F5 merilis laporan tahunan State of Application Strategy (SOAS) terbaru. Dalam laporan ini terungkap bahwa kecerdasan buatan (AI) telah melewati ambang batas kritis: teknologi ini bukan lagi sekadar inisiatif eksperimental, melainkan telah menjadi beban kerja tahap produksi (production workload) yang menuntut kedisiplinan operasional yang ketat, setara dengan sistem krusial lainnya.
Penelitian yang didasarkan pada tanggapan dari ratusan pemimpin IT dan keamanan korporasi di seluruh dunia, menunjukkan bahwa 78% organisasi (50% di wilayah Asia Pasifik, China dan Jepang – APCJ) kini menjalankan AI inference secara mandiri—sebuah indikasi yang kuat bahwa perusahaan lebih mengutamakan aspek kendali ketimbang kenyamanan, mengingat posisi AI yang semakin sentral dalam operasional bisnis mereka.
Temuan ini muncul di momen yang sangat penting. Dengan 93% organisasi (87% di kawasan APCJ) beroperasi di berbagai platform cloud (multicloud) dan 86% mendistribusikan aplikasi-aplikasi mereka di lingkungan hybrid multicloud (di APCJ, 91% beroperasi di beberapa data center on-premises, dan 87% menggunakan beberapa layanan colocation), kompleksitas dalam menghadirkan dan mengamankan workload AI telah mencapai titik balik (inflection point).
“AI telah berubah dari tahap eksperimentasi ke tahap operasional. Pertanyaannya sekarang bukan lagi apakah perusahaan akan menggunakan AI, melainkan apakah mereka dapat menjalankannya secara andal, aman, dan dalam skala besar,” ujar Kunal Anand, Chief Product Officer di F5. “Data tahun ini menunjukkan pergeseran yang jelas: AI inference kini menjadi bagian inti dari bisnis, yang berarti penyediaan AI kini menjadi tantangan manajemen lalu lintas jaringan, dan keamanan AI kini menjadi tantangan tata kelola serta pengendalian. Perusahaan-perusahaan yang memahami pergeseran ini sejak dini akan menjadi entitas yang mampu bergerak lebih cepat dan lebih aman.”
Menurut Surung Sinamo, Country Manager F5 Indonesia, “Tantangan saat ini bukan lagi sekadar menjalankan AI model, melainkan juga mengamankan lalu lintas AI inference, mengelola identitas agen AI yang semakin banyak, dan menegakkan policy keamanan yang konsisten di seluruh lingkungan hybrid multicloud tanpa menimbulkan area blind spot dalam operasional. Seiring dengan semakin tersebarnya workload AI, kontrol keamanan bergeser lebih dalam ke layer prompt, token, API, dan identitas. Hal ini membuat visibilitas yang terpadu serta tata kelola AI menjadi sangat krusial bagi organisasi di Indonesia untuk mengembangkan AI secara aman, andal, dan patuh terhadap ekspektasi regulasi yang terus berkembang.”
Berikut temuan utama dari laporan tahun 2026.
AI adalah realitas operasional, bukan sekadar eksperimen
AI bukan lagi sekadar eksperimen yang mencolok atau agenda masa depan; teknologi ini telah menjadi realitas operasional yang terintegrasi secara mendalam dengan capaian bisnis sehari-hari. Saat ini, organisasi mengoordinasikan rata-rata tujuh AI model dalam tahap produksi, di mana 77% di antaranya melaporkan bahwa inference—yaitu menjalankan model yang telah dilatih untuk menghasilkan output—telah menjadi aktivitas AI yang paling dominan, melampaui tahap pembuatan dan pelatihan model. Organisasi di kawasan APCJ menggunakan rata-rata 3 hingga 4 AI model dalam tahap produksi, dengan 65% di antaranya memanfaatkan AI untuk otomatisasi operasional secara real-time.
Pergeseran ini menekankan pentingnya tata kelola operasional pada sistem AI, yang memperlakukan inference sebagai workload terkelola dan berbasis policy, terintegrasi ke dalam stack aplikasi, serta tunduk pada tuntutan arsitektur, keamanan, dan skalabilitas yang sama seperti sistem produksi lainnya.
Strategi AI-as-a-service sudah dianggap berisiko
Strategi AI-as-a-service secara luas telah diakui memiliki risiko tinggi dan tidak sejalan dengan realitas perusahaan modern. Hanya 8% organisasi di seluruh dunia yang sepenuhnya bergantung pada layanan AI publik. Sebagian besar organisasi justru tengah membangun portofolio model yang beragam, suatu langkah yang membutuhkan sistem routing, mekanisme fallback (cadangan), serta policy control (kendali kebijakan) yang canggih guna mengelola aspek biaya, akurasi, dan availability.
Hybrid multicloud adalah standar penyediaan yang baru
Hal ini mencerminkan tren yang lebih luas dalam operasional multicloud dan lintas-lingkungan, di mana 93% perusahaan memanfaatkan pengaturan multicloud dan 86% menjalankan aplikasi di lingkungan on-prem (lokal), public cloud, dan colocation. Demikian pula, workload AI membutuhkan routing, mekanisme fallback, serta kendali kebijakan yang canggih untuk mengoptimalkan biaya, akurasi, dan availability. Strategi penyediaan, keamanan, dan tata kelola yang terpadu di seluruh lingkungan kini menjadi hal yang sangat penting untuk mengatasi kerumitan atau kompleksitas dalam deployment AI dan aplikasi yang canggih.
Meskipun mengatasi kerumitan akibat infrastruktur yang beragam itu juga sangat penting, hal itu harus dibarengi dengan kontrol yang presisi di setiap environment boundaries untuk memastikan integrasi yang berjalan mulus, penegakan policy yang lebih konsisten, dan strategi keamanan yang terpadu. Keseimbangan ini mengurangi silo, meminimalkan gangguan operasional, dan mempertahankan tata kelola dalam skala besar, sehingga memungkinkan perusahaan untuk mengoptimalkan biaya, akurasi, dan availability, sekaligus memaksimalkan potensi sepenuhnya dari sistem hybrid multicloud mereka dalam deployment AI dan aplikasi.
Keamanan dan tata kelola AI kini menjadi kebutuhan sistemik
Seiring dengan masuknya sistem AI ke dalam tahap produksi dalam skala penuh, aspek keamanan telah menjadi prioritas utama di seluruh lini korporasi. Laporan tersebut menunjukkan bahwa 88% organisasi telah menghadapi berbagai tantangan keamanan yang berkaitan dengan AI, sementara 98% lainnya tengah bersiap mengadopsi agentic AI—yaitu sistem otonom yang membutuhkan identitas, permission (hak akses), serta guardrails (koridor pengaman) layaknya pengguna manusia.
Di kawasan APCJ, sebanyak 54% organisasi menempatkan tingginya biaya workload AI sebagai tantangan utama, sementara lebih dari separuhnya (51%) mengantisipasi tantangan yang muncul dari pertumbuhan pesat identitas agen yang terkait dengan agentic AI. Hal ini menggeser perimeter keamanan ke layer prompt, token, dan identitas, sehingga model-model tradisional tidak lagi memadai dan menjadikan tata kelola di setiap lapisan sebagai suatu keniscayaan.
Layer prompt dan token: Titik kendali yang menggerakkan penyediaan AI
Laporan ini juga mengungkap pergeseran yang signifikan dalam pengelolaan workload AI, di mana kendali beralih ke prompt, token, dan API. Hampir 29% organisasi (33% di kawasan APCJ) mengidentifikasi layer prompt sebagai mekanisme penyediaan yang utama, sementara 23% (~23% di APCJ) memprioritaskan layer token untuk penyediaan dan keamanan. Tata kelola pada layer-layer ini merupakan kunci untuk mengoptimalkan biaya, kinerja, dan keamanan, sehingga memberikan keunggulan kompetitif bagi perusahaan dibandingkan dengan mereka yang hanya berfokus pada infrastruktur.
Mengapa hal ini penting
Laporan State of Application Strategy 2026 menyajikan perspektif berbasis data mengenai berbagai kekuatan yang tengah membentuk kembali lanskap teknologi korporasi: operasionalisasi AI yang berlangsung cepat, sifat permanen dari lingkungan hybrid multicloud, serta lanskap ancaman yang terus berkembang yang menuntut adanya paradigma baru terkait keamanan dan pengendalian.
Tingkat AI maturity (kematangan AI) tengah berkembang pesat menjadi sebuah indikator terukur bagi ketahanan operasional dan posisi kompetitif. Organisasi yang berinvestasi pada aspek observability, autentikasi, dan kendali terpadu di setiap lingkungan operasional AI akan menjadi entitas yang mampu mentransformasikan potensi AI menjadi bisnis value yang berkelanjutan.
