Mencegah Kegagalan Pemanfaatan AI Generatif di Sektor Publik: Apa yang Harus Dilakukan Pemerintah?

  • 27/02/2025
  • Category: Commentaries ID
Tidak ada komentar
AI Utilization in the Public Sector

Author: Hosea Immanuel Latumahina

Editor: Bangkit Adhi Wiguna

Pemanfaatan kecerdasan buatan (AI) diproyeksikan akan berkontribusi sebesar 12% terhadap pertumbuhan ekonomi nasional atau sekitar USD 366 miliar pada tahun 2030. Itulah yang diyakini oleh pemerintah Indonesia[1]. Dalam beberapa tahun terakhir, pemerintah semakin menyadari pentingnya AI dalam mentransformasi sektor publik. Ada ketertarikan yang semakin besar dalam memanfaatkan AI generatif untuk meningkatkan pelayanan publik, mengoptimalkan manajemen data, dan memperkuat pengambilan keputusan. Tren adopsi AI ini tercermin dalam berbagai kebijakan nasional, termasuk Strategi Nasional Kecerdasan Buatan Indonesia (Stratnas) 2020-2045 yang menetapkan AI sebagai elemen utama transformasi digital.

tratnas 2020-2045 disusun sebagai pedoman bagi Indonesia dalam menghadapi tantangan teknologi digital, termasuk pengembangan dan pemanfaatan AI[2]. Dalam dokumen ini, AI dijadikan prioritas utama dalam mendukung transformasi digital, terutama dalam pelayanan publik. Kebijakan ini menitikberatkan pada pembangunan infrastruktur digital, peningkatan kapasitas sumber daya manusia, serta penguatan tata kelola berbasis teknologi.

Namun, meskipun Stratnas telah menetapkan arah dan target yang jelas, implementasi AI generatif di sektor publik masih menghadapi hambatan besar. Hingga saat ini, belum ada regulasi hukum yang konkret mengenai pemanfaatan AI, dan banyak target yang belum terealisasi. Integrasi AI berjalan lambat, sementara infrastruktur digital, kebijakan regulasi, serta tata kelola data masih dalam tahap awal pengembangan.

Kesenjangan antara visi strategis yang dirancang dalam Stranas dan realitas di lapangan sangat jelas terlihat dari minimnya penerapan AI yang konkret dalam layanan pemerintah. Berbagai inisiatif pemerintah masih sebatas uji coba, bukan benar-benar memanfaatkan AI untuk meningkatkan efisiensi sektor publik atau memberikan layanan yang lebih personal bagi masyarakat. Selain itu, kekhawatiran mengenai privasi data, keamanan siber, serta distribusi infrastruktur digital yang belum merata di Indonesia menjadi tantangan besar dalam mewujudkan target ambisius yang telah ditetapkan dalam strategi ini..

Infrastruktur Publik Digital (DPI) sebagai Fondasi Pemanfaatan AI Generatif di Sektor Publik

Dalam sektor publik, Infrastruktur Publik Digital (Digital Public Infrastructure/DPI) mengacu pada sistem dan layanan digital dasar yang memungkinkan penyelenggaraan layanan publik berbasis teknologi, termasuk AI.[5] DPI mencakup berbagai komponen, seperti sistem identitas digital, platform pertukaran data yang aman, serta aplikasi layanan publik yang dapat dioperasikan secara terpadu. Tanpa DPI yang kuat, penerapan AI—terutama AI generatif—akan mengalami keterbatasan dan berpotensi menimbulkan ketimpangan dalam penyediaan layanan publik.[3]

DPI merupakan sistem dan layanan digital bersama yang aman, dapat dioperasikan secara terpadu, dan dirancang dengan prinsip akses yang inklusif. Ada tiga komponen utama yang mendukung DPI, yaitu perangkat lunak dan keras, infrastruktur bersama, serta layanan. Kombinasi ketiga elemen ini menjadikan DPI harus dirancang berdasarkan prinsip “kepentingan bersama,” yakni sebagai sistem digital terbuka yang aman, saling terhubung, berstandar terbuka, memastikan akses layanan bagi semua pihak, serta berorientasi pada prioritas kebijakan[4]. DPI bukan sekadar soal teknologi, tetapi juga mencakup perancangan yang matang dan tata kelola yang baik agar dapat benar-benar melayani kepentingan publik secara efektif.

Pengelolaan data dengan basis DPI sangat penting. Sayangnya, pengelolaan data dan infrastruktur di Indonesia masih jauh dari optimal. Banyak sistem yang tumpang tindih, tidak terintegrasi, dan tidak saling terkoneksi. Pengembangan DPI harus memperhatikan nilai-nilai publik dan memastikan aksesibilitas bagi semua warga. Dengan kata lain, tata kelola data harus diperkuat agar data pribadi masyarakat dapat diakses secara aman dan transparan, sekaligus menjaga keamanan informasi.

Mengapa Infrastruktur Publik Digital (DPI) itu Penting?

Penerapan AI generatif membutuhkan fondasi DPI yang kuat untuk menganalisis data, melatih algoritma, dan menyediakan layanan berbasis AI secara merata dan efisien. Agar pemanfaatannya berjalan optimal, AI generatif di sektor publik harus memenuhi setiap komponen dalam Infrastruktur Publik Digital. Beberapa negara telah membuktikan bagaimana DPI dapat mendukung adopsi teknologi secara efektif dalam layanan publik. Estonia dan Singapura, misalnya, telah berhasil membangun DPI yang sangat efisien, sehingga mendukung penerapan AI di sektor publik. Estonia memiliki sistem e-government yang canggih, di mana seluruh layanan publik dapat diakses secara digital. Selain itu, Estonia juga memanfaatkan infrastruktur digital terintegrasi untuk menyediakan layanan pemerintahan secara digital dan efisien, termasuk program e-residency yang memungkinkan pengusaha asing mengakses layanan publik digital secara langsung[5].

Keberhasilan Estonia dalam membangun layanan publik digital didorong oleh kolaborasi yang erat serta partisipasi strategis dari berbagai pemangku kepentingan, termasuk pemerintah, politisi, akademisi, pemimpin bisnis, pegawai negeri, hingga masyarakat[6]. Keberhasilan Estonia dalam pengembangan digital juga berakar pada diagnosis yang tepat terhadap tantangan dan permasalahan domestiknya. Berbeda dengan banyak negara lain yang strategi transformasi digitalnya lebih mengikuti siklus pendanaan struktural Eropa daripada merespons kebutuhan domestik, Estonia memilih pendekatan yang lebih kontekstual dan berbasis kebutuhan nyata. Seperti dalam penelitian yang dilakukan oleh Kattel & Mergel (2019), menemukan bahwa karena Estonia tidak memiliki kapasitas ekonomi dan kemauan politik yang cukup untuk membangun industri teknologi berskala besar, negara ini memilih untuk mengembangkan teknologi sebagai keterampilan sosial-ekonomi yang bersifat umum. Dengan kata lain, alih-alih membangun industri TI dan elektronik tertentu, Estonia lebih berfokus pada pengembangan teknologi informasi sebagai keterampilan dasar yang dapat dimanfaatkan oleh sebanyak mungkin warga negara. Pendekatan ini memungkinkan Estonia untuk menerapkan strategi transformasi digital secara lompatan jauh (leapfrog), bukan sekadar mengejar ketertinggalan dari negara-negara Barat.[7].

Transformasi digital dalam tata kelola pemerintahan Estonia juga berfokus pada pengembangan prinsip-prinsip dasar seperti arsitektur digital publik yang futuristik dan universal, serta agenda digital yang terdesentralisasi dan terdistribusi, termasuk infrastruktur basis data yang mencakup berbagai kementerian, departemen, dan lembaga pemerintah. Pemerintah mendorong setiap institusi untuk mengembangkan agenda digital mereka sendiri dan mencari solusi berbasis open-source daripada bergantung pada vendor eksternal. Prinsip ini kemudian berkembang menjadi strategi eksplisit yang mengharuskan kementerian, departemen, dan lembaga pemerintah untuk membangun sistem TI mereka sesuai dengan kebutuhan spesifik masing-masing, namun tetap memastikan efisiensi dan interoperabilitas di seluruh sektor pemerintahan. Arsitektur terdistribusi yang dihasilkan menciptakan kebutuhan akan lapisan perangkat lunak yang memungkinkan sistem TI dan basis data yang tersebar ini dapat saling berkomunikasi dan bertukar data secara efektif[8]. Namun, inti dari transformasi digital Estonia terletak pada konsep masyarakat digital (digital citizen), di mana setiap individu dapat mengakses layanan publik maupun sektor swasta melalui platform digital. Pendekatan ini berhasil mendorong peningkatan interoperabilitas berbagai sistem informasi yang beragam dan terdesentralisasi, sekaligus mengintegrasikannya ke dalam layanan publik-swasta yang esensial dan berkaitan langsung dengan kebutuhan masyarakat.

Di sisi lain, Singapura memanfaatkan AI untuk mengoptimalkan layanan publik, seperti perencanaan kota pintar (smart city) dan sistem layanan kesehatan berbasis data.[9]. Dengan berfokus pada pengembangan analitik data canggih dan perangkat internet of things (IoT), Singapura berhasil mengoptimalkan perencanaan kota serta pengelolaan sumber daya, seperti konsumsi energi, penggunaan air, dan manajemen limbah. Selain itu, pemerintah Singapura juga memanfaatkan AI untuk memenuhi kebutuhan dasar, khususnya di sektor kesehatan. Hal ini memungkinkan integrasi telemedisin, rekam medis digital, serta sistem kesehatan berbasis AI, yang pada akhirnya meningkatkan aksesibilitas dan efisiensi layanan kesehatan bagi masyarakat.[10].

Penelitian oleh Chkuaseli (2024) juga menyebutkan bahwa inti dari strategi digital Singapura adalah tata kelola berbasis data, di mana berbagai data dari berbagai sumber digunakan untuk merumuskan kebijakan dan meningkatkan pelayanan publik. Smart Nation Sensor Platform berperan dalam memantau serta mengelola keamanan publik dan kondisi lingkungan, memungkinkan respons proaktif terhadap berbagai isu seperti krisis kesehatan dan kemacetan perkotaan. Selain itu, kemitraan antara sektor publik dan swasta mendorong inovasi, dengan kolaborasi antara pemerintah, industri, dan akademisi yang mempercepat pengembangan serta penerapan teknologi baru. Strategi pemerintah untuk menyediakan lebih dari 1.000 platform e-services, seperti Singpass—sistem identitas digital yang aman—memungkinkan akses mudah ke berbagai layanan penting, termasuk pelaporan pajak, pengajuan paspor, dan transaksi perumahan publik. Inisiatif-inisiatif ini telah membuktikan bagaimana transformasi digital berbasis DPI dan pendekatan yang berpusat pada warga dapat berkontribusi pada pembangunan berkelanjutan dan peningkatan kualitas hidup di Singapura[11].

Pemerintah Harus Memprioritaskan Kembali Agenda Pemanfaatan AI Generatif

Ketidaksiapan DPI di Indonesia akan berdampak besar terhadap implementasi AI generatif di sektor publik. Tanpa infrastruktur yang memadai, penerapan AI berisiko mengalami bias algoritma, yang justru dapat memperburuk ketimpangan dalam penyediaan layanan publik. Jika model AI dilatih menggunakan data yang tidak lengkap atau tidak mewakili populasi secara keseluruhan, hasil yang dihasilkan bisa menyesatkan dan berpotensi merugikan, terutama bagi kelompok marjinal[12]. Selain itu, tata kelola yang lemah dalam manajemen data dan teknologi akan memperburuk masalah transparansi dan akuntabilitas dalam penggunaan AI di sektor publik. Hal ini berpotensi memperlebar kesenjangan sosial serta mengikis kepercayaan masyarakat terhadap pemerintah[13]. Sebagai contoh nyata, serangan ransomware terhadap Pusat Data Nasional (PDN) telah mengunci data dari setidaknya 282 kementerian dan lembaga pemerintah daerah, yang menyebabkan perlambatan dalam berbagai layanan publik daring. Gangguan ini berdampak pada proses kedatangan dan keberangkatan, pencairan beasiswa, pendaftaran warga asing untuk Nomor Pokok Wajib Pajak (NPWP), serta berbagai layanan penting lainnya[14]. Selain itu, serangan ransomware terhadap PDN ini telah menurunkan persepsi kepercayaan publik terhadap pemerintah, menunjukkan betapa rentannya infrastruktur digital dalam menjaga keamanan data dan kelangsungan layanan publik.[15].

Untuk memastikan keberhasilan implementasi AI generatif di sektor publik Indonesia, pengembangan DPI yang kuat harus menjadi prioritas utama. Pemerintah perlu berinvestasi dalam menciptakan sistem yang aman, interoperabel, dan mampu mendukung pertukaran serta integrasi data secara efisien di berbagai sektor publik. Selain itu, regulasi yang jelas dan transparan mengenai privasi data, keamanan siber, serta etika penggunaan AI harus segera disusun guna membangun kepercayaan masyarakat serta mendorong adopsi AI yang lebih luas.

Peningkatan literasi digital serta penguatan kapasitas bagi tenaga kerja di sektor publik juga menjadi aspek krusial dalam menghadapi transformasi berbasis AI. Lebih jauh, pemerintah harus menjalin kolaborasi dengan sektor swasta, institusi akademik, dan masyarakat sipil guna memastikan bahwa pengembangan teknologi AI selaras dengan kebutuhan serta nilai-nilai publik. Terakhir, pendekatan yang cermat dalam pemantauan dan evaluasi perlu diterapkan untuk mengukur kemajuan serta mengidentifikasi risiko potensial, sehingga target Stratnas 2020-2045 dapat tercapai sesuai dengan rencana yang telah ditetapkan.risks, ensuring that the goals of Stratnas 2020-2045 are achieved within the expected timeline.

  1. Kementerian Ekonomi Indonesia, 2025. Pemerintah Terus Berikan Dukungan Terkait Optimalisasi Transformasi Digital. Kementerian Ekonomi Indonesia. Available at: https://www.ekon.go.id/publikasi/detail/5927/pemerintah-terus-berikan-dukungan-terkait-optimalisasi-transformasi-digital (Diakses: 27 Februari 2025). ↑

  2. Badan Pengkajian dan Penerapan Teknologi. (2020). Strategi Nasional Kecerdasan Artificial Indonesia 2020-2045. Badan Pengkajian dan Penerapan Teknologi. ↑

  3. Kuziemski, M., X, Y., Z. (2024). AI Governance in the Public Sector: Three Tales from the Frontiers of Automated Decision-Making in Democratic Settings. Available at: https://www.researchgate.net/publication/340725541 ↑

  4. Eaves, D., Mazzucato, M. and Pagliarini, G., 2024. Leveraging digital public infrastructures for the common good to promote inclusive and sustainable economic development in Brazil. UCL Institute for Innovation and Public Purpose, Working Paper Series (IIPP WP 2024-19). Available at: https://www.ucl.ac.uk/bartlett/public-purpose/wp2024-19 ↑

  5. Lars, E. (2024, December 4). e-Estonia – We have built a digital society & we can show you how. e-Estonia. https://e-estonia.com/ ↑

  6. Kattel, R. and Mergel, I., 2019. Estonia’s digital transformation: Mission mystique and the hiding hand. Available at: https://doi.org/10.2139/ssrn.3443374 ↑

  7. Burlamaqui, L. and Kattel, R., 2016. ‘Development as leapfrogging, not convergence, not catch-up: Towards Schumpeterian theories of finance and development’. Review of Political Economy, 28(2), pp.270–288 ↑

  8. Laar, M., 2010. Interview with Stephen J. Dubner, for ‘Freakonomics Radio’ podcast, 24 March ↑

  9. Katal, N., 2024. AI-driven healthcare services and infrastructure in smart cities. In: Smart Cities. CRC Press, pp. 150-170. ↑

  10. Chkuaseli, 2024. Singapore: A leader in smart city initiatives and digital government services. Available at: https://eustochos.com/singapore-a-leader-in-smart-city-initiatives-and-digital-government-services/ ↑

  11. Chan, J.J. and Chye, S.W.C., 2023. Impact of smart city initiatives on urban planning strategies in Singapore: An in-depth analysis of technology-driven solutions and their influence on sustainable development and quality of life. Journal of Strategic Management, 7(7), pp.11-21. ↑

  12. Anderson, 2020. The inadequacy of DPI in Indonesia and its impact on generative AI deployment in the public sector. Available at: https://surface.syr.edu/cgi/viewcontent.cgi?article=2831&context=honors_capstone ↑

  13. Corwin, S. and Lewis, L., 2019. Poor governance in the management of data and technology exacerbates issues of transparency and accountability in AI usage. Brookings Institution. Available at: https://www.brookings.edu/articles/algorithmic-bias-detection-and-mitigation-best-practices-and-policies-to-reduce-consumer-harms/ ↑

  14. Rangkuti, 2024. Dampak yang ditimbulkan dari peretasan data nasional oleh ransomware 3.0 tahun 2024. Available at: https://fahum.umsu.ac.id/blog/dampak-yang-ditimbulkan-dari-peretasan-data-nasional-oleh-ransomware-3-0-tahun-2024/ ↑

  15. Wardani, V.G., Santosa, H.P. and Setyabudi, D., 2022. Pengaruh terpaan berita kebocoran data penduduk dan terpaan negative e-word of mouth di media sosial terhadap tingkat kepercayaan masyarakat pada pemerintah pusat dalam menangani kasus kebocoran data. Interaksi Online, 11(1), pp.326-336. ↑