Menjadi 'late mover' justru dapat menjadi keuntungan. Indonesia dapat belajar dari kesalahan negara maju yang menghadapi polarisasi pekerjaan dan krisis kepercayaan akibat algoritma yang bias
Jakarta (ANTARA) - Narasi global tentang kecerdasan buatan (AI) hari ini terdengar sederhana yaitu siapa cepat, dia selamat.
Pemerintah didorong untuk segera mengadopsi AI, memperluasnya secara agresif, dan melonggarkan regulasi demi mengejar inovasi. Seolah-olah kecepatan itu sendiri adalah strategi pembangunan.
Namun bagi negara berkembang seperti Indonesia, pendekatan tersebut justru bisa menjadi jebakan. Risiko terbesar bukanlah tertinggal dalam perlombaan teknologi, melainkan terjebak dalam apa yang dapat disebut sebagai otomatisasi premature, yaitu mengadopsi AI sebelum fondasi digital, kapasitas kelembagaan, dan kesiapan pasar tenaga kerja benar-benar matang.
Konsep ini sejalan dengan gagasan premature deindustrialization yang diperkenalkan oleh ekonom Harvard, Dani Rodrik. Ia menggambarkan bagaimana banyak negara berkembang kehilangan basis manufakturnya sebelum sempat mencapai tingkat produktivitas optimal.
Alih-alih menjadi tangga menuju kemakmuran seperti yang dialami Korea Selatan atau China, manufaktur di banyak negara berkembang justru menyusut lebih cepat dari proses pembangunan itu sendiri. Jika logika yang sama diterapkan pada AI, maka otomatisasi yang terlalu dini berpotensi menghancurkan pekerjaan, mengikis kapabilitas domestik, dan memperdalam ketergantungan teknologi.
Indonesia berada pada persimpangan penting. Dengan jumlah penduduk sekitar 280 juta jiwa dan bonus demografi yang diperkirakan mencapai puncaknya pada 2030–2035, setiap tahun sekitar 2 juta–3 juta penduduk usia kerja baru memasuki pasar tenaga kerja.
Namun, daya serap lapangan kerja formal masih terbatas. Data menunjukkan bahwa lebih dari 55 persen tenaga kerja Indonesia masih berada di sektor informal. Dalam kondisi seperti ini, percepatan otomatisasi di sektor perbankan, ritel, logistik, manufaktur, bahkan administrasi publik, berisiko menggantikan pekerjaan tingkat menengah sebelum alternatif pekerjaan baru tercipta.
Di sektor perbankan, misalnya, adopsi chatbot, robo-advisor, dan sistem analitik kredit berbasis AI memang meningkatkan efisiensi. Namun jika diterapkan secara luas tanpa strategi transisi tenaga kerja, ribuan pekerjaan administratif dapat hilang dalam waktu singkat.
Di sektor ritel modern, otomatisasi kasir dan sistem inventori cerdas mengurangi kebutuhan tenaga kerja kasir dan staf gudang. Di manufaktur, penggunaan robot industri dan sistem predictive maintenance meningkatkan produktivitas, tetapi juga mengurangi permintaan tenaga kerja semi-terampil. Tanpa kebijakan yang mengantisipasi dampak ini, Indonesia bisa mengalami polarisasi pasar kerja: pekerjaan berupah tinggi bagi segelintir tenaga ahli digital, dan pekerjaan berupah rendah bagi mayoritas pekerja informal.
Masalahnya bukan pada teknologinya, melainkan pada kesiapan institusi. Indonesia memang telah meluncurkan berbagai inisiatif digitalisasi, mulai dari Sistem Pemerintahan Berbasis Elektronik (SPBE) hingga integrasi Nomor Induk Kependudukan (NIK). Namun pada praktiknya, banyak basis data kementerian dan lembaga masih terfragmentasi. Interoperabilitas data antarinstansi belum sepenuhnya berjalan. Tata kelola data pribadi juga masih dalam tahap penguatan meskipun Undang-Undang Perlindungan Data Pribadi telah disahkan.
Risiko kesalahan sistemik
Dalam situasi seperti ini, menerapkan AI secara luas dalam pelayanan publik, misalnya untuk menentukan kelayakan bantuan sosial atau rekrutmen ASN, berisiko menghasilkan kesalahan sistemik. Jika data dasarnya tidak akurat, maka algoritmanya pun akan menghasilkan keputusan yang bias dan sulit dikoreksi.
Kita telah belajar dari pengalaman digitalisasi bantuan sosial selama pandemi COVID-19. Ketidaksinkronan data menyebabkan penerima ganda dan warga miskin yang justru tidak terdaftar. Bayangkan jika proses tersebut sepenuhnya diotomatisasi tanpa mekanisme banding yang kuat. Skala kesalahan akan jauh lebih besar. Ini bukan kegagalan AI, melainkan kegagalan penahapan.
Selain itu, Indonesia masih menghadapi tantangan produktivitas. Pertumbuhan produktivitas tenaga kerja dalam satu dekade terakhir cenderung stagnan di kisaran 3–4 persen per tahun, lebih rendah dibanding era sebelum 2010. Jika AI diterapkan di sektor-sektor dengan produktivitas rendah tanpa reformasi struktural seperti perbaikan logistik, penyederhanaan regulasi, dan peningkatan kualitas pendidikan maka AI hanya akan menjadi lapisan tambahan di atas fondasi yang rapuh.
Otomatisasi memang meningkatkan efisiensi jangka pendek, tetapi tidak otomatis menciptakan mesin pertumbuhan baru.
Ada pula risiko kebergantungan teknologi. Saat ini, sebagian besar infrastruktur komputasi awan dan model AI generatif yang digunakan di Indonesia berasal dari perusahaan global. Jika Indonesia hanya menjadi pasar pengguna sekaligus penyedia data mentah, sementara nilai tambah algoritma dan platform dinikmati di luar negeri, maka pola yang tercipta adalah ekstraksi digital.
Kita mengekspor data, tetapi mengimpor kecerdasan. Dalam jangka panjang, kebergantungan ini melemahkan kedaulatan digital dan mempersempit ruang kebijakan industri nasional.
Penahapan
Copyright © ANTARA 2026
Dilarang keras mengambil konten, melakukan crawling atau pengindeksan otomatis untuk AI di situs web ini tanpa izin tertulis dari Kantor Berita ANTARA.
