Analisis strategis AIGEO.ID | 26 Oktober 2026. Pengadaan artificial intelligence (AI), atau kecerdasan buatan, di instansi pemerintah menghadirkan masalah yang berbeda dari membeli komputer. Lisensi chatbot mungkin murah, tetapi implementasi memerlukan pengamanan data, integrasi, evaluasi keluaran, pengawasan manusia, perbaikan proses dan kemungkinan biaya keluar dari vendor. Harga penawaran terendah tidak otomatis menghasilkan biaya layanan terendah atau nilai publik terbaik. AIGEO.ID mengaudit kerangka hukum pengadaan Indonesia dan menguji simulasi total biaya kepemilikan selama tiga tahun.
Sumber primer yang digunakan adalah Perpres Nomor 46 Tahun 2025, perubahan kedua atas Perpres 16/2018 tentang Pengadaan Barang/Jasa Pemerintah, serta naskah konsolidasi LKPP. Sebagai kerangka evaluasi teknologi, AIGEO.ID menggunakan NIST AI Risk Management Framework Playbook, yang bersifat sukarela, bukan regulasi Indonesia. Analisis ini tidak mengklaim ada ketentuan khusus ‘harga lisensi AI’ dalam pasal Perpres tanpa menyebut naskah hukum.
Mengapa membeli AI berbeda dari membeli perangkat lunak biasa
Dalam perangkat lunak tradisional, pengguna memasukkan data lalu program menjalankan aturan yang relatif deterministik. Sistem AI generatif menghasilkan keluaran probabilistik yang dapat berubah menurut model, konteks, data, dan pembaruan vendor. Pengadaan tidak cukup memeriksa apakah aplikasi dapat diakses dan akun aktif. Organisasi harus membuktikan hasil cukup akurat untuk tugas tertentu, kesalahan dapat dideteksi, data tidak bocor, dan keputusan penting tetap memiliki penanggung jawab.
Misalkan satu dinas membeli alat untuk merangkum pengaduan masyarakat. Keluaran yang salah dapat menyebabkan salah klasifikasi, keterlambatan layanan, atau pengungkapan data warga. Kontrak perlu mengatur akurasi minimum, verifikasi manual, hak mengaudit, penghapusan data, respons insiden, portabilitas arsip, dan konsekuensi bila kualitas turun. Perubahan versi model yang dilakukan vendor setelah pengadaan juga dapat mengubah perilaku sistem, meskipun kontrak lisensinya belum berakhir.
Audit kerangka hukum: jangan menyamakan Perpres dengan standar NIST
Perpres 46/2025 memperbarui kerangka pengadaan yang telah diubah oleh Perpres 12/2021, dengan perhatian pada optimalisasi manfaat belanja, penggunaan produk dalam negeri, dan pengaturan lain. Untuk memastikan pasal mana berlaku, pembaca perlu memeriksa teks konsolidasi LKPP dan aturan turunan pada tanggal pengadaan. Tidak tepat mengklaim NIST memiliki kekuatan hukum wajib di Indonesia. NIST menyediakan fungsi Govern, Map, Measure, Manage yang dapat diadopsi sebagai metode evaluasi risiko, sepanjang sesuai kewenangan dan ketentuan nasional.
| Fungsi NIST AI RMF | Pertanyaan untuk pengadaan pemerintah | Bukti yang sebaiknya tersedia |
|---|---|---|
| Govern | Siapa bertanggung jawab atas sistem dan kesalahan? | SK penanggung jawab, kebijakan penggunaan, daftar peran dan vendor |
| Map | Tugas, pengguna, data, dan dampak apa yang terlibat? | Peta proses, klasifikasi data, kelompok terdampak |
| Measure | Seberapa baik dan aman hasil sistem? | Dataset uji, baseline manusia, akurasi, insiden dan bias |
| Manage | Bagaimana risiko dikurangi sepanjang kontrak? | Rencana mitigasi, hak audit, eskalasi, penghentian, exit plan |
Matriks itu merupakan sintesis editorial. Tidak ada alasan menganggap seluruh pengadaan AI otomatis masuk satu kelas risiko. Ringkasan dokumen terbuka dan sistem yang memutuskan penerima bantuan memiliki dampak sangat berbeda. Penilaian harus mempertimbangkan hak warga, kerahasiaan, besarnya populasi terdampak, dan kemampuan mengoreksi keputusan.
Hitungan AIGEO: total biaya tiga tahun, bukan harga lisensi tahun pertama
Kami membandingkan dua penawaran hipotetis untuk aplikasi layanan publik. Vendor A menawarkan lisensi Rp500 juta per tahun, vendor B Rp800 juta per tahun. Tanpa biaya lain, A tampak lebih murah Rp300 juta setahun. Namun integrasi, pengamanan, pelatihan, pemeliharaan, dan migrasi akhir kontrak dapat mengubah hasil. Semua angka di bawah adalah asumsi ilustratif, bukan HPS atau penawaran nyata.
| Komponen biaya selama 3 tahun | Vendor A (Rp juta) | Vendor B (Rp juta) |
|---|---|---|
| Lisensi 3 tahun | 1.500 | 2.400 |
| Integrasi dan penyiapan | 1.200 | 500 |
| Keamanan dan audit | 450 | 300 |
| Pelatihan dan supervisi | 600 | 300 |
| Biaya perubahan/keluar | 900 | 200 |
| Total biaya 3 tahun | 4.650 | 3.700 |
Rumus total biaya kepemilikan atau total cost of ownership (TCO) adalah jumlah seluruh komponen selama horizon yang sama. Vendor A = 1.500 + 1.200 + 450 + 600 + 900 = Rp4,65 miliar. Vendor B = 2.400 + 500 + 300 + 300 + 200 = Rp3,70 miliar. Dalam simulasi ini, vendor B lebih murah Rp950 juta selama tiga tahun, meskipun lisensinya lebih mahal. Selisih relatif terhadap A = 950 ÷ 4.650 × 100% ≈ 20,4%.
TCO pun belum cukup: bila salah satu vendor lebih sering salah memproses permohonan, biaya koreksi dan dampak warga dapat melampaui selisih Rp950 juta. Nilai ekonominya harus dihubungkan dengan tingkat keberhasilan layanan yang diverifikasi, bukan jumlah token yang diproses. Pengadaan yang menilai harga dan kualitas memerlukan metode yang konsisten, bukti kemampuan, dan pengawasan sesuai aturan yang berlaku.
Model uji manfaat yang dapat direproduksi
Bayangkan unit pelayanan memproses 120.000 permohonan per tahun. Sebelum AI, petugas menghabiskan rata-rata 12 menit untuk klasifikasi dan ringkasan; setelah pilot, 8 menit termasuk verifikasi manusia. Selisihnya 4 menit per permohonan. Kapasitas waktu yang dapat dialihkan = 120.000 × 4 ÷ 60 = 8.000 jam per tahun. Itu bukan 8.000 jam lembur yang pasti hilang atau bukti pegawai dapat dikurangi. Nilainya baru nyata bila waktu dialihkan untuk pekerjaan bernilai tambah, antrean turun, atau biaya yang dapat diukur berkurang.
Jika tingkat kesalahan awal 2% dari 120.000 permohonan, berarti 2.400 kasus perlu diperbaiki. Jika setelah AI naik menjadi 3%, jumlahnya 3.600, tambahan 1.200 kesalahan. Tanpa data biaya koreksi dan dampak, tidak boleh langsung menilai pilot sukses hanya dari kecepatan. Sebaliknya, jika kesalahan turun menjadi 1%, jumlah kesalahan 1.200, sehingga ada 1.200 koreksi lebih sedikit. Ukuran keberhasilan harus mencakup kecepatan, mutu, keamanan, keadilan, dan pengalaman warga sekaligus.
Tujuh klausul kontrak yang sering terlupakan
- Ruang lingkup: tugas yang boleh dan dilarang, data yang dapat diproses, batas penggunaan keluaran untuk keputusan.
- Versi model: kewajiban memberi tahu pembaruan yang mengubah perilaku, evaluasi ulang sebelum migrasi mayor.
- Hak audit: akses ke log, metodologi pengujian, bukti keamanan dan rekam perubahan tanpa membuka rahasia yang tak perlu.
- Perlindungan data: pengendali/prosesor, retensi, subprosesor, transfer lintas negara, penghapusan, dan notifikasi insiden.
- Portabilitas: format ekspor standar, dokumentasi integrasi, jadwal pengembalian data, dan bantuan migrasi.
- Indikator layanan: akurasi pada dataset instansi, latensi, uptime, penanganan kesalahan, dan biaya per permohonan berhasil.
- Penghentian: hak menangguhkan sistem ketika risiko melampaui batas, mekanisme layanan manual dan alokasi tanggung jawab.
Mengapa biaya keluar menjadi isu kedaulatan digital
Sebuah instansi bisa terikat pada vendor karena prompt, alur kerja, log, indeks dokumen, atau format data tidak dapat dipindahkan. Ketika harga naik atau layanan dihentikan, biaya keluar yang sebelumnya diabaikan muncul sebagai anggaran mendadak. Perencanaan yang baik memisahkan aset negara—data, aturan keputusan, dokumen dan metadata—dari perangkat lunak vendor. Kontrak harus memastikan negara tetap dapat mengakses, mengekspor, memverifikasi, dan memigrasikan data secara aman.
Ketergantungan tidak selalu buruk: layanan khusus kadang memang unggul. Namun ketergantungan harus dihargai secara eksplisit dalam TCO dan penilaian risiko. Sistem terbuka juga tidak otomatis gratis; perlu biaya operasional, patch, pengawasan, keamanan, dan pengembangan. Perbandingan vendor harus menggunakan standar layanan setara, bukan lisensi berbayar melawan perangkat lunak terbuka tanpa menghitung tim pemelihara.
Peta tanggung jawab untuk pilot 90 hari
Hari 1–15: petakan masalah, dasar hukum, sumber data, indikator awal, dan prosedur manual pembanding. Hari 16–30: buat dataset uji yang tidak membocorkan data warga, tetapkan ambang mutu dan keamanan. Hari 31–60: jalankan sistem dalam mode bayangan, yakni AI menghasilkan saran tetapi keputusan tetap diproses normal; ukur selisih kesalahan dan waktu. Hari 61–75: lakukan evaluasi independen, uji skenario gagal, dan wawancarai pengguna layanan. Hari 76–90: putuskan lanjut, perbaiki, atau hentikan berdasarkan kriteria yang ditetapkan sebelum pilot.
Bila sistem hanya lulus pada dokumen bersih, uji dengan dokumen berformat buruk, bahasa daerah, kesalahan pengetikan, serta informasi tidak lengkap. Pengujian kelompok rentan penting agar percepatan tidak dibayar dengan diskriminasi. Sebelum mengumumkan keberhasilan, terbitkan ringkasan dataset uji, metode pengukuran, dan tingkat kesalahan tanpa membuka data pribadi.
FAQ
Apakah Perpres 46/2025 mengatur semua detail pengadaan AI?
Tidak. Ia adalah kerangka umum pengadaan yang harus dibaca bersama aturan pelaksanaan, ketentuan sektoral, hukum data pribadi, dan kebutuhan teknis instansi. NIST adalah referensi sukarela untuk pengelolaan risiko.
Mengapa vendor dengan lisensi mahal bisa lebih hemat?
Karena lisensi hanya salah satu komponen TCO. Dalam simulasi AIGEO.ID, vendor dengan lisensi tiga tahun Rp2,4 miliar justru memiliki TCO Rp3,7 miliar, lebih rendah daripada alternatif Rp4,65 miliar setelah integrasi dan biaya keluar.
Apakah AI yang menghemat 8.000 jam berarti boleh mengurangi pegawai?
Tidak otomatis. Jam itu adalah kapasitas tugas hipotetis yang dapat dialihkan. Dampak terhadap pegawai memerlukan kebijakan SDM, pengukuran layanan, dan kewajiban hukum tersendiri.
Matriks keputusan: kapan pilot harus dihentikan?
Kesalahan terbesar dalam program AI publik sering terjadi ketika uji coba tidak memiliki kriteria penghentian. Sejak awal, instansi perlu menetapkan ambang kesalahan kritis, tingkat ketersediaan, batas biaya per layanan, serta dampak pada kelompok rentan. Jika sistem merangkum pengaduan, kesalahan kecil pada tanda baca mungkin dapat diperbaiki; tetapi kesalahan yang menghilangkan informasi ancaman keselamatan atau identitas penerima bantuan memerlukan eskalasi segera. Nilai rata-rata akurasi saja tidak memadai untuk menilai konsekuensi.
| Gerbang keputusan pilot | Bukti minimum | Pilihan bila gagal |
|---|---|---|
| Kualitas keluaran | Perbandingan dengan penelaah manusia pada sampel representatif | Perbaiki dataset, ubah alur, atau hentikan fitur |
| Keamanan data | Uji akses, log, retensi, dan jalur respons insiden | Batasi input dan tunda produksi |
| Biaya total | TCO termasuk koreksi, integrasi, dan keluar | Negosiasi ulang atau pilih alternatif |
| Keadilan layanan | Evaluasi kasus kelompok rentan dan bahasa berbeda | Tambahkan jalur manual dan pengujian ulang |
| Ketahanan operasional | Uji gangguan vendor dan pemulihan layanan | Sediakan cadangan dan prosedur manual |
Gerbang tersebut adalah usulan editorial, bukan ketentuan normatif Perpres. Organisasi dapat menyesuaikannya berdasarkan risiko. Yang penting, hasil evaluasi tidak hanya disusun oleh vendor yang akan memperoleh kontrak. Instansi perlu memiliki hak memeriksa log dan dataset uji, serta penilai yang memahami proses pelayanan dan risiko hukum. Ketika sistem gagal, keputusan penghentian harus bisa diambil tanpa kehilangan seluruh data atau memutus layanan warga.
Uji stres anggaran ketika kontrak berubah
Lanjutkan simulasi TCO tiga tahun dengan skenario harga lisensi naik 15% pada tahun ketiga, bila kontrak mengizinkan perubahan harga. Untuk vendor A dengan lisensi Rp500 juta setahun, kenaikan tahun ketiga sebesar Rp75 juta; TCO menjadi Rp4,725 miliar jika biaya lain tetap. Untuk vendor B dengan Rp800 juta setahun, kenaikannya Rp120 juta; TCO menjadi Rp3,82 miliar. Selisih baru Rp905 juta. Ini bukan proyeksi kenaikan harga vendor tertentu, tetapi menunjukkan mengapa klausul eskalasi harga dan mata uang penting bagi belanja publik.
Jika biaya integrasi melampaui rencana 25%, vendor A mengalami tambahan Rp300 juta pada pos Rp1,2 miliar, sedangkan vendor B tambahan Rp125 juta pada pos Rp500 juta. Bila kedua stres terjadi bersamaan, TCO A menjadi Rp5,025 miliar dan B Rp3,945 miliar. Perbandingan semacam ini lebih berguna daripada memilih angka penawaran yang hanya berlaku pada tahun pertama. Namun analisis harus tetap memasukkan kualitas layanan dan risiko, karena biaya rendah tanpa hasil yang benar bukan efisiensi.
Akuntabilitas publik setelah kontrak ditandatangani
Laporan kemajuan sebaiknya menyajikan jumlah layanan yang diproses, proporsi yang ditinjau manusia, tingkat kesalahan per kelas risiko, waktu pemulihan insiden, biaya per permohonan berhasil, dan pengaduan warga. Publikasikan ringkasan metode tanpa membocorkan data pribadi atau konfigurasi keamanan sensitif. Perbandingan sebelum–sesudah juga perlu kelompok pembanding agar perubahan layanan akibat penambahan pegawai atau pembenahan prosedur tidak seluruhnya diklaim sebagai manfaat AI.
Satu pertanyaan penting adalah apakah sistem memperbesar akses kelompok yang sebelumnya sulit terlayani. Kecepatan rata-rata dapat membaik sambil memperburuk layanan warga dengan dokumen tidak lengkap, bahasa daerah, atau keterbatasan digital. Karena itu, hasil harus dipilah menurut jenis layanan dan kondisi pengguna dengan tetap melindungi privasi. Ukuran keberhasilan pengadaan adalah nilai publik yang dapat dibuktikan, bukan semata jumlah akun yang dibeli.
Metode dan rujukan
Sumber: LKPP, konsolidasi Perpres 46/2025; NIST AI RMF Playbook; UU PDP 27/2022. Seluruh biaya, jumlah permohonan dan rasio kesalahan adalah skenario editorial, bukan data APBN atau hasil evaluasi instansi tertentu. Untuk bacaan lanjutan, lihat audit vendor sektor usaha dan peta regulasi AI nasional. Prinsip akhir: nilai pengadaan AI harus diuji dari layanan yang lebih baik dan dapat dipertanggungjawabkan, bukan demo model atau tarif promosi.
Leave a Reply