AI dalam Penilaian DJKN: Co-Pilot, Bukan Auto-Pilot

Telaah pembuka mengenai posisi AI dalam penilaian DJKN, dengan penekanan pada batas aman penggunaan, kendali manusia yang bermakna, arsitektur sistem resmi, tata kelola data, jejak audit, pelindungan data, dan pertimbangan profesional Penilai Pemerintah.

Oleh Paulus Agung Cahya Wahyudi, Penilai Pemerintah Ahli Madya Kanwil DJKN Jawa Barat

Kedudukan Tulisan

Tulisan ini merupakan pendapat pribadi penulis, tidak dimaksudkan sebagai norma baru atau nasihat hukum, dan tidak mencerminkan kebijakan resmi institusi tempat penulis bekerja. Fokus pembahasan diarahkan pada satu pertanyaan praktis: sejauh mana kecerdasan artifisial (artificial intelligence/AI) dapat dipakai secara aman dalam penilaian DJKN, dan pada titik mana Penilai Pemerintah justru harus menahan diri agar teknologi tidak menggantikan pertimbangan profesional. Sebagai tulisan pembuka seri ini, fokus utamanya adalah meletakkan pagar umum agar AI dipahami sebagai alat bantu yang sah dan aman, bukan pengganti pertimbangan profesional.

Pagar Kelembagaan

Dalam penerapannya, setiap penggunaan AI pada pekerjaan kedinasan harus mengikuti ketentuan peraturan perundang-undangan, kebijakan internal, klasifikasi informasi, tata kelola keamanan informasi, serta arahan penggunaan aplikasi yang berlaku di lingkungan Kementerian Keuangan/DJKN. Tulisan ini tidak mendorong penggunaan layanan AI publik untuk memproses data, dokumen, instruksi (prompt), atau keluaran kerja kedinasan yang bersifat rahasia atau terbatas, mengandung data pribadi, maupun belum disetujui untuk diproses melalui sistem tersebut.

Selain aspek keamanan dan klasifikasi informasi, penggunaan AI dalam pekerjaan kedinasan perlu ditempatkan dalam arsitektur sistem dan proses bisnis resmi. Penggunaannya tidak boleh melahirkan aplikasi, repositori data, atau alur kerja paralel tanpa pemilik proses, pemilik data, otorisasi, dan pengendalian yang jelas. Penggunaan AI harus mengikuti sumber data, hak akses, serta mekanisme integrasi dan validasi yang ditetapkan organisasi.

Mengapa Isu Ini Penting

Perkembangan AI membuat banyak tahap kerja terasa lebih cepat: pencarian regulasi, pembersihan data, pengelompokan dokumen, ringkasan berkas, pembacaan pola pasar, deteksi pencilan, penyusunan alternatif analisis, sampai penyiapan draf narasi. Bagi lingkungan Penilai Pemerintah DJKN, peluang ini menarik karena penilaian menuntut ketelitian tinggi, dokumen yang banyak, dan kebutuhan untuk merapikan informasi yang tersebar sebelum penilai sampai pada simpulan.

AI juga perlu dibedakan dari digitalisasi, integrasi sistem, otomasi berbasis aturan, dan dasbor (dashboard). Tidak semua proses otomatis menggunakan AI, dan dasbor yang informatif belum tentu menghasilkan keputusan yang benar. Teknologi baru memberi nilai ketika bertumpu pada proses bisnis yang jelas dan data yang dapat dipercaya.

Namun, kecepatan mesin mudah menimbulkan ilusi bahwa keluaran yang rapi identik dengan analisis yang benar. Padahal, dalam praktik penilaian, hasil yang baik tidak lahir hanya dari data yang banyak atau model yang cepat, melainkan dari kombinasi antara bukti, verifikasi lapangan, pemilihan pendekatan, pembacaan konteks hukum dan ekonomi, serta pertimbangan profesional. AI dapat mempercepat proses itu, tetapi tidak otomatis mampu memikul mandat publik dan tanggung jawab hukum yang melekat pada opini nilai.

Karena itu, pembahasan AI dalam penilaian DJKN tidak boleh berhenti pada pertanyaan apakah teknologinya canggih. Pertanyaan yang lebih penting adalah apakah penggunaannya sah, aman, dapat dijelaskan, dapat diaudit, dan tetap menempatkan manusia yang kompeten sebagai pengendali keputusan. Dalam posisi yang sehat, AI adalah co-pilot: membantu membaca lebih cepat, merapikan lebih baik, dan memperluas alternatif berpikir, tetapi tidak mengambil alih kemudi pertimbangan profesional.

Norma Inti dan Kompas Tata Kelola

Dalam ekosistem penilaian DJKN, Peraturan Menteri Keuangan Nomor 99 Tahun 2024 menjadi salah satu fondasi regulatif utama karena menempatkan penilaian sebagai proses yang bertumpu pada pengumpulan data dan informasi, survei lapangan, analisis, penyusunan laporan, kendali mutu, dan kaji ulang. Struktur ini menunjukkan bahwa opini nilai tidak boleh lahir dari proses yang kabur, tidak dapat ditelusuri, atau melampaui kekuatan bukti. Dengan kata lain, apa pun alat bantunya, tanggung jawab atas hasil penilaian tetap berada pada Penilai Pemerintah dan mekanisme tata kelola yang mengitarinya.

Transformasi berbasis AI tidak dapat dimulai dari dasbor atau model semata. Sebelum data dipakai untuk klasifikasi, prediksi, pemetaan, atau rekomendasi, identitas objek, sumber, versi dokumen, kelengkapan atribut, duplikasi, dan hubungan antarbasis data perlu direkonsiliasi. Urutannya adalah identifikasi sumber, deduplikasi, rekonsiliasi, validasi, penetapan data rujukan, kemudian analisis.

Pada proses lintas sistem, akuntabilitas harus jelas. Pemilik data bertanggung jawab atas definisi dan kualitas data; pemilik proses atas tujuan penggunaannya; pengelola sistem atas keandalan, akses, dan integrasi; sedangkan Penilai Pemerintah, pereviu, dan pejabat berwenang tetap bertanggung jawab atas penalaran dan keputusan substantif. Dengan demikian, kendali manusia yang bermakna (human-in-command) merupakan rantai tanggung jawab yang dapat ditelusuri.

Dari pembacaan praktik tata kelola AI yang relevan dengan lingkungan DJKN, terdapat beberapa pagar pengaman yang penting: kendali manusia yang bermakna, keselarasan arsitektur, tata kelola dan kualitas data, jejak audit, pelindungan data, kemampuan menjelaskan keluaran, keadilan, keamanan, akuntabilitas, dan pembelajaran berkelanjutan. Prinsip-prinsip ini penting karena AI dalam penilaian tidak bekerja di ruang hampa. Ia bersentuhan dengan data aset negara, hak pihak terkait, akuntabilitas pejabat publik, dan kepercayaan pengguna layanan terhadap mutu proses penilaian.

Dalam konteks tata kelola yang lebih luas, penggunaan AI perlu dibaca bersama prinsip etika kecerdasan artifisial, pelindungan data pribadi, keamanan informasi, akuntabilitas, transparansi, dan kehati-hatian dalam pemrosesan informasi elektronik. Karena itu, AI dalam penilaian tidak cukup dinilai dari manfaat efisiensi, tetapi juga dari apakah data yang digunakan sah, aman, proporsional, dapat dijelaskan, dapat diaudit, dan dapat dipertanggungjawabkan. Semakin dekat penggunaan AI dengan data sensitif, dokumen hukum, data pihak terkait, atau simpulan nilai, semakin tinggi pula kebutuhan pembatasan akses, validasi manusia, dan jejak audit.

Dalam konteks Nilai-Nilai Kementerian Keuangan, pagar pengaman tersebut dapat diterjemahkan secara lebih membumi. Integritas mengingatkan bahwa data, instruksi, dan keluaran tidak boleh dimanipulasi atau diperlakukan seolah pasti benar. Profesionalisme menegaskan bahwa AI tidak menggantikan kompetensi penilai, inspeksi, telaah hukum, metode penilaian, atau pertimbangan profesional. Sinergi mengingatkan bahwa penggunaan AI tidak boleh sektoral; ia perlu melibatkan fungsi substansi, data, hukum, teknologi informasi, risiko, dan pengawasan. Pelayanan menuntut agar teknologi memperbaiki mutu layanan, bukan sekadar mempercepat produksi keluaran. Kesempurnaan menuntut evaluasi, audit, dan pembelajaran berkelanjutan atas sistem yang dipakai.

Pembacaan Praktis: Di Mana AI Boleh Masuk, dan Di Mana Harus Berhenti

Pada tingkat penggunaan yang paling aman, AI layak dipakai sebagai co-pilot untuk pekerjaan penunjang analisis. Misalnya, membantu membersihkan data, mengelompokkan dokumen, menyiapkan ringkasan awal, menemukan inkonsistensi data, menelusuri referensi, mengidentifikasi pembanding yang layak diuji lebih lanjut, atau menandai titik rawan pada draf laporan. Pada tingkat ini, AI memperkuat efisiensi kerja penilai tanpa mengambil alih mandat substantif. Keluaran AI tetap diperlakukan sebagai bahan bantu yang harus diverifikasi.

Masalah mulai muncul ketika AI tidak lagi dipakai sebagai alat bantu, melainkan diam-diam diperlakukan sebagai pengganti proses berpikir. Itu bisa terjadi ketika indikasi awal nilai diperlakukan seolah opini nilai, ketika model statistik dianggap cukup menggantikan pembacaan pasar, ketika ringkasan dokumen menggantikan pembacaan berkas sumber, ketika dasbor dianggap cukup mewakili realitas lapangan, atau ketika daftar periksa otomatis membuat pereviu terlalu percaya bahwa kualitas laporan sudah aman. Pada titik ini, yang berkurang bukan hanya kehati-hatian, tetapi juga kualitas pertanggungjawaban.

Skenario 1: AI untuk Penyiapan Data dan Ringkasan Awal

Contoh paling aman adalah penggunaan AI untuk pekerjaan yang bersifat penunjang. Ketika penilai menerima banyak dokumen permohonan, salinan sertifikat, foto objek, data inventaris, dan bahan pasar yang tersebar, AI dapat membantu mengelompokkan berkas, merangkum poin-poin utama, menandai data yang belum sinkron, dan menyusun daftar pertanyaan yang perlu diverifikasi lebih lanjut. Hasilnya bukan simpulan nilai, melainkan meja kerja yang lebih rapi sehingga penilai dapat mulai bekerja dari basis informasi yang lebih tertata.

Pada skenario ini, co-pilot yang sehat membantu menghemat waktu administratif dan memperluas daya baca awal. Tetapi auto-pilot yang berbahaya muncul ketika ringkasan AI diperlakukan sebagai pengganti pembacaan dokumen sumber. Karena itu, batas amannya jelas: AI boleh membantu menata bahan, tetapi validasi isi tetap harus dilakukan oleh manusia yang memahami relevansi data terhadap tujuan penilaian.

Skenario 2: Model Penilaian Otomatis (AVM) dan Indikasi Awal Nilai

Dalam konteks model penilaian otomatis (Automated Valuation Model/AVM), AI paling kuat dipakai pada tahap penapisan awal data pasar. Model dapat membantu membersihkan data ganda, mengelompokkan zona lokasi, mendeteksi pencilan yang terlalu tinggi atau terlalu rendah, membaca kecenderungan harga berdasarkan luasan, aksesibilitas, dan waktu transaksi, lalu menyiapkan peta indikasi awal nilai. Dengan bantuan seperti ini, waktu penilai untuk memilah data kasar dapat berkurang cukup signifikan.

Namun batas amannya harus tegas. AVM tidak boleh diperlakukan sebagai opini nilai final. Penilai tetap wajib memeriksa kualitas data, menelusuri sumber, mengecek apakah pembanding benar-benar sebanding, mempertimbangkan faktor hukum dan fisik, melakukan penyesuaian, dan mendokumentasikan alasan profesional di balik simpulan. Dalam bahasa sederhana, model boleh memberi sinyal awal, tetapi penilai tetap yang memutuskan apakah sinyal itu layak dipercaya. Pendalaman khusus mengenai AVM dan tata kelola model sebaiknya dibahas dalam artikel lanjutan tersendiri agar tidak bercampur dengan artikel payung ini.

Skenario 3: Penilaian BMN dan Konteks Nilai Publik

Pada penilaian BMN, AI dapat membantu penertiban data sebelum analisis. Dalam portofolio besar dan heterogen, AI dapat mengelompokkan aset, mendeteksi data ganda, menandai perbedaan luas atau koordinat, membandingkan identitas objek antarbasis data, serta menemukan informasi legal, fisik, spasial, penggunaan, kondisi, atau nilai yang belum sinkron. Bantuan ini berguna untuk menyusun prioritas verifikasi dan beban kerja penilai.

Ketidaksinkronan tersebut tidak boleh diselesaikan AI melalui dugaan atau dengan memilih versi yang tampak paling masuk akal. Perbedaan identitas, luas, lokasi, nilai, status penguasaan, kondisi, atau klasifikasi tindakan harus diverifikasi berdasarkan dokumen primer, hasil pemeriksaan lapangan, dan konfirmasi kepada pemilik data. AI dapat membantu menemukan konflik dan menyiapkan daftar isu, tetapi tidak boleh menetapkan mana yang secara hukum dan substantif benar.

Penilaian BMN tidak pernah semata-mata soal angka atau dasbor. Ada konteks hukum, fisik, ekonomi, sosial, dan kemanfaatan publik yang tidak boleh direduksi menjadi skor atau keluaran model. Karena itu, AI dalam penilaian BMN harus ditempatkan sebagai alat bantu membaca pola dan mengarahkan verifikasi, bukan alat yang menutup deliberasi profesional. Bukti lapangan, legalitas, tujuan penilaian, kondisi objek, penggunaan hasil, dan konsekuensi keputusan tetap harus dibaca serta diputuskan oleh manusia.

Skenario 4: AI untuk Kendali Mutu Awal dan Reviu Draf

Penggunaan AI yang juga relatif aman adalah sebagai alat bantu kendali mutu awal sebelum laporan memasuki reviu formal. AI dapat membantu menandai inkonsistensi istilah, perbedaan angka antara tabel dan narasi, perbedaan versi atau sumber data, klasifikasi status yang tidak konsisten, asumsi yang belum dijelaskan, pengungkapan yang terlalu generik, atau ketidaksinkronan tanggal survei, tanggal penilaian, dan tanggal laporan. Dengan cara ini, penelaah manusia dapat lebih fokus pada isu yang benar-benar substantif.

Tetapi batasnya tetap jelas. AI tidak boleh dipakai untuk mengambil alih kendali mutu substantif seolah-olah laporan sudah benar hanya karena lolos pemeriksaan otomatis. Yang dikerjakan AI di sini adalah membantu menemukan titik rawan lebih cepat, bukan menggantikan pengkaji ulang, penelaah, atau penanggung jawab laporan. Kualitas akhir tetap bergantung pada manusia yang memahami metode, konteks objek, dan risiko penggunaan laporan.

Skenario 5: AI untuk Kajian Penilaian dan Bahan Pembinaan

Di lingkungan DJKN, Penilai Pemerintah juga sering diminta menyusun kajian penilaian, artikel praktik, bahan FGD, atau catatan pembinaan yang tetap berakar pada kasus, regulasi, dan pengalaman praktik penilaian. Pada area ini, AI dapat membantu sebagai co-pilot penulisan: merapikan kerangka tulisan, memetakan isu utama, mengelompokkan bahan regulasi, merangkum bacaan awal, menyusun matriks isu-pasal-risiko-rekomendasi, atau memberi alternatif cara menjelaskan konsep yang terlalu teknis agar lebih mudah dipahami.

Risikonya muncul ketika AI dipakai sebagai pengganti riset, pengganti pembacaan regulasi, atau pengganti kejujuran akademik dan profesional. Karena itu, posisi yang paling aman adalah: AI membantu menata bahan berpikir dan mempercepat penyuntingan, tetapi validitas isi, ketepatan rujukan, dan pertanggungjawaban akhir tetap berada pada penulis.

Untuk kajian penilaian, bahan pembinaan, atau artikel kelembagaan, AI tidak boleh diperlakukan sebagai sumber rujukan final. Setiap regulasi, data, kutipan, putusan, standar, atau referensi yang muncul dari bantuan AI harus diverifikasi kembali kepada dokumen primer, laman resmi, atau sumber tepercaya sebelum digunakan. Bila bantuan AI berpengaruh secara signifikan terhadap penyusunan naskah, penggunaannya juga perlu dikelola secara jujur sesuai etika penulisan dan kebijakan publikasi yang berlaku.

Di Mana Batas Co-Pilot Perlu Ditarik?

Dalam praktik, garis pemisah antara co-pilot dan auto-pilot tidak selalu terlihat pada alatnya, melainkan pada cara organisasi memperlakukan keluarannya. AI masih aman ketika dipakai untuk memperluas pilihan, mempercepat penapisan, dan membantu reviu awal. AI mulai berbahaya ketika hasilnya dipakai untuk memotong proses verifikasi, menyingkat pembacaan sumber, menutup ruang pertanyaan, atau membuat manusia terlalu cepat menyetujui sesuatu yang sebenarnya belum dipahami sepenuhnya.

Karena itu, pertanyaan pengendalinya sederhana tetapi disiplin: apakah AI di sini membantu manusia berpikir lebih baik, atau justru membuat manusia berhenti berpikir terlalu dini? Bila jawabannya yang kedua, maka AI sudah terlalu jauh masuk ke wilayah kemudi.

Secara praktis, sebelum memakai AI, Penilai Pemerintah dapat menguji enam pertanyaan kontrol: apa tujuan penggunaannya; apakah alat dan alur kerjanya berada dalam arsitektur resmi; apakah data yang diproses memang boleh dan aman digunakan; dari mana sumber serta siapa pemilik datanya; apakah keluaran masih harus diverifikasi terhadap sumber primer atau bukti lapangan; dan siapa penanggung jawab final atas keputusan yang diambil. Bila salah satu pertanyaan itu tidak dapat dijawab dengan jelas, penggunaan AI sebaiknya dibatasi atau dihentikan pada tahap tersebut.

Zona Aman, Zona Hati-Hati, dan Zona Tidak Boleh

Secara praktis, penggunaan AI dalam penilaian dapat dibaca dalam tiga zona. Zona aman mencakup pekerjaan penunjang seperti menyusun daftar periksa, menandai inkonsistensi, membersihkan data yang boleh diproses, atau merangkum dokumen yang telah diizinkan. Zona hati-hati mencakup analisis pasar, AVM, rekonsiliasi lintas sistem, pengelompokan aset, reviu draf, dan penyusunan alternatif argumentasi karena keluarannya tetap harus diverifikasi. Zona tidak boleh mencakup penetapan opini nilai final, penggantian survei atau uji tuntas aspek hukum, penyelesaian otomatis konflik hukum, fisik, spasial, atau nilai, pemrosesan dokumen rahasia tanpa otorisasi, pembentukan proses pengambilan keputusan bayangan, serta penyajian keluaran AI sebagai pertimbangan profesional manusia.

Pagar Kehati-Hatian yang Penting

Ada beberapa pagar yang perlu dijaga. Pertama, keluaran AI bukan bukti final; ia harus diuji, diverifikasi, dan bila perlu ditolak. Kedua, setiap penggunaan AI harus memiliki pemilik proses yang jelas: siapa menggunakan, mereviu, memutuskan, dan menanggung konsekuensi. Ketiga, proses harus meninggalkan jejak audit yang menautkan sumber data, instruksi (prompt), keluaran penting, dan hasil validasi manusia.

Keempat, data sensitif tidak boleh dimasukkan sembarangan ke layanan AI publik karena dokumen hukum, informasi aset, data pihak terkait, dan hasil analisis berisiko bocor. Kelima, pengguna AI harus memahami batas model. Kendali manusia yang bermakna bukan sekadar adanya manusia yang mengklik setuju, melainkan manusia yang mampu menguji, mengoreksi, dan menolak keluaran AI.

Keenam, AI harus memperkuat budaya reviu. Jika penilai, pereviu, atau pimpinan terlalu percaya pada hasil otomatis, yang hilang bukan hanya skeptisisme profesional, tetapi juga ketahanan kelembagaan terhadap kesalahan. Kecepatan tanpa kontrol hanya mempercepat masalah yang belum diuji.

Ketujuh, AI harus selaras dengan arsitektur sistem resmi dan sumber data yang ditetapkan. Model atau alat AI tidak boleh menciptakan sistem bayangan (shadow system), basis data bayangan (shadow database), atau pengambilan keputusan bayangan (shadow decision-making) di luar pengendalian organisasi. Integrasi harus memperkuat data rujukan, bukan menambah versi baru.

Kedelapan, AI dapat membantu mendeteksi konflik dan menyampaikannya kepada pihak berwenang, tetapi tidak boleh mengubah ketidakpastian menjadi kepastian semu. Konflik hukum, fisik, spasial, penguasaan, atau nilai harus diselesaikan melalui verifikasi manusia dan kewenangan yang sah.

Penutup

AI dalam penilaian DJKN bukan ancaman selama ditempatkan secara tepat. Ia berguna untuk mempercepat pencarian, merapikan data, memperkaya alternatif, mendukung pembacaan awal, membantu kendali mutu, dan menata bahan kajian. Namun, penggunaannya harus berada dalam arsitektur resmi, menggunakan data yang dikelola dan direkonsiliasi, serta tunduk pada rantai akuntabilitas organisasi. AI tidak memiliki mandat publik, tidak memikul tanggung jawab hukum, dan tidak dapat menggantikan pertimbangan profesional Penilai Pemerintah. Nilai utamanya terletak pada penguatan kualitas data, konsistensi proses, ketepatan analisis, dan mutu keputusan. Pendalaman AVM akan dibahas dalam seri lanjutan.

Catatan akhir. Tulisan ini disusun dengan merujuk pada regulasi penilaian, pelindungan data pribadi, etika AI, tata kelola data, arsitektur sistem resmi, dan keamanan informasi yang berlaku. Ketentuan internal Kementerian Keuangan/DJKN mengenai klasifikasi informasi, keamanan informasi, dan penggunaan aplikasi tetap menjadi acuan dalam pekerjaan kedinasan.

Rujukan ringkas. Peraturan Menteri Keuangan Nomor 99 Tahun 2024 tentang Penilaian oleh Penilai Pemerintah di Lingkungan Direktorat Jenderal Kekayaan Negara; Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi; dan Surat Edaran Menteri Komunikasi dan Informatika Nomor 9 Tahun 2023 tentang Etika Kecerdasan Artifisial.