Apakah pusat inovasi AI di Asia benar-benar berada di Singapura — atau hanya terlihat begitu karena kebijakan pajak, infrastruktur digital, dan akses ke talenta global?
Kenapa Singapura, Bukan Jakarta atau Bangkok?
Databricks, perusahaan manajemen data dan platform AI asal AS, memang tidak membangun kantor baru di Jakarta, Seoul, atau bahkan Tokyo. Ia memilih memperkuat posisi di Singapura — tempat kantornya saat ini menampung lebih dari 250 karyawan dan berfungsi sebagai pusat operasi untuk wilayah Asia Pasifik dan Jepang. Keputusan ini bukan soal geografi semata, melainkan hasil kalkulasi ketat atas tiga faktor: kecepatan izin kerja bagi ekspatriat, ketersediaan insinyur data berpengalaman dalam bahasa Inggris, serta stabilitas regulasi terkait data lintas batas. Di Indonesia, misalnya, proses izin kerja untuk spesialis AI bisa memakan waktu 4–6 bulan — sementara Singapura menyelesaikannya dalam 14 hari kerja.
Dilansir TechInAsia, ekspansi ini dipicu permintaan klien korporat dan pemerintah di kawasan yang naik signifikan sejak awal 2023. Khusus di Singapura, Databricks telah bekerja sama dengan Monetary Authority of Singapore (MAS) dalam proyek eksperimen regulasi AI untuk layanan keuangan. Di Thailand dan Vietnam, mereka masih beroperasi lewat mitra teknis — bukan kantor langsung. Ini menunjukkan bahwa kehadiran fisik tidak hanya simbol, tapi juga prasyarat untuk masuk ke proyek-proyek bernilai tinggi dengan instansi strategis.
Baca juga: Huawei dan HP Sepakat Bayar Royalti Wi-Fi 6, Tapi Siapa yang Menang di Pasar Indonesia?
Apa yang Hilang dari Peta Talent Pool Asia?
Angka 'lebih dari 250 karyawan' memang mengesankan — tapi perlu dilihat konteksnya. Menurut laporan LinkedIn Workforce Report 2024, jumlah profesional AI dan data engineering di Singapura mencapai 18.700 orang. Di Indonesia, angkanya 42.300 — namun hanya 12% di antaranya memiliki sertifikasi platform Databricks atau pengalaman langsung dengan Delta Lake dan Unity Catalog. Sisanya dominan bekerja di stack lokal: MySQL, PostgreSQL, dan tools ETL berbasis Python tanpa integrasi cloud-native. Artinya, Databricks tidak sekadar merekrut ; ia juga harus melatih ulang, dan itu lebih murah dilakukan di Singapura daripada di negara dengan ekosistem pelatihan industri yang belum terstandarisasi.
TechInAsia mencatat bahwa 70% rekrutmen Databricks di Singapura tahun ini ditujukan untuk posisi teknis tingkat menengah ke atas: AI Solutions Architect, Cloud Data Platform Engineer, dan Compliance AI Specialist. Tidak ada satu pun lowongan yang menyebut 'junior data analyst' atau 'fresh graduate'. Ini bukan kebetulan. Platform Databricks membutuhkan pemahaman mendalam tentang lakehouse architecture, governance model berbasis UC, dan integrasi dengan sistem legacy — kombinasi yang jarang ditemukan di lulusan baru, bahkan di universitas top Indonesia.
Baca juga: Neural Drive Potong Biaya Alat Komunikasi Bantu 90% Tanpa Operasi
Singapura telah menjalankan program 'TechSkills Accelerator' sejak 2016, dengan subsidi hingga SGD 12.000 per peserta untuk pelatihan AI dan cloud. Program ini bekerja sama langsung dengan vendor seperti Databricks, AWS, dan Google Cloud. Hasilnya nyata: pada kuartal II 2024, 41% lulusan program tersebut langsung direkrut oleh klien Databricks di wilayah APAC. Di Indonesia, program serupa seperti Digital Talent Scholarship masih fokus pada dasar-dasar pemrograman — belum menyentuh arsitektur data modern.
Ekspansi Databricks juga mengungkap celah dalam kebijakan nasional. Di Indonesia, regulasi seperti Peraturan OJK No. 12/POJK.03/2021 tentang Manajemen Risiko Teknologi Informasi belum menyediakan panduan teknis untuk implementasi AI di sistem core banking. Sementara MAS sudah menerbitkan 'AI Verify Testing Framework' sejak 2022 — standar yang secara eksplisit disebut Databricks sebagai 'prasyarat teknis' dalam tender pemerintah Singapura. Tanpa kerangka teknis seperti ini, perusahaan lokal kesulitan membangun solusi yang bisa diverifikasi dan diaudit — sehingga klien akhirnya memilih vendor asing yang sudah memenuhi standar itu.
meski Databricks memperbesar tim di Singapura, ia tidak menutup kemungkinan kolaborasi dengan startup lokal di Indonesia. Pada April 2024, mereka mengumumkan kemitraan dengan dua startup Jakarta — satu di bidang fintech compliance dan satu di healthtech — untuk integrasi platform melalui API terbuka. Namun, semua integrasi itu dikembangkan dan divalidasi di Singapura. Artinya, nilai tambah teknis tetap terpusat di sana, sementara pasar Indonesia berperan lebih sebagai 'laboratorium aplikasi', bukan 'pusat pengembangan'.
Lalu, apa artinya bagi profesional data di Indonesia? Apakah kita hanya akan menjadi konsumen akhir dari platform yang dibangun di luar negeri — atau bisa mengejar ketertinggalan lewat pendidikan, regulasi, dan insentif yang tepat? Dan jika Singapura terus menjadi 'gateway' untuk AI di Asia, apakah negara-negara tetangga justru semakin terpinggirkan dalam rantai nilai teknologi — bukan karena kurang cerdas, tapi karena kurang siap dalam hal aturan main?