"We're already fighting yesterday's battle."
Apa yang Hilang dari Strategi AI Pemerintah Dunia?
Kalimat itu keluar langsung dari mulut Perdana Menteri Yunani Kyriakos Mitsotakis dalam wawancara eksklusif pekan ini — bukan di forum kebijakan formal, melainkan di sela misi dagang ke Silicon Valley. Ia tidak berbicara tentang ancaman eksistensial atau skenario fiksi ilmiah, tapi tentang kenyataan administratif: sistem perpajakan masih manual, prosedur izin usaha belum terintegrasi dengan model prediktif, dan tim teknis di kementerian justru lebih sering memperbaiki server lama daripada menjalankan eksperimen AI skala kecil. Ini bukan kegagalan individu, melainkan ketimpangan struktural antara kecepatan evolusi teknologi dan kecepatan regenerasi kapasitas birokrasi.
Dilansir TechCrunch AI, Mitsotakis menyampaikan pernyataan itu dalam nada reflektif, bukan defensif. Ia bahkan menegaskan bahwa Yunani — negara yang baru saja menyelesaikan reformasi digital pelayanan publik tahap kedua — tetap berada di belakang garis start ketika bicara penerapan AI operasional. Bukan karena kurang dana, tapi karena kurangnya tenaga ahli yang bisa membaca output model, menguji bias algoritmik, dan mengonversi hasil inferensi menjadi kebijakan nyata di tingkat kabupaten.
Baca juga: Mengapa Foto dari Ponsel Bisa Lebih Tajam daripada Kamera DSLR?
Kenapa Regulasi Tidak Cukup untuk Menyelamatkan Layanan Publik
Sejak 2023, Uni Eropa telah menerbitkan Artificial Intelligence Act — regulasi paling komprehensif di dunia soal pembatasan penggunaan AI berisiko tinggi. Namun, seperti dicatat dalam laporan Komisi Eropa akhir 2024, hanya 17 dari 27 negara anggota yang sudah memiliki unit khusus AI di kementerian dalam negeri. Di Yunani sendiri, unit tersebut baru dibentuk Desember lalu, dengan anggaran awal €2,8 juta dan staf 12 orang — sebagian besar berasal dari transfer internal, bukan rekrutmen spesialis AI.
Yang hilang bukan aturan, tapi operational literacy: kemampuan membaca log pelatihan model, memverifikasi data pelatihan, dan membangun pipeline umpan balik antara warga dan sistem otomatis. Di Jakarta, misalnya, sistem integrasi layanan satu pintu (Satu Data Indonesia) masih bergantung pada input manual dari 514 kabupaten/kota — padahal, 68% dari mereka belum punya tim data minimal tiga orang. Tanpa fondasi itu, regulasi hanya jadi dokumen simbolis.
Baca juga: 72% Warga Indonesia Cari Gejala Penyakit via AI — Tapi Diagnosanya Bisa Salah
Menurut TechCrunch AI, Mitsotakis menyebut contoh konkret: sistem penilaian kelayakan kredit UMKM di Yunani masih menggunakan skor FICO versi 2012, meski bank sentral setempat sudah menguji model berbasis NLP yang menganalisis laporan keuangan non-tradisional — seperti transaksi e-wallet dan riwayat pengiriman barang. Kesenjangan antara uji coba dan adopsi massal bukan soal teknologi, tapi soal SOP, pelatihan ulang pegawai, dan revisi standar audit internal.
Di Indonesia, situasi serupa terjadi. Platform Layanan Terpadu Satu Pintu (LTSP) Kemenkeu memang sudah terintegrasi dengan 19 kementerian, namun 72% permohonan izin investasi masih memerlukan verifikasi manual karena sistem belum bisa memproses dokumen dalam format scan PDF berbasis gambar. Padahal, teknologi OCR berbasis transformer sudah tersedia secara open-source sejak 2022 — masalahnya bukan ketersediaan, tapi kapasitas teknis unit pengelola sistem untuk mengimplementasikannya tanpa vendor asing.
Mitsotakis tidak menyalahkan teknologi. Ia justru menekankan bahwa AI adalah "cermin tak bersuara": ia memperkuat kelemahan sistem yang sudah ada — bukan menciptakannya. Ketika prosedur pengadaan barang masih membutuhkan 14 tanda tangan, AI tidak akan menghilangkan birokrasi; ia hanya akan mengotomatiskan 14 langkah itu — termasuk kesalahan manusia di tiap titik. Itulah mengapa Yunani kini mengalokasikan 40% dari anggaran transformasi digital 2025 untuk pelatihan ulang pegawai sipil, bukan untuk membeli platform baru.
Jika pemerintah Indonesia ingin menghindari jebakan 'perang di masa lalu', pertanyaannya bukan lagi apakah kita butuh regulasi AI — tapi apakah kita siap mengubah cara kerja kementerian dari dalam? Apakah kita mau mengukur keberhasilan transformasi digital bukan dari jumlah platform yang diluncurkan, melainkan dari penurunan rata-rata waktu tunggu izin usaha di tingkat kabupaten? Dan yang paling penting: siapa yang akan mengaudit algoritma yang menentukan prioritas distribusi bantuan sosial — apakah auditor keuangan, atau insinyur machine learning yang paham fairness metrics?