Pendanaan
Pluto Security Keluar dari Mode Senyap dengan Total Pendanaan $42 Juta untuk Melindungi Ruang Kerja AI

Asisten AI milik karyawan kini dapat melakukan lebih dari sekadar menjawab pertanyaan. Asisten ini dapat terhubung ke sistem perusahaan, memasang ekstensi, menjalankan perintah, dan membangun aplikasi. Bagi tim keamanan, tantangannya adalah menentukan tindakan mana yang boleh dilakukan—serta tetap memiliki kemampuan untuk turun tangan ketika konteks berubah.
Pluto Security keluar dari mode senyap dengan total pendanaan $42 juta untuk mengatasi masalah tersebut. Perusahaan ini mengumumkan putaran pendanaan terbaru sekitar $34 juta yang dipimpin oleh Jump Capital, setelah putaran pendanaan awal yang dipimpin oleh TLV Partners. Pengumuman tersebut tidak menyebutkan tahap putaran pendanaan terbaru.
Didirikan pada 2025, Pluto menyatakan telah mencapai pendapatan berulang tahunan senilai jutaan dolar, mengamankan lebih dari 1 juta endpoint di seluruh dunia, dan melayani lebih dari 40 pelanggan perusahaan. Pelanggan yang disebutkan mencakup Oscar Health, Workato, Sixt, dan AlphaSense, serta sejumlah perusahaan Fortune 500. Modal baru ini akan digunakan untuk mendanai pengembangan produk, riset keamanan, dan ekspansi di AS.
Ruang Kerja AI Menjadi Batas Keamanan
Pluto menyebut kategorinya sebagai keamanan ruang kerja AI. Cakupannya meliputi perangkat AI yang digunakan karyawan, komponen yang terhubung ke perangkat tersebut, serta aplikasi, agen, dan otomatisasi yang dibuat karyawan.
Cakupan tersebut mencerminkan perubahan cara perangkat lunak masuk ke sebuah organisasi. Karyawan dapat merangkai alur kerja dari asisten AI, keterampilan komunitas, dan konektor ke data bisnis tanpa melalui proyek pengembangan konvensional. Setiap tambahan dapat mengubah hal-hal yang dapat diakses atau dijalankan oleh asisten tersebut.
Model Context Protocol, atau MCP, adalah salah satu contohnya. Protokol ini menyediakan cara bagi aplikasi AI untuk terhubung ke alat dan sumber data. Pertanyaan keamanannya tidak hanya berkaitan dengan apakah aplikasi AI itu sendiri telah disetujui: tim juga perlu memahami izin dan perilaku server serta integrasi yang digunakan aplikasi tersebut.
Hal ini merupakan bagian dari tantangan rantai pasok perangkat lunak di balik tata kelola agen AI yang lebih luas. Meninjau model atau asisten secara terpisah tidak memperhitungkan dependensi yang dapat memengaruhi perilakunya atau memperluas jangkauannya.
Penemuan, Penilaian Risiko, dan Pengendalian Saat Berjalan
Pluto menyatakan bahwa platformnya menggabungkan visibilitas endpoint, analisis risiko kontekstual, dan penegakan aturan secara waktu nyata. Tujuannya adalah memberi tim keamanan informasi yang cukup untuk membatasi tindakan berbahaya tanpa otomatis melarang seluruh alat yang menjalankannya.
Di situs webnya, Pluto membagi platform tersebut menjadi empat fungsi: Explorer menemukan aktivitas AI; Risk Radar mengevaluasi temuan menggunakan basis data risikonya; Space Shield menerapkan kebijakan penegakan; dan Marketspace menyediakan koleksi add-on AI yang telah dikurasi. Perusahaan ini menyatakan bahwa cakupannya meliputi alat, komponen rantai pasok, perilaku saat berjalan, dan artefak yang dihasilkan AI.
Contoh di situs tersebut mencakup mewajibkan persetujuan sebelum agen mengakses API pembayaran, membatasi akses ke data sensitif, serta mengizinkan server MCP tepercaya sambil mengarantina server lainnya. Contoh-contoh ini merupakan gambaran perilaku produk yang diharapkan, bukan jaminan yang telah diuji secara independen.
Perbedaan antara penemuan dan penegakan aturan itu penting. Inventaris dapat memberi tahu tim keamanan bahwa suatu konektor tersedia. Pengendalian yang efektif juga mengharuskan tim mengetahui apa saja yang dapat dijangkau konektor tersebut dan mampu membatasi tindakan terkait. Alat yang diizinkan tetap dapat berhadapan dengan ekstensi yang tidak aman, kredensial dengan hak akses berlebihan, atau tugas yang melampaui wewenang pengguna.
Bayangkan seorang pengguna meminta asisten merangkum catatan pelanggan. Membaca catatan yang diizinkan dan mengekspor seluruh basis data pelanggan merupakan dua tindakan berbeda, meskipun keduanya dilakukan melalui aplikasi sama yang telah disetujui. Kebijakan kontekstual dirancang untuk membedakan situasi tersebut. Nilai praktisnya bergantung pada ketepatan pengamatan dan keandalan penegakan aturan.
Plutonium Menelaah Komponen di Sekitar Agen
Bagian utama dari pendekatan Pluto adalah Plutonium, katalog keamanan rantai pasok AI gratis yang, menurut pengumuman tersebut, didukung oleh RisksDB milik perusahaan. Katalog ini membantu praktisi menilai komponen seperti keterampilan, ekstensi, dan server MCP sebelum mengadopsinya.
Pusat publik ini menjelaskan mesin penilaian risiko untuk agen AI yang menggabungkan informasi penerbit, pemetaan kompatibilitas, peninjauan sumber, dan pemindaian kode. Kategori penilaiannya mencakup eksekusi perintah, token akses persisten, pembagian data dengan pihak ketiga, modifikasi data, dan penghapusan data. Pusat ini juga menyediakan MCP Inspector dan panduan penggunaan yang aman.
Kategori-kategori tersebut mengubah pertanyaan luas—apakah suatu add-on aman—menjadi pertanyaan yang lebih konkret tentang kemampuan dan akses. Konektor yang dapat membaca dokumen menimbulkan risiko paparan yang berbeda dari konektor yang dapat mengubah catatan atau menjalankan perintah. Kemampuan yang sama juga dapat sesuai untuk satu alur kerja bisnis, tetapi berlebihan untuk alur kerja lainnya.
Penilaian katalog dan perlindungan saat berjalan menangani bagian masalah yang berbeda. Pemeriksaan dapat membantu menentukan keputusan adopsi; pengendalian berkelanjutan harus memperhitungkan cara suatu komponen benar-benar digunakan. Keduanya tidak boleh dianggap sebagai bukti bahwa setiap tindakan di masa mendatang akan aman.
Traksi Komersial Awal, dengan Hasil yang Masih Perlu Diukur
Angka pelanggan dan pendapatan yang dilaporkan Pluto menunjukkan adanya permintaan awal untuk kategori ini. Perusahaan menyatakan bahwa adopsi produknya dibangun melalui riset keamanan, sumber daya gratis, dan partisipasi praktisi, dengan ribuan profesional menggunakan dan berkontribusi pada Plutonium.
Angka adopsi tersebut dilaporkan oleh perusahaan. Pengumuman itu tidak menyertakan pengukuran independen tentang cakupan deteksi, positif palsu, latensi penegakan, atau pencegahan serangan. Pengamanan terhadap lebih dari 1 juta titik akhir menggambarkan skala penerapan yang dilaporkan; hal itu tidak membuktikan bahwa setiap kemungkinan alur kerja AI di perangkat tersebut tercakup.
Bagi pembeli korporasi, pertanyaan operasionalnya spesifik: alat dan jalur eksekusi mana yang dapat terlihat, tindakan apa yang dapat diblokir, bagaimana pengecualian disetujui, dan bukti apa yang disimpan ketika kebijakan diberlakukan. Sistem yang menghentikan aktivitas berisiko tetapi rutin mengganggu pekerjaan yang sah menimbulkan masalah lain bagi bisnis.
Tim Keamanan yang Dibangun dengan Memahami Maksud Pengguna
CEO sekaligus salah satu pendiri, Shahar Bahat, mendirikan Pluto bersama Tal Ofer Regev dan Gil Maman. Bahat sebelumnya memegang posisi kepemimpinan keamanan siber di Microsoft dan Palo Alto Networks. Regev sebelumnya menjabat VP R&D di Palo Alto Networks, sementara Maman menghabiskan lebih dari enam tahun di Intelijen Militer Israel dalam peran kepemimpinan teknis. Pluto menyatakan bahwa kini perusahaan mempekerjakan lebih dari 50 orang di Amerika Serikat dan Israel.
Bahat menjelaskan bahwa pendekatan perusahaan berfokus pada pemahaman tentang hal yang ingin dicapai pengguna dan pemberian konteks kepada tim keamanan agar dapat mendukung pekerjaan tersebut dengan aman. Tantangan produknya adalah menerjemahkan filosofi itu menjadi kontrol yang presisi dan andal seiring karyawan mengadopsi alat baru dan menyusun alur kerja baru.
Pengumuman pendanaan ini menempatkan Pluto dalam persaingan yang kian ketat untuk mengamankan AI saat beroperasi pada sistem perusahaan. Ujian berikutnya adalah membuktikan bahwa penemuan, penilaian komponen, dan penegakan saat runtime dapat bekerja bersama pada skala yang sudah dicerminkan oleh basis pelanggan awalnya.












