Synology Ungkap Kesenjangan Kesiapan AI dan Keamanan Siber Perusahaan Indonesia

Synology ungkap kesenjangan kesiapan AI dan keamanan siber pada perusahaan Indonesia. Survei tersebut menyoroti jarak antara dorongan adopsi kecerdasan buatan dengan kemampuan organisasi melindungi data, menjaga operasional, serta memulihkan sistem setelah insiden.

Sebagian besar korporasi memandang infrastruktur teknologi informasi yang mendukung AI sebagai prioritas utama. Namun, kesiapan keamanan tidak selalu berkembang seiring investasi pada pemrosesan data dan automasi. Kondisi ini dapat menciptakan risiko baru ketika akses data diperluas untuk kebutuhan analitik atau model AI tanpa pengendalian memadai.

Jurang Ketahanan Siber dan Beban Tata Kelola Dokumen di Indonesia

Survei Synology yang diberitakan IDXChannel menunjukkan kesiapan perusahaan Indonesia dalam menghadapi serta memulihkan diri dari ancaman siber berbasis AI masih terbatas. Sebagian pelaku usaha juga mengakui belum memiliki tingkat kesiapan yang memadai untuk menghadapi pola serangan baru.

Kesenjangan tersebut penting karena serangan berbasis AI dapat mempercepat pencarian celah, penyalahgunaan kredensial, maupun pengiriman pesan penipuan yang lebih meyakinkan. Infrastruktur AI bukan hanya soal kapasitas penyimpanan atau kecepatan pemrosesan. Infrastruktur ini juga mencakup pengaturan akses, pencadangan, pemantauan aktivitas, serta prosedur pemulihan yang dapat dijalankan saat sistem utama terganggu.

Country Manager Synology Indonesia, Clara Hsu, menyampaikan melalui IDXChannel bahwa keyakinan perusahaan untuk memulihkan data secara cepat setelah ransomware masih rendah. Ransomware tidak hanya mengenkripsi berkas. Serangan ini dapat menghentikan akses dokumen operasional, mengganggu layanan pelanggan, serta mempersulit tim memverifikasi data yang masih valid.

Karena itu, perusahaan perlu membedakan cadangan data dari sekadar salinan berkas biasa. Cadangan harus dapat diakses ketika repositori utama terkena serangan, terlindungi dari perubahan tidak sah, serta diuji melalui proses pemulihan. Tanpa pengujian, organisasi hanya memiliki asumsi bahwa cadangan dapat digunakan.

Beban juga muncul dari tata kelola dokumen harian. Volume data yang meningkat dapat memicu duplikasi berkas, penyimpanan tidak terstruktur, dan pemberian akses berlebihan. Masalah ini membuat tim sulit menentukan lokasi data penting, pemilik dokumen, serta versi yang harus dipulihkan saat terjadi insiden.

Mengapa Perimeter Tradisional Gagal Melindungi Beban Kerja Kecerdasan Buatan

Keamanan perimeter tradisional umumnya mengandalkan firewall, antivirus titik akhir, serta pencadangan ke penyimpanan jaringan. Pengamanan tersebut tetap diperlukan, tetapi tidak cukup bila beban kerja AI memiliki akses luas ke data internal.

Risiko meningkat saat akun internal disalahgunakan. Setelah penyerang memperoleh kredensial sah, akses dari dalam jaringan dapat terlihat seperti aktivitas normal. Model AI, agen automasi, atau integrasi aplikasi juga dapat memperluas jalur akses jika hak penggunaannya tidak dibatasi.

Perusahaan perlu menerapkan pengamanan berbasis identitas dan hak akses. Setiap pengguna, aplikasi, maupun agen automasi hanya memperoleh akses sesuai tugasnya. Direktori data sensitif tidak perlu tersedia untuk seluruh sistem hanya karena satu proses membutuhkan sebagian informasi.

Penyimpanan privat dan terisolasi dapat membantu organisasi menjaga kendali atas lokasi serta penggunaan data. Snapshot yang tidak dapat diubah menjadi lapisan pemulihan tambahan karena salinan data dipisahkan dari perubahan pada repositori aktif. Deduplikasi juga dapat mengurangi penyimpanan berulang, sehingga organisasi lebih mudah mengelola kapasitas tanpa mengabaikan struktur data.

Simulasi Risiko Serangan Otomatis pada Alur Operasional Perusahaan

Bayangkan perusahaan distribusi menghubungkan folder faktur, surat jalan, dan dokumen pelanggan ke sistem automasi untuk mempercepat rekonsiliasi. Seorang staf kemudian membuka pesan penipuan yang menyerupai pemberitahuan kerja. Kredensial staf dicuri, lalu digunakan untuk mengakses direktori bersama.

Apabila akun tersebut memiliki hak akses luas, penyerang dapat mengenkripsi arsip operasional dan menyebarkan serangan ke penyimpanan lain. Tim mungkin masih memiliki salinan data, tetapi pemulihan akan sulit bila salinan itu berada di lokasi yang sama atau ikut dapat diubah oleh akun yang telah disusupi.

Dampaknya tidak berhenti pada gangguan sistem. Pesanan tertunda, dokumen tidak dapat diverifikasi, layanan pelanggan terganggu, dan keputusan bisnis harus dibuat dengan data yang belum tentu lengkap. Pada kondisi seperti ini, AI tidak menjadi sumber masalah utama. Masalahnya adalah data yang digunakan AI tidak dilindungi dengan kontrol akses serta mekanisme pemulihan yang memadai.

Cetak Biru Pembenahan Infrastruktur Penyimpanan dan Protokol Pemulihan

Pembenahan dimulai dari pemetaan data dan alur akses. Manajemen perlu mengetahui dokumen mana yang bersifat sensitif, siapa yang memakainya, aplikasi apa yang terhubung, serta salinan mana yang dapat dipakai untuk pemulihan.

1. Audit dan klasifikasikan berkas. Pisahkan data rahasia, data operasional, serta dokumen yang memang dapat diproses oleh sistem AI.
2. Terapkan hak akses minimal. Agen automasi hanya boleh membaca atau mengubah data yang diperlukan untuk tugas spesifiknya.
3. Gunakan penyimpanan terpusat dengan pencadangan terkelola, deduplikasi, serta snapshot yang terlindungi dari perubahan tidak sah. Pastikan cadangan dipisahkan secara logis dari data operasional utama.
4. Uji pemulihan secara berkala. Simulasikan kehilangan akses, penghapusan berkas, atau enkripsi data untuk memastikan prosedur, peran tim, dan cadangan benar-benar berfungsi.

Kesiapan AI perlu dinilai bersama ketahanan data. Organisasi yang mengetahui data kritisnya, membatasi aksesnya, serta mampu memulihkannya akan lebih siap mengadopsi automasi tanpa memperluas celah keamanan.