Laporan Rantai Pasok AI 2026 Black Kite: Risiko di Balik Hubungan AI Anda

Laporan Rantai Pasok AI 2026: Risiko di Balik Hubungan AI Anda dari Black Kite menemukan bahwa perusahaan yang memasok AI canggih sering kali memiliki kelemahan keamanan siber yang umum dijumpai. Penilaian eksternal terhadap 18.160 perusahaan AI mengidentifikasi kerentanan kritis yang belum ditambal di 34,2% organisasi yang diteliti, serta kelemahan autentikasi email pada proporsi yang lebih besar lagi.

Pokok argumen laporan ini adalah bahwa membeli AI menciptakan lebih dari sekadar hubungan dengan penyedia perangkat lunak. Pelanggan juga turut menanggung risiko yang berasal dari infrastruktur pemasok, komponen yang mendukung produknya, dan izin yang diberikan kepada integrasinya. Seiring meningkatnya kemampuan perangkat AI untuk bertindak di dalam sistem bisnis, hubungan tersebut patut ditinjau dengan tingkat ketelitian yang sama seperti pemasok penting lainnya.

“Rantai pasok AI tidak bermasalah dengan cara-cara yang eksotis. Masalahnya justru muncul dalam hal-hal biasa,” kata Ferhat Dikbiyik, kepala riset dan intelijen Black Kite. Temuan ini menempatkan penambalan, perlindungan kredensial, dan akses integrasi sebagai pokok utama pembahasan.

Kesenjangan Keamanan Dasar di Kalangan Pemasok AI dalam Jumlah Besar

Black Kite menyusun populasi penelitian dari basis data perusahaan komersial, lalu meninjau deskripsi bisnis dan situs web publik untuk memastikan bahwa AI merupakan bagian inti dari produk atau layanan setiap perusahaan. Pengamatan keamanan di tingkat perusahaan didasarkan pada data September dan Oktober 2026.

Penilaian tersebut menemukan bahwa:

• 34,2% memiliki setidaknya satu kerentanan kritis yang belum ditambal dan teramati dari luar.
• 9,8% memiliki kerentanan yang tercantum dalam katalog Known Exploited Vulnerabilities milik CISA.
• 61,7% memiliki kelemahan DMARC, sementara kelemahan DKIM dan SPF masing-masing ditemukan pada 37,3% dan 11,2%.
• 29,7% mencapai atau melampaui skor 0,4 pada Indeks Kerentanan terhadap Ransomware Black Kite, ambang batas kritis perusahaan tersebut.
• 6,8% memiliki informasi login perusahaan terkait dalam catatan yang dikumpulkan oleh malware pencuri informasi.

Ukuran-ukuran ini menjawab pertanyaan yang berbeda. Kerentanan yang tercantum dalam KEV memiliki riwayat eksploitasi terdokumentasi di suatu tempat di dunia; keberadaannya tidak membuktikan bahwa pemasok dalam penelitian ini pernah diserang. Demikian pula, skor kerentanan terhadap ransomware merupakan indikator untuk menentukan prioritas peninjauan, bukan probabilitas bahwa perusahaan tertentu akan menjadi korban ransomware.

Autentikasi email relevan karena pemasok AI tetap menggunakan domain perusahaan dan menjalankan proses bisnis biasa. Penerapan yang tidak ada atau lemah dapat mempermudah penyamaran domain, sekalipun produk AI itu sendiri canggih secara teknis. Angka DMARC, DKIM, dan SPF saling tumpang tindih sehingga tidak boleh dijumlahkan.

Peran Pemasok Lebih Penting daripada Label AI

Laporan ini membagi ekosistem ke dalam enam kelompok aktivitas besar. Teknologi dasar—termasuk model, infrastruktur komputasi, dan layanan data—mencakup sekitar 10% dari populasi tersebut. Aplikasi bisnis sehari-hari mencakup sekitar 31%, sedangkan perusahaan yang mengembangkan dan menerapkan AI untuk organisasi lain mencakup sekitar 23%.

Hal itu membantu menjelaskan mengapa fokus hanya pada penyedia model yang terkenal mengabaikan sebagian besar risiko yang dihadapi perusahaan. Integrator, penyedia layanan cloud, pengelola data, dan platform layanan pelanggan dapat beroperasi dekat dengan sistem dan informasi pelanggan.

Temuan terkait kredensial sangat menonjol pada peran-peran tersebut. Black Kite menemukan login perusahaan terkait dalam catatan pencuri informasi pada 19,9% penyedia solusi AI berbasis cloud, dibandingkan dengan 4,1% pengembang model dan platform. Angka untuk perusahaan data dan pelabelan mencapai 13,9%, sedangkan untuk platform layanan pelanggan 11,5%.

Yang perlu dikhawatirkan adalah hal-hal yang dapat diakses menggunakan kredensial tersebut jika masih berlaku, bukan anggapan bahwa setiap login yang terekspos telah digunakan. Peninjauan pemasok perlu mengaitkan temuan itu dengan layanan yang dibeli: kredensial untuk alat bisnis yang tidak terkait dan kredensial yang dapat mengakses lingkungan produksi yang berhadapan langsung dengan pelanggan dapat menimbulkan konsekuensi yang sangat berbeda.

Pemasok AI Juga Memiliki Dependensi

Lapisan kedua laporan ini mengkaji komponen perangkat lunak yang mendukung produk AI. Black Kite mengidentifikasi 105 perusahaan AI dengan temuan yang terkait dengan n8n, Langflow, atau LiteLLM—perangkat yang dapat berada di antara model, alur kerja, dan layanan terhubung.

Dependensi bersama dapat menimbulkan risiko konsentrasi sekalipun daftar pemasok tampak beragam. Beberapa layanan AI yang dibeli secara terpisah mungkin bergantung pada platform alur kerja, perute model, pustaka, atau infrastruktur cloud yang sama. Karena itu, masalah keamanan pada lapisan bersama tersebut dapat mengharuskan tindakan terkoordinasi di berbagai hubungan pemasok.

Pertanyaan praktisnya adalah apakah pemasok dapat mengidentifikasi komponen yang terdampak, menentukan lingkungan mana yang menggunakannya, lalu memperbaiki masalah atau mengisolasi komponen itu dengan segera. Pelanggan juga perlu memahami kredensial dan izin apa saja yang dimiliki komponen tersebut, karena paparan perangkat lunak dapat berdampak lebih besar jika membuka jalan masuk ke sistem lain.

Temuan MCP Menyoroti Pentingnya Izin Integrasi

Black Kite secara terpisah memeriksa 305 entri server Model Context Protocol yang dapat ditemukan publik dan dikaitkan dengan 179 perusahaan AI. Dari seluruh entri tersebut, tercatat 1.732 temuan, dengan 48,8% di antaranya dinilai Tinggi atau Kritis. Dari 77 temuan Kritis, 87% melibatkan injeksi kode atau perintah.

MCP menyediakan antarmuka terstandar bagi aplikasi AI untuk mengakses alat dan sumber data. Bergantung pada penerapannya, server yang terhubung dapat menyediakan fungsi untuk membaca dokumen, mengajukan kueri ke basis data, memperbarui catatan, atau menjalankan operasi lainnya. Karena itu, komponen yang rentan dengan izin luas dapat menimbulkan risiko bukan hanya bagi aplikasi AI itu sendiri.

Penyebutnya perlu diperhatikan: angka 48,8% merujuk pada temuan yang tercatat, bukan persentase seluruh perusahaan AI atau penerapan MCP di lingkungan produksi yang rentan. Kumpulan data ini mencakup repositori, paket, dan komponen yang dihoskan yang dapat ditemukan publik; pengaitan ke domain tidak membuktikan bahwa komponen tersebut digunakan secara aktif di lingkungan produksi, dan lingkungan MCP privat tidak termasuk dalam analisis.

Bagi tim perusahaan, langkah yang perlu dilakukan adalah menginventarisasi koneksi, membatasi izin sesuai kebutuhan pekerjaan, dan menguji seberapa cepat akses dapat dicabut. Pengamatan eksternal terhadap pemasok tidak dapat mengungkap semua izin yang diberikan pelanggan di lingkungan mereka sendiri.

Cara Menggunakan Temuan Tanpa Menarik Kesimpulan Berlebihan

Penelitian ini dilakukan secara eksternal, tanpa akses ke sistem perusahaan yang dinilai. Temuan kerentanan Kritis umumnya mencocokkan versi perangkat lunak yang teramati dengan kerentanan yang telah diungkapkan; Black Kite tidak menguji eksploitasi. Sinyal terkait botnet, yang dilaporkan pada 6,5% perusahaan, dan aktivitas jaringan yang tidak biasa, yang dilaporkan pada 44,3%, perlu diselidiki, tetapi tidak dengan sendirinya membuktikan adanya kompromi.

Visibilitas juga memengaruhi perbandingan. Dalam kelompok Forbes AI 50 tambahan, 52% memiliki temuan kerentanan kritis dan 28% memiliki kredensial terkait dalam catatan pencuri informasi. Jejak digital yang lebih besar memberi lebih banyak peluang untuk mengamati masalah, sehingga angka-angka tersebut tidak boleh dianggap sebagai pemeringkatan sederhana tentang jenis perusahaan mana yang paling aman.

Black Kite menjual intelijen dan pemantauan risiko siber pihak ketiga, termasuk analisis paparan pemasok dan indikator kerentanan terhadap ransomware. Laporannya merupakan penelitian yang dihasilkan vendor dengan populasi dan metodologi yang dinyatakan, bukan sensus seluruh perusahaan AI atau bukti bahwa semua sistem yang ditandai telah dibobol.

Kesimpulan operasional terpenting adalah menilai tiga hal yang saling terkait secara bersamaan: pemasok, dependensinya, dan akses yang diberikan kepada produknya. Laporan Rantai Pasok AI 2026: Risiko di Balik Hubungan AI Anda yang lengkap memuat temuan terperinci Black Kite dan metodologi untuk menerapkan pendekatan tersebut dalam peninjauan vendor AI.