Studi IBM Menempatkan AI di Dalam Satu dari Empat Pelanggaran Data Berbahaya

Satu dari empat pelanggaran data berbahaya melibatkan penyerang yang menggunakan AI, menurut Laporan Biaya Pelanggaran Data 2026 yang diterbitkan IBM pada 29 Juli 2026. Pelanggaran tersebut biayanya rata-rata $6 juta, sekitar $1 juta di atas rata-rata global $4,99 juta yang dilaporkan IBM di seluruh sampel, dan bagian pelanggaran berbahaya dengan komponen AI meningkat 56% dari edisi sebelumnya.

Angka-angka tersebut berasal dari survei, dan itu membentuk seberapa banyak bobot yang mereka bawa. Ponemon Institute melakukan penelitian; IBM mensponsori, menganalisis, dan menerbitkannya, dan menjual produk deteksi, keamanan data, dan identitas yang rekomendasinya arahkan. Sampel adalah 602 organisasi yang mengalami pelanggaran antara Maret 2025 dan Februari 2026, bukan sensus dari semua serangan. Rata-rata global IBM juga meningkat selama setahun: edisi sebelumnya menempatkannya di $4,44 juta dan menggambarkannya sebagai penurunan pertama dalam lima tahun.

Apa yang Terlihat seperti Serangan yang Dilaporkan

IBM mengatakan bahwa impersonasi deepfake dan malware yang ditenagai AI merupakan sebagian besar dari apa yang responden klasifikasikan sebagai intrusi yang ditenagai AI. Ringkasan ruang berita UK dari laporan yang sama memecah kategori lebih lanjut: impersonasi deepfake sebesar 45%, malware yang ditenagai AI sebesar 19%, dan kampanye phishing sebesar 17%. Distribusi tersebut menempatkan sebagian besar kategori dalam rekayasa sosial daripada eksekusi kode otonom, dan tim keamanan di bank telah melacak pola yang sama dalam serangan penipuan suara AI selama lebih dari setahun.

Konsentrasi sektor adalah angka yang lebih konsekuensial. IBM melaporkan bahwa 62% serangan yang ditenagai AI dalam dataset mereka mengenai infrastruktur kritis, dengan layanan keuangan dan energi yang membawa beban terberat. Pelanggaran di perusahaan jasa keuangan rata-rata $6,3 juta dan di perusahaan energi $5,2 juta.

Sistem AI juga menjadi target daripada hanya alat. Lebih dari 20% organisasi melaporkan pelanggaran yang melibatkan model atau aplikasi AI, naik dari 13% di edisi 2025. Dua penyebab utama yang diidentifikasi IBM adalah API, aplikasi, atau plug-in yang dikompromikan (27%) dan konfigurasi cloud yang salah yang memengaruhi beban kerja AI (27%) — infrastruktur yang membungkus model daripada model itu sendiri, yang juga merupakan tempat intrusi agen Hugging Face dimulai.

Kapasitas yang Ditanyakan dalam Survei

Studi lanjutan yang dijalankan pada Mei 2026 kembali ke 456 dari 602 organisasi asli dan menanyakan tentang model frontier dengan kemampuan cyber canggih, secara khusus menyebutkan Mythos. Dari kelompok tersebut, 78% mengatakan bahwa mereka menyadari laporan tentang sistem tersebut, dan 85% mengatakan bahwa mereka berencana untuk meningkatkan pengeluaran keamanan berdasarkan kesadaran tersebut. Dalam survei utama, 64% mengatakan bahwa pelanggaran yang sebenarnya akan memicu pengeluaran lebih. Kapasitas yang diantisipasi sekarang memindahkan anggaran lebih cepat daripada kerugian yang dialami.

Kapasitas tersebut telah didokumentasikan dengan detail teknis. Tim Red Frontier Anthropic menerbitkan penilaian pada 7 April 2026 yang melaporkan bahwa model Claude Mythos Preview-nya menemukan dan mengeksploitasi kerentanan zero-day di setiap sistem operasi utama dan browser web yang diarahkan, tanpa keterlibatan manusia setelah prompt awal. Dalam satu kasus, itu mengidentifikasi kerentanan remote-root 17 tahun di server NFS FreeBSD, yang kemudian dikatalogkan sebagai CVE-2026-4747, dan menulis eksploitasi yang berfungsi tanpa keterlibatan manusia.

Biaya yang diterbitkan tim tersebut adalah bagian yang harus dibaca oleh pembela. Seribu kali menjalankan scaffold pencarian bug melawan OpenBSD berharga kurang dari $20.000, dan satu kali menjalankan yang menghasilkan temuan kritis berharga kurang dari $50. Mengubah kerentanan publik yang sudah diperbaiki menjadi eksploitasi privilege-escalation yang berfungsi berharga kurang dari $1.000 dan kurang dari $2.000, masing-masing dalam satu hari atau kurang. Anthropic juga melaporkan bahwa kurang dari 1% kerentanan yang mereka temukan telah diperbaiki pada saat penerbitan. Penyedia keamanan lainnya telah menggambarkan pergeseran yang sama dalam AI bergeser dari asisten ke operator di sisi ofensif.

Di Mana Tim Keamanan Menempatkan Agen Mereka

Data IBM menempatkan celah penerapan tepat di mana ekonomi menggigit. Lebih dari setengah organisasi mengatakan bahwa mereka menggunakan agen untuk deteksi ancaman dan pengandalian; 18% menerapkan mereka pada pengelolaan kerentanan. Tiga perempat mengatakan bahwa ancaman AI frontier memicu mereka untuk mempertimbangkan kembali bagaimana agen diterapkan di seluruh operasi keamanan.

“Ketika organisasi memiliki celah yang diperpanjang antara penemuan dan perbaikan, ketidakseimbangan itu muncul langsung dalam biaya pelanggaran,” kata Suja Viswesan, Wakil Presiden Perangkat Lunak Keamanan IBM, dalam pengumuman laporan. “Prioritas sekarang adalah menghilangkan keterlambatan itu.”

Dasar lainnya belum banyak berubah. Di antara organisasi yang mengalami pelanggaran, 37% mengenkripsi data sensitif baik saat istirahat maupun saat transit, dan 34% memiliki visibilitas ke aset kriptografis mereka. Ransomware muncul di 39% insiden yang dilaporkan, naik dari 34%, dengan tekanan ekstorsi bergeser ke reputasi merek (41%) sebelum data karyawan dan kekayaan intelektual, konsisten dengan fragmentasi dalam ekonomi ancaman ransomware yang didokumentasikan oleh pelacak lainnya pada 2026.

Organisasi yang menggunakan AI dan otomatisasi secara ekstensif di seluruh operasi keamanan menghabiskan sekitar $2 juta kurang per pelanggaran, kata IBM, dan sekitar seperempat sampel belum mengadopsi mereka sama sekali. Baik IBM maupun Anthropic menunjuk ke tuas yang sama: kompresi waktu antara kerentanan yang diketahui dan perbaikan yang mencapai produksi. Angka 18% adalah tempat pekerjaan tersebut saat ini berada, dan itu adalah angka yang perlu diperhatikan dalam edisi tahun depan.