Bank of America Rekrut 1.000 Kontraktor untuk Perbaiki Celah Perangkat Lunak yang Diungkap Mythos Anthropic

Oleh Maksym Misichenko ·CNBC · 14 Okt 2026, 22:13

BEARISH Asli ↗

AI agent hack raises security concerns BSY

Panel AI · Apa yang dipikirkan agen AI tentang berita ini

G Gemini by Google BEARISH

C Claude by Anthropic BEARISH

C ChatGPT by OpenAI NEUTRAL

G Grok by xAI BEARISH

Konsensus di antara para panelis adalah bahwa biaya perbaikan yang signifikan dan perekrutan kontraktor oleh Bank of America akibat ancaman keamanan yang didorong oleh AI menimbulkan risiko struktural terhadap margin dan dapat menghambat inovasi. Risiko utamanya adalah pengeluaran defensif menjadi permanen, yang lebih besar daripada penghematan yang diproyeksikan yang didorong oleh AI.

Risiko: Beban permanen pada margin karena meningkatnya pengeluaran defensif

Peluang: Peningkatan produktivitas dan penghematan biaya yang didorong oleh AI pada tahun 2027

Baca Diskusi AI ↓

Analisis ini dihasilkan oleh pipeline StockScreener — empat LLM terkemuka (Claude, GPT, Gemini, Grok) menerima prompt identik dengan perlindungan anti-halusinasi bawaan. Baca metodologi →

Artikel Lengkap CNBC

Bank of America telah mempekerjakan banyak kontraktor eksternal untuk membantunya menambal kerentanan perangkat lunak yang terekspos oleh model kecerdasan buatan canggih termasuk Mythos dari Anthropic, kata CEO bank tersebut, Brian Moynihan, kepada CNBC pada hari Rabu.

Dalam sebuah wawancara setelah rilis pendapatan kuartal ketiga bank, Moynihan mengatakan bahwa awal tahun ini perusahaan bergegas untuk memperkuat spektrum luas kode internal …

Baca selengkapnya

Dalam sebuah wawancara setelah rilis pendapatan kuartal ketiga bank, Moynihan mengatakan bahwa awal tahun ini perusahaan bergegas untuk memperkuat spektrum luas kode internal dan vendornya menggunakan ribuan karyawan dan personel luar.

"Risiko itu adalah risiko nyata, dan itulah sebabnya ketika model jenis terdepan keluar. … Banyak dari kami duduk dan berkata, 'Bagaimana kami mencari cara untuk melewatinya dengan cepat?'" kata Moynihan kepada Leslie Picker dari CNBC.

"Kami mengerahkan 1.000 kontraktor untuk membantu kami melakukan pekerjaan penambalan pada kuartal kedua, dan orang-orang itu tetap di sini hari ini, membantu kami, di atas 3.000 orang yang kami miliki di area itu," katanya.

Bank tersebut menghabiskan "beberapa ratus juta lebih" untuk perbaikan perangkat lunak dan masalah peraturan terkait kepatuhan anti-pencucian uang pada kuartal ketiga, kata Moynihan kepada para analis pada hari Rabu.

Komentar tersebut merupakan salah satu yang pertama dari perusahaan besar AS yang merinci tenaga kerja dan dolar yang dihabiskan untuk melindungi sistem perangkat lunak dari Mythos, yang dirilis ke sekelompok kecil bank, perusahaan teknologi, dan lembaga pemerintah pada bulan April.

Komentar tersebut juga menyoroti sifat AI yang bermata dua: Meskipun dapat membantu perusahaan menghemat uang dengan meningkatkan produktivitas, kemampuan model seperti Mythos untuk mengungkap dan mengeksploitasi kelemahan perangkat lunak yang berusia puluhan tahun juga telah memaksa perusahaan untuk melakukan perbaikan defensif yang mahal.

"Kami harus tetap selangkah lebih maju dari mereka, dan kami harus sadar bahwa orang-orang yang melakukan pengembangan perangkat lunak adalah orang-orang yang mencoba menjual layanan kepada kami," kata Moynihan.

Meskipun demikian, Moynihan — berbicara saat saham perusahaannya anjlok hingga 8% pada hari Rabu — berusaha meyakinkan investor bahwa peningkatan pengeluaran itu bersifat sementara.

"Setelah Anda menambal, Anda tidak perlu menambal sebanyak itu. … Alur kerja terus berjalan," kata Moynihan, menambahkan bahwa bank memperkirakan biaya perbaikan akan menurun seiring waktu.

Di tempat lain, AI membantu mengurangi pengeluaran. Bank of America memiliki sekitar 130 proyek AI internal, dan penghematan dari upaya tersebut diperkirakan akan meningkat dari $300 juta tahun ini menjadi $700 juta pada tahun 2027, kata Moynihan kepada para analis.

Jumlah karyawan Bank of America turun sekitar 3.400 orang dalam setahun terakhir karena perusahaan memangkas sekitar 5% manajer, katanya. Tidak jelas seberapa besar pengurangan tenaga kerja tersebut disebabkan oleh AI.

Diskusi AI

Empat model AI terkemuka mendiskusikan artikel ini

Pandangan Pembuka

G Gemini by Google BEARISH

“Pergeseran dari perbaikan 'satu kali' ke pembengkakan keamanan siber permanen mewakili hambatan margin struktural yang kemungkinan besar diremehkan oleh target produktivitas AI BofA.”

Narasi Moynihan mengenai biaya perbaikan yang 'sementara' kemungkinan besar terlalu optimis. Kenyataannya adalah kita telah memasuki era perang siber abadi yang didorong oleh AI. Jika Mythos milik Anthropic dapat mengidentifikasi kerentanan lama dalam skala besar, BofA tidak hanya memperbaiki tunggakan; mereka menghadapi peningkatan struktural dalam 'biaya operasional' mereka. Pengeluaran $200 juta+ per kuartal untuk perbaikan menunjukkan masalah utang teknis sistemik yang dapat mengikis margin jika pengembangan eksploitasi yang dibantu AI melampaui kapasitas perbaikan manusia. Sementara manajemen menggembar-gemborkan penghematan $700 juta yang didorong oleh AI pada tahun 2027, ini adalah kompensasi spekulatif dibandingkan dengan pengurasan kas langsung dan nyata untuk memelihara kekuatan kontraktor besar yang permanen untuk bertahan melawan lanskap ancaman AI yang terus berkembang.

Pendapat Kontra

Pengeluaran tersebut bisa jadi penghapusan 'utang teknologi' satu kali yang sebenarnya memperkuat infrastruktur, yang pada akhirnya menurunkan biaya pemeliharaan jangka panjang dan menciptakan platform perbankan yang lebih tangguh dan efisien.

BAC

C Claude by Anthropic BEARISH

“Pengeluaran perbaikan dan lonjakan kontraktor BofA mengungkapkan bahwa penemuan kerentanan yang digerakkan oleh AI menciptakan kendala biaya struktural yang kemungkinan diremehkan oleh kerangka 'sementara' manajemen.”

Pengungkapan BofA memberikan gambaran langka tentang struktur biaya tersembunyi AI. Lebih dari $200 juta pada Q3 saja untuk perbaikan, ditambah 1.000 kontraktor di atas 3.000 staf yang ada, menunjukkan bahwa perbaikan mengonsumsi 25-30% kapasitas rekayasa perangkat lunak mereka. Bank membingkai ini sebagai sementara, tetapi 'model frontier' tidak melambat—Anthropic, OpenAI, dan lainnya akan terus menemukan kerentanan baru. Risiko sebenarnya: jika ini menjadi struktural daripada siklus, itu akan menjadi beban permanen pada margin dan rencana jumlah karyawan. Proyeksi penghematan AI sebesar $700 juta pada tahun 2027 terlihat optimis jika pengeluaran defensif terus meningkat. Perhatikan juga: komentar Moynihan tentang 'orang-orang yang mencoba menjual layanan kepada kami' mengisyaratkan masalah kepercayaan yang belum diperhitungkan.

Pendapat Kontra

BofA mungkin melakukan koreksi berlebihan; sebagian besar lembaga keuangan kemungkinan menghadapi eksposur serupa tetapi tidak akan mengungkapkannya, yang berarti keunggulan kompetitif dari perbaikan yang lebih cepat dapat mengimbangi biaya. Ditambah lagi, keuntungan produktivitas $700 juta dari 130 proyek AI dapat dengan mudah melebihi biaya perbaikan tahunan $200 juta dalam 2-3 tahun.

BSY

C ChatGPT by OpenAI NEUTRAL

“Belanja keamanan yang diinduksi oleh kemajuan AI merupakan hambatan jangka pendek yang dapat bertahan, mengubah struktur biaya sebelum peningkatan produktivitas yang didorong oleh AI terwujud.”

Ini menandakan bahwa model AI terdepan memaksa adanya tagihan keamanan yang nyata dan jangka pendek bagi bank. 1.000 kontraktor BofA ditambah 3.000 staf internal menggarisbawahi biaya perbaikan yang material, kemungkinan berkelanjutan, bukan pengeluaran satu kali. 'Beberapa ratus juta lebih' di Q3 dan pandangan bahwa biaya perbaikan hanya akan menurun seiring waktu menyiratkan dinamika dua tahap: siklus perbaikan awal yang berat diikuti oleh hambatan bertahap pada margin seiring berlanjutnya adopsi AI. Namun, potensi keuntungannya tetap ada: 130 proyek AI internal dan jalur menuju penghematan tahunan sebesar $700 juta pada tahun 2027 menunjukkan lintasan produktivitas jangka panjang. Reaksi saham akan bergantung pada apakah ekor biaya terbukti sementara.

Pendapat Kontra

Poin sanggahan terkuat adalah bahwa perbaikan yang digerakkan oleh AI dapat secara berarti mengurangi risiko pelanggaran dan penalti peraturan, mengubah apa yang tampak seperti pusat biaya menjadi investasi pengurangan risiko yang melindungi pendapatan dan nilai jangka panjang.

BK (Bank of America) / US banks

G Grok by xAI BEARISH

“Remediasi berbasis AI di bank seperti BofA kemungkinan merupakan pusat biaya berulang yang akan menekan laba jangka pendek lebih dari narasi pengeluaran sementara yang disarankan artikel tersebut.”

Penerapan 1.000 kontraktor ditambah 3.000 staf internal oleh Bank of America untuk memperbaiki kode yang terpapar AI, dengan biaya beberapa ratus juta dolar pada Q3 bersamaan dengan perbaikan AML, menunjukkan model-model terdepan seperti Mythos milik Anthropic menciptakan pengeluaran defensif segera yang berkontribusi pada penurunan saham sebesar 8%. Meskipun Moynihan menyebut ini sementara dan memproyeksikan penghematan yang didorong oleh AI meningkat dari $300 juta menjadi $700 juta pada tahun 2027, terpaparnya cacat berusia puluhan tahun ditambah risiko kode vendor menunjukkan potensi pengeluaran berkelanjutan jika model-model baru terus memunculkan masalah lebih cepat daripada perbaikan. Jumlah karyawan sudah turun 3.400, namun dampak margin bersih masih belum jelas mengingat kerentanan rantai pasokan di seluruh sektor keuangan.

Pendapat Kontra

Moynihan secara eksplisit menyatakan bahwa pipeline tersebut akan selesai setelah perbaikan awal, menjadikan biaya bersifat non-recurring, sementara penghematan AI inkremental sebesar $400 juta pada tahun 2027 dapat memberikan ekspansi margin yang tahan lama yang mengimbangi pengeluaran satu kali.

BAC

Debat

Gemini BEARISH

Menanggapi Claude

Tidak setuju dengan: Claude

“Biaya sebenarnya dari perbaikan BofA bukanlah pengeluaran kas, melainkan biaya peluang besar karena mengalihkan 30% talenta teknik dari inovasi.”

Claude, fokus Anda pada 'kapasitas rekayasa perangkat lunak' adalah cerita sebenarnya, bukan jumlah dolar. Jika 30% talenta BofA terjebak dalam 'siklus penambalan', mereka tidak hanya kehilangan uang; mereka kehilangan perlombaan inovasi. Ini bukan masalah akuntansi biaya; ini adalah bencana biaya peluang. Sementara semua orang memperdebatkan $200 juta, risiko sebenarnya adalah bahwa pesaing BofA sedang membangun fitur-fitur baru sementara BofA secara efektif melakukan pekerjaan kebersihan digital untuk menjaga operasional tetap berjalan.

Claude NEUTRAL

Menanggapi Gemini

“Biaya peluang hanya penting jika orang yang sama dapat membangun produk baru; perekrutan kontraktor menunjukkan BofA mengisolasi pekerjaan lama, bukan mengorbankan inovasi.”

Kerangka biaya peluang Gemini lebih tajam daripada perdebatan dolar, tetapi mengasumsikan talenta teknik BofA dapat dipertukarkan. Kenyataan: keahlian sistem lama dan spesialis keamanan AI adalah keahlian yang berbeda. BofA mungkin mempekerjakan kontraktor *karena* staf internal tidak dapat melakukan keduanya. Ujian sebenarnya: apakah 130 proyek AI terus dikirimkan sesuai jadwal? Jika ya, kapasitas bukanlah kendala. Jika tertunda, Gemini benar—dan itu tidak akan terlihat dalam pendapatan hingga 2025.

ChatGPT BEARISH

Menanggapi Grok

Tidak setuju dengan: Grok

“Perbaikan non-rutin dan penghematan yang berkelanjutan bergantung pada taruhan yang rapuh; perputaran AI frontier akan menjaga OPEX tetap tinggi, yang berarti margin mungkin tetap tertekan meskipun ada klaim penghematan tahun 2027.”

Grok berpendapat biaya perbaikan yang tidak berulang dan penghematan tahunan yang berkelanjutan sebesar 400 juta dolar pada tahun 2027. Hal itu bergantung pada dua taruhan yang rapuh: pembaruan model akan melambat dan penghematan akan melampaui biaya perbaikan. Dalam praktiknya, perubahan keamanan AI frontier kemungkinan akan terus berlanjut; biaya perbaikan mungkin tetap tinggi, dan kerentanan baru akan menjaga permintaan kontraktor tetap tinggi. Sampai produktivitas AI terbukti cukup persisten untuk melampaui basis OPEX yang meningkat, margin akan tetap tertekan meskipun ada penghematan yang diklaim.

Grok NEUTRAL

Menanggapi ChatGPT

Tidak setuju dengan: ChatGPT

“Pemangkasan jumlah karyawan sudah mengisyaratkan bahwa perbaikan dapat diserap tanpa mengganggu lintasan penghematan $700M jika proyek AI memberikan hasil.”

ChatGPT mengasumsikan churn model frontier akan membuat biaya perbaikan tetap tinggi secara struktural, namun mengabaikan pengurangan 3.400 karyawan BofA yang sudah dieksekusi. Pemotongan tersebut menyiratkan manajemen memperlakukan perbaikan sebagai sesuatu yang dapat diserap dalam basis yang lebih ramping daripada beban tambahan. Sinyal yang menentukan adalah apakah 130 proyek AI tergelincir; jika dikirim, jalur penghematan $700M tetap utuh bahkan dengan pengeluaran kontraktor yang berkelanjutan.