MONASH UNIVERSITY = Women in AI: Breaking Barriers and Building Futures panel event [ Part 5 ]

Kami bekerja sangat dekat dengan Kementerian dan KPPPA, terutama dalam isu pemberdayaan perempuan. Kami mulai membangun data teragregasi—bukan hanya laki-laki dan perempuan, tetapi juga anak-anak.

Harapannya, sekarang ketika kami sudah beroperasi di level ini, Indonesia bisa memiliki regulasi tata kelola data yang baik. Dari yang saya lihat, pemerintah Indonesia memang suka pendekatan “stick and carrot”. Jadi mulai sekarang, kami benar-benar mendorong evaluasi pelaksanaan regulasi tersebut di semua sektor—bukan hanya kementerian, tetapi juga pemerintah daerah.

Artinya, mereka harus meningkatkan kualitas data mereka. Ketika data dari daerah bisa dikonsolidasikan ke nasional, semuanya jauh lebih mudah.

Saat pertama kali saya masuk, kondisinya sangat sulit. Bayangkan, saya menemukan foto-foto roda, gambar acak—hal-hal yang bukan data sama sekali. Tidak ada standar data. Akhirnya saya harus membuat standar setelah implementasi berjalan, menyusun definisi, dan mendesain sistem. Itu pekerjaan yang sangat berat.

Bahkan ketika daerah menggunakan indikator yang sama, penafsirannya berbeda-beda.
Contohnya, indikator “panjang jalan yang dilayani drainase.” Satu kota melaporkan panjang semua jalan. Kota lain hanya melaporkan panjang jalan berbahan beton. Berbeda total. Penyebabnya? Tidak ada metadata.

Proses konsolidasi data benar-benar menyakitkan. Akhirnya kami berhenti memaksakan konsolidasi, dan fokus pada perbaikan standar serta mendorong penerapan standar tersebut secara nasional.

Sekarang kami membangun dashboard. Anda juga sedang mengerjakan proyek serupa—mengintegrasikan sistem dengan dashboard dan memeriksa kualitas data satu per satu.

Misalnya, untuk program Makanan Bergizi di Sekolah (SDG 4), saya membutuhkan data dari Kemenkes, Kemendikbud, dan lainnya. Melalui proyek ini, saya bisa mengecek kualitas datanya dan menghubungkan langsung ke program gizi sekolah.

Dulu, fokus kami hanya “mengumpulkan data”—karena ya, portal kami punya banyak sekali data. Tetapi standarnya tidak seragam, sehingga semuanya menjadi sulit.

Sekarang kami menggunakan dua pendekatan:

  1. Tetap mengumpulkan data dari daerah dan kementerian, dan

  2. Membangun dashboard untuk mengecek apakah datanya sesuai standar.

Kami juga mendorong data terpilah (disaggregated data), yang biayanya mahal. Di BPS, menambah satu pertanyaan saja dalam survei menambah waktu 1–2 menit, yang artinya biaya besar. Jadi kami sedang mencari cara yang lebih efisien untuk memperbaiki data terpilah. Saya juga bekerja erat dengan Kemendagri untuk hal ini. Semoga bisa berjalan baik dan kita bisa kolaborasi.

Tentang Literasi AI di Indonesia

Ini isu besar—bukan hanya untuk developer atau pengguna, tetapi untuk semua orang, termasuk mereka yang tidak menggunakan AI.

Contohnya orang tua atau lansia. Mereka mungkin tidak memakai AI, tapi bisa tertipu oleh konten AI—video palsu, deepfake, atau misinformasi.

Jadi literasi AI harus menjangkau seluruh masyarakat Indonesia. Hal ini bahkan tercantum dalam roadmap nasional yang diluncurkan kemarin: masyarakat harus menjadi bagian dari transformasi, bukan hanya developer dan user.

Banyak NGO sudah bekerja di bidang literasi AI. Salah satu target paling strategis adalah guru. Indonesia punya jutaan guru, dan mereka sangat berpengaruh. Kalau kita edukasi guru, mereka akan mendidik muridnya, dan murid akan memengaruhi orang tuanya. Guru adalah kunci untuk memperluas literasi AI secara nasional.

Intinya:
Ini tidak boleh hanya menjadi program atau proyek.
Ini harus menjadi gerakan nasional.

Pertanyaan dari Peserta

Nama saya Indian. Saya bekerja di bidang teknologi dan sektor publik. Saya juga bekerja dengan institusi pemerintah. Saya punya pertanyaan teknis. Anda tadi menyebut agentic AI.

Hipotesis saya: ke depan, banyak transaksi di dunia digital akan dilakukan oleh AI agent atas nama kita. Itulah konsep agen—memberi LLM kemampuan untuk bertindak. Apakah ada penelitian mengenai bagaimana mengatur AI agent?

Karena mengatur aktor non-manusia di dunia digital tidak sama dengan mengatur manusia. Bagaimana mengaturnya? Bagaimana akuntabilitasnya?

Jawaban

Tentu saja ada penelitian mengenai regulasi AI. Banyak ahli hukum, terutama yang fokus pada teknologi, sedang membahas bagaimana mendefinisikan dan mengatur sistem AI, termasuk agent.

Ini bukan bidang utama saya, tetapi dari diskusi dengan para ahli hukum:

Pada akhirnya, yang harus diatur tetaplah manusia.
Hukum mengatur hubungan antar manusia, bahkan ketika ada sistem agentic AI yang bertindak.

AI agent harus selalu dapat ditelusuri kembali ke manusia atau organisasi tertentu.
Jika tidak bisa ditelusuri, agent seperti itu tidak boleh beroperasi. Apa gunanya aktor non-manusia yang tidak bisa dipertanggungjawabkan?

Jadi yang diatur adalah hubungan:

  • organisasi ↔ organisasi

  • organisasi ↔ manusia

  • manusia ↔ manusia

Hukum tidak berubah; yang berubah adalah konteks tindakan yang dilakukan melalui AI. Preseden akan menentukan arah regulasinya. Tapi ya, hukum pasti bergerak lebih lambat dibanding teknologi, dan kita harus menghindari regulasi berlebihan.

Konteks Regulasi Indonesia

Indonesia sudah punya beberapa regulasi terkait AI. Yang terbaru adalah Roadmap AI, tetapi OJK juga punya aturan untuk sektor keuangan. Mereka mewajibkan perusahaan mengikuti prinsip:

  • transparansi

  • akuntabilitas

  • keterjelasan (explainability)

  • keadilan

Namun masalah terbesar Indonesia adalah implementasi.

Monitoring sulit. Misalnya, OJK meminta bank mengisi form kepatuhan. Tapi karena self-reporting, kalau mereka bilang “kami sudah transparan”, ya diterima saja.

Masalah lain: banyak perusahaan asing menjual layanan AI di Indonesia tanpa terdaftar di sini. Google terdaftar dengan benar, tapi OpenAI tidak—padahal kita memakai dan membayar layanannya. Itu jadi tantangan.

Penutup

Karena sudah jam 4 sore, kita harus mengakhiri diskusi panel ini.

Terima kasih kepada seluruh pembicara atas insight dan pengalamannya. Saya yakin kita semua banyak belajar hari ini.

Sebelum pulang, mohon isi form feedback untuk acara berikutnya.
Dan tentu saja, sesuai tradisi Indonesia—mari kita foto bersama!

✅ Clean & Polished English Version

We work very closely with the Ministry and KPPPA. It’s mainly about women’s empowerment. We started building aggregated data—not just male and female, but also children.

Hopefully now that we’re operating at this level, we finally have good regulations for data governance. What I observe is that the Indonesian government really likes the “stick and carrot” approach. So from now on, we are enforcing evaluations of the implementation of these regulations across all sectors—not only ministries but also local governments.

This means they must improve their data quality. When we consolidate data from local to national levels, it becomes much easier.

When I first started, the situation was extremely challenging. Can you imagine? I found photos of wheels, random images—things that were not data. There was no data standard at all. So I had to create standards after the implementation had already started, build definitions, and design the system. It was extremely hard.

Even when different regions used the same indicator, they interpreted it differently.
For example, the indicator “length of street served by drainage” should be simple. One city reports the actual length of streets. Another city reports only the length of concrete streets. Completely different. Why? Because there was no metadata.

So consolidating data was extremely painful. We eventually stopped forcing consolidation and shifted to improving standards and pushing those standards nationwide.

Now we’re building dashboards. You are also developing a similar project—integrating a system with a dashboard and checking data quality one by one.

For example, for the School Meals program under SDG 4, I need data from the Ministry of Education, the Ministry of Health, and so on. Through this project, I can check the quality of their data and link it directly to the school nutrition program.

In the early stages, it was only about “pooling data”—because yes, we have tons of data in our portal. But the standards were inconsistent, which made everything extremely difficult.

Now we are approaching this from two sides:

  1. Still collecting data from local and ministerial levels, and

  2. Building dashboards to check whether data meets our standards.

At the same time, we are pushing for disaggregated data, which is expensive. For BPS, adding just one question to a survey can add 1–2 minutes, which costs a lot. So now we are exploring more efficient ways to improve disaggregated data. I also work closely with Kemendagri on this. Hopefully it will work, and we can collaborate.

On AI Literacy in Indonesia

This issue is huge—not only for developers or users, but for everyone, including people who don’t use AI at all.

For example, elderly people may not use AI, but they can still be tricked by AI-generated content—fake video calls, deepfakes, misinformation.

So AI literacy must reach all Indonesians. It is even written in the national roadmap launched yesterday: society must be included, not just developers and users.

Many NGOs are already working on AI literacy. One of our most strategic targets is teachers. Indonesia has millions of teachers, and they play a crucial role. If we teach the teachers, they will teach the students, and the students will influence their parents. Teachers are key in expanding AI literacy nationwide.

The idea is:
This shouldn’t just be a program or project.
It should be a national movement.

Audience Question

My name is Indian. I work in technology and the public sector. I also work with government institutions. I have a technical question. You mentioned agentic AI earlier.

My hypothesis is that AI agents will soon conduct many transactions in cyberspace on our behalf. That’s the vision of agents—giving LLMs tools so they can perform actions. Is there any research on how to govern AI agents?

Because managing non-human actors in cyberspace is different from managing humans. How do we regulate agents? How do we ensure accountability?

Response

There is definitely research on AI regulation. Legal scholars, especially in the intersection of technology and law, are actively discussing how to define and regulate AI systems, including agents.

This is not my area of expertise, but from my conversations with these scholars:

Ultimately, what needs to be regulated is still people.
Law governs human–human relationships, even when an agentic system is involved.

An AI agent must always trace back to a human or an organization.
If it does not, it should not exist. Why would a non-traceable agent be allowed to act at all?

So, we regulate the relationships:

  • organization ↔ organization

  • organization ↔ human

  • human ↔ human

The nature of the law doesn’t change; the law just needs to adapt to include actions performed by AI agents. Precedents will guide what and how to regulate. But legal systems will move slower than technology, and we must avoid overregulation.

Indonesia’s Regulatory Context

Indonesia already has several regulations on AI. The latest is the AI Roadmap, but OJK also has AI-related regulations, especially for finance. They require companies to follow principles such as:

  • transparency

  • accountability

  • explainability

  • fairness

The usual AI principles.

But the real issue in Indonesia is implementation.

Monitoring is difficult. For example, OJK requires banks to fill out forms to declare compliance. But they self-report—if they say “yes, we’re transparent,” it gets accepted.

Another problem: many international companies sell AI services in Indonesia without being registered here. Google is properly registered, but OpenAI is not—yet we use and pay for their services. That’s a challenge.

Closing

As we are reaching 4 PM, we need to end this panel discussion.

Thank you to all our speakers for your insights and experiences. I believe we all learned a lot today.

Before leaving, please fill out the feedback form for our next event.
And of course, as per Indonesian tradition—let’s take a group photo!


Comments

Post a Comment

Popular Posts