Palo Alto Luncurkan Layanan Pertahanan Siber Berbasis AI

Palo Alto Networks resmi mengumumkan peluncuran layanan pertahanan siber berbasis kecerdasan buatan yang memungkinkan pelanggan memilih sendiri fondasi model bahasa yang mendasarinya: OpenAI, Anthropic, atau model open-source seperti Llama 3 dan Mistral. Ini tidak hanya penambahan fitur — tapi juga pergeseran strategis dari pendekatan 'all-in-one platform' ke arsitektur modular yang menempatkan kendali teknis langsung di tangan tim keamanan TI perusahaan.

Model tidak hanya Mesin, tapi juga Pilihan Strategis

Keputusan Palo Alto untuk tidak mengunci pengguna pada satu vendor model adalah langkah tak biasa di industri keamanan siber. Sebagian besar kompetitor, termasuk CrowdStrike dan SentinelOne, membangun lapisan AI mereka di atas infrastruktur eksklusif — sering kali tanpa transparansi soal model dasar. Palo Alto justru membuka pintu: klien bisa memilih Anthropic untuk kebutuhan auditabilitas tinggi, OpenAI jika prioritasnya kecepatan deteksi ancaman baru, atau model open-source bila regulasi lokal mewajibkan data tetap di dalam negeri. Dilansir TechInAsia, pendekatan ini lahir dari tekanan nyata dari perusahaan multinasional di Asia Tenggara yang menuntut kontrol penuh atas alur data dan kepatuhan terhadap UU Perlindungan Data Pribadi (UU PDP) di negara masing-masing.

Di Indonesia, misalnya, Bank Indonesia mewajibkan penyimpanan log keamanan dan hasil analisis risiko tetap berada di dalam wilayah yurisdiksi nasional. Model open-source yang dijalankan di cloud lokal — seperti yang sudah diuji oleh Telkom Sigma di Bandung — menjadi satu-satunya opsi legal bagi lembaga keuangan. Palo Alto tidak hanya menyediakan pilihan itu, tapi juga menyertakan dokumentasi teknis lengkap untuk integrasi dengan sistem SIEM lokal seperti QRadar versi on-premise dan Splunk Enterprise Security yang masih banyak dipakai di instansi pemerintah.

Harga Mengikuti Kompleksitas Teknis, Bukan Paket Standar

Tidak ada harga tetap untuk layanan ini. Tarifnya ditentukan secara dinamis berdasarkan kombinasi model yang dipilih, skala pemrosesan (dihitung per juta event per hari), dan tingkat kustomisasi aturan deteksi. Misalnya, penggunaan model Anthropic Claude 3.5 Sonnet dengan fine-tuning khusus untuk pola serangan ransomware di sektor manufaktur akan dikenakan biaya lebih tinggi dibandingkan konfigurasi dasar Llama 3-70B tanpa penyesuaian domain. Menurut TechInAsia, struktur pricing ini mencerminkan perubahan cara pandang: keamanan siber kini dihitung bukan per lisensi pengguna, tapi per kapasitas analitik yang dibutuhkan.

Baca juga: Gemini bukan hanya Asisten—Tapi Detektif Keamanan yang Tak Dibayar

Bagi perusahaan Indonesia, ini berarti anggaran TI keamanan harus direvisi dari model operasional tahunan ke model teknis berbasis beban kerja. Perusahaan seperti GoTo dan Bukalapak — yang telah mengadopsi pendekatan DevSecOps sejak 2022 — mulai mengalokasikan dana khusus untuk 'AI ops security', terpisah dari belanja SIEM atau EDR. Sementara UMKM digital masih kesulitan memperkirakan biaya karena kurangnya literasi teknis tentang perbedaan performa antar-model. Sebuah studi APJII 2023 menunjukkan hanya 12% UMKM yang memahami arti 'fine-tuning' dalam konteks keamanan AI ; padahal itu faktor penentu utama efektivitas deteksi zero-day exploit.

Palo Alto tidak menjual layanan ini sebagai produk mandiri. Platform baru ini terintegrasi penuh dengan Prisma Access dan Cortex XSOAR, dua produk inti yang sudah digunakan oleh 47% perusahaan Fortune 500. Artinya, pelanggan lama tidak perlu migrasi sistem — cukup mengaktifkan modul baru dan memilih model. Ini berbeda dengan solusi startup seperti Wiz atau Lacework yang mengharuskan pembangunan ulang pipeline keamanan dari nol. Untuk perusahaan Indonesia yang masih bergantung pada arsitektur hybrid — gabungan antara data center lokal dan AWS Jakarta ; integrasi tanpa gangguan ini justru menjadi nilai utama.

Industri keamanan siber di Tanah Air sedang berada di persimpangan: antara mengadopsi teknologi canggih dari luar atau memperkuat kapasitas lokal. Startup seperti CyberLabs.id dan SecurIT telah mulai mengembangkan model deteksi ancaman berbasis bahasa Indonesia, namun belum siap bersaing dalam skala enterprise. Palo Alto memberi ruang — tapi juga menegaskan bahwa standar global tetap menjadi patokan. Mereka tidak hanya menjual AI, tapi juga standar interoperabilitas yang memaksa ekosistem lokal beradaptasi.

Apakah perusahaan Indonesia akan memilih model asing demi keandalan teknis, atau mempertaruhkan keamanan jangka pendek demi membangun kapabilitas AI keamanan nasional yang mandiri?