Dalam sepekan terakhir, kata “kedaulatan AI” muncul di mana-mana. Bloomberg Technoz mengangkatnya sebagai tema utama. Kadin menyebut ada satu industri yang tidak boleh tertinggal kalau Indonesia serius menguasai AI. ASEAN dan China mulai membicarakan kerja sama kecerdasan buatan untuk 2027. Dan di Washington, ancaman sanksi terhadap perusahaan AI China memancing tanggapan resmi dari Beijing.
Semua itu terjadi antara 27 dan 28 Juli. Bukan kebetulan yang nyaman.
Pertanyaannya, apa sebenarnya yang orang maksud ketika bilang “kedaulatan AI” — dan bagian mana yang benar-benar relevan untuk Indonesia?
Istilah ini sering dipakai seolah-olah artinya satu hal. Padahal ada setidaknya empat lapisan, dan Indonesia berdiri di posisi yang sangat berbeda di masing-masingnya.
Lapis silikon. Chip pelatihan. Di sini Indonesia praktis tidak punya posisi tawar, dan realistis tidak akan punya dalam waktu dekat. Rantai pasoknya terkonsentrasi di segelintir perusahaan dan negara, dan itu justru yang sedang jadi rebutan geopolitik.
Lapis komputasi. Pusat data dan akses GPU. Ini bisa dibeli atau disewa. Mahal, tapi bukan mustahil — dan keputusannya lebih soal anggaran dan listrik ketimbang teknologi.
Lapis model. Melatih model sendiri dari nol. Inilah yang paling sering dibayangkan orang saat mendengar “kedaulatan AI”, dan sekaligus yang paling sering keliru diprioritaskan.
Lapis data dan penerapan. Data berbahasa Indonesia, data sektoral, dan kemampuan menerapkan model pada persoalan nyata di sini. Ini satu-satunya lapisan yang tidak bisa dibeli dari luar negeri — dan satu-satunya yang benar-benar milik kita.
Melatih model bahasa dari nol itu terdengar seperti pernyataan kemerdekaan. Dalam praktiknya, ia lebih sering jadi cara mahal untuk tertinggal dua tahun.
Biayanya bukan hanya GPU. Ia mencakup kurasi data, tim riset yang bisa dibajak siapa saja dengan tawaran lebih tinggi, dan siklus pelatihan ulang yang tidak pernah berhenti. Begitu Anda selesai, batas kemampuan model terbuka sudah bergeser lagi.
Ini bukan argumen untuk menyerah. Ini argumen soal urutan.
Yang membuat sebuah model berguna di Indonesia bukan siapa yang melatihnya, melainkan apakah ia paham konteks di sini: ragam bahasa daerah, istilah administratif pemerintahan, cara orang menulis keluhan di layanan pelanggan, struktur dokumen hukum kita. Semua itu urusan data dan penyetelan, bukan urusan pelatihan dari nol.
Negara yang menguasai lapis data akan selalu bisa menumpang lapis model. Kebalikannya tidak berlaku.
Republika memberitakan Kadin menyebut satu industri yang tidak boleh tertinggal jika Indonesia ingin menguasai AI. Kami belum bisa mengonfirmasi industri mana persisnya yang dimaksud dari judul pemberitaan saja.
Tapi logikanya bisa ditebak, dan layak dibahas terlepas dari jawabannya.
AI tidak menghasilkan nilai dalam ruang hampa. Ia menghasilkan nilai ketika ditempelkan pada sesuatu yang sudah besar — manufaktur, logistik, pertanian, jasa keuangan. Negara yang punya basis industri kuat mendapat pengganda dari AI. Negara yang tidak punya, hanya mendapat tagihan lisensi.
Ini juga sebabnya “adopsi AI” sebagai target nasional agak menyesatkan. Adopsi mudah diukur dan mudah dipalsukan. Yang sulit, dan yang sebenarnya penting, adalah apakah adopsi itu mengubah biaya per unit atau kecepatan layanan.
Kompas.id pekan ini menurunkan tulisan tentang bagaimana kecerdasan buatan bisa mengubah peta tenaga kerja. Di sisi lain, CNBC Indonesia melaporkan sesuatu yang agak berlawanan dengan dugaan umum: pekerja Indonesia bukan yang paling pesimis soal AI — ada dua negara lain yang lebih pesimis.
Optimisme itu aset, tapi juga risiko.
Aset, karena penolakan internal adalah hambatan terbesar penerapan teknologi di organisasi mana pun. Risiko, karena optimisme yang tidak disertai pelatihan menghasilkan ekspektasi yang tak terpenuhi — lalu berbalik jadi sinisme yang jauh lebih sulit diperbaiki.
Menariknya, Kemnaker pekan ini mengumumkan kerja sama dengan Microsoft dan GreatNusa untuk memperkuat bursa kerja berbasis AI. Arahnya benar. Ukuran keberhasilannya nanti bukan berapa orang ikut pelatihan, melainkan berapa yang pekerjaannya benar-benar berubah setelahnya.
Antara memberitakan ASEAN dan China sedang mengkaji kerja sama kecerdasan buatan untuk 2027. Pada saat yang hampir bersamaan, investor.id menulis tentang tanggapan China atas ancaman sanksi Amerika terhadap perusahaan AI mereka.
Bagi Indonesia, dua berita ini sebaiknya dibaca bersama.
Ketika dua blok teknologi saling mengunci, negara di tengah punya ruang tawar — tapi hanya kalau punya sesuatu untuk ditawarkan. Pasar besar adalah satu hal. Data sektoral yang tertata, tenaga kerja yang terlatih, dan regulasi yang bisa diprediksi adalah hal lain, dan jauh lebih berharga.
Ruang tawar itu ada masa berlakunya. Ia menyempit begitu blok-blok selesai menata rantai pasok mereka sendiri.
Kalau ada satu hal yang bisa dibawa pulang dari riuh pekan ini: pilih ukuran keberhasilan yang tidak bisa dipalsukan.
Bukan jumlah nota kesepahaman. Bukan jumlah peserta pelatihan. Bukan jumlah pusat data yang diresmikan.
Melainkan: berapa banyak dataset publik berbahasa Indonesia yang benar-benar bisa diunduh dan dipakai. Berapa lama waktu yang dibutuhkan sebuah perusahaan lokal untuk memindahkan satu proses kerja ke sistem berbasis AI. Dan berapa biaya per inferensi yang harus dibayar perusahaan di sini dibanding pesaingnya di Singapura.
Tiga angka itu membosankan. Tapi tiga angka itu yang menentukan apakah “kedaulatan AI” jadi kenyataan atau tetap jadi tema seminar.
Pemberitaan yang dirujuk: Bloomberg Technoz, Republika, Antara, investor.id, Kompas.id, CNBC Indonesia, dan Emitennews — diterbitkan 25–28 Juli 2026. Analisis empat lapisan dan ukuran keberhasilan di atas adalah pandangan redaksi, bukan kutipan dari sumber-sumber tersebut.
