Pemetaan kerangka kerja AI
di 5 standar,
dinilai dari aktivitas Anda sendiri.

Kosakata acuan untuk risiko AI di Amerika Serikat, dan yang paling banyak sudah diadopsi secara internal oleh tim risiko perusahaan. Kerangka kerja ini mengelompokkan risiko AI ke dalam empat fungsi — Govern, Map, Measure, Manage — dan menanyakan apakah organisasi dapat menunjukkan bahwa ia menjalankan masing-masing fungsi, bukan mewajibkan teknologi tertentu.

Govern dan Map dibuktikan oleh registri: Set Kebijakan dengan siklus hidup draf → tinjauan → terbit, Kontrol dengan pemisahan tugas, serta Kasus Penggunaan dan Agen AI yang mencatat tujuan penggunaan dan peringkat risiko. Measure dibuktikan oleh eksekusi Etika & Bias setiap malam (MEASURE 2.1) dan eksekusi red-team Project Moonshot (MEASURE 2.7). Manage adalah alur Pelanggaran dan Antrean Tinjauan.

Satu-satunya standar yang dapat disertifikasi dalam kelompok ini. Ini adalah standar sistem manajemen dalam keluarga yang sama dengan ISO 27001: Anda diminta merencanakan risiko AI, menyediakan sumber daya, menjalankan kontrol, mengevaluasi kinerja, dan terus memperbaiki — serta menyiapkan bukti terdokumentasi untuk setiap tahap, yang diaudit oleh lembaga sertifikasi terakreditasi.

Obiguard menghasilkan bukti operasional yang diminta auditor ISO/IEC 42001, tetapi bukan sertifikatnya. Perencanaan Klausul 6 dipetakan ke Kontrol dan Kriteria dengan peringkat risiko; operasi Klausul 8 ke Set Kebijakan yang diberlakukan di gateway; evaluasi kinerja Klausul 9 ke Dasbor dan Log Audit; perbaikan Klausul 10 ke Antrean Tinjauan dan jejak penyelesaian di balik setiap pelanggaran.

Bukan standar kepatuhan sama sekali, melainkan daftar bersama industri keamanan tentang bagaimana aplikasi LLM benar-benar dibobol — prompt injection, pengungkapan informasi sensitif, agensi berlebihan, kebocoran system prompt, misinformasi, konsumsi tak terbatas. Inilah kerangka kerja yang akan dirujuk oleh penguji penetrasi Anda dan kuesioner keamanan pelanggan Anda.

Inilah kerangka kerja yang paling langsung dipetakan ke mekanisme produk, bukan sekadar dokumen. Kriteria guardrail menangani LLM01 prompt injection dan LLM02 pengungkapan informasi sensitif di gateway; pembatasan cakupan agen dan alat menangani LLM06 agensi berlebihan; dan resep jailbreak Moonshot dapat dijalankan secara terpisah untuk menguji apakah pertahanan tersebut bertahan, meskipun eksekusi itu tidak dihitung dalam cakupan.

Kerangka kerja nasional Malaysia untuk mengamankan sistem AI, diterbitkan oleh NACSA. Jika NIST mengorganisasi berdasarkan fungsi risiko, AISCF mengorganisasi berdasarkan siklus hidup: Inception, Design & Development, Verification & Validation, Deployment, Operation & Monitoring, Continuous Validation and Re-evaluation, dan Retirement. Setiap fase memuat aktivitas keamanan tertentu — total 42 — dan bersifat berbasis risiko secara eksplisit, sehingga kedalaman yang diharapkan menyesuaikan dengan risiko sistem.

Obiguard mencakup sisi operasional siklus hidup secara mendalam, dan sisi desain hanya sejauh platform menyimpan catatannya. Operation & Monitoring dipetakan ke penegakan guardrail, Dasbor, dan Log Audit; Verification & Validation dan Continuous Validation hanya tercakup sebagian, karena pemindaian kerentanan berkala dan uji penetrasi belum menjadi fitur; Deployment dipetakan ke Kunci Akses terbatas dan persetujuan versi prompt. Aktivitas Inception dan Retirement — penetapan kebutuhan, pemusnahan data, pensiun model — adalah langkah organisasi yang dicatat Obiguard, bukan dijalankannya.

Acuan dasar Singapura untuk ekosistem AI generatif yang tepercaya, dari IMDA dan AI Verify Foundation — yayasan yang sama di balik Project Moonshot. Cakupannya sengaja lebih luas daripada standar keamanan: sembilan dimensi yang meliputi akuntabilitas, data, pengembangan dan penerapan yang tepercaya, pelaporan insiden, pengujian dan jaminan, keamanan, asal-usul konten, riset keselamatan dan penyelarasan, serta AI untuk kebaikan publik.

Empat dari sembilan dimensi — Testing & Assurance, Content Provenance, Safety & Alignment R&D, dan AI for Public Good — adalah komitmen tingkat ekosistem yang ditujukan bagi pengembang model, lembaga pengujian, dan pembuat kebijakan, sehingga tidak ada platform penerap yang dapat membuktikannya dan skor utama dibatasi pada 56% secara sengaja. Bacalah detail per dimensi, bukan indikatornya saja. Dari lima dimensi yang dapat dibuktikan oleh penerap, Security adalah yang terkuat: Kriteria guardrail menyaring vektor ancaman khas GenAI, Set Kebijakan diberlakukan di gateway, dan Kunci Akses membatasi eksposur. Accountability bertumpu pada pemisahan tugas di Kontrol dan atribusi penuh di Log Audit.