Perusahaan modern saat ini sedang terjepit dalam sebuah paradoks besar. Di satu sisi, ada perlombaan masif untuk mengadopsi Kecerdasan Buatan (AI) untuk efisiensi operasional.
Namun di sisi lain, tumpukan data tak terstruktur yang menjadi “bahan bakar” mesin AI tersebut kian tak terkendali sehingga menciptakan risiko keamanan yang justru mengancam kemajuan teknologi itu sendiri.
Laporan terbaru dari Thales, hasil kolaborasi dengan Cloud Security Alliance (CSA) mengungkap fakta mengkhawatirkan bahwa lebih dari separuh perusahaan hanya memiliki visibilitas parsial terhadap aset data mereka.
Padahal, volume data tak terstruktur mulai dari dokumen teks, video, hingga rekaman percakapan digital terus membengkak secara eksponensial.
Jurang Lebar Antara Rasa Percaya Diri dan Realitas
Survei terhadap 210 profesional TI dan keamanan itu menemukan anomali yang mencolok. Meski tiga perempat organisasi merasa yakin mampu mengamankan data tak terstrukturnya, kenyataan di lapangan berkata sebaliknya. Sebanyak 68 persen responden mengakui bahwa mayoritas data mereka sebenarnya tetap tidak terlindungi.
Kesenjangan itu semakin menganga seiring pertumbuhan data yang masif. Gartner memperkirakan bahwa data tak terstruktur kini mendominasi porsi 70 persen hingga 90 persen dari total ekosistem data perusahaan.
”Pertumbuhan eksplosif data tak terstruktur telah menjadi karakteristik penentu organisasi modern,” ujar Hillary Baron (AVP Research di CSA) sekaligus penulis utama laporan tersebut.
“Meskipun data ini memberikan nilai operasional yang signifikan, data ini juga membawa risiko keamanan yang substansial,” ujarnya seperti dikutip CIO Dive.
AI: Antara Solusi Cerdas dan Ancaman Masa Depan
Bagi para eksekutif teknologi, AI adalah pedang bermata dua. Di satu titik, 40 persen responden melihat AI sebagai alat vital untuk mengelola data.
Namun di titik lain, hampir separuhnya justru menempatkan AI sebagai ancaman keamanan masa depan yang paling menakutkan bagi integritas data tak terstruktur.
Akar masalahnya terletak pada tata kelola yang karut-marut. Banyak organisasi terjebak dalam penggunaan alat yang terfragmentasi; hampir sepertiga perusahaan menggunakan lebih dari 11 alat berbeda hanya untuk mengelola data mereka. Kondisi itu menciptakan sekat-sekat operasional (silos) yang mematikan pengawasan holistik.
Hingga saat ini, ketergantungan pada proses manual untuk klasifikasi dan pemantauan masih sangat tinggi. Padahal, metode konvensional tersebut mustahil mengejar kecepatan pertumbuhan data digital. Dampaknya terlihat jelas pada angka-angka berikut:
- Hanya 9 persen organisasi yang mampu memindai data secara real-time.
- Hampir seperempat perusahaan bahkan sama sekali tidak memiliki kemampuan pemindaian.
Kualitas Data Sebagai Penentu Nasib Inovasi
Minimnya visibilitas data bukan sekadar masalah keamanan, melainkan ancaman langsung bagi efektivitas AI.
Tanpa data yang bersih dan terklasifikasi, model AI berisiko dilatih menggunakan informasi yang bias atau tidak lengkap. Bukannya memberikan solusi, AI justru berpotensi memperlebar “titik buta” yang sudah ada.
Todd Moore (VP di Thales) menegaskan bahwa membenahi celah ini bukan lagi pilihan, melainkan keharusan.
“Tanpa mengatasi kesenjangan ini, AI, otomatisasi, dan teknologi baru lainnya hanya akan meningkatkan eksposur risiko,” tegas Moore.
Peringatan Moore sejalan dengan temuan SoftServe tahun lalu. Tercatat, hampir 3 dari 5 pemimpin bisnis mengambil keputusan krusial berdasarkan data yang tidak akurat.
Dampaknya sangat merugikan yaitu sumber daya terbuang percuma, proyek AI mandek di fase uji coba (pilot phase), dan tingkat pengembalian investasi (ROI) tak pernah mencapai target.
Membangun Fondasi di Tengah Kompleksitas
Saat ambisi perusahaan beralih ke penerapan agen AI yang lebih luas, fondasi data yang andal menjadi harga mati. Kondisi ini memaksa organisasi untuk segera memprioritaskan literasi dan keterampilan data dalam program upskilling karyawan mereka.
Laporan Thales menyimpulkan bahwa kesiapan fundamental adalah kunci utama. Hanya organisasi yang berani berinvestasi pada empat pilar utama yaitu visibilitas, klasifikasi, tata kelola, dan operasional terukur yang akan mampu menavigasi lanskap data masa depan yang semakin kompleks dan penuh risiko.
