AI Membuat Endpoint Security Tidak Bisa Lagi Hanya Menunggu Ancaman

The Core Update

Glow, startup cybersecurity dari Palo Alto, keluar dari stealth dengan valuasi $1,2 miliar setelah mendapatkan pendanaan Series A sebesar $180 juta. Putaran ini didukung oleh Sequoia Capital, Cyberstarts, Greenoaks, Redpoint Ventures, Index Ventures, Swish Ventures, Lux Capital, Operator Collective, dan Holly Ventures.

Angkanya besar, apalagi untuk perusahaan yang baru berdiri pada 2025 dan belum membuka metrik revenue ke publik.

Glow didirikan oleh beberapa nama yang cukup kuat di dunia teknologi dan keamanan: Roi Tiger, mantan VP engineering Meta; Omer Singer, mantan head of cybersecurity strategy Snowflake; Ophir Arie, mantan VP R&D Claroty; dan Arnon Joseph, mantan engineering leader Meta. Tim leadership-nya juga mencakup Emily Heath, mantan CISO United Airlines dan DocuSign.

Produk yang dibangun Glow berfokus pada endpoint security untuk era AI. Bukan hanya laptop dan server dalam arti lama, tetapi juga software, developer tools, package pihak ketiga, dan AI agent yang mulai berjalan di perangkat kerja karyawan.

Glow mengatakan platformnya memakai specialized AI agents untuk memetakan lingkungan perusahaan, menilai risiko secara real time, dan menegakkan policy keamanan. Mereka juga memakai model dari Anthropic dan Google Gemini melalui Amazon Bedrock, lalu menambahkan context enterprise sendiri agar model lebih relevan untuk pekerjaan security.

Contoh kasus yang disebutkan cukup konkret: mencegah malicious npm packages masuk ke environment pelanggan, mengenali AI agents yang mencoba menarik package berisiko, dan mendeteksi perangkat karyawan yang endpoint detection and response-nya hilang atau tidak berjalan penuh.

Glow masuk ke pasar yang sudah ramai. CrowdStrike, Microsoft, SentinelOne, dan Palo Alto Networks sudah lama bermain di endpoint security. Namun Glow membawa posisi yang berbeda: endpoint security tidak cukup hanya mendeteksi ancaman setelah muncul. Risiko baru perlu dicegah sebelum software, agent, atau tool berbahaya masuk ke lingkungan kerja.

The Reality Check

Valuasi besar tidak otomatis berarti kategori baru sudah terbukti.

Namun sinyal dari Glow tetap penting karena menunjukkan perubahan cara perusahaan melihat endpoint. Selama beberapa tahun terakhir, fokus besar security banyak bergerak ke cloud, SaaS, identity, dan API. Itu masuk akal karena pekerjaan perusahaan memang pindah ke sana.

Tetapi AI mengubah arah sebagian risiko kembali ke endpoint.

Karyawan memakai AI tools. Developer memakai coding assistant. Tim internal mulai mencoba agent untuk menarik data, membaca repository, menjalankan script, atau menghubungkan beberapa aplikasi. Di sisi lain, penyerang juga memakai generative AI untuk phishing, malware, reconnaissance, dan eksploitasi yang lebih cepat.

Masalahnya, banyak perusahaan belum punya visibilitas yang cukup terhadap apa yang benar-benar berjalan di perangkat kerja.

Tool apa yang di-install? Package apa yang ditarik developer? Extension apa yang dipakai? Agent mana yang punya akses ke file, repo, credential, atau sistem internal? Endpoint detection berjalan penuh atau hanya terlihat ada di dashboard?

Di sinilah pendekatan lama mulai terasa kurang lengkap.

Endpoint security tradisional sering kuat dalam mendeteksi malware, perilaku mencurigakan, dan aktivitas setelah ancaman muncul. Itu tetap penting. Tetapi AI agent dan developer tool membawa jenis risiko yang tidak selalu terlihat seperti malware klasik.

Package npm berbahaya bisa masuk sebagai dependency. Extension bisa membaca data sensitif. Agent bisa mengambil tindakan yang keliru karena context kurang jelas. Tool internal bisa membuka jalur baru ke sistem produksi. Semua ini tidak selalu dimulai dari file jahat yang mudah dikenali.

Jadi pertanyaannya bukan sekadar apakah perusahaan butuh produk seperti Glow.

Pertanyaan yang lebih dasar: apakah perusahaan tahu software, agent, dan tool apa saja yang hidup di endpoint mereka?

Kalau jawabannya belum jelas, membeli platform baru hanya akan memindahkan kebingungan ke dashboard baru. Sama seperti CRM tidak menyelesaikan masalah sales jika status lead masih kabur, endpoint security AI-native juga tidak akan banyak membantu jika perusahaan belum punya aturan dasar tentang software, akses, dan ownership.

AI security sering dibicarakan sebagai masalah model. Padahal dalam operasi harian, risikonya sering muncul dari hal yang lebih biasa: perangkat karyawan, dependency developer, browser extension, permission yang terlalu longgar, dan tool yang dipakai tanpa proses review.

Glow mungkin benar bahwa endpoint perlu cara pandang baru. Tetapi perusahaan tetap perlu berhati-hati agar tidak menganggap label AI-native sebagai pengganti disiplin dasar security.

The Havedev Way

Dari sudut pandang Havedev, berita Glow bukan hanya cerita tentang startup cybersecurity dengan valuasi besar. Ini pengingat bahwa AI membuat batas antara productivity tool dan security risk semakin tipis.

Dulu, perusahaan bisa bertanya cukup sederhana: aplikasi apa yang dipakai tim?

Sekarang pertanyaannya lebih panjang:

• AI tool apa yang dipakai tim?
• data apa yang bisa dibaca tool tersebut?
• package apa yang boleh masuk ke project?
• agent apa yang boleh menjalankan tindakan otomatis?
• siapa yang menyetujui akses baru?
• endpoint mana yang tidak sesuai policy?
• kapan risiko harus diblokir, bukan hanya dicatat?

Jawaban ini tidak harus langsung berupa platform mahal. Untuk banyak perusahaan, langkah awal yang lebih sehat adalah membuat inventory sederhana.

Mulai dari perangkat kerja yang paling dekat dengan data penting: laptop developer, laptop finance, perangkat admin, server internal, dan environment yang punya akses ke production. Petakan software utama, akses repository, credential handling, extension browser, package manager, dan tool AI yang dipakai.

Setelah itu, tentukan policy minimum.

Misalnya, dependency baru untuk production harus lewat review. AI tool tidak boleh menerima data pelanggan sensitif tanpa izin. Endpoint detection harus aktif di perangkat tertentu. Package dari sumber tidak jelas harus diblokir. Agent internal tidak boleh punya akses tulis tanpa audit trail.

Ini terdengar sederhana, tetapi sering lebih berdampak daripada langsung membeli tool baru.

Automation baru masuk akal setelah aturan dasarnya jelas. Jika perusahaan belum tahu package mana yang boleh dipakai, automation hanya akan membuat notifikasi berisik. Jika belum tahu siapa pemilik endpoint tertentu, alert hanya akan berpindah dari satu channel ke channel lain. Jika belum tahu data mana yang sensitif, AI security akan berhenti di slogan.

Glow menarik karena mencoba membuat endpoint security lebih preventif di era AI. Tetapi pelajaran yang bisa diambil bisnis tidak harus menunggu produk sekelas enterprise.

Bisnis perlu mulai membaca endpoint sebagai bagian dari alur kerja digital, bukan hanya perangkat IT.

Laptop sales membawa data pelanggan. Laptop developer membawa akses source code. Laptop finance membawa dokumen pembayaran. Browser extension bisa menjadi pintu masuk. Package kecil bisa menjadi risiko supply chain. AI agent bisa mempercepat pekerjaan, tetapi juga mempercepat kesalahan.

Jika semua itu tidak terlihat, perusahaan tidak sedang aman. Perusahaan hanya belum tahu titik lemahnya.

Pendekatan yang sehat bukan menolak AI tools, tetapi membuat pagar yang jelas. Tool boleh membantu pekerjaan. Agent boleh mempercepat proses. Developer boleh memakai ekosistem modern. Namun akses, dependency, dan tindakan otomatis tetap perlu batas.

AI membuat pekerjaan bergerak lebih cepat. Security juga harus bergerak lebih awal.

Bukan hanya mendeteksi setelah masalah terjadi, tetapi mencegah hal yang tidak perlu masuk sejak awal.

Untuk bisnis yang sedang mulai memakai AI dalam operasional, website, automation, atau proses internal, pertanyaan pertama bukan “tool AI apa lagi yang bisa dipakai?”

Pertanyaan yang lebih penting: “apa saja yang sekarang punya akses ke data, perangkat, dan sistem kita?”

Kalau jawabannya belum jelas, mulai dari sana.

Dapatkan Audit Teknis Gratis untuk meninjau risiko website, automation, integrasi, dan penggunaan AI tools sebelum sistem bisnis Anda bergerak terlalu cepat tanpa visibility yang cukup.

---

Sumber referensi berita: TechCrunch