Ketika Kota Kecil Melompat Lebih Dulu, Kotamobagu dengan dua Sistem Agentic AI, dan Kesenjangan Kedalaman AI Indonesia

Ada satu paradoks yang sedang dihadapi Indonesia di bidang kecerdasan buatan (AI), kita termasuk negara paling antusias memakai AI di dunia, tetapi termasuk yang paling tertinggal dalam memakainya untuk hal-hal yang benar-benar sulit.

Wakil Menteri Komunikasi dan Digital Nezar Patria merumuskannya dengan tepat pada Juli 2026: masalah Indonesia "bukan soal kesenjangan akses, tapi kesenjangan dalam hal kedalaman." Indonesia masuk lima besar dunia dalam penggunaan ChatGPT untuk coding dan analisis data. Hampir separuh angkatan kerja menyentuh AI setiap minggu. Namun di level organisasi - terutama organisasi pemerintah - sebagian besar inisiatif AI mandek di tahap uji coba dan tidak pernah menjadi sistem yang benar-benar bekerja di lapangan.

Di tengah lanskap itu, sebuah kota berpenduduk sekitar 130 ribu jiwa di Kotamobagu, Sulawesi Utara, sudah menjalankan dua sistem agentic AI di layanan pemerintahannya.

1. Peta nasional: luas tapi tipis

Angka adopsi AI Indonesia memang mengesankan. Pemerintah mengutip tingkat adopsi nasional yang sangat tinggi, dan Indonesia rutin disebut sebagai pasar AI paling bergairah di Asia Tenggara. Tetapi white paper "Closing the AI Capability Gap in Indonesia" yang dirilis Southeast Asia Public Policy Institute (SEAPPI) pada 3 September 2026 - disusun dengan dukungan OpenAI bersama Vriens & Partners - menunjukkan sisi lain dari angka itu.

Temuannya: hanya sedikit orang yang benar-benar memakai AI untuk pekerjaan berat. Dari data OpenAI, pengguna paling aktif di Indonesia memberi AI tugas yang tingkat kerumitannya lebih dari 11 kali lipat dibanding pengguna biasa. Artinya mayoritas orang memakai AI untuk hal ringan - merangkum, menulis ulang, bertanya hal sederhana. Yang memakainya untuk pekerjaan rumit masih segelintir.

Di sektor pemerintahan, polanya lebih jelas lagi. Kementerian Komunikasi dan Digital pada April 2026 menyimpulkan bahwa hambatan terbesar implementasi AI di Indonesia bukan kecanggihan teknologi, melainkan kepemimpinan, budaya organisasi, dan kualitas data yang terfragmentasi. Banyak inisiatif AI di instansi pemerintah berhenti di tahap proof of concept tanpa pernah menjadi solusi berdampak.

Apa yang sudah jalan di instansi pemerintah Indonesia, kalau dipetakan, hampir seluruhnya satu jenis: chatbot informasional.

• Kementerian Koperasi memakai asisten virtual di WhatsApp resmi untuk menjawab pertanyaan dasar seputar pendirian koperasi dan program KDKMP.

• Kemendikti Saintek dan Bank Indonesia memakai chatbot untuk mempercepat respons layanan informasi publik.

• Kanwil Kementerian Hukum Sulawesi Selatan meluncurkan Chatbot AI untuk mendukung layanan 24 jam.

• Kabupaten Gresik menaruh chatbot AI di JDIH lewat WhatsApp untuk pertanyaan seputar peraturan daerah.

• Kota-kota besar seperti Jakarta, Bandung, dan IKN memakai AI untuk manajemen lalu lintas real-time dan peringatan dini bencana.

Semua ini nyata dan bermanfaat. Tetapi secara arsitektural, semuanya berada di kelas yang sama: sistem yang menjawab. Bukan sistem yang mengerjakan.

Dalam Government AI Readiness Index Oxford Insights, Indonesia berada di peringkat 42 dari 193 negara pada 2023 dengan skor 61,03 - jauh di bawah Singapura (peringkat 2) dan Malaysia (23). Salah satu pilar terlemah Indonesia adalah pasokan teknologi dari sektor teknologi domestik. Konteks ini penting untuk memahami apa yang terjadi di Kotamobagu, karena yang dibangun di sana justru pasokan teknologi domestik itu sendiri.

2. Apa yang sebenarnya berjalan di Kotamobagu

Dua sistem yang beroperasi di Pemerintah Kota Kotamobagu:

SAGA - asisten AI kepegawaian bagi aparatur sipil negara (ASN), diakses lewat WhatsApp. Sistem ini tidak dibangun di atas naive RAG yang menyerap dokumen mentah, melainkan di atas ekstraksi aturan dan SOP kepegawaian terstruktur, dan terhubung ke data kepegawaian yang sesungguhnya. Pegawai bertanya soal hak, syarat, dan tahapan urusan kepegawaiannya; sistem menelusuri aturan, mencocokkannya dengan kondisi pegawai yang bersangkutan, lalu memandu langkah berikutnya.

Satu detail teknis SAGA layak disebut karena menyangkut hal yang paling sering diabaikan di sistem AI pemerintah: identitas unik ditegakkan di sisi server pada lapisan kueri dan tool, bukan di lapisan prompt. Artinya seorang pegawai secara struktural tidak bisa mengakses data pegawai lain, betapa pun cerdiknya ia bertanya. Kontrol semacam ini bukan fitur tambahan; inilah yang membedakan agen yang boleh menyentuh data pribadi dari agen yang tidak boleh.

SAPA (Sahabat Pajak AI) - asisten AI layanan perpajakan daerah di lingkungan badan pengelolaan keuangan daerah. Sistem ini terhubung ke basis data perpajakan, bukan hanya ke dokumen. Ia bisa menelusuri, memeriksa, dan merespons berdasarkan kondisi data wajib pajak yang sebenarnya.

Keduanya berdiri di atas satu fondasi bernama Projec Valinor - platform agentic multi-agen milik Pemerintah Kota Kotamobagu dengan protokol Agent-to-Agent (A2A): satu agen inti sebagai pengarah, dengan sub-agen per satuan kerja yang saling terhubung. Arsitekturnya PostgreSQL dengan pgvector, orkestrator Python kustom, MCP, Bun, dan WhatsApp Cloud API sebagai kanal.

Ada juga disiplin pengujian yang tidak biasa, model frontier dipakai di hulu untuk menyiapkan dataset, rubrik, dan pengujian, lalu menilai keluaran sistem, dengan ambang kelulusan 99 persen sebelum sebuah model boleh naik produksi. Model produksi yang melayani percakapan sendiri dipilih yang paling ekonomis . Ini pola evals-first yang jadi standar di penerapan AI engineering advance dan hampir tidak pernah terdengar di ruang govtech daerah.

3. Tangga kematangan: Kotamobagu ada di level berapa?

Untuk menilai posisi sebuah organisasi pemerintah, tangga kematangan AI bisa disederhanakan menjadi enam tingkat:

Kotamobagu berada mantap di Level 4, dengan fondasi Level 5 sudah terpasang tapi belum penuh terisi.

Penilaian ini bukan pujian kosong, dan bisa dibuktikan secara langsung. Yang membedakan Level 3 dan Level 4 bukan seberapa pintar jawabannya, melainkan tiga hal konkret: apakah sistem punya akses tool ke basis data operasional; apakah ia mengambil keputusan bertahap (merencanakan, lalu bertindak, lalu menyesuaikan); dan apakah ia menuntaskan alur kerja, bukan hanya satu balasan. SAGA dan SAPA lolos ketiganya. Chatbot JDIH dan chatbot layanan informasi publik, sebaik pun kualitasnya, tidak.

Yang membedakan Level 5 adalah adanya protokol antaragen dan agen inti yang mengarahkan. Valinor sudah mendefinisikan itu dengan A2A dan sudah menopang sistem-sistem yang kini berjalan, tetapi agen inti untuk pimpinan daerah dan sub-agen untuk seluruh SKPD masih pengembangan lanjut. Karena itu: Level 4, menuju 5.

4. Mengapa agentic adalah lompatan, bukan kelanjutan

Mudah sekali salah menganggap agentic AI sebagai "chatbot yang lebih pintar". Itu keliru sebesar menganggap mobil sebagai kuda yang lebih cepat.

Bedanya struktural:

Chatbot menjawab pertanyaan. Agen menyelesaikan pekerjaan. Chatbot mengambil teks yang mirip dengan pertanyaan dan menyusunnya jadi jawaban. Agen menyusun rencana, memanggil tool, memeriksa hasil, menyesuaikan langkah, lalu menuntaskan tugas. Satu bekerja dengan dokumen; satu lagi bekerja dengan sistem.

Chatbot tidak punya konsekuensi. Agen punya. Chatbot yang salah menghasilkan informasi keliru. Agen yang salah bisa menyentuh data. Perbedaan ini yang membuat agentic bukan sekadar peningkatan fitur, melainkan urusan tata kelola, audit, dan pertanggungjawaban - dan karena itu jauh lebih berat dibangun.

Chatbot bisa dibeli. Agen harus dibangun. Chatbot informasional bisa diadakan dalam hitungan minggu lewat vendor mana pun. Agen yang bekerja di atas SOP dan basis data satu daerah tertentu tidak bisa dibeli jadi, karena tidak ada dua daerah yang alur kerjanya identik. Yang dibangun Kotamobagu adalah kapabilitas, bukan langganan.

Jarak antara Level 3 dan Level 4 inilah yang selama ini menjadi jurang. Dan angka global menunjukkan betapa sedikit organisasi yang berhasil melewatinya.

5. Perbandingan global: siapa yang benar-benar sudah sampai?

Di sinilah posisi Kotamobagu menjadi luar biasa.

Gartner memperkirakan sedikitnya 80 persen pemerintah di dunia akan menggelar agen AI untuk mengotomasi pengambilan keputusan rutin pada 2028. Perkiraan itu diterbitkan Maret 2026 - sebagai ramalan, bukan laporan kondisi saat ini. Kotamobagu sudah berada di sisi kanan garis waktu itu, dua tahun lebih awal.

Kondisi saat ini jauh lebih tipis dari kesan yang beredar:

• Deloitte (survei Emerging Technology Trends): 30 persen organisasi masih menjajaki opsi agentic, 38 persen dalam tahap pilot, hanya 14 persen punya solusi siap gelar, dan hanya 11 persen yang benar-benar menjalankannya di produksi.

• Gartner Hype Cycle for Agentic AI (April 2026): 17 persen perusahaan sudah menggelar agen AI; 42 persen berencana dalam 12 bulan.

• McKinsey: 88 persen organisasi memakai AI di setidaknya satu fungsi, tetapi kurang dari 10 persen sudah menggelar agentic AI pada skala fungsional.

• Gartner: lebih dari 40 persen proyek agentic AI diperkirakan gagal atau dibatalkan pada 2027, terutama karena sistem lama tidak mampu menopangnya.

Letakkan Kotamobagu di sebelah angka-angka ini. Sebuah pemerintah kota di Sulawesi Utara, dengan APBD kurang dari 1 Triliun dan jumlah SDM teknis yang jauh di bawah kota metropolitan mana pun, berada di kelompok 11 persen dunia yang sudah punya sistem agentic berjalan di produksi. Bukan pilot. Bukan prototype. mereka menantang revolusi teknologi terbaru. itu bukan kebetulan, dan bukan sesuatu yang bisa dibeli dengan uang, tapi pengetahuan, kedisiplinan, tekat dan keberanian.

6. Keberanian yang layak diapresiasi

Pertama, mereka bergerak tanpa menunggu payung hukum. Hingga saat ini, dua Rancangan Peraturan Presiden tentang Peta Jalan AI Nasional dan Etika serta Tata Kelola AI masih menunggu tanda tangan Presiden. Keduanya masuk daftar 46 rancangan perpres dalam Keppres Nomor 38 Tahun 2025 yang ditetapkan 22 Desember 2025. Per awal September 2026, Direktur Jenderal Ekosistem Digital Komdigi Edwin Hidayat Abdullah menyatakan regulasi itu sudah diparaf seluruh menteri terkait dan tinggal menunggu Presiden. Artinya: selama hampir seluruh 2026, setiap pemda yang menggelar AI melakukannya di ruang regulasi yang belum lengkap. Sebagian besar memilih menunggu. Kotamobagu memilih membangun fonadi secara mendalam dengan tetap memegang prinsip kedaulatan data sebagai kompas internal sebelum ada aturan yang memaksanya.

Kedua, mereka memilih arsitektur yang lebih sulit tapi lebih bisa di adopsi secara nasional. Menolak platform agen siap-pakai demi integrasi basis data internal dan kedaulatan data adalah keputusan yang menambah beban kerja dan mengurangi kecepatan. Ini persis kebalikan dari pola pengadaan TI pemerintah yang biasa dan persis jenis keputusan yang membuat sistem masih berdiri lima tahun kemudian ketika kontrak vendor habis.

Ketiga, mereka membangun kapabilitas sumber daya manusia lokal, bukan ketergantungan ke vendor. Sistem ini lahir dari ASN Kotamobagu yang memahami SOP, regulasi, dan kebiasaan kerja aparatur di kota itu sendiri. Inilah yang berulang kali diserukan dalam diskursus AI nasional - bahwa daerah harus menjadi subjek teknologi, bukan objek pasar teknologi dan Kotamobagu tidak menyerukannya, ia mengerjakannya.

Keempat, mereka mengambil risiko reputasi. Menggelar sistem otonom di layanan publik berarti bersedia salah di depan warga. Banyak kepala daerah menghindari ini secara rasional. Kotamobagu memilih menanggungnya - dengan pengujian berambang tinggi sebagai mitigasi, bukan dengan menghindari inovasi.

Dalam bahasa yang lebih sederhana: banyak daerah membicarakan transformasi digital berbasis Ai . Kotamobagu sudah memasangnya.

7. Tantangan yang belum selesai

Ada tujuh tantangan nyata di depan.

1. Kekosongan regulasi. Perpres AI belum terbit. Ketika nanti terbit, kewajiban asesmen dampak, dokumentasi model, transparansi, dan pelabelan konten AI akan berlaku. Sistem yang dibangun sebelum aturan ada berisiko harus disesuaikan belakangan - dan berpotensi dipersoalkan pemeriksa sebelum ada pedoman yang jelas.

2. Tata kelola agen masih langka di mana pun. Deloitte menemukan hanya 21 persen organisasi yang punya tata kelola agentic AI yang matang - mencakup batas kewenangan agen, pemantauan real-time, dan jejak audit. Empat dari lima organisasi menjalankan agen tanpa perangkat kendali yang memungkinkan mereka menangkap kesalahan sebelum membesar. Bagi pemerintah, taruhannya lebih tinggi daripada perusahaan.

3. Kewajiban explainable AI dan human-in-the-loop akan datang. Gartner memperkirakan pada 2029, 70 persen instansi pemerintah akan mewajibkan XAI dan HITL untuk setiap keputusan otomatis yang memengaruhi layanan warga. Sistem yang tidak bisa menjelaskan dasar keputusannya akan sulit dipertahankan.

4. Sistem lama dan silo data. Survei Gartner terhadap 138 responden instansi pemerintah dunia (Juli–September 2025) menemukan 41 persen menyebut strategi tersilo dan 31 persen menyebut sistem legacy sebagai hambatan utama. Di daerah, ini berarti setiap SKPD berikutnya yang mau disambungkan ke Valinor akan membawa kualitas data dan sistem lamanya masing-masing.

5. Fondasi digitalisasi yang belum rata. Peringatan Nezar Patria berlaku umum: sulit membangun rumah AI di atas fondasi yang belum pernah terdigitalisasi. Ekspansi ke SKPD yang datanya masih di kertas atau di spreadsheet tak terstruktur akan jauh lebih lambat daripada dua sistem pertama.

6. Ketergantungan pada satu orang dan keberlanjutan anggaran. Sistem yang dibangun oleh talenta lokal yang sangat sedikit rentan pada bus factor. Ditambah biaya operasional yang bergerak - termasuk perubahan skema tarif pesan layanan WhatsApp Business API - keberlanjutan butuh dokumentasi, transfer pengetahuan, dan skema anggaran multi-tahun, bukan hanya semangat.

7. Kepercayaan publik dan akuntabilitas kesalahan. Ketika agen salah memandu hak kepegawaian atau salah membaca status pajak, siapa yang bertanggung jawab? Pertanyaan ini belum punya jawaban baku di Indonesia. Daerah yang bergerak pertama juga yang pertama harus menjawabnya.

8. Dampak positif: apa yang sebenarnya berubah

Dampak yang paling sering disebut adalah efisiensi. Itu yang paling kecil.

Layanan yang tidak lagi dibatasi jam kantor dan jumlah pegawai. Pertanyaan warga soal pajak dan pertanyaan pegawai soal kepegawaian bersifat repetitif dan menumpuk. Sistem yang melayani 24 jam tanpa antrean mengubah pengalaman warga secara langsung - dan tanpa menambah formasi pegawai, yang bagi kota kecil praktis bukan pilihan.

Aparatur berpindah dari pekerjaan berulang ke pekerjaan yang butuh manusia. Ini bukan penggantian pegawai, melainkan pengalihan beban. Pertanyaan dasar ditangani sistem; kasus rumit, sengketa, dan pendampingan ditangani manusia yang kini punya waktu untuk itu.

Kanal yang benar-benar inklusif. Memilih WhatsApp - bukan aplikasi baru yang harus diunduh - berarti layanan ini bisa dipakai pedagang pasar, pemilik warung, dan wajib pajak lanjut usia tanpa pelatihan apa pun. Banyak inovasi digital pemerintah gagal bukan karena teknologinya lemah, tapi karena kanalnya salah.

Urusan kepegawaian yang tuntas tanpa menyita jam kerja. Pegawai tidak lagi harus meninggalkan meja untuk menanyakan syarat kenaikan pangkat, hak cuti, atau kelengkapan berkas. Kejelasan di awal mengurangi dokumen bolak-balik, dan waktu yang dihemat adalah waktu yang kembali ke pelayanan warga.

Pengurangan ruang interaksi informal. Ketika informasi persyaratan dan status kewajiban pajak tersedia langsung, akurat, dan tercatat, ruang untuk biaya tak resmi menyempit dengan sendirinya. Ini efek antikorupsi yang bekerja lewat desain sistem, bukan lewat imbauan.

Jejak digital yang bisa diaudit. Setiap interaksi tercatat. Bagi penyusunan kebijakan, ini menghasilkan hal yang belum pernah dimiliki: data empiris tentang apa yang sebenarnya paling sering tidak dipahami warga maupun aparatur tentang layanan daerahnya.

Data SOP yang menjadi aset permanen. Ekstraksi aturan dan SOP terstruktur yang dibuat untuk SAGA dan SAPA tidak hilang ketika teknologinya berganti. Ia menjadi aset daerah yang bisa dipakai ulang oleh sistem apa pun setelahnya.

Kapabilitas institusional yang menetap. Ini dampak terbesar dan paling jarang dihitung. Setelah Valinor, SKPD berikutnya tidak memulai dari nol. Pemerintah Kota Kotamobagu bukan hanya memiliki dua sistem AI; ia memiliki kemampuan membangun sistem AI.

Model yang bisa direplikasi ratusan kali. Indonesia punya lebih dari 500 kabupaten dan kota, mayoritas berskala seperti Kotamobagu dan menghadapi kendala yang sama: SDM teknis terbatas, anggaran terbatas, layanan yang harus tetap membaik. Model yang berhasil di Kotamobagu jauh lebih relevan bagi mereka daripada model Jakarta atau Singapura. Nilai sebuah bukti tidak terletak pada besarnya kota tempat ia dibuat, tapi pada banyaknya tempat yang bisa mengikutinya.

9. Penutup

Indonesia sedang menunggu dua Perpres, menyusun pedoman sektoral, dan berdebat soal kesenjangan kapabilitas. Semua itu penting dan harus diselesaikan.

Tetapi kemajuan teknologi di pemerintahan jarang dimulai dari pusat. Ia biasanya dimulai dari satu tempat yang memutuskan untuk tidak menunggu - lalu menjadi bukti yang membuat tempat lain berani.

Pada 2026, tempat itu bernama Kotamobagu. Kota kecilku.

Bukan Jakarta. Bukan pula Surabaya. Sebuah kota kecil di timur Indonesia.

Yang tersisa sekarang bukan lagi pertanyaan apakah pemerintah daerah Indonesia bisa menjalankan agentic AI. Itu sudah terjawab. Pertanyaannya adalah berapa lama 500 daerah lain akan menunggu.

Sumber

1. Komdigi - Tutup Kesenjangan Kapabilitas AI Nasional, Kemkomdigi Petakan Empat Langkah Strategis, Siaran Pers No. 126/HM-KKD/7/2026, 15 Juli 2026. komdigi.go.id

2. ANTARA - Kemkomdigi petakan langkah strategis atasi kesenjangan kapabilitas AI, 16 Juli 2026. antaranews.com

3. SEAPPI - Closing the AI Capability Gap in Indonesia (didukung OpenAI, bersama Vriens & Partners), dirilis 3 September 2026.

4. Selular.ID - White Paper SEAPPI Soroti Kesenjangan Kapabilitas AI dan Peluang Produktivitas Indonesia, September 2026.

5. Uzone.id - 2 Perpres AI Ditargetkan Terbit 2026, 3 September 2026 (pernyataan Dirjen Ekosistem Digital Edwin Hidayat Abdullah).

6. Kompas.id - Program Perpres 2026 Ditetapkan, Dua Rancangan Atur Etika dan Peta Jalan AI Nasional, 13 Januari 2026 (Keppres No. 38 Tahun 2025).

7. Gartner - Gartner Predicts at Least 80% of Governments Will Deploy AI Agents To Automate Routine Decision-Making by 2028, 17 Maret 2026.

8. Deloitte Insights - Agentic AI strategy, Tech Trends 2026.

9. Gartner - Hype Cycle for Agentic AI, April 2026.

10. Oxford Insights - Government AI Readiness Index (data Indonesia 2023; edisi 2025 dirilis Desember 2025).

11. PR Indonesia - Penjurian AHI 2026: Optimalisasi AI untuk Akselerasi Layanan Publik, 2 September 2026.

12. Kanwil Kemenkum Sulsel - Kanwil Kemenkum Sulsel Kembangkan Layanan Chatbot AI, 28 Oktober 2025.

13. JDIH Kabupaten Gresik - Fitur Chatbot JDIH sekarang dapat diakses Melalui WhatsApp.

14. anotherorion.com - ringkasan data Komdigi April 2026 tentang hambatan implementasi AI di Indonesia.