ASIAWORLDVIEW – Masalah klasik dalam pengembangan perangkat lunak modern adalah kecepatan pengiriman kode yang jauh melampaui kapasitas review manual. Tekanan untuk terus berinovasi dan merilis fitur baru membuat tim developer sering kali mendorong kode langsung ke lingkungan produksi tanpa melalui proses pemeriksaan yang memadai. Akibatnya, celah keamanan, bug, atau inkonsistensi logika kerap lolos dari radar dan baru terdeteksi setelah menimbulkan dampak nyata bagi pengguna atau sistem.
Ketidakseimbangan antara laju deployment dan kemampuan tim untuk melakukan code review yang menyeluruh menciptakan risiko besar: kualitas perangkat lunak menurun, biaya perbaikan meningkat, dan reputasi perusahaan bisa terguncang. Inilah alasan mengapa banyak organisasi kini beralih ke automated testing dan continuous integration sebagai solusi untuk menutup celah yang ditinggalkan oleh keterbatasan review manual. Kondisi ini diperparah oleh adopsi Artificial Intelliegnce atau AI generatif yang mendorong produktivitas developer naik 3–4 kali lipat, namun berpotensi melipatgandakan defect rate hingga 10× lebih tinggi.
“Dengan mengintegrasikan data keamanan aplikasi ke dalam Tenable One, kami memberikan konteks yang selama ini hilang bagi pelanggan kami,” kata Eric Doerr, Chief Product Officer, Tenable, dikutip Asia World View, Jumat (17/7/2026).
Tim keamanan aplikasi dan pengembang umumnya mengandalkan solusi yang terisolasi. Tapi tidak dilengkapi dengan kecerdasan infrastruktur kontekstual yang diperlukan untuk menentukan apakah kerentanan kode tersebut menimbulkan ancaman nyata bagi bisnis. Pendekatan yang terpisah-pisah ini menciptakan titik buta yang besar dan rentan dieksploitasi.
Tenable One mengumpulkan, menganalisis, dan menormalisasi data dari sumber-sumber pengembangan aplikasi dan keamanan yang relevan, termasuk alat keamanan aplikasi berbasis AI, seperti Claude Security. Tenable One kemudian menghubungkan semua data paparan yang diproses. Kemudian menyatukan telemetri Tenable dengan data dari alat keamanan lain, termasuk perlindungan endpoint, keamanan cloud, manajemen kerentanan, keamanan teknologi operasional, dan lainnya, serta konteks bisnis vital dari repositori.
Baca Juga: Google Cloud Dorong Indonesia Siap Masuki Era Agentic AI
Misalnya, basis data manajemen konfigurasi – yang dirancang untuk memberikan gambaran paling lengkap mengenai risiko perusahaan, serta mempercepat prioritas dan tindakan remediasi. Dengan perluasan platform ini, Tenable One mengarahkan organisasi dari pemindaian aplikasi yang reaktif menuju prioritisasi risiko yang proaktif, menghubungkan risiko kode dengan sistem runtime, beban kerja cloud, identitas, dan jalur serangan yang terancam.
“Tim keamanan tidak perlu lagi terjebak dalam lautan kerentanan. Dengan Tenable One, tim keamanan tahu persis di mana mereka terpapar risiko begitu paparan tersebut muncul, baik ketika alat keamanan AI berbasis agen menemukan kerentanan zero-day baru dalam pustaka sumber terbuka maupun ketika kesalahan manusia menimbulkan risiko,” ia menambahkan.
Alat bantu keamanan yang terisolasi (siloed solutions) gagal menyediakan peta ketergantungan infrastruktur, sehingga tim keamanan buta terhadap dampak bisnis aktual dari suatu kerentanan. Dengan integrasi lintas jenjang tersebut, Tenable One menjawab kebutuhan continuous threat exposure management—menjadikan setiap temuan kode sebagai data risiko yang terukur, terprioritaskan, dan dapat ditindaklanjuti secara otomatis dalam satu panel kendali tunggal.
“Untuk pertama kalinya, tim keamanan dapat melihat kelemahan kode dan memprioritaskan tindakan perbaikan bersamaan dengan semua bentuk risiko lainnya guna mengurangi risiko secara lebih efektif,” pungkasnya.
