Bayangkan seorang dokter spesialis di RSUD Kota Bandung membuka aplikasi baru untuk rekam medis digital. Ia mengklik tombol 'verifikasi integrasi dengan SIK', lalu menunggu tiga minggu — bukan karena sistem lambat, tapi karena tim IT rumah sakit masih menunggu hasil audit keamanan dari Kemenkes dan sertifikat ISO/IEC 27001 dari lembaga independen. Di belakang layar, kode aplikasi itu memang dibangun dalam 6 minggu, bukan enam bulan, berkat asisten AI yang menulis 80% skrip backend. Tapi kepercayaan? Itu tidak di-generate oleh model bahasa.
Verifikasi Klinis Bukan Soal Kecepatan Kode
Standard Form, startup asal Singapura yang fokus pada software manajemen klinis untuk rumah sakit, memang mengklaim biaya pengembangan solusi mereka turun hingga 40% berkat pemanfaatan large language models dalam dokumentasi teknis dan generasi API stubs. Namun co-founder sekaligus CTO-nya, David Tan, menegaskan: penurunan biaya ini sama sekali tidak mempercepat proses akuisisi klien rumah sakit. "Kami bisa deploy versi beta dalam 14 hari. Tapi proses validasi klinis, uji interopabilitas dengan sistem HIS lama, dan persetujuan komite etik tetap butuh 5–7 bulan — seperti dulu," katanya dalam wawancara eksklusif dengan TechInAsia.
Dilansir TechInAsia, Standard Form telah mengantongi kontrak dengan 12 rumah sakit di Asia Tenggara sejak 2022, namun rata-rata waktu dari penandatanganan MoU hingga go-live adalah 204 hari. Angka ini nyaris identik dengan rata-rata industri di wilayah tersebut menurut laporan HIMSS Asia Pacific 2021 — 201 hari. Artinya, mesin AI memang memangkas waktu coding, tapi tidak menyentuh bottleneck sebenarnya: prosedur administratif, standar interoperabilitas nasional, dan budaya kehati-hatian klinis.
Baca juga: Neural Drive Potong Biaya Alat Komunikasi Bantu 90% Tanpa Operasi
Rumah Sakit Bukan Startup, dan Itu Harus Dihormati
Di Indonesia, proses sertifikasi perangkat lunak kesehatan diatur dalam Permenkes No. 29 Tahun 2023 tentang Registrasi Alat Kesehatan dan Perangkat Lunak Kesehatan. Setiap modul harus melewati uji keamanan data pasien (termasuk enkripsi end-to-end), simulasi kegagalan sistem, serta verifikasi kepatuhan terhadap standar HL7 FHIR v4.0 — bukan hanya sekadar bisa berjalan, tapi harus bisa bertahan saat server pusat mati selama 4 jam tanpa kehilangan satu catatan obat pun. Ini bukan soal "scalability" dalam arti kapasitas beban, tapi soal resilience dalam konteks medis nyata.
Menurut TechInAsia, Standard Form justru sengaja memperlambat rilis fitur baru di pasar Asia Tenggara demi memprioritaskan dokumentasi audit yang lengkap — termasuk log perubahan kode tiap jam, laporan penetration test bulanan, dan transkrip rapat komite etik klinis. Mereka tidak menjual software; mereka menjual jejak audit yang bisa diajukan ke BPOM dan Kemenkes. Di sini, AI hanya menjadi asisten notulis, bukan pembuat keputusan.
Baca juga: Stripe Masuk Singapura: Apa Artinya untuk UMKM Indonesia?
Padahal, tekanan pasar sangat besar. Menurut Asosiasi Rumah Sakit Seluruh Indonesia (ARSI), 68% rumah sakit swasta di Jawa-Bali sudah mengajukan anggaran khusus untuk transformasi digital 2024–2025. Namun 73% dari mereka mengaku kesulitan memilih vendor karena tidak ada standar evaluasi teknis yang seragam antar-provinsi. Sebuah rumah sakit di Makassar mungkin mensyaratkan sertifikasi ISO 27001, sementara di Semarang lebih menekankan uji coba langsung selama tiga bulan di ruang gawat darurat — tanpa syarat sertifikasi eksternal.
Ini juga menjelaskan mengapa banyak startup lokal seperti Medika.ai atau KlinikQ justru memilih model kerja sama dengan rumah sakit sebagai mitra pengembang bersama — bukan vendor. Mereka masuk lewat program inovasi internal, bukan tender umum. Dengan begitu, proses verifikasi bisa dilakukan paralel dengan pengembangan, bukan bertumpuk di akhir. Tapi model ini hanya mungkin jika startup mau menerima margin lebih rendah dan terlibat dalam proses birokrasi rumah sakit — sesuatu yang jarang ditawarkan oleh penyedia asing.
mirip dengan era awal adopsi sistem PACS (Picture Archiving and Communication System) di awal 2000-an. Saat itu, harga server turun 60% dalam lima tahun, tapi rumah sakit tetap menunda implementasi selama rata-rata 42 bulan — bukan karena teknologi belum siap, tapi karena dokter radiologi menuntut pelatihan ulang, bagian keuangan menolak perubahan alur tagihan, dan manajemen takut kehilangan kendali atas arsip film X-ray fisik. Persoalan bukan pada chip atau bandwidth, melainkan pada struktur kekuasaan, tanggung jawab, dan kebiasaan kerja yang terbentuk selama puluhan tahun. AI murah hari ini menghadapi tantangan yang sama — hanya saja, kali ini, yang diuji bukan kemampuan server, melainkan ketahanan prosedur manusia.