AI sudah digunakan dalam operasi siber
Aktor yang terasosiasi-negara dan kriminal menggunakan AI tujuan-umum untuk pengintaian, penerjemahan, penulisan skrip, konten phishing, analisis kerentanan, dan pekerjaan terkait-malware. OpenAI dan Microsoft melaporkan penggunaan semacam itu oleh kelompok yang terasosiasi dengan Tiongkok, Rusia, Iran, dan Korea Utara pada 2024, sambil mengatakan bahwa mereka belum mengidentifikasi sebuah serangan signifikan yang mungkin hanya karena model mereka (pengungkapan bersama OpenAI–Microsoft).
Pada November 2025, Anthropic melaporkan bahwa sebuah kelompok yang disponsori-negara Tiongkok menggunakan Claude Code dalam sebuah kampanye spionase-siber dan mengatribusikan sebagian besar pekerjaan taktis pada model itu. Anthropic menyebutnya operasi skala-besar terdokumentasi pertama dengan intervensi manusia yang minimal. Penjelasan itu adalah laporan-mandiri perusahaan yang penting, bukan sebuah insiden publik yang direkonstruksi secara independen: detail dan telemetri yang sensitif tidak tersedia bagi peneliti luar, dan estimasi otomatisasi “80–90 persen” bergantung pada bagaimana tugas dihitung (pengungkapan Anthropic).
International AI Safety Report 2026 mencapai sebuah kesimpulan yang terkalibrasi: kemampuan siber sedang membaik dan penyerang sedang mengadopsi AI, tetapi belum ada serangan ujung-ke-ujung yang sepenuhnya otomatis yang dilaporkan secara publik dan efeknya pada frekuensi serangan keseluruhan masih belum jelas (International AI Safety Report 2026).
Di mana AI dapat mengubah alur kerja
Sebuah operasi siber adalah sebuah rantai, bukan satu prompt tunggal. Penyerang mengidentifikasi target, mengumpulkan informasi, memperoleh akses, bergerak melalui jaringan, meningkatkan hak-istimewa, menghindari deteksi, dan mengejar pencurian atau disrupsi. AI dapat mempercepat sebagian dari rantai ini dengan mencari basis-kode besar, menghasilkan varian, menerjemahkan materi teknis, atau mengoordinasikan tindakan yang berulang.
Bukti kemampuan paling kuat menyangkut penemuan kerentanan. Sistem AI telah menemukan cacat perangkat lunak yang nyata, dan tim dalam AI Cyber Challenge DARPA menggunakan AI dengan alat konvensional untuk menganalisis dan menambal perangkat lunak sumber-terbuka (DARPA AIxCC). Penemuan itu bersifat dwiguna: seorang pembela dapat menambal sebuah cacat, sementara seorang penyerang dapat mengeksploitasinya. Apakah sebuah hasil memperbaiki keamanan bergantung pada siapa yang menemukannya lebih dulu, bagaimana pengungkapan ditangani, dan seberapa cepat sistem terdampak dapat diperbarui.
Agen juga mungkin menurunkan persyaratan keterampilan dan waktu tanpa menciptakan keahlian baru. Seorang operator yang kompeten dapat mendelegasikan subtugas rutin dan beroperasi pada skala yang lebih besar. Seorang pemula mungkin menerima kode yang tampak masuk-akal tetapi kurang penilaian untuk men-debug atau menyembunyikannya. Tolok ukur seringkali menggunakan latihan capture-the-flag yang bersih atau kerentanan yang diketahui, sehingga kinerja tinggi tidak secara otomatis berpindah ke sebuah perusahaan yang dipertahankan.
Mengapa infrastruktur layak mendapat perhatian khusus
Listrik, air, komunikasi, transportasi, sistem kesehatan, dan kliring finansial bergantung pada teknologi digital dan operasional yang saling terhubung. Beberapa peralatan memiliki siklus penggantian yang panjang, logging yang terbatas, persyaratan ketersediaan yang rapuh, atau protokol warisan. Operator mungkin tidak dapat memasang sebuah tambalan biasa tanpa menguji waktu-henti dan efek keamanan.
Meski demikian, “infrastruktur kritis” tidak terekspos secara seragam. Beberapa sistem tersegmentasi, menggunakan kontrol manual, atau memiliki regulasi khusus-sektor yang kuat. Banyak insiden dimulai dengan kelemahan yang sudah familier—kredensial yang dicuri, sistem yang menghadap-internet dan belum ditambal, akses vendor, cadangan yang buruk, atau rekayasa sosial—alih-alih sebuah eksploit eksotis yang dirancang-AI. AI dapat mengintensifkan rute-rute ini, tetapi keamanan dasar tetap sangat relevan.
Konsekuensi juga bervariasi. Sebuah kompromi email bisnis berbeda dari kontrol atas peralatan fisik. Klaim tentang sebuah serangan infrastruktur katastrofik harus menjelaskan jalur dari akses digital ke kerugian fisik, interlock keamanan yang terlibat, dan kemampuan penyerang untuk mempertahankan akses. Menghindari detail itu pada tingkat defensif dapat mengubah sebuah skenario yang masuk-akal menjadi sebuah tajuk-berita yang tidak didukung.
Keseimbangan ofensif-defensif belum terselesaikan
Menggoda untuk mengatakan bahwa penyerang perlu berhasil sekali sementara pembela harus berhasil setiap kali. Slogan itu menangkap satu asimetri tetapi melewatkan yang lain. Pembela mengontrol arsitektur, identitas, penambalan, pemantauan, cadangan, dan pemulihan. AI defensif dapat memeriksa jauh lebih banyak kode dan telemetri daripada tim manusia, memprioritaskan peringatan, menemukan cacat sebelum perilisan, dan mengotomatisasi remediasi. Penyerang seringkali harus tetap terselubung, mempertahankan akses, dan beradaptasi dengan sebuah lingkungan yang tidak mereka kendalikan.
International AI Safety Report secara eksplisit mengatakan bahwa tidak jelas apakah AI tujuan-umum akan lebih menguntungkan penyerang atau pembela. Ketidakpastian itu adalah prakiraan yang akurat. Hasil mungkin berbeda menurut sektor dan waktu: ofensif mungkin diuntungkan lebih dulu dari sebuah kemampuan baru, diikuti oleh defensif setelah alat dan tambalan menyebar. Komponen sumber-terbuka dapat menyebarkan baik kerentanan maupun perbaikan dengan cepat.
Sistem AI juga menciptakan permukaan serangan baru. Injeksi prompt dapat menyebabkan sebuah agen mengikuti instruksi jahat yang tertanam dalam email, dokumen, atau halaman web. Izin alat yang berlebihan dapat mengubah sebuah kesalahan model menjadi kehilangan data. Rantai pasokan model, plugin, penyimpanan memori, dan kredensial membutuhkan prinsip hak-istimewa-minimum dan isolasi yang sama seperti perangkat lunak lain—ditambah pengujian baru untuk perilaku khusus-model.
Seperti apa bukti yang baik
Klaim siber sulit diatribusikan. Sebuah perusahaan intelijen-ancaman atau pengembang AI hanya melihat telemetrinya sendiri dan mungkin memiliki insentif komersial. Korban mungkin tidak mengungkapkan insiden. Penyerang dapat menggunakan beberapa model dan alat konvensional, membuat efek marjinal AI sulit diisolasi.
Tolok ukur dapat melebih-lebihkan kemampuan melalui kontaminasi atau scaffolding yang tidak realistis dan mengecilkannya melalui elisitasi yang buruk. Laporan harus mengungkapkan versi model, alat agen, kebaruan tugas, bantuan manusia, kriteria keberhasilan, tingkat uji-coba-berulang, dan apakah targetnya disimulasikan atau nyata. Reproduksi independen dan pengungkapan yang bertanggung jawab menambah kepercayaan.
Yang paling penting, pisahkan adopsi yang teramati dari dampak kausal. “Seorang penyerang menggunakan AI” tidak membuktikan bahwa AI memungkinkan pelanggaran itu, meningkatkan kerugian, atau mengubah hasil kampanye itu. Pada saat yang sama, kurangnya atribusi publik tidak membuktikan ketiadaan. Label kepercayaan lebih jujur daripada klaim kategoris.
Pertahanan yang bekerja di seluruh skenario kemampuan
Operator infrastruktur harus menginventarisasi aset dan ketergantungan, mensegmentasi teknologi operasional, mewajibkan autentikasi multifaktor yang tahan-phishing, meminimalkan hak-istimewa tetap, dan memantau akses jarak-jauh dan vendor. Cadangan offline yang teruji dan prosedur pemulihan manual membatasi dampak baik serangan berbantuan-AI maupun ransomware biasa. Pengadaan harus mewajibkan pengembangan yang aman dan penanganan kerentanan yang tepat waktu.
Agen AI membutuhkan izin yang dibatasi, eksekusi yang terisolasi, logging, dan otorisasi manusia untuk tindakan yang tidak dapat dibalik. Input dari sumber yang tidak tepercaya harus diperlakukan sebagai bermusuhan. Organisasi harus melakukan red-team pada injeksi prompt, kebocoran kredensial, dan penyalahgunaan alat sebelum menghubungkan agen ke sistem produksi.
Pemerintah dapat mendukung berbagi-informasi sektoral, standar keamanan-siber minimum, pengungkapan yang terkoordinasi, pengembangan tenaga-kerja, dan latihan yang mencakup pemulihan fisik. Pengembang model dapat memantau penyalahgunaan, melestarikan bukti, berbagi indikator secara bertanggung jawab, dan menyediakan akses bagi evaluator eksternal yang berkualifikasi ke pengujian kemampuan-siber.
Kesimpulan yang terkalibrasi
AI telah melintasi dari relevansi siber hipotetis menjadi penggunaan terdokumentasi. AI dapat mengotomatisasi bagian-bagian bermakna dari operasi dan memperbaiki penemuan kerentanan. Bukti publik yang paling kuat belum menunjukkan kampanye siber ujung-ke-ujung yang sepenuhnya otonom, dan juga tidak membuktikan bahwa ofensif akan melampaui defensif untuk masa mendatang yang dapat diperkirakan.
Risiko ini serius karena kemampuan dapat berskala, infrastruktur mengandung kelemahan yang persisten, dan agen dapat bertindak lebih cepat daripada tinjauan manusia. Peluangnya sama konkretnya: sistem yang sama dapat menemukan dan memperbaiki kerentanan. Kebijakan harus mengukur hasil, mengeraskan sistem, dan melestarikan akses defensif alih-alih memperlakukan sebuah keseimbangan ofensif-defensif yang diperselisihkan sebagai sebuah hukum yang tetap.