Teknologi

Brex Bangun Lapisan Keamanan Jaringan untuk 'Karyawan Virtual' AI

Ringkasan

  • Perusahaan fintech Brex mengembangkan CrabTrap, lapisan keamanan berbasis jaringan yang memantau lalu lintas keluar agent AI OpenClaw, memungkinkan penyebaran 'karyawan virtual' seperti Jim yang merekrut kandidat secara otonom.

Pedro Franceschi, CEO Brex, membuka tabir strategi keamanan radikal di VB Transform 2026: jangan coba kendalikan kode di dalam wadah agent, tapi awasi apa yang dikirimkannya ke internet. Pendekatan itu lahir setelah tim keamanan Brex menolak keras permintaan untuk menebarkan OpenClaw, agent open-source yang mampu menulis dan memelihara kode sendiri, ke lingkungan produksi. "Mereka bilang, 'Tidak mungkin. Bagaimana kita percaya agent yang punya eksekusi kode? Tidak ada cara mengendalikannya,'" ujar Franceschi mengutip respons timnya.

Masalah intinya sederhana namun fundamental. Model pemrograman modern telah mencapai kematangan yang memungkinkan agent seperti OpenClaw melakukan bootstrap mandiri — tidak lagi bergantung pada alat statis yang ditentukan manusia. Keuntungannya besar: agent bisa bertindak fleksibel, menulis skrip baru saat menghadapi tugas tak terduga. Namun kelebihan itulah yang menakutkan tim keamanan. Pendekatan tradisional seperti NemoClaw milik Nvidia membatasi alat yang bisa diakses agent, tapi Franceschi menilai cara itu membuang bayi bersama air mandinya: "Kemampuan coding justru krusial agar agent bisa mengerjakan beragam tugas."

Solusi Brex memindahkan batas keamanan ke lapisan jaringan. CrabTrap, proxy HTTP open-source yang mereka bangun, beroperasi dengan asumsi pesimistik: agent bisa melakukan apapun dan mungkin sudah dikompromikan. Sistem memantau seluruh lalu lintas keluar antara wadah agent dan internet, lalu menggunakan LLM sebagai hakim untuk menilai apakah permintaan jaringan itu sesuai kebijakan. Latensi jadi tantangan — LLM menambah ribuan milidetik — lalu Brex memecah alur: aturan statis untuk aksi risiko rendah, LLM hanya untuk yang berisiko tinggi seperti mengirim email. Hanya 2 persen permintaan yang lewat jalur lambat.

Mengejutkan, LLM justru sangat andal sebagai hakim lalu lintas jaringan. Franceschi mengaitkan ini pada pra-pelatihan model yang sudah "melihat" miliaran halaman web dan permintaan HTTP, sehingga memiliki pemahaman semantik alami terhadap pola lalu lintas. "Model sangat baik membedakan apa yang dalam kebijakan dan apa yang tidak," katanya, menambah kemampuan itu muncul alami tanpa prompting berat.

Uji coba nyata dilakukan melalui "Jim", rekruter virtual berbasis OpenClaw. Jim mencari kandidat, menilai pelamar, dan mengirim email. Saat Jim mencoba aksi di luar kebijakan — misalnya mengirim email ke domain tak dikenal — CrabTrap mengaktifkan alur human-in-the-loop. Notifikasi Slack dikirim ke manajer dengan konteks niat agent dan usulan perubahan kebijakan. Manajer cukup klik ya atau tidak. "Analogi karyawan virtual cocok karena banyak hal ini sudah terpecahkan di konteks manusia," ujar Franceschi. "Saat karyawan mentok, mereka eskalasi ke manajer."

Brex bukan vendor keamanan siber. Mereka membangun CrabTrap karena tak ada solusi komersial matang yang memuaskan tim keamanan internal. Franceschi jujur: ada peluang 70 persen kode itu dibuang dalam enam bulan saat vendor mengejar. "Tapi apa yang kita pelajari dengan enam bulan lebih awal bernilai besar untuk strategi adopsi AI kami," tambahnya. Investasi alat internal memberi Brex otot teknis dan budaya untuk menebarkan agent berbulan-bulan sebelum pasar umum.

Bagi perusahaan Indonesia, pelajaran Brex relevan tepat saat adopsi AI agent mulai naik daun. Banyak startup dan enterprise lokal bereksperimen dengan agent untuk layanan pelanggan, rekrutmen, hingga analisis data — namun sering terjebak pada hambatan keamanan yang sama. Pendekatan berbasis jaringan seperti CrabTrap menawarkan jalan tengah: tidak perlu mengunci agent hingga lumpuh, cukup awasi apa yang dia kirim ke luar. Arsitektur bifurkasi aturan statis dan LLM hakim juga bisa diadaptasi dengan model bahasa Indonesia yang sudah tersedia komersial.

Tantangan di Indonesia terletak pada ketersediaan talenta yang paham keamanan lapisan jaringan dan LLM sekaligus. Keterampilan silang itu masih jarang. Perusahaan mungkin perlu melatih tim internal atau bekerjasama dengan butik keamanan khusus. Sisi positifnya, regulasi data pribadi (UU PDP) justru mendorong pendekatan ini: memantau eksfiltrasi data di titik keluar jaringan selaras dengan prinsip privacy by design.

Jangka pendek, solusi seperti CrabTrap akan tetap domain perusahaan berpendapatan besar yang punya tim keamanan matang. Jangka menengah, vendor keamanan cloud besar — Cloudflare, Zscaler, atau pemain lokal seperti CDN77 — kemungkinan akan mengintegrasikan fitur serupa ke platform mereka. Saat itu, hambatan masuk bagi perusahaan menengah Indonesia akan turun drastis.

Kunci yang Franceschi tekankan: jangan tunggu solusi sempurna. "Kita tidak punya semua jawaban, tapi jawabannya bukan berdiam diri." Bagi pemimpin teknologi Indonesia, pesannya jelas: bangun kebiasaan dan infrastruktur untuk beroperasi di dunia agentik sejak sekarang, meski alatnya masih kasar. Keunggulan kompetitif akan milik yang berani mulai lebih dulu, belajar dari kegagalan, dan menyesuaikan sebelum pasar matang.

Mengapa Ini Penting

Artikel ini penting karena menggeser paradigma keamanan AI dari 'mengunci kode' ke 'memantau jaringan' — pendekatan yang lebih realistis saat agent semakin otonom. Bagi Indonesia, ini menjawab dilema nyata: perusahaan ingin pakai AI agent tapi takut bocor data. Solusi Brex bisa jadi cetak biru untuk startup fintech, e-commerce, dan HR-tech lokal yang butuh automatisasi tapi terikat regulasi PDP. Lebih jauh, ini menandai era di mana keamanan AI jadi lapisan infrastruktur, bukan fitur tambahan, dan siapa yang bangun 'otot' ini dulu akan memimpin gelombang adopsi selanjutnya.

Sumber Asli
VentureBeat
Tanggal
10 Agustus 2026
Waktu Baca
5 menit