AI Agents Buka Celah Keamanan Baru di Enterprise, dari MCP hingga Identity Gap

Dalam sepekan terakhir Juni 2026, lima tim riset keamanan yang bekerja secara independen menghasilkan kesimpulan yang serupa: AI agents sedang masuk ke lingkungan enterprise lebih cepat daripada kesiapan keamanan yang mengaturnya. Masalah utamanya bukan sekadar bug di satu produk, melainkan celah struktural antara cara kerja agen AI dan arsitektur keamanan yang selama ini dibangun untuk manusia.

Laporan-laporan tersebut menunjukkan bahwa AI agents kerap beroperasi dengan permission yang setara dengan pengguna manusia, padahal mereka dapat bertindak jauh lebih cepat, lebih lama, dan lintas layanan. Akibatnya, ketika satu agen disusupi, dampaknya bisa merambat ke banyak sistem yang terhubung ke workflow enterprise, termasuk alat pengembang, layanan cloud, dan platform AI internal.

Salah satu sorotan terbesar datang dari Model Context Protocol (MCP), standar yang makin penting untuk komunikasi agent-to-tool di lingkungan AI enterprise. Versi spesifikasi MCP 2026 dirilis pada 26 Juni, namun analisis Akamai menilai protokol ini bersifat stateless: setiap panggilan alat dimulai tanpa memori interaksi sebelumnya dan tidak memiliki konteks sesi persisten. Artinya, keamanan tidak ditegakkan di level protokol, melainkan dibebankan ke developer yang membangun di atas MCP. Bagi perusahaan, ini berarti governance dan kontrol keamanan harus dirancang di lapisan aplikasi, bukan berharap protokol melakukan pengawasan otomatis.

CVE-2026-12957 pada Amazon Q Developer, yang diberi skor CVSS 8.5 oleh Wiz Research, memang bisa dipatch. Namun problem yang lebih dalam adalah cara identity dan authorization tradisional bekerja. Orchid Security menyoroti bahwa IAM dirancang untuk entitas manusia: login, dapat token, bekerja dalam satu session, lalu logout. AI agents tidak tunduk pada pola itu karena mereka bisa berjalan terus-menerus, menggabungkan aksi lintas layanan, bertindak sebagai perantara pengguna, dan bahkan bekerja tanpa pengawasan selama berjam-jam. Di titik ini, kontrol yang paling dibutuhkan adalah runtime policy enforcement, yakni kemampuan mengevaluasi tindakan agen saat sedang berlangsung, bukan hanya saat pertama kali diberi izin.

Fakta bahwa ancaman ini sudah aktif terlihat dari beberapa temuan spesifik. Satu disclosure menunjukkan serangan yang bisa membajak AI coding assistant melalui poisoned DNS TXT record, tanpa bypass autentikasi, tanpa malware, dan tanpa interaksi pengguna di luar aktivitas kerja normal. Temuan lain mengungkap CVSS 8.5 di Amazon Q Developer yang memungkinkan eksekusi otomatis file konfigurasi berbahaya. Ada pula kampanye social engineering yang menargetkan firma keamanan siber lewat undangan palsu ke platform AI. Menariknya, undangan tersebut dikirim dari noreply@tm.openai.com dan lolos SPF, DKIM, serta DMARC, lalu penerima yang bergabung langsung mendapat hak Owner-level, akses API, dan payment method yang terhubung. Target utamanya jelas: mencuri kredensial platform AI dan API key.

Bagi perusahaan, terutama di sektor teregulasi, implikasinya serius. Organisasi yang beroperasi di bawah kerangka seperti National Cybersecurity Authority Essential Cybersecurity Controls di Arab Saudi, UAE Information Assurance Regulation, maupun lingkungan yang diawasi DIFC, ADGM, HAAD, atau DHA, akan semakin dituntut membuktikan kontrol atas sistem otomatis yang bertindak atas nama mereka. Pesan utamanya sederhana: AI agents bukan hanya fitur produktivitas baru, tetapi juga kelas aset baru yang membawa risiko identitas, otorisasi, dan monitoring. Tanpa pengawasan runtime dan kontrol kebijakan yang kuat, enterprise berisiko membangun otomatisasi yang terlalu cepat untuk diawasi, namun cukup berkuasa untuk menjadi pintu masuk serangan.