KORIKA dan AI Singapore Meluncurkan Project NUSA di Bali

Apa yang terjadi dalam peluncuran Project NUSA

KORIKA dan AI Singapore meluncurkan Project NUSA di Bali pada 21 Oktober 2026. Project NUSA adalah singkatan dari Network for Unified, Secure AI. Menurut laporan Medcom.id, inisiatif ini ditujukan untuk mempercepat adopsi AI yang aman, tepercaya, dan selaras dengan kebutuhan lokal Indonesia serta Singapura.

Program ini tidak diposisikan sebagai peluncuran satu model AI atau satu aplikasi baru. Fokusnya adalah fondasi bersama agar organisasi dapat membangun dan menggunakan solusi AI dengan aturan akses, data yang layak digunakan, serta mekanisme pertanggungjawaban yang lebih jelas. Medcom.id melaporkan bahwa Project NUSA dirancang untuk menjembatani strategi nasional AI kedua negara dengan penerapan di berbagai sektor.

Menurut Medcom.id, fase perdana Project NUSA mencakup 20 organisasi lintas teknologi, industri, keuangan, konsultasi, keselamatan AI, pendidikan. Pengembangan solusi disebut akan berfokus di Indonesia dan Singapura terlebih dahulu, sebelum kemungkinan diperluas ke Asia Tenggara serta pasar global.

Kolaborasi ini juga dikaitkan dengan tujuan ekonomi. Suara Landak melaporkan pernyataan Menteri Koordinator Bidang Perekonomian Airlangga Hartarto bahwa pemanfaatan AI perlu memberi manfaat ekonomi sambil membangun kepercayaan masyarakat dan organisasi. Artinya, pembahasan AI tidak berhenti pada kemampuan model, melainkan mencakup apakah sistem tersebut aman digunakan dalam proses kerja nyata.

Dua fondasi yang dibawa Project NUSA

Dua pilar pokok Project NUSA adalah tata kelola AI sumber terbuka serta data terbuka dan pengetahuan siap-AI. Medcom.id menyebut pilar awal meliputi kontrol akses, pemantauan agen AI, serta pertanggungjawaban sistem. Tata kelola di sini berarti organisasi menetapkan siapa yang boleh memakai sistem, data apa yang bisa dibaca, tindakan apa yang dapat dilakukan, serta siapa yang menangani kesalahan.

Pengaturan ini relevan ketika AI terhubung ke sistem kerja. Sebagai ilustrasi, asisten AI internal boleh membantu merangkum dokumen operasional, tetapi tidak otomatis diberi hak mengubah data pelanggan atau menyetujui transaksi. Aktivitasnya perlu tercatat, aksesnya dibatasi berdasarkan peran pengguna, dan tindakan berdampak tinggi tetap memerlukan persetujuan manusia. Pengawasan bukan penghambat penggunaan AI; pengawasan membantu organisasi mengetahui batas kerja sistemnya.

Menurut Suara Landak, pilar kedua mengubah data legal menjadi pengetahuan andal bagi AI. Istilah ini penting karena AI hanya dapat memberi jawaban yang berguna jika sumber informasinya relevan, masih berlaku, dan dapat diakses secara sah.

Contohnya, organisasi yang ingin membuat asisten kebijakan internal tidak cukup mengunggah semua dokumen ke satu basis pengetahuan. Tim perlu memilah dokumen yang sudah kedaluwarsa, menetapkan pemilik tiap kebijakan, memeriksa hak akses, lalu menentukan dokumen mana yang boleh dijadikan rujukan. Hasil yang diharapkan bukan jawaban AI yang terdengar meyakinkan, melainkan jawaban yang dapat ditelusuri kembali ke sumber yang telah disetujui.

Mengapa konteks lokal menjadi bagian penting

Menurut Medcom.id dan Suara Landak, pendekatan Project NUSA diarahkan agar sistem AI dapat memahami bahasa, regulasi, dan konteks lokal sambil menjaga keamanan data, kepatuhan regulasi, serta pengawasan manusia untuk keputusan berisiko tinggi. Ini berarti kualitas AI tidak hanya dinilai dari kelancaran responsnya.

Konteks lokal dapat muncul dalam istilah operasional, aturan internal, struktur dokumen, bahasa campuran, atau kewajiban kepatuhan yang berbeda antarorganisasi. Sistem AI yang memakai basis pengetahuan global mungkin mampu menjelaskan konsep umum, tetapi belum tentu memahami prosedur lokal yang berlaku dalam organisasi pengguna. Karena itu, data dan pengetahuan lokal perlu disiapkan sebelum AI diberi peran dalam workflow.

Misalnya, sebuah tim layanan pelanggan ingin memakai AI untuk memilah pesan masuk. Sistem dapat membaca isi pesan, mengelompokkan pertanyaan, mengambil jawaban dari basis pengetahuan yang telah ditinjau, lalu meneruskan keluhan sensitif kepada staf. Jika pesan menyangkut data pribadi, sengketa, atau keputusan yang berpotensi merugikan pelanggan, sistem tidak seharusnya mengambil keputusan akhir sendiri.

Workflow tersebut menunjukkan perbedaan antara otomasi, AI, dan agen AI. Otomasi menjalankan aturan tetap, misalnya formulir masuk diteruskan ke CRM. AI dapat mengklasifikasikan isi formulir atau merangkum kebutuhan pelanggan. Agen AI dapat menjalankan beberapa langkah dengan konteks dan tools yang diizinkan untuk mencapai tujuan tertentu. Semakin luas wewenang sistem, semakin ketat kebutuhan terhadap kontrol akses, pencatatan aktivitas, dan persetujuan manusia.

Dampak Project NUSA bagi organisasi Indonesia

Nilai praktis Project NUSA terletak pada dorongan untuk membangun fondasi bersama, bukan memulai setiap penerapan AI dari nol. Medcom.id menilai organisasi perlu menyesuaikan solusi tanpa merakit semua teknologi internal. Namun, laporan tersebut tidak menjanjikan hasil bisnis tertentu untuk setiap organisasi.

Keberhasilan tetap bergantung pada masalah kerja yang dipilih, mutu data, integrasi sistem, dan disiplin pengawasan. Organisasi yang langsung memulai dari pilihan tools berisiko memiliki sistem AI yang menarik saat diuji, tetapi sulit dipakai secara aman oleh tim operasional. Titik awal yang lebih berguna adalah proses bisnis yang jelas dan berulang.

Sebagai contoh hipotetis, perusahaan distribusi menerima pertanyaan pesanan dari email, formulir, dan pesan pelanggan. Tahap awalnya dapat berupa pemetaan proses: pesan masuk, admin memeriksa nomor pesanan, status dicari di sistem, pelanggan diberi respons, kasus rumit diteruskan ke staf. Setelah proses itu dipahami, AI dapat membantu mengidentifikasi maksud pelanggan dan menyusun draf respons berdasarkan data yang diizinkan. Staf tetap meninjau kasus yang tidak memiliki data lengkap atau memerlukan keputusan khusus.

Ukuran evaluasinya juga perlu praktis. Tim dapat memantau jenis pertanyaan yang gagal dijawab, jumlah respons yang dikoreksi staf, kasus yang harus dialihkan, serta dokumen mana yang paling sering menimbulkan jawaban keliru. Catatan ini membantu memperbaiki data dan aturan kerja, bukan sekadar menilai apakah AI mampu menghasilkan respons cepat.

Langkah awal sebelum memperluas penggunaan AI

Organisasi tidak perlu memulai dengan sistem agen yang memiliki akses luas. Pilih satu proses berulang dengan risiko rendah, batas pengguna yang jelas, dan sumber data yang telah diperiksa. Contoh yang layak diuji adalah asisten pencarian kebijakan internal, klasifikasi tiket layanan pelanggan, atau peringkasan laporan operasional untuk ditinjau manusia.

Buat daftar sederhana sebelum uji coba dimulai: data apa yang boleh digunakan, siapa yang dapat mengakses sistem, tindakan apa yang boleh otomatis, tindakan apa yang wajib disetujui manusia, dan siapa penanggung jawab bila sistem memberi hasil keliru. Daftar ini menerjemahkan prinsip tata kelola ke keputusan operasional sehari-hari.

Setelah itu, jalankan uji coba pada cakupan terbatas. Kumpulkan pertanyaan gagal, koreksi staf, serta kondisi ketika AI harus berhenti dan menyerahkan pekerjaan kepada manusia. Perbarui basis pengetahuan dan aturan akses dari temuan tersebut. Baru setelah kontrol, sumber data, dan alur eskalasi bekerja konsisten, organisasi dapat mempertimbangkan perluasan ke workflow yang lebih kompleks.

Bagi pembaca yang ingin memahami kemampuan sistem berbasis agen, artikel pilar Google Meluncurkan Gemini 4 Argon untuk Tugas AI Kompleks dan Alur Kerja Berbasis Agen dapat menjadi konteks pelengkap. Project NUSA menempatkan pertanyaan yang berbeda: bukan hanya apa yang dapat dilakukan AI, tetapi bagaimana organisasi memberi batas, bukti, dan tanggung jawab saat AI mulai melakukan pekerjaan.