Data bukan minyak baru, tapi tetap punya nilai

Analogi “data is the new oil” sudah terlalu sering dipakai dan sebenarnya kurang pas.

Minyak habis ketika dipakai.

Data bisa disalin.

Minyak punya harga pasar yang relatif jelas.

Data sering baru bernilai setelah dikombinasikan, dibersihkan, dianalisis, dan dimasukkan ke sebuah sistem.

Satu lokasi GPS belum tentu bernilai besar.

Jutaan pola perjalanan bisa berguna untuk prediksi mobilitas.

Satu transaksi grocery tidak terlalu menarik.

Histori jutaan transaksi bisa membantu memperkirakan permintaan.

Satu percakapan manusia mungkin tidak punya nilai komersial langsung.

Kumpulan data bahasa dengan konteks tertentu bisa berguna untuk melatih atau mengevaluasi sistem AI.

Jadi value tidak berada di setiap potongan data secara terpisah. Value muncul dari agregasi, konteks, kualitas, dan kemampuan mengolahnya.

Itulah kenapa perusahaan dengan distribusi besar punya keunggulan.

Mereka tidak hanya punya pengguna.

Mereka punya aliran data.

Dan aliran tersebut bisa menciptakan feedback loop.

Lebih banyak user menghasilkan lebih banyak data.

Lebih banyak data meningkatkan produk.

Produk lebih bagus menarik lebih banyak user.

Repeat.

Pemilik data belum tentu pemilik nilai

Kita perlu hati-hati menggunakan istilah “pemilik data”.

Dalam hukum dan praktik bisnis, hak atas data tidak selalu sesederhana kepemilikan barang.

Ada data pribadi, data transaksi, data perusahaan, data publik, data yang diturunkan dari proses analitik, dan banyak kategori lain.

Satu transaksi bisa menyangkut beberapa pihak sekaligus: pembeli, merchant, bank, payment processor, marketplace, delivery partner.

Siapa “pemilik” seluruh value yang lahir dari transaksi itu?

Jawabannya tidak sederhana.

Tapi dari sudut pandang masyarakat, ada kegelisahan yang valid.

Data masyarakat bisa membantu membangun sistem yang sangat bernilai, sementara masyarakat sendiri cuma melihat manfaat tidak langsung.

Bayangin jutaan percakapan bahasa Indonesia dipakai untuk meningkatkan kemampuan model memahami slang, konteks budaya, nama tempat, atau kebiasaan lokal.

Model jadi lebih berguna.

Produk jadi lebih kompetitif.

Perusahaan mendapat revenue.

Pengguna mendapat layanan lebih baik.

Pertanyaannya bukan berarti setiap orang harus menerima transfer Rp300 tiap kali datanya diproses.

Pertanyaannya: apakah struktur value exchange-nya fair, transparan, dan memberi masyarakat cukup kontrol?

Kita sering membayar dengan ketidaktahuan

Masalah paling besar dalam ekonomi data bukan selalu eksploitasi yang dramatis.

Kadang masalahnya cuma kita tidak tahu apa yang terjadi.

Terms and conditions panjang.

Consent screen penuh jargon.

Cookie banner yang desainnya bikin tombol “accept all” jauh lebih gampang daripada “manage settings”.

Aplikasi meminta akses lebih banyak dari fungsi yang benar-benar dibutuhkan.

Orang klik setuju karena mau lanjut.

Secara formal ada consent.

Secara praktis belum tentu ada pemahaman.

Di 2026, ketika AI makin masuk ke produk digital, problem ini makin rumit karena data bisa dipakai untuk lebih banyak tujuan.

Data customer service bisa dianalisis untuk training.

Dokumen kerja bisa masuk ke retrieval system.

Prompt bisa dipakai untuk evaluasi.

Interaksi bisa menjadi feedback.

Perusahaan perlu jauh lebih spesifik menjelaskan data dipakai untuk apa.

Kalimat “untuk meningkatkan layanan” makin tidak cukup.

Meningkatkan bagian apa?

Oleh siapa?

Disimpan berapa lama?

Dipakai untuk training atau tidak?

Dikirim ke vendor lain atau tidak?

Bisa dihapus atau tidak?

Pertanyaan seperti itu bukan overthinking. Itu governance.

Nilai data tidak harus kembali dalam bentuk uang

Kalau kita bicara nilai ekonomi data, sebagian orang langsung membayangkan data dividend.

Setiap warga dibayar karena datanya dipakai.

Konsep ini menarik, tetapi implementasinya sulit.

Nilai satu data point sangat susah dihitung.

Data juga sering bernilai karena kombinasi.

Dan pembayaran kecil belum tentu menyelesaikan masalah kontrol atau ketimpangan kekuasaan.

Ada bentuk “pengembalian nilai” lain yang mungkin lebih masuk akal.

Layanan publik yang lebih baik.

Produk yang lebih murah.

Akses riset.

Benefit komunitas.

Hak portabilitas.

Kontrol penggunaan.

Kewajiban transparansi.

Kemampuan memilih model bisnis non-tracking.

Revenue sharing dalam kasus tertentu.

Pajak yang efektif atas aktivitas ekonomi digital.

Investasi kembali ke ekosistem data lokal.

Tidak ada satu mekanisme yang cocok untuk semua sektor.

Yang penting adalah berhenti menganggap data masyarakat sebagai bahan baku gratis yang secara otomatis boleh diserap tanpa debat tentang value distribution.

AI membuat isu ini lebih kelihatan

Sebelum generative AI booming, ekonomi data sudah besar.

Advertising platform, search engine, marketplace, fintech, ride-hailing, streaming, dan SaaS sudah lama hidup dari data.

AI membuat problem tersebut lebih mudah dipahami publik karena hubungan antara data dan kemampuan model terasa lebih langsung.

Orang bisa bertanya, “Model ini belajar bahasa Indonesia dari mana?”

“Atas dasar data siapa?”

“Apakah konten kreator masuk training?”

“Apakah dokumen yang gue upload dipakai untuk melatih model?”

Pertanyaan ini memaksa perusahaan memperbaiki boundary.

Ada data yang boleh dipakai untuk inference tetapi tidak untuk training.

Ada data yang hanya boleh diproses sementara.

Ada data perusahaan yang harus dipisahkan dari layanan konsumen.

Ada data sektor tertentu yang punya aturan khusus.

Model AI modern membuat arsitektur data menjadi bagian dari trust.

Kota seperti Jakarta menghasilkan data dalam skala luar biasa

Jakarta adalah contoh yang gampang dibayangkan.

Orang bergerak dari Tebet ke Sudirman.

Pesan kopi di perjalanan.

Tap pembayaran.

Masuk kantor.

Booking meeting room.

Order makan.

Belanja malam.

Nonton streaming.

Pakai navigation.

Semua sistem ini menghasilkan data.

Kalau digabungkan secara aman dan legal, data bisa membantu banyak hal: perencanaan transportasi, prediksi permintaan energi, strategi retail, kesehatan publik, sampai operasi bisnis.

Tapi penggabungan juga meningkatkan risiko.

Data yang terlihat anonim bisa menjadi sensitif ketika digabungkan dengan dataset lain.

Pola lokasi bisa mengungkap rumah dan kantor.

Histori pembelian bisa mengindikasikan kondisi kesehatan.

Kalender dan komunikasi bisa mengungkap relasi kerja.

Itulah kenapa prinsip “lebih banyak data selalu lebih baik” makin nggak cocok.

Pertanyaan modern adalah: data minimum apa yang cukup untuk menghasilkan value?

Data minimization bukan musuh inovasi.

Ia memaksa desain lebih disiplin.

Perusahaan perlu membuat neraca data

Kalau data memang dianggap modal ekonomi, perusahaan seharusnya mengelolanya dengan disiplin seperti modal.

Bukan berarti memasukkan seluruh database ke neraca akuntansi.

Maksudnya, setiap organisasi perlu tahu data apa yang dimiliki, dari mana asalnya, siapa yang boleh mengakses, apa tujuan pemrosesan, berapa lama disimpan, vendor mana yang menyentuh, dan risiko apa yang muncul.

Aneh kalau perusahaan bisa menghitung kursi kantor sampai unit terakhir tetapi tidak tahu dataset customer-nya disalin ke berapa SaaS.

AI memperbesar urgensi ini.

Karyawan bisa memasukkan data ke tool AI pribadi.

Tim marketing mengunggah customer list ke platform baru.

Developer mengirim log ke model untuk debugging.

Finance mencoba agent untuk membaca invoice.

Satu per satu terlihat kecil.

Secara kolektif bisa membentuk shadow data infrastructure.

Perusahaan yang serius soal AI harus punya data inventory yang hidup, bukan file compliance yang dibuat sekali lalu dilupakan.

Indonesia punya peluang menentukan aturan main

Diskusi soal nilai ekonomi data di Indonesia menarik karena kita punya populasi digital besar, bahasa lokal yang kaya, sektor UMKM luas, dan adopsi platform yang tinggi.

Kalau semua nilai downstream dari data selalu diambil di luar negeri, posisi Indonesia rentan menjadi supplier bahan mentah digital.

Kita menghasilkan perilaku, bahasa, konten, transaksi, dan demand.

Pihak lain mengubahnya menjadi model, software, dan intelligence bernilai tinggi.

Ini pola yang secara historis familiar di sektor komoditas.

Tentu data tidak sama dengan nikel atau batubara.

Tapi pertanyaan industrial policy-nya mirip: bagaimana Indonesia tidak hanya menjadi sumber input, tetapi ikut punya kemampuan mengolah dan menciptakan produk bernilai lebih tinggi?

Jawabannya bukan dengan menutup semua data.

Ekosistem AI butuh aliran data.

Riset butuh data.

Bisnis butuh data.

Layanan publik juga butuh data.

Kalau aturan terlalu kaku, inovasi mati.

Kalau terlalu longgar, masyarakat kehilangan kontrol.

Trade-off-nya real.

Hak, insentif, dan inovasi harus jalan bareng

Masa depan ekonomi data kemungkinan tidak akan menghasilkan model sempurna di mana setiap orang dibayar persis sesuai nilai datanya.

Terlalu banyak variabel.

Tapi ada beberapa prinsip yang cukup masuk akal.

Orang harus tahu ketika datanya dipakai untuk tujuan yang materially berbeda.

Perusahaan harus membatasi penggunaan di luar consent yang wajar.

Data sensitif perlu proteksi lebih kuat.

Model bisnis berbasis data harus punya accountability.

Akses untuk riset dan inovasi perlu mekanisme yang aman.

Dan ketika data publik atau data masyarakat menghasilkan value ekonomi besar, negara pantas memikirkan cara supaya sebagian value tersebut memperkuat kapabilitas lokal.

Di level individu, kita mungkin tidak pernah melihat “royalti data” masuk rekening tiap bulan.

Tapi kita tetap bisa menuntut sesuatu yang lebih penting.

Kontrol.

Transparansi.

Keamanan.

Pilihan.

Dan benefit yang lebih adil dari ekonomi yang kita bantu bangun setiap kali kita klik, bergerak, membeli, menonton, menulis, dan berbicara.

Data sudah menjadi modal.

Pertanyaan 2026 bukan lagi apakah data punya nilai.

Pertanyaannya: siapa yang punya kapasitas mengubahnya menjadi nilai, siapa yang punya hak menentukan penggunaannya, dan berapa banyak manfaat akhirnya kembali ke masyarakat yang menghasilkan jejak digital tersebut sejak awal.