamanan.

Keterlibatan pihak eksternal memberi sudut pandang berbeda terhadap sistem yang diuji. Dalam pernyataan yang dikutip Telset.id dan ChatNews.id, CEO Cathedral Systems Gavin Kliger menilai kemitraan dengan perusahaan keamanan eksternal serta penggunaan model sendiri untuk menguji pertahanan dapat menjadi contoh bagi industri. Fokusnya bukan klaim bahwa satu audit membuat sistem bebas risiko, melainkan kemampuan menemukan, memvalidasi, memperbaiki, lalu menguji ulang masalah.

Bug bounty naik empat kali lipat menurut laporan media

Bug bounty adalah program imbalan bagi peneliti keamanan yang menemukan dan melaporkan kerentanan secara bertanggung jawab kepada pemilik sistem. Program ini menyediakan jalur pelaporan terkoordinasi agar pemilik sistem dapat memverifikasi temuan, menyiapkan perbaikan, serta mengelola pengungkapan celah tanpa meningkatkan risiko bagi pengguna.

Menurut Telset.id, OpenAI akan menaikkan imbalan untuk temuan kritis hingga empat kali lipat. ChatNews.id juga melaporkan kenaikan hingga empat kali lipat, sambil menyebut nilai rinci belum dijabarkan dalam laporan mereka. Karena berasal dari laporan media, besaran tersebut tidak dapat diperlakukan sebagai tarif tetap bagi seluruh jenis temuan.

Industry.co.id melaporkan rincian nominal berbeda. Menurut media tersebut, celah kritis pada ChatGPT, Codex, dan API Platform dapat memperoleh hadiah hingga US$30.000. Industry.co.id juga menyebut kualitas laporan menjadi faktor penentu hadiah akhir.

Peneliti tidak cukup mengirim dugaan masalah atau tangkapan layar tanpa konteks. Laporan yang dapat ditindaklanjuti perlu memuat langkah reproduksi, komponen terdampak, dampak potensial, serta bukti bahwa masalah masih terjadi. Tim keamanan kemudian memeriksa validitas temuan, luas dampaknya, dan kesesuaiannya dengan ruang lingkup program.

Mengapa pengujian keamanan AI lebih luas dari bug aplikasi biasa

Pengujian aplikasi konvensional lazim mencakup autentikasi, validasi input, konfigurasi server, serta kontrol akses. Sistem AI menambah permukaan risiko karena model dapat terhubung ke dokumen, basis pengetahuan, API, sistem tiket, atau alat lain yang mampu menjalankan tindakan.

Telset.id melaporkan bahwa program bug bounty OpenAI sebelumnya mencakup pembaruan software, perlindungan privasi model, penanganan ancaman, integrasi keamanan, serta keamanan agen AI. Cakupan tersebut menunjukkan pengujian perlu memeriksa hubungan antara model, data, izin, dan tindakan sistem.

Misalnya, sebuah asisten internal dapat mencari kebijakan perusahaan dan membuat draf jawaban bagi karyawan. Risiko muncul bila asisten membaca dokumen di luar peran pengguna, menerima instruksi berbahaya dari isi dokumen, atau meneruskan permintaan ke sistem lain tanpa pembatasan. Pengujian perlu memeriksa identitas pengguna, batas akses dokumen, catatan aktivitas, serta kondisi saat sistem wajib berhenti dan meminta bantuan staf.

Otomasi menjalankan langkah berdasarkan pemicu dan aturan, seperti formulir masuk lalu data dicatat ke CRM. AI automation menambahkan AI untuk mengklasifikasikan isi formulir sebelum pencatatan. AI agent dapat menggunakan konteks dan alat untuk menyelesaikan beberapa langkah menuju tujuan. Bertambahnya alat serta izin memperbesar kebutuhan pembatasan tindakan.

Dampaknya bagi organisasi yang menghubungkan AI ke data internal

Berita OpenAI dan Cathedral Systems relevan bagi organisasi yang mulai menghubungkan AI ke sistem operasional. Risiko tidak selalu berasal dari jawaban AI yang keliru. Masalah dapat terjadi ketika jawaban atau instruksi AI otomatis berubah menjadi tindakan, seperti mengirim pesan pelanggan, mengubah data CRM, atau membuka dokumen internal.

Sebagai ilustrasi hipotetis, tim penjualan menerima lead dari formulir situs. Workflow meminta AI membaca kebutuhan calon pelanggan, memberi kategori awal, lalu menyiapkan draf tindak lanjut. Sistem dapat menyimpan kategori dan mengirim notifikasi kepada sales. Pengiriman pesan, perubahan status lead bernilai tinggi, atau akses ke data pelanggan sensitif tetap perlu persetujuan manusia.

Penanggung jawab perlu ditentukan sebelum workflow aktif. Organisasi perlu mengetahui pihak yang meninjau tindakan berisiko, pihak yang mencabut akses saat integrasi bermasalah, serta log yang disimpan ketika AI memakai alat. Kejelasan ini menempatkan keamanan dalam desain proses sehari-hari.

Kontrol dasar dapat dimulai dari empat hal:

1. Petakan data dan alat yang terhubung ke AI, termasuk CRM, dokumen, email, serta sistem tiket.
2. Terapkan izin minimum sesuai tugas sistem.
3. Pisahkan tindakan otomatis dari tindakan berisiko. Pengiriman eksternal, perubahan data penting, serta akses sensitif memerlukan approval.
4. Simpan log permintaan, sumber data, tindakan sistem, serta keputusan manusia untuk penelusuran masalah.

Langkah berikutnya untuk meninjau satu workflow AI

Pilih satu workflow yang sudah berjalan minggu ini, bukan seluruh program AI sekaligus. Ambil alur lead masuk atau asisten dokumen internal. Catat pemicu awal, data yang dibaca, alat yang dipanggil, tindakan yang dapat dilakukan, serta titik persetujuan manusia.

Berikutnya, lakukan uji batas akses. Bagaimana jika pengguna meminta data yang tidak sesuai perannya atau memasukkan instruksi yang mengarahkan sistem keluar dari tugas? Catat apakah sistem menolak, berhenti untuk meminta persetujuan, atau tetap menjalankan tindakan. Hasilnya dapat menjadi backlog perbaikan yang spesifik untuk pemilik workflow.