Dirut Telkom Soroti Infrastruktur dan Keamanan Digital untuk Industri AI

Apa yang disampaikan Dirut Telkom di DTIIF 2026

Dirut Telkom sebut infrastruktur dan keamanan digital jadi fondasi industri AI yang berdaya saing. Dirut Telkom, Nanang Hendarno, menyebut konektivitas, pusat data, dan ekosistem AI sebagai fondasi untuk membangun industri AI. Di Jakarta, Selasa, 27 Oktober 2026, pernyataan tersebut muncul pada sesi The Next Industrial Wave: Which Technologies Will Create New Global Industries? dalam DTIIF 2026, menurut ANTARA.

Pesan utamanya tidak berhenti pada kebutuhan memakai model AI. Menurut Sindonews, Nanang melihat peluang bisnis AI juga berada pada infrastruktur yang menopang penggunaan teknologi tersebut dalam skala luas. Artinya, perusahaan dan pembuat kebijakan perlu melihat AI sebagai bagian dari sistem: ada data, konektivitas, kapasitas pusat data, aplikasi yang saling terhubung, serta lingkungan digital yang dipercaya pengguna.

Dalam paparan yang dilaporkan Sindonews, Nanang menyoroti penurunan biaya kueri AI. Sindonews melaporkan biaya kueri AI merosot 280 kali sejak 2022, sementara pemakaian Google naik tujuh kali dalam setahun. Dalam konteks tersebut, penurunan biaya dapat mendorong konsumsi AI, tetapi juga menambah kebutuhan terhadap infrastruktur yang mampu menangani akses, data, dan beban penggunaan secara berkelanjutan.

Mengapa infrastruktur dan keamanan digital menjadi satu paket

Infrastruktur digital memungkinkan AI dipakai dalam proses kerja nyata. Komponennya dapat mencakup jaringan, penyimpanan data, pusat data, komputasi, serta integrasi antaraplikasi. Keamanan digital mengatur perlindungan data dan penggunaan sistem tersebut, termasuk siapa yang mendapat akses, tindakan apa yang boleh dilakukan, dan bagaimana aktivitas penting ditelusuri bila terjadi masalah.

Keduanya perlu direncanakan bersama karena AI sering memakai informasi dari lebih dari satu sistem. Sebagai ilustrasi hipotetis, sebuah perusahaan menerima lead dari formulir situs, riwayat pelanggan dari CRM, dan katalog produk dari basis data internal. Sistem AI yang mengelompokkan kebutuhan lead perlu menerima data yang relevan, tetapi tidak perlu diberi hak untuk mengubah seluruh data pelanggan atau mengirim penawaran tanpa pemeriksaan manusia.

Nanang menyatakan kepada ANTARA, ekonomi masa depan bergantung pada infrastruktur serta kepercayaan untuk memperluas pemanfaatan AI. Kepercayaan dalam konteks ini tidak cukup dibangun melalui hasil AI yang terlihat meyakinkan. Perusahaan juga perlu mengetahui asal data, pemilik proses, batas akses, dan jalur penanganan ketika hasil sistem keliru.

Praktiknya dapat dimulai dengan memisahkan tiga hal. Pertama, data yang memang dibutuhkan AI untuk menjalankan tugas. Kedua, data yang sensitif atau tidak relevan sehingga tidak perlu diberikan. Ketiga, keputusan yang boleh diotomatisasi dan keputusan yang harus tetap disetujui orang yang bertanggung jawab. Pembagian ini membantu proyek AI tidak berubah menjadi akses luas tanpa kontrol.

Mengapa banyak pilot AI belum menjadi nilai bisnis

Menurut ANTARA dan Sindonews, Nanang menyampaikan bahwa 95 persen proyek percontohan AI generatif belum memberi dampak terhadap laba-rugi perusahaan. Ia juga menyebut hanya 25 persen perusahaan mencapai ROI sesuai harapan, sementara 21 persen perusahaan telah mendesain ulang alur kerja untuk mengintegrasikan AI, menurut kepri.antaranews.com. Angka yang disampaikan dalam forum itu menunjukkan bahwa menjalankan pilot belum sama dengan membangun proses operasional yang siap dipakai.

Pilot sering berfokus pada kemampuan AI menghasilkan jawaban, ringkasan, atau klasifikasi. Tahap berikutnya jauh lebih sulit: menghubungkan output tersebut dengan sistem kerja, menetapkan pihak yang memeriksa hasil, serta menentukan tindakan ketika AI gagal memahami konteks. Tanpa perubahan workflow, AI dapat berhenti sebagai demonstrasi yang menarik tetapi tidak dipakai secara konsisten oleh tim.

Sebagai contoh hipotetis, tim penjualan ingin mempercepat penanganan lead masuk. Workflow awalnya mungkin berupa formulir masuk, admin membaca kebutuhan, admin memasukkan data ke CRM, lalu sales melakukan tindak lanjut. AI dapat membantu membaca jawaban formulir dan mengelompokkan lead berdasarkan kebutuhan yang ditulis calon pelanggan. Setelah itu, data dapat diteruskan ke CRM dan sales menerima notifikasi untuk meninjau prioritasnya.

Namun, sistem tersebut perlu memiliki batas. AI boleh memberi kategori awal dan membuat ringkasan, sedangkan sales atau supervisor tetap meninjau lead yang informasinya tidak lengkap, bernilai tinggi, atau memiliki permintaan khusus. Perusahaan juga perlu mencatat lead yang salah diklasifikasikan. Catatan itu menjadi bahan untuk memperbaiki instruksi, data masukan, atau aturan eskalasi, bukan alasan untuk membiarkan kesalahan berulang.

Tiga pertanyaan sebelum memperluas penggunaan AI

Pertanyaan pertama adalah proses apa yang sedang diperbaiki. Jangan memulai dari daftar tools. Mulailah dari pekerjaan berulang yang memiliki masalah jelas, misalnya respons lead lambat, pencarian dokumen internal memakan waktu, atau laporan rutin membutuhkan pengumpulan data manual. Pemilik proses perlu dapat menjelaskan input, output, pengecualian, dan pihak yang memakai hasilnya.

Pertanyaan kedua adalah data apa yang dipakai dan siapa yang boleh mengaksesnya. Tim perlu memeriksa apakah data sudah cukup rapi, masih relevan, dan memiliki sumber yang jelas. Untuk layanan pelanggan, misalnya, basis pengetahuan yang usang dapat membuat AI memberi jawaban keliru meski modelnya bekerja sesuai instruksi. Akses ke data pelanggan, dokumen kontrak, atau informasi internal juga perlu dibatasi berdasarkan kebutuhan tugas.

Pertanyaan ketiga adalah apa yang terjadi bila AI salah. Tindakan berisiko, seperti mengubah data pelanggan, menyetujui transaksi, atau mengirim informasi sensitif, sebaiknya memiliki persetujuan manusia. Tentukan pula siapa yang menerima eskalasi, bagaimana kesalahan dicatat, serta kapan workflow harus dihentikan sementara. Pengawasan manusia bukan hambatan adopsi; pengawasan adalah cara menjaga sistem tetap dapat dipertanggungjawabkan.

Menurut ANTARA, Nanang menilai adopsi AI perlu diikuti perubahan proses bisnis agar menghasilkan nilai ekonomi. Karena itu, evaluasi tidak perlu langsung memakai proyek besar. Sebagai ilustrasi, tim layanan pelanggan dapat memulai dari pertanyaan umum yang jawabannya sudah tersedia di basis pengetahuan. Pertanyaan di luar cakupan, permintaan perubahan data, dan keluhan sensitif diteruskan ke petugas manusia melalui jalur eskalasi yang jelas.

Langkah audit satu workflow minggu ini

Pilih satu workflow yang berulang dan mudah diamati. Tulis urutannya dari titik awal sampai hasil akhir, termasuk aplikasi yang dipakai dan orang yang mengambil keputusan. Contohnya, untuk layanan pelanggan: pertanyaan masuk, petugas mencari jawaban, petugas membalas, kasus tertentu dieskalasi, lalu percakapan dicatat. Peta sederhana ini membantu tim menemukan bagian yang realistis untuk dibantu AI.

Setelah itu, buat daftar data yang masuk ke workflow tersebut. Tandai informasi yang boleh diproses AI, informasi yang harus dibatasi, serta tindakan yang memerlukan persetujuan manusia. Uji workflow dalam cakupan kecil, lalu tinjau jawaban keliru, eskalasi yang terjadi, dan akses yang tidak semestinya. Hasil audit itu dapat menjadi dasar keputusan apakah proses perlu diperbaiki, dihentikan, atau diperluas.

Untuk memahami konteks investasi nasionalnya, pembaca dapat melihat artikel pilar Infrastruktur Digital dan AI Jadi Prioritas Investasi Nasional. Setelah membaca, ambil satu proses internal dan jadwalkan diskusi singkat bersama pemilik proses, tim data, dan penanggung jawab keamanan. Target diskusinya sederhana: memilih satu penggunaan AI yang berguna, memiliki batas akses, dan dapat dievaluasi tanpa memindahkan risiko ke pengguna atau pelanggan.