Kenapa Setiap Instansi Pemerintah Butuh Daftar Sistem AI yang Mereka Gunakan

Ada pertanyaan yang terdengar sederhana:

“Instansi ini pakai AI apa saja?”

Di banyak organisasi, jawabannya surprisingly sulit.

Tim komunikasi pakai generator. IT punya chatbot. Unit data punya model prediksi. Vendor layanan publik menyelipkan AI di produknya. Pegawai pakai meeting assistant. Aplikasi cloud baru menambah fitur AI otomatis.

Tidak ada satu orang yang tahu semuanya.

Ini problem governance pertama.

Kalau pemerintah tidak tahu sistem AI apa yang digunakan, mustahil mengelola risikonya.

Makanya setiap instansi pemerintah butuh AI inventory.

Bukan spreadsheet seremonial.

Daftar hidup yang menjelaskan sistem apa, dipakai untuk apa, menyentuh data apa, dan siapa owner-nya.

Inventaris bukan ide eksotis

NIST AI Risk Management Framework memasukkan mekanisme inventaris sistem AI sebagai bagian governance.

Pemerintah federal Amerika Serikat juga sudah menjalankan inventory use case AI secara publik untuk banyak lembaga. Repositori 2025 mereka, yang masih diperbarui pada 2026, mengonsolidasikan ribuan use case dari berbagai agency.

Indonesia tidak harus copy-paste formatnya.

Tapi logikanya universal.

You cannot govern what you cannot see.

Sebelum audit. Sebelum risk assessment. Sebelum incident response.

Harus tahu apa yang ada.

Apa yang masuk AI inventory?

Jangan cuma model besar.

Inventory perlu menangkap use case.

Contoh: chatbot layanan publik, sistem klasifikasi dokumen, fraud detection, face recognition, meeting transcription, generative writing assistant, recommendation engine, predictive analytics, agent automation.

Termasuk AI yang embedded dalam software komersial.

Ini penting.

Kadang instansi merasa: “kami tidak membeli AI.”

Mereka membeli SaaS biasa.

Tapi vendor menambah AI feature.

Tiba-tiba data diproses model.

Kalau inventory hanya mencatat proyek yang namanya “AI”, shadow AI lolos.

Yang dicatat sebaiknya fungsi.

Bukan marketing label.

Setiap use case perlu owner manusia

Kolom paling penting mungkin bukan nama model.

Owner.

Siapa yang bertanggung jawab?

Unit mana? Pejabat mana? Technical owner siapa? Vendor contact siapa?

Kalau incident terjadi, orang tahu harus hubungi siapa.

Tanpa owner, sistem menjadi yatim.

Vendor kontraknya habis. Pegawai pindah. Tool tetap aktif.

Tidak ada yang memonitor.

Ini common problem di IT asset management.

AI bisa lebih rumit karena banyak tool mudah diaktifkan.

Satu subscription bisa digunakan puluhan orang.

Owner harus jelas.

Kalau tidak, decommission juga sulit.

Inventory perlu mencatat impact, bukan hanya teknologi

Dua sistem memakai model sama.

Risikonya bisa sangat berbeda.

Chatbot internal untuk brainstorming: low impact.

Sistem yang memprioritaskan pengaduan warga: lebih tinggi.

Jadi inventory harus punya risk context.

Apakah output memengaruhi keputusan? Apakah menyentuh individu? Apakah data sensitif? Apakah otomatis mengambil action? Apakah high stakes? Apakah publik berinteraksi langsung?

Dengan metadata ini, instansi bisa menentukan prioritas.

Tidak semua AI perlu audit berat.

Inventory membantu proportionality.

Sistem high risk mendapat perhatian lebih.

Tool low risk cukup baseline control.

Tanpa inventory, organisasi cenderung dua ekstrem: semua dilarang, atau semua bebas.

Keduanya tidak efisien.

Data source harus tercatat

AI bergantung pada data.

Inventory perlu menjelaskan: sumber data, kategori data, apakah ada personal data, retention, akses.

Tidak harus memasukkan seluruh schema database.

Cukup level governance.

Misalnya: menggunakan data pengaduan warga, menggunakan dokumen internal, menggunakan data publik, menggunakan rekaman suara.

Kenapa penting?

Kalau data source ternyata bermasalah, kita bisa tahu sistem mana terdampak.

Misalnya satu master database punya error.

Dengan inventory, impact analysis cepat.

Tanpa itu, tim harus menebak aplikasi mana yang mengonsumsi data.

Inventory menjadi dependency map.

Vendor dan model provider juga perlu dicatat

Satu aplikasi bisa punya rantai supplier.

Instansi membeli Vendor A. Vendor A memakai cloud B. Cloud B memakai model C.

Kalau model C punya outage atau policy change, instansi perlu tahu exposure.

Inventory perlu menyimpan: vendor utama, model provider bila diketahui, hosting, contract end date, data location jika relevan.

Bukan untuk membuat daftar superdetail.

Untuk operational awareness.

Kalau vendor menghentikan layanan, sistem mana yang kena?

Kalau regulator meminta informasi, siapa yang menjawab?

AI supply chain semakin kompleks.

Daftar aset harus mengikuti.

Inventory harus punya status lifecycle

Sistem AI tidak hanya active.

Ada: pilot, development, production, paused, retired.

Ini penting.

Pilot seharusnya tidak diam-diam menjadi production.

Sering terjadi.

Awalnya tim mencoba tiga bulan.

User suka.

Lalu dipakai terus.

Governance tidak pernah diperbarui.

Inventory memaksa status jelas.

Kalau sistem naik dari pilot ke production, trigger review.

Kalau retired, akses dicabut. Data ditangani. Credential dimatikan.

NIST juga menekankan safe decommissioning sebagai bagian governance.

Karena sistem mati pun bisa meninggalkan data dan permission.

Public inventory layak untuk sebagian use case

Apakah semua daftar harus publik?

Tidak.

Ada keamanan. National security. Investigasi. Internal system.

Tapi use case yang memengaruhi publik sebaiknya punya tingkat transparansi lebih tinggi.

Publik bisa tahu: nama fungsi, tujuan, instansi owner, apakah AI memengaruhi keputusan, mekanisme pengaduan.

Tidak perlu buka model parameter.

Transparansi basic sudah membantu trust.

Kalau warga berinteraksi dengan chatbot pemerintah, mereka tahu sistem AI.

Kalau AI membantu prioritas layanan, ada informasi.

Public registry juga membantu DPR, media, peneliti, dan masyarakat sipil melakukan oversight.

Invisible automation adalah governance risk.

Inventory jangan berubah jadi birokrasi 100 kolom

Ini danger.

Begitu pemerintah membuat form, godaannya menambah kolom tanpa akhir.

Akhirnya unit malas update.

Data basi.

Lebih baik minimal viable inventory.

Nama use case. Tujuan. Owner. Status. Vendor/model. Data category. Impact level. Autonomy. Last review. Incident contact.

Mungkin 10 sampai 15 field sudah cukup untuk baseline.

Untuk high risk, ada annex lebih detail.

Desain harus usable.

Inventory yang sempurna tapi tidak diperbarui tidak berguna.

Lebih baik sederhana tetapi hidup.

Update perlu terhubung procurement

Cara paling efektif menjaga inventory adalah memasukkannya ke workflow yang sudah ada.

Saat beli software AI: entry otomatis dibuat.

Saat project approval: update status.

Saat contract selesai: trigger retirement.

Saat security review: update risk.

Jangan bergantung pada email tahunan: “mohon semua unit mengisi spreadsheet.”

Orang lupa.

Integrasi governance dengan procurement lebih sustainable.

AI masuk melalui kontrak.

Maka inventory harus masuk dari pintu yang sama.

Shadow AI tetap perlu mekanisme discovery

Procurement resmi tidak menangkap semua.

Pegawai bisa pakai freemium tool. Browser extension. Personal account. API kecil.

Instansi perlu policy.

Bukan sekadar larangan.

Kalau tool berguna, sediakan approved alternative.

Training. Awareness. Network discovery jika proporsional. Survey.

Tujuannya mengetahui penggunaan, bukan surveillance karyawan.

Kalau policy terlalu keras, orang menyembunyikan.

Governance efektif butuh trust.

Pegawai harus bisa berkata: “tim kami sedang mencoba tool ini,” tanpa langsung dihukum.

Lalu organisasi menilai risikonya.

Inventory adalah alat koordinasi nasional

Kalau setiap instansi punya format kompatibel, pemerintah pusat bisa melihat landscape.

Sektor apa paling banyak memakai AI. Berapa use case high impact. Vendor concentration. Skill gap. Incident pattern.

Data agregat membantu roadmap.

Misalnya banyak instansi membeli chatbot serupa.

Mungkin pemerintah bisa membuat shared service.

Atau banyak yang memakai vendor sama.

Ada concentration risk.

Atau 70 persen use case ternyata masih pilot.

Berarti masalahnya bukan adopsi, tapi scale.

Tanpa inventory nasional, kebijakan dibuat dari anecdote.

Menteri dengar beberapa demo. Media melihat beberapa proyek. Tidak ada baseline.

Inventory memberi baseline.

Audit jadi jauh lebih mudah

Bayangin auditor datang.

Tanpa inventory: pertama harus mencari sistem AI.

Dengan inventory: langsung pilih high-risk use case.

Lihat review. Lihat incident. Lihat control.

Audit resources lebih efektif.

Inventory juga membantu incident response.

Kalau vulnerability ditemukan di satu model: query daftar, lihat semua instansi yang memakai, kirim advisory.

Ini mirip software asset management.

Ketika library punya critical vulnerability, organisasi perlu tahu aplikasi mana terdampak.

AI juga butuh dependency awareness.

Inventory bisa mencegah duplikasi belanja

Pemerintah punya banyak instansi.

Tanpa visibility, lima unit bisa membeli solusi mirip.

Masing-masing kontrak. Masing-masing integrasi. Masing-masing training.

Kalau inventory bisa dibaca lintas pemerintah, peluang reuse muncul.

“Instansi A sudah punya sistem klasifikasi dokumen yang terbukti. Bisa nggak dipakai B?”

Tidak selalu.

Domain beda.

Data beda.

Tapi setidaknya ada pengetahuan.

Ini bagian dari efisiensi fiskal.

AI bukan cuma risiko.

Inventory juga alat menemukan aset yang bisa dibagi.

Daftar harus mencatat siapa yang terdampak

Ini field yang sering hilang.

Siapa user? Siapa subject?

Pegawai internal? Masyarakat umum? Anak? Pelaku usaha? Penerima manfaat?

Dua sistem dengan fungsi sama bisa punya sensitivity berbeda berdasarkan populasi.

AI yang digunakan internal untuk merangkum dokumen beda dengan AI yang mengklasifikasikan warga.

Affected population membantu risk assessment.

Jika kelompok rentan terlibat, review lebih ketat.

Ini governance yang berbasis impact.

Inventaris harus di-review, bukan hanya disimpan

Setiap entry perlu last review date.

Sistem berubah.

Model update. Data source berubah. Scope meluas.

Kalau use case awal: “membantu draft.”

Enam bulan kemudian: “otomatis mengirim.”

Risk profile naik.

Inventory harus menangkap perubahan fungsi.

Ini disebut scope creep.

Sangat umum.

Teknologi yang awalnya kecil pelan-pelan diberi authority lebih besar.

Review periodik mencegah itu tidak terlihat.

Daftar AI bukan tujuan akhir

Jangan sampai pemerintah bangga: “kami sudah punya 500 use case.”

Jumlah bukan KPI utama.

Inventory adalah peta.

Setelah tahu peta, baru governance.

Risk assessment. Audit. Training. Security. Incident response. Decommission.

Kalau cuma punya daftar, belum selesai.

Tapi tanpa daftar, semuanya lebih sulit.

Itulah kenapa inventory adalah fondasi.

Sebelum berbicara tentang AI sovereignty, supercomputer, model nasional, atau agentic government, pemerintah perlu menjawab pertanyaan paling basic:

AI apa yang sudah kita gunakan hari ini?

Inventory juga perlu mencatat tanggal evaluasi berikutnya. Ini detail kecil yang membuat daftar berubah dari katalog menjadi alat kerja. Sistem high impact bisa direview lebih sering, sementara tool administratif rendah risiko cukup periodik. Ketika tanggal lewat, dashboard memberi alert.

Dengan begitu, inventory bukan museum teknologi. Ia menjadi kalender governance yang mengingatkan organisasi kapan sebuah sistem harus diuji ulang.

Kalau jawabannya belum jelas, langkah pertama bukan membeli teknologi baru.

Langkah pertama adalah membuka catatan dan mulai menghitung.