Agentic AI dan IAM: Tantangan Baru dalam Keamanan Identitas Digital

Bayangkan sebuah agen AI yang bekerja di tim finance sebuah perusahaan. Tanpa menunggu persetujuan atasan, agen tersebut login ke sistem ERP, menyetujui refund pelanggan, lalu mengirim laporan ke tim akuntansi. Semua itu terjadi dalam hitungan detik, dan sistem IAM (Identity and Access Management) perusahaan sama sekali tidak mencatat bahwa agen itu sudah dibuat oleh tim lain tiga minggu lalu.

Skenario semacam ini bukan fiksi. Gartner memprediksi 40% aplikasi enterprise akan terintegrasi dengan AI agent yang bersifat task-specific pada akhir 2026, melonjak dari kurang dari 5% di tahun 2025. Lonjakan sebesar itu terjadi dalam waktu kurang dari dua belas bulan.

Masalahnya, kecepatan adopsi ini tidak diimbangi kesiapan IAM di kebanyakan organisasi. Di sinilah persoalan agentic AI dan IAM mulai terasa nyata bagi banyak perusahaan, termasuk yang sedang membaca artikel ini sekarang.

Apa Itu Agentic AI dan IAM?

Sebelum membahas tantangannya, ada baiknya menyamakan pemahaman dulu soal dua istilah inti ini. Banyak orang mengira agentic AI sekadar chatbot yang lebih pintar, padahal karakteristiknya jauh berbeda.

Agentic AI adalah sistem kecerdasan buatan yang mampu mengambil keputusan dan mengeksekusi tindakan secara mandiri, tanpa menunggu instruksi manusia di setiap langkah. Bedanya dengan AI assistant biasa cukup tegas. AI assistant menunggu prompt dari pengguna dan hanya merespons, sementara agentic AI justru memulai tindakan sendiri, menyusun rencana multi-langkah, memanggil API atau tools lain, lalu menyesuaikan strategi ketika rencana awal gagal.

Contohnya, sebuah agent procurement bisa mendeteksi stok gudang menipis, mencari tiga supplier dengan harga terbaik, membuat purchase order, sampai mengirim notifikasi ke manajer keuangan. Semua rangkaian itu berjalan tanpa ada manusia yang mengklik tombol “lanjutkan” di setiap tahap.

Perbedaannya dengan AI generatif biasa, seperti chatbot yang cuma bisa menjawab pertanyaan, terletak pada satu kata kunci: tindakan. AI generatif menghasilkan teks, gambar, atau jawaban ketika diminta, lalu berhenti begitu jawabannya selesai ditampilkan, sedangkan agentic AI benar-benar masuk ke dalam sistem, mengeksekusi perintah, dan mengubah data sungguhan.

Bedanya kira-kira seperti resepsionis yang hanya menjawab pertanyaan tamu dibanding asisten pribadi yang langsung memesankan tiket, mengurus pembayaran, dan mengonfirmasi jadwal atas nama Anda. Yang kedua jauh lebih berguna, tapi juga jauh lebih berisiko kalau salah bertindak, karena setiap kesalahan langsung berdampak pada sistem produksi, bukan sekadar jawaban yang keliru di layar.

IAM sendiri adalah kerangka kerja yang mengatur siapa atau apa yang boleh mengakses sistem, data, dan aplikasi tertentu, serta sejauh mana hak akses itu berlaku. Fungsi utamanya ada tiga: memverifikasi identitas (authentication), menentukan hak akses (authorization), dan mencatat jejak aktivitas untuk kebutuhan audit.

Selama puluhan tahun, IAM dirancang dengan asumsi bahwa yang login adalah manusia. Seorang karyawan punya satu akun, satu password, dan pola aktivitas yang relatif bisa diprediksi selama jam kerja.

Sekarang bayangkan satu agent finance yang disebut di awal tadi. Ia bisa “lahir” pagi ini untuk tugas spesifik, beroperasi selama dua jam, lalu “mati” begitu tugasnya selesai, dan besok lahir lagi versi baru dengan hak akses yang mungkin berbeda. Pola seperti ini yang membuat IAM konvensional kelabakan.

Kenapa Kemunculan Agentic AI Mengguncang Fondasi IAM

Persoalannya bukan sekadar “ada identitas baru yang harus didaftarkan”. Karakteristik agentic AI menabrak sejumlah asumsi dasar yang selama ini menopang arsitektur IAM. Tiga hal berikut adalah akar masalah yang paling sering muncul di lapangan.

Skala Identitas yang Meledak

Jumlah identitas non-manusia kini jauh melampaui identitas manusia di banyak organisasi. Menurut analisis Cloud Security Alliance, rasio identitas mesin terhadap identitas manusia di lingkungan cloud modern sudah mencapai 100 banding 1, dan sebagian besar pertambahan itu didorong oleh AI agent.

Sebagai gambaran konkret, sebuah tim engineering yang dulu hanya mengelola lima puluh akun karyawan kini bisa mengelola ribuan identitas agent, masing-masing dengan token, API key, dan hak akses sendiri. Tanpa sistem yang dirancang untuk skala seperti itu, tim IAM praktis kehilangan kendali atas siapa yang benar-benar punya akses ke apa.

Sifat Ephemeral dan Rantai Delegasi

Agent sering dibuat untuk tugas sesaat, lalu dihapus setelah selesai. Sifat sementara ini bertabrakan langsung dengan cara IAM tradisional bekerja, yang biasanya mengasumsikan identitas bersifat permanen dan hanya berubah lewat proses onboarding-offboarding formal.

Rantai delegasinya pun berlapis. Satu agent utama bisa memanggil agent lain, yang kemudian memanggil agent ketiga untuk mengakses sistem pihak ketiga, sehingga jejak “siapa yang sebenarnya bertindak atas nama siapa” menjadi kabur.

Contohnya, agent customer service memanggil agent billing untuk mengecek tagihan, dan agent billing itu memanggil API bank eksternal. Jika terjadi kesalahan transaksi, menelusuri titik kegagalan dalam rantai tiga lapis ini jauh lebih rumit dibanding melacak satu user yang login langsung.

Kredensial Statis yang Kedaluwarsa

Banyak organisasi masih mengandalkan API key statis, kombinasi username-password, atau shared service account untuk mengautentikasi agent mereka. Cloud Security Alliance mencatat bahwa metode-metode usang inilah yang paling umum dipakai dalam survei terhadap praktik keamanan agentic AI di enterprise.

Bayangkan satu API key dipakai bersama oleh lima agent berbeda selama setahun penuh tanpa pernah dirotasi. Begitu key itu bocor, penyerang bisa menyamar sebagai kelima agent sekaligus tanpa terdeteksi, karena sistem tidak pernah dirancang untuk membedakan siapa yang sebenarnya memakai kredensial tersebut.

Tantangan Nyata yang Dihadapi Tim IAM Saat Ini

Ketiga akar masalah di atas pada akhirnya bermuara pada tantangan operasional yang dirasakan langsung oleh tim keamanan dan IT. Data dari beberapa survei global tahun 2026 memperlihatkan seberapa jauh kesenjangan itu sudah terjadi.

Agen Bayangan yang Tak Terlihat

Cloud Security Alliance menemukan bahwa 82% organisasi memiliki AI agent yang tidak terdaftar berjalan di infrastruktur mereka, dan hampir dua dari tiga organisasi (65%) mengalami insiden terkait AI agent dalam dua belas bulan terakhir. Ironisnya, 68% organisasi tetap merasa yakin visibilitas mereka sudah memadai, padahal kenyataan di lapangan justru berkata sebaliknya.

Contoh paling umum, seorang developer membuat agent kecil untuk otomatisasi internal, lupa mendaftarkannya ke tim keamanan, dan agent itu terus berjalan bertahun-tahun kemudian dengan hak akses yang tidak pernah ditinjau ulang.

Kebijakan yang Belum Pernah Dibuat

Persoalan visibilitas ini diperparah oleh minimnya aturan main yang jelas. Survei Cloud Security Alliance bersama Oasis Security mengungkap bahwa 78% organisasi tidak memiliki kebijakan formal untuk membuat atau menghapus identitas AI, dan 92% responden tidak yakin sistem IAM lama mereka mampu menangani risiko dari AI serta identitas non-manusia lainnya.

Ambil contoh sederhana. Tanpa kebijakan baku, satu tim marketing bisa membuat agent dengan hak akses penuh ke database pelanggan hanya karena “lebih cepat”, sementara tim lain di divisi yang sama sama sekali tidak tahu agent tersebut ada.

Kepercayaan Rendah terhadap Sistem Lama

Kepercayaan terhadap kemampuan IAM eksisting pun rendah. Hanya 18% responden yang merasa sangat yakin sistem IAM mereka saat ini mampu mengelola identitas agent secara efektif, dan cuma 21% organisasi yang punya registry real-time untuk mencatat seluruh agent yang beroperasi.

Situasi ini mirip perusahaan logistik yang tahu truknya banyak beroperasi di jalan, tapi tidak punya sistem pelacakan GPS untuk memastikan semua truk itu benar-benar terdaftar dan diawasi.

Akuntabilitas yang Tercerai Berai

Siapa yang sebenarnya bertanggung jawab atas keamanan agent ini pun masih diperdebatkan. Cloud Security Alliance mencatat bahwa tanggung jawab terpecah antar divisi, dengan 28% menunjuk tim security, 21% tim development, dan 19% tim IT sebagai pemilik utama, sementara 74% responden mengaku agent sering menerima akses lebih besar dari yang seharusnya.

Bayangkan sebuah insiden keamanan terjadi, tapi tim security, development, dan IT saling menunjuk karena tidak ada satu pun dari mereka yang secara resmi “memiliki” agent yang bermasalah tersebut. Akibatnya, waktu respons insiden justru molor karena energi habis untuk menentukan siapa yang harus bertindak lebih dulu.

Bagaimana IAM Harus Beradaptasi Menghadapi Agentic AI

Melihat kompleksitas tantangan di atas, IAM konvensional jelas tidak bisa dipertahankan begitu saja dengan sekadar menambah kapasitas server atau memperbanyak lisensi. Ada tiga pergeseran cara berpikir yang perlu terjadi agar kerangka IAM benar-benar relevan dengan realitas agentic AI.

Dari Perimeter Jaringan ke Identitas sebagai Garis Pertahanan Utama

Selama ini banyak organisasi mengandalkan firewall dan segmentasi jaringan sebagai lapisan pertahanan utama, dengan asumsi ancaman datang dari luar batas jaringan. Asumsi itu runtuh begitu agent bergerak bebas antar sistem, cloud, dan API pihak ketiga, karena batas jaringan tradisional tidak lagi relevan untuk entitas yang beroperasi lintas domain seperti ini.

Contohnya, sebuah agent yang berjalan di cloud publik memanggil API internal perusahaan sekaligus layanan pihak ketiga dalam satu alur kerja. Firewall tidak bisa membedakan mana pemanggilan yang sah dan mana yang berbahaya, sehingga identitas agent itu sendiri, lengkap dengan hak akses spesifiknya, harus menjadi titik kontrol utama.

Dari Autentikasi Sekali di Awal ke Verifikasi Berkelanjutan

Pola lama IAM biasanya cukup memverifikasi identitas sekali saat login, lalu mempercayai sesi tersebut sampai user logout. Pola ini berbahaya untuk agent, karena satu sesi yang disusupi bisa dipakai untuk ribuan aksi berbahaya sebelum ada yang menyadarinya.

Pendekatan Zero Trust untuk agent berarti setiap aksi, bukan cuma sesi login, diperiksa ulang berdasarkan konteks saat itu. Sebagai gambaran, sebuah agent yang biasanya hanya membaca data laporan tiba-tiba mencoba menghapus ribuan baris database, dan sistem semestinya langsung menahan aksi tersebut untuk verifikasi tambahan, bukan membiarkannya lolos karena sesi loginnya masih sah.

Dari Tata Kelola Terpisah ke Identity Fabric yang Menyatukan Manusia dan Mesin

Banyak perusahaan masih mengelola identitas manusia dan identitas mesin di sistem yang terpisah, sering kali dengan tim dan kebijakan yang berbeda pula. Pemisahan ini menciptakan celah, sebab insiden keamanan modern kerap melibatkan interaksi antara akun manusia dan agent dalam satu rangkaian serangan.

Idealnya, satu kerangka tata kelola yang sama menaungi karyawan, kontraktor, dan agent AI sekaligus, dengan level kedetailan yang disesuaikan karakteristik masing-masing. Misalnya, seorang karyawan yang resign dan agent yang dibuatnya untuk otomatisasi tugas harus dinonaktifkan dalam satu proses offboarding yang sama, bukan lewat dua sistem yang tidak saling bicara.

Ongkos Bisnis yang Harus Ditanggung jika Diabaikan

Tantangan di atas bukan sekadar masalah teknis yang bisa ditunda penanganannya. Ketika agent yang tidak terkelola menyebabkan insiden nyata, dampaknya langsung terasa di angka bisnis.

Dari organisasi yang mengalami insiden terkait AI agent, 61% melaporkan kebocoran data, 43% mengalami gangguan operasional, dan 35% menanggung kerugian finansial langsung. Tidak ada satu pun responden yang mengaku insidennya nol dampak terhadap bisnis.

Salah satu akar masalahnya adalah proses decommissioning yang lemah. Hanya 21% organisasi punya proses formal untuk menonaktifkan agent yang sudah tidak dipakai, sehingga banyak kredensial dan hak akses lama terus “menggantung” tanpa pernah dicabut, sebuah kondisi yang oleh CSA disebut sebagai retirement debt.

Contoh nyatanya begini. Sebuah agent yang dibuat untuk proyek Q1 masih menyimpan akses penuh ke sistem HR di bulan Desember, padahal proyeknya sudah selesai sejak April. Jika akun itu sampai diretas, penyerang mendapat jalan masuk ke data karyawan tanpa perlu melewati satu pun lapisan keamanan tambahan.

Langkah Awal Mempersiapkan IAM untuk Era Agentic AI

Mengingat besarnya risiko di atas, pertanyaan yang lebih penting adalah bagaimana memulai perbaikannya. Beberapa langkah berikut terbukti efektif dipraktikkan organisasi yang sudah lebih dulu menghadapi skala agent yang besar.

1. Berikan setiap agent identitas digital unik, terpisah dari akun manusia mana pun. Contohnya, agent procurement dan agent finance harus punya kredensial masing-masing, bukan berbagi satu service account yang sama.
2. Bangun registry real-time yang mencatat setiap agent aktif beserta pemilik, tujuan, dan cakupan aksesnya. Tanpa daftar seperti ini, tim keamanan tidak mungkin tahu agent mana yang perlu ditinjau saat terjadi insiden.
3. Terapkan provisioning just-in-time dengan prinsip least privilege, sehingga agent hanya mendapat akses sesuai kebutuhan tugas saat itu, bukan akses permanen yang berlebihan.
4. Susun proses decommissioning formal yang otomatis mencabut akses begitu tugas agent selesai, agar tidak ada lagi kredensial yang “menggantung” bertahun-tahun.
5. Gunakan kontrol akses berbasis konteks, yang mempertimbangkan risiko tindakan secara real-time, bukan sekadar mengecek identitas di awal sesi lalu membiarkan agent bebas bertindak sesudahnya.

Kelima langkah itu terdengar sederhana di atas kertas. Namun menerapkannya secara konsisten di seluruh organisasi, lintas divisi, dan lintas ratusan hingga ribuan agent, adalah pekerjaan yang jauh lebih rumit dari yang dibayangkan kebanyakan tim IT.

Kesiapan Identitas Menentukan Seberapa Aman Otonomi AI Berjalan

Agentic AI membawa efisiensi yang nyata, tapi efisiensi itu hanya bernilai jika berjalan di atas fondasi identitas yang benar-benar terkendali. Data dari Cloud Security Alliance dan Gartner memperlihatkan bahwa kesenjangan antara kecepatan adopsi agent dan kesiapan IAM justru semakin melebar, bukan menyempit.

Perusahaan yang menunggu sampai insiden pertama terjadi biasanya sudah kehilangan waktu paling berharga untuk membenahi fondasi ini. Membangun visibilitas, kebijakan, dan kontrol akses yang tepat sejak awal jauh lebih murah dibanding menanggung kebocoran data atau gangguan operasional yang bisa dihindari.

Di sinilah Adaptist PRIME dari Accelist Adaptist Consulting berperan sebagai mitra yang membantu organisasi menata ulang strategi Identity and Access Management mereka agar siap menghadapi era agentic AI. Melalui pendekatan yang dirancang khusus untuk kompleksitas identitas manusia maupun non-manusia, Adaptist PRIME membantu tim IT dan security membangun visibilitas penuh atas setiap agent yang beroperasi, sekaligus menegakkan kontrol akses yang proporsional dengan risiko masing-masing. Bagi perusahaan yang ingin memastikan transformasi agentic AI mereka berjalan aman sejak hari pertama, berkonsultasi dengan tim Adaptist Consulting bisa menjadi langkah awal yang tepat.

Ingin tahu seberapa siap IAM organisasi Anda menghadapi agentic AI? Hubungi tim Adaptist Consulting untuk konsultasi awal dan penilaian kesiapan identitas bersama Adaptist PRIME.

FAQ