Bank of America mempekerjakan 1.000 kontraktor luar untuk membantu menambal kerentanan perangkat lunak yang muncul oleh model AI canggih, termasuk Mythos dari Anthropic, kata kepala eksekutif Brian Moynihan kepada CNBC pada hari Rabu. Pengungkapan tersebut, yang dilakukan dalam sebuah wawancara setelah rilis pendapatan kuartal ketiga bank tersebut, adalah pertama kalinya sebuah perusahaan besar AS menguraikan tenaga kerja dan biaya yang harus dikeluarkan untuk mempertahankan sistemnya terhadap model AI yang canggih.
Menurut CNBC, para kontraktor tersebut direkrut pada kuartal kedua tahun 2026 untuk mendukung sekitar 3,000 karyawan internal yang bekerja di area tersebut, dan mereka tetap bekerja di bank tersebut hingga saat ini. “Kami mengerahkan 1.000 kontraktor untuk membantu kami melakukan pekerjaan penambalan pada kuartal kedua, dan orang-orang tersebut tetap berada di sini hingga saat ini, membantu kami, selain 3.000 orang yang kami miliki di area tersebut,” kata Moynihan kepada Leslie Picker dari CNBC. For more context on this story, see our ongoing AI industry coverage.
Ratusan Juta Biaya Kuartalan
Dorongan untuk menambal itu tidaklah murah. Moynihan mengatakan kepada para analis sebelumnya pada hari Rabu bahwa perbaikan perangkat lunak, dikombinasikan dengan pekerjaan regulasi terkait dengan kepatuhan anti-pencucian uang, menambah “beberapa ratus juta lebih” biaya bank pada kuartal ketiga. Saham bank tersebut merosot sebanyak 8 persen pada hari Rabu setelah laporan pendapatan, dan belanja remediasi merupakan bagian dari pembicaraan yang lebih luas dengan investor mengenai tekanan biaya.
Mythos, yang dirilis Anthropic kepada sekelompok kecil bank, perusahaan teknologi, dan lembaga pemerintah pada bulan April, telah dipuji karena mengungkap dan mengeksploitasi kelemahan perangkat lunak yang telah berusia puluhan tahun – kemampuan yang telah memaksa perusahaan yang menyimpan data keuangan sensitif melakukan tindakan defensif yang memakan banyak biaya. Bank of America bergegas untuk meningkatkan spektrum kode internal dan vendornya yang luas awal tahun ini, kata Moynihan, dengan menggunakan ribuan karyawan dan personel luar.
“Risiko tersebut adalah risiko nyata, dan itulah sebabnya ketika model tipe frontier keluar… banyak dari kita yang duduk dan berkata, 'Bagaimana kita mengetahui cara untuk melewati ini dengan cepat?'” kata Moynihan dalam wawancara CNBC.
Sifat Frontier AI yang Bermata Dua
Episode ini menggambarkan keanehan ekonomi AI frontier bagi perusahaan besar. Model serupa yang membantu perusahaan memangkas biaya dengan meningkatkan produktivitas juga dapat mengungkap kelemahan perangkat lunak yang diam-diam telah terakumulasi selama beberapa dekade. Moynihan mengakui ketegangan tersebut secara langsung, dan mencatat bahwa vendor yang memasok perangkat lunak bank tersebut juga berlomba untuk melengkapi peralatan mereka dengan AI terdepan.
“Kita harus tetap berada di depan mereka, dan kita harus sadar bahwa orang-orang yang melakukan pengembangan perangkat lunak adalah orang-orang yang mencoba menjual layanan kepada kita,” katanya.
Lonjakan Sementara, Moynihan Berpendapat
Berbicara ketika saham jatuh, Moynihan berusaha meyakinkan investor bahwa peningkatan belanja hanya bersifat sementara. “Setelah Anda melakukan patch, Anda tidak perlu melakukan patch sebanyak itu… Prosesnya sudah selesai,” katanya, seraya menambahkan bahwa bank memperkirakan biaya remediasi akan menurun seiring berjalannya waktu.
Bank Dunia juga memperkirakan bahwa AI akan mampu membayar lebih dari sekadar upaya defensif di tempat lain. Bank of America menjalankan sekitar 130 proyek AI internal yang diproyeksikan akan menghasilkan penghematan sekitar $700 juta pada tahun depan, menurut CNBC – sebuah angka yang jauh lebih kecil daripada rancangan undang-undang remediasi jangka pendek, meskipun waktunya tidak tepat bagi kedua proyek tersebut.
Apa yang Dikatakannya Tentang Industri
Pengungkapan yang dilakukan oleh Bank of America memberikan salah satu poin data yang paling jelas mengenai kerugian yang ditimbulkan oleh penemuan kerentanan yang disebabkan oleh AI bagi sebuah institusi besar. Para analis telah memperingatkan sejak model keamanan siber terdepan mulai diluncurkan bahwa basis kode lama di bank, rumah sakit, dan pemerintah mewakili permukaan serangan yang luas yang dapat dipetakan oleh AI jauh lebih cepat daripada auditor manusia. Hingga saat ini, sebagian besar diskusi tersebut bersifat teoretis; Moynihan mencantumkan jumlah pegawai dan label harga pada tanggapannya.
Komentar tersebut juga menggarisbawahi posisi sulit perusahaan seperti Anthropic, yang menjual model keamanan siber yang kuat kepada sekelompok institusi tertentu sementara industri yang lebih luas berdebat tentang bagaimana – dan seberapa cepat – kemampuan tersebut harus menyebar. Laporan mengenai upaya peretasan yang dibantu AI telah menempatkan praktik pengendalian dan pemantauan di bawah pengawasan ketat, dan pelanggan perusahaan kini menganggarkan anggaran dengan asumsi bahwa kerentanan mereka akan ditemukan terlebih dahulu.
Bagi bank, perhitungannya sangatlah mudah: biaya patching dapat diukur dan dibatasi, sedangkan biaya untuk keberhasilan eksploitasi tidak dapat diukur. Pesan Moynihan kepada para investor adalah bahwa lonjakan ini merupakan pembersihan satu kali saja, bukan pengeluaran permanen – namun episode ini merupakan pengingat bahwa setiap lompatan dalam kemampuan model dapat secara diam-diam mengubah postur keamanan setiap perusahaan yang menjalankan perangkat lunak.
Ketika model-model frontier terus membaik dalam menemukan kelemahan, pengalaman Bank of America mungkin tidak lagi menjadi sebuah hal yang aneh dan lebih menjadi sebuah contoh: ribuan staf, pasukan kontraktor, dan tagihan bernilai ratusan juta dolar, semuanya dipicu oleh model yang tidak pernah menyentuh sistem bank secara langsung.
Tim keamanan di lembaga keuangan besar lainnya mengawasi pedoman ini dengan cermat. Jika model AI dapat memunculkan akumulasi kerentanan selama satu dekade dalam hitungan hari, pertanyaan bagi setiap bank bukan lagi apakah kode yang dimilikinya memiliki kelemahan – melainkan siapa yang menemukannya terlebih dahulu, dan apakah lembaga tersebut memiliki kapasitas untuk melakukan perbaikan sebelum kelemahan tersebut digunakan. Pengungkapan Moynihan menunjukkan bahwa bagi bank terbesar kedua di AS, jawabannya adalah memperlakukan remediasi berbasis AI sebagai biaya yang ditentukan setiap kuartal, bukan sebagai item rutin TI.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
