Pada AI, Kesabaran Adalah Suatu Kelebihan

Dalam hampir dua tahun sejak ChatGPT diluncurkan, kecerdasan buatan generatif telah melewati seluruh siklus hipe teknologi, dari harapan yang tinggi dan dapat mengubah masyarakat menjadi memicu koreksi pasar saham baru-baru ini. Namun, di dalam industri keamanan siber secara khusus, kegembiraan seputar Generative AI (genAI) masih dibenarkan; itu hanya mungkin membutuhkan waktu lebih lama dari yang diantisipasi investor dan analis untuk mengubah sektor secara keseluruhan.

Tanda paling jelas dan terkini dari pergeseran hipe ini terlihat di Konferensi Black Hat USA pada awal Agustus, di mana kecerdasan buatan generatif memainkan peran yang sangat kecil dalam peluncuran produk, demonstrasi, dan penciptaan buzz. Dibandingkan dengan Konferensi RSA hanya empat bulan sebelumnya yang menampilkan vendor yang sama, fokus AI di Black Hat sangat kecil, yang secara wajar akan membuat pengamat netral percaya bahwa industri sedang bergerak atau bahwa AI telah menjadi komoditas. Namun, itu tidak sepenuhnya benar.

Berikut yang saya maksud. Manfaat transformatif dari penerapan kecerdasan buatan generatif di dalam industri keamanan siber kemungkinan besar tidak akan berasal dari chatbot generik atau dengan cepat melapisi AI di atas model pemrosesan data. Ini adalah blok bangunan untuk kasus penggunaan yang lebih maju dan efisien, tetapi saat ini, mereka tidak dikhususkan untuk industri keamanan, dan sebagai hasilnya, tidak mengarah pada gelombang baru hasil keamanan optimal untuk pelanggan. Sebaliknya, transformasi nyata yang AI akan berikan untuk industri keamanan akan terjadi ketika model AI dikustomisasi dan disesuaikan untuk kasus penggunaan keamanan.

Kasus penggunaan AI umum saat ini di keamanan sebagian besar menggunakan prompt engineering dan Retrieval-Augmented Generation, yang merupakan kerangka kerja AI yang pada dasarnya memungkinkan model bahasa besar (LLM) untuk mengakses sumber daya data tambahan di luar data pelatihan mereka, menggabungkan bagian terbaik dari kecerdasan buatan generatif dan pengambilan database. Utilitas ini bervariasi secara besar tergantung pada kasus penggunaan dan seberapa baik pemrosesan data vendor yang ada mendukung kasus penggunaan; mereka tidak “ajaib”. Ini berlaku untuk aplikasi lain yang memerlukan data dan keahlian proprietary yang tidak umum di Internet, seperti diagnosis medis dan pekerjaan hukum. Sepertinya, perusahaan akan menyesuaikan pipa pemrosesan data dan sistem akses data untuk mengoptimalkan kasus penggunaan kecerdasan buatan generatif. Juga, perusahaan kecerdasan buatan generatif mendorong pengembangan model yang disesuaikan khusus, meskipun masih belum jelas seberapa baik ini akan bekerja untuk penggunaan di mana kualitas dan detail sangat penting.

Ada beberapa alasan mengapa spesialisasi ini akan membutuhkan waktu untuk berpengaruh di industri keamanan, meskipun. Alasan utama adalah bahwa mengustomisasi model ini memerlukan banyak manusia dalam proses pelatihan yang merupakan ahli di bidang keamanan siber dan AI, dua industri yang kesulitan merekrut bakat yang cukup. Industri keamanan siber kekurangan sekitar empat juta profesional di seluruh dunia, menurut World Economic Forum, dan Reuters memperkirakan bahwa akan ada kesenjangan perekrutan 50% untuk posisi yang terkait AI di masa dekat.

Tanpa keberadaan ahli yang melimpah, pekerjaan presisi yang diperlukan untuk menyesuaikan model AI agar bekerja dalam konteks keamanan akan diperlambat. Biaya untuk melakukan ilmu data yang diperlukan untuk melatih model ini juga membatasi jumlah organisasi yang memiliki sumber daya untuk melakukan penelitian tentang pemodelan AI kustom. Dibutuhkan jutaan dolar untuk membiayai kekuatan pemrosesan yang diperlukan untuk model AI terdepan, dan uang itu harus berasal dari suatu tempat. Bahkan ketika sebuah organisasi memiliki sumber daya dan tim untuk mendukung penelitian tentang kustomisasi AI, kemajuan nyata tidak terjadi dalam semalam. Akan membutuhkan waktu untuk mengetahui cara terbaik untuk meningkatkan model AI untuk mendukung praktisi dan analis keamanan, dan seperti dengan alat baru lainnya, akan ada kurva belajar ketika pengolah bahasa alami khusus keamanan, chatbot, dan integrasi AI lainnya diperkenalkan.

Kecerdasan buatan generatif masih siap untuk menggeser dunia keamanan siber ke paradigma baru, di mana kemampuan AI ofensif yang digunakan oleh lawan dan aktor ancaman akan bersaing dengan model AI penyedia keamanan yang dibangun untuk mendeteksi dan memantau ancaman. Penelitian dan pengembangan yang diperlukan untuk memicu pergeseran itu hanya akan membutuhkan waktu sedikit lebih lama dari yang diantisipasi oleh komunitas teknologi umum.