TRANSFORMASI digital pemerintahan tidak hanya mengubah cara layanan publik diberikan. Transformasi ini juga mengubah cara negara harus diawasi.
Ketika layanan publik makin bergantung pada sistem digital, risiko tidak lagi berdiri sendiri. Gangguan pada satu aplikasi, pusat data, jaringan, atau sistem keamanan dapat merembet ke layanan lain. Dalam ekosistem seperti ini, audit teknologi tidak cukup lagi hanya memeriksa kepatuhan administratif.
Audit perlu bergerak lebih jauh. Membaca pola risiko, mendeteksi anomali, memberi peringatan dini, dan membantu pemerintah mengambil keputusan sebelum gangguan menjadi krisis layanan publik.
Arah inilah yang mulai didorong Pusat Riset Sains Data dan Informasi Badan Riset dan Inovasi Nasional melalui konsep audit cerdas berbasis kecerdasan artifisial atau artificial intelligence.
Baca juga: Menteri Virtual Albania dan Masa Depan ESG Governance di Sektor Publik
Konsep tersebut dipaparkan Harnum Annisa Prafitia dalam forum internal Kelompok Riset Digital Government PRSDI BRIN. Gagasannya berangkat dari satu persoalan penting. Ekosistem pemerintahan digital makin kompleks, sementara model audit konvensional masih banyak bertumpu pada pendekatan periodik, berbasis instansi, dan fokus pada kepatuhan.
Padahal, dalam pemerintahan digital, risiko bisa muncul dari keterhubungan antarsistem.
SPBE Makin Kompleks
Di Indonesia, tantangan ini terlihat dalam implementasi Sistem Pemerintahan Berbasis Elektronik atau SPBE.
SPBE menghubungkan proses bisnis, data, aplikasi, infrastruktur, keamanan, dan layanan publik di lebih dari 500 instansi pemerintah. Integrasi sebesar ini membuat pengawasan tidak bisa lagi hanya dilakukan secara sektoral.
Baca juga: AI Washing, Titik Balik Tata Kelola Ekonomi Digital
Masalah pada satu titik dapat berdampak pada titik lain. Gangguan layanan, kebocoran data, kerentanan keamanan, atau kegagalan interoperabilitas bisa menjadi risiko sistemik bila tidak terdeteksi sejak awal.
Karena itu, audit digital pemerintah perlu membaca ekosistem secara menyeluruh. Bukan hanya menilai apakah satu instansi sudah patuh terhadap prosedur, tetapi juga menilai bagaimana sistem saling bergantung, di mana titik rawannya, dan risiko apa yang bisa muncul dalam jangka waktu tertentu.
Di sinilah AI mulai menjadi relevan.
Dari Kepatuhan ke Prediksi
Harnum dan tim mengusulkan Six-Layer Smart Technology Audit Framework for Digital Government. Kerangka ini dirancang untuk menggeser audit dari pemeriksaan kepatuhan menuju pengelolaan risiko berbasis data.
Dengan machine learning, sistem audit dapat membantu mengenali pola risiko secara otomatis. AI dapat membaca anomali, memetakan kelemahan sistem, dan memperkirakan potensi dampak berantai atau cascading failure pada layanan publik digital.
Pendekatan seperti ini penting karena risiko digital sering tidak muncul secara tiba-tiba. Banyak gangguan diawali oleh pola kecil. Lonjakan trafik tidak wajar, kegagalan integrasi, konfigurasi keamanan yang lemah, atau perubahan performa sistem yang luput dari pengawasan manual.
Jika pola tersebut terbaca lebih awal, pemerintah memiliki ruang untuk merespons sebelum layanan publik terganggu.
Namun, pemanfaatan AI dalam audit juga membawa tantangan baru. Salah satunya transparansi.
Rekomendasi AI tidak boleh menjadi kotak hitam yang sulit dipahami pembuat kebijakan. Karena itu, Harnum mengusulkan penggunaan Local Interpretable Model-Agnostic Explanations atau LIME. Metode ini membantu menjelaskan alasan di balik rekomendasi model AI agar lebih mudah dipahami auditor, regulator, dan pemangku kepentingan non-teknis.
Data Tetap Terjaga
Bagian penting lain dari konsep ini adalah federated learning.
Dalam pendekatan tersebut, model AI dapat dilatih secara terdistribusi di server masing-masing instansi. Data mentah yang sensitif tidak perlu dipindahkan atau dipusatkan di satu lokasi.
Model tetap dapat belajar dari berbagai sumber, sementara privasi dan keamanan data lebih terlindungi. Bagi sektor publik, pendekatan ini penting karena data pemerintah sering memuat informasi warga, proses layanan, dan infrastruktur strategis.
Baca juga: AI Merancang AI, Regulasi Harus Mengejar
Dengan federated learning, kebutuhan audit nasional dapat berjalan tanpa harus mengorbankan prinsip perlindungan data.
Konsep lain yang diperkenalkan adalah arsitektur peringatan dini tiga tingkat. Sistem ini dapat membantu pemerintah mendeteksi risiko secara bertahap dan merespons dengan tingkat urgensi yang sesuai.
Dengan kata lain, audit tidak lagi berhenti pada laporan setelah kejadian. Audit berubah menjadi sistem pengawasan hidup yang bekerja lebih dekat dengan denyut layanan digital.
Governance Intelligence
Arah ini menunjukkan perubahan besar dalam tata kelola pemerintahan digital.
Audit teknologi tidak lagi cukup dipahami sebagai instrumen pemeriksaan. Audit mulai berkembang menjadi governance intelligence, kemampuan institusi membaca kondisi sistem, memahami risiko, dan mengambil keputusan berbasis prediksi.
Bagi Indonesia, agenda ini penting karena transformasi digital sektor publik tidak hanya diukur dari jumlah aplikasi, integrasi layanan, atau indeks SPBE. Kualitas transformasi juga ditentukan oleh kemampuan negara menjaga layanan tetap aman, andal, dan adaptif.
Baca juga: Ketika Menteri AI Hamil, Reformasi Birokrasi dari Rahim Digital
Pemerintahan digital yang berkelanjutan membutuhkan lebih dari infrastruktur teknologi. Pemerintahan digital membutuhkan pengawasan yang mampu belajar, memprediksi, dan mencegah risiko sebelum publik merasakan dampaknya.
Dalam konteks itu, audit cerdas berbasis AI bukan sekadar inovasi teknis. Ini adalah bagian dari fondasi baru tata kelola negara digital. ***
- Foto: Ilustrasi/ Egor Komarov/ Pexels – Dashboard pemantauan digital menjadi bagian penting dalam audit cerdas untuk membaca risiko layanan publik sebelum berdampak luas.
