Era AI: Kabinet Seharusnya Ramping, Bukan Membengkak

Opini kebijakan—gaya ringkas, logis, dan tajam.

Premis Sederhana

AI mengompresi jarak antara data dan keputusan. Ketika mesin mampu melakukan verifikasi dokumen, menambal duplikasi data, dan mengorkestrasi alur lintas-instansi secara otomatis, maka biaya koordinasi manusia harusnya menurun. Jika organisasi tetap menambah lapisan dan unit, itu gejala bahwa struktur tidak mengikuti teknologi.

Masalah Inti dari “Birokrasi Menggemuk”

1. Biaya koordinasi membengkak—jumlah relasi antarkementerian tumbuh mendekati kuadratik. Semakin banyak simpul, semakin mahal sinkronisasi.
2. Fragmentasi data—setiap kementerian membawa “versi kebenaran” sendiri; integrasi jadi proyek permanen yang tak pernah selesai.
3. Goodhart’s Law—indikator dipoles untuk menyenangkan atasan, bukan untuk memperbaiki layanan warga.
4. Politics over product—portofolio jabatan cenderung mengikuti akomodasi, bukan desain layanan publik.
5. Kecepatan nurun—AI butuh keputusan cepat; struktur gemuk melambatkan siklus build–measure–learn.

Prinsip Desain Organisasi “AI-Native Government”

• Data-first, policy-later: satu national data layer sebagai sumber kebenaran.
• API by default: setiap layanan punya API resmi; antar-instansi terhubung lewat standar, bukan rapat.
• Product thinking: kementerian diperlakukan seperti product line—punya owner, roadmap, dan user journey jelas.
• Governance tipis, kuat: layer pengarah kecil namun tegas pada standar data, keamanan, dan privasi.
• SLA/SLO: mutu terukur; misalnya 80% layanan selesai end-to-end tanpa tatap muka (straight-through processing).
• Transparansi real-time: metrik kinerja publik, dapat diaudit, drill-down hingga level unit.
• Team kecil, lintas-keahlian: policy + engineering + ops dalam satu tim misi.
• Kontrak perilaku: tiap klaim layanan = janji yang dapat diuji.

Sketsa Struktur Ramping (±20 Kementerian Inti)

Ilustratif, bukan daftar final.

• Ekonomi & Keuangan Publik
• Perindustrian & Perdagangan
• Investasi & Hilirisasi
• Pendidikan (Dasar–Tinggi) & Riset
• Kesehatan
• Sosial & Perlindungan
• Ketenagakerjaan & Migran
• Infrastruktur & Permukiman
• Transportasi
• Pangan, Pertanian & Perikanan
• Lingkungan & Iklim
• Kehutanan & Keanekaragaman Hayati
• Hukum, HAM & Administrasi Keadilan
• Dalam Negeri & Tata Kelola Daerah
• Luar Negeri
• Pertahanan & Keamanan
• Digital, Data & AI (termasuk identitas, keamanan siber, tata kelola data)
• Koperasi & UMKM (bisa sebagai badan khusus alih-alih kementerian penuh)
• Pariwisata & Ekonomi Kreatif (dapat berupa badan dengan KPI ekspor-jasa)
• Perencanaan Pembangunan Nasional (Bappenas sebagai brain lintas sektor)

10 Layanan Publik yang Seharusnya “Straight-Through Processing” (STP)

Layanan	Indikator STP	Catatan AI
Perizinan Usaha	>80% izin terbit tanpa tatap muka	Validasi otomatis NIK, NPWP, alamat, risiko
Beasiswa & Bantuan Sosial	Seleksi dan pencairan otomatis sesuai aturan	Skoring berbasis data terpadu kemiskinan
Pengadaan Barang/Jasa	Dokumen & kepatuhan otomatis	Deteksi anomali harga & vendor
Impor–Ekspor	Dok clearance otomatis	Cross-check HS code & jejak kepatuhan
Perpajakan	Pelaporan & restitusi cepat	Rekonsiliasi data transaksi multi-sumber
Registrasi Identitas	95% permohonan otomatis	Biometrik + verifikasi dokumen AI
Jaminan Kesehatan	Klaim otomatis & audit pasca-bayar	Deteksi fraud & duplikasi
Sertifikasi Lahan/UMKM	Terbit tanpa kantor fisik	GeoAI + validasi kepemilikan
Logistik & Pelabuhan	Single submission terintegrasi	Sloting dinamis, antrian prediktif
Pengaduan Publik	Rutek otomatis ke instansi berwenang	Analitik sentimen & SLA penanganan

Peta Jalan Transisi (18 Bulan)

1. 0–6 bulan: Konsolidasi Data — inventaris data nasional, kamus data, unique identifiers, audit duplikasi regulasi.
2. 6–12 bulan: Layanan Prioritas STP — pilih 10 layanan bernilai tinggi; tetapkan API, rule engine, dan dashboard publik.
3. 12–18 bulan: Restruktur — lebur unit tumpang tindih, bentuk tim produk lintas-keahlian, kurangi lapisan koordinasi.

KPI yang Masuk Akal (Leading & Lagging)

• STP Rate: % layanan selesai tanpa tatap muka.
• Interoperability Score: jumlah layanan yang memanggil API lintas instansi.
• Median Service Time: durasi dari pengajuan ke keputusan.
• Auditability: proporsi keputusan yang punya explainable trace.
• Cost-to-Serve: biaya per kasus terselesaikan.

Risiko & Mitigasi

• Over-automate: tetap sediakan human-in-the-loop untuk kasus anomali.
• Privasi & Keamanan: minimasi data, enkripsi end-to-end, zero trust, audit independen.
• Capture politik: publikasi metrik real-time; perubahan struktur butuh sunset clause & evaluasi periodik.
• Skill gap: re-skilling aparatur di AI, data, dan desain layanan.

Kesimpulan

AI bukan sekadar alat cepat; ia adalah alasan organisasi dipangkas. Jika negara mengadopsi AI namun menambah lapisan birokrasi, maka yang berubah hanya poster, bukan proses. Ramping itu bukan gaya—itu disiplin: satu data, satu standar, sedikit kementerian, layanan makin cepat.

---

Catatan penutup: tulisan ini mengusulkan kerangka desain; angka dan nama lembaga dapat disesuaikan oleh pembuat kebijakan. Prinsipnya tetap: di era AI, negara yang efisien adalah negara yang berani mengurangi dirinya.