Yohanis Elia Sugianto

• Imam Katolik 
• Asal Dobo, Kepulauan Aru, Provinsi Maluku 
• Imam Keuskupan Agung Merauke serta kandidat Master Filsafat di STF Driyarkara.
• Yohanis Elia Sugianto ditahbiskan sebagai imam Katolik pada 29 Januari 2022 oleh Uskup Petrus Canisius Mandagi MSC di Gereja Katedral Santo Fransiskus Xaverius Ambon. 
• Ia termasuk dalam kelompok terakhir yang ditahbiskan oleh Uskup Mandagi sebelum masa tugasnya berakhir di Keuskupan Amboina.
• Ia dikenal sebagai seorang pemikir yang aktif dalam diskursus publik, terutama dalam bidang filsafat dan etika sosial. 

Menakar Rencana Menkeu Purbaya Perihal Penggunaan AI untuk Deteksi Under Invoicing

Pendahuluan

Sektor penerimaan negara Indonesia secara kronis menghadapi dua tantangan fundamental: kebocoran akibat praktik penghindaran pajak (tax evasion) dan kelemahan integritas aparatur.

Praktik under-invoicing dalam perdagangan internasional, di mana nilai faktur barang sengaja dikecilkan untuk mengurangi bea masuk dan pajak terkait, merupakan salah satu modus operandi utama yang merugikan negara triliunan rupiah setiap tahunnya.

Praktik ini seringkali tidak dapat berjalan mulus tanpa adanya kolusi (kongkalikong) dengan oknum aparatur di internal Direktorat Jenderal Pajak (DJP) maupun Direktorat Jenderal Bea dan Cukai (DJBC).

Kolusi ini, yang berakar pada masalah principal-agent klasik, menciptakan ruang diskresi ilegal yang menggerus kepercayaan publik dan fondasi fiskal negara.

Menghadapi tantangan ini, rencana Menteri Keuangan untuk mengadopsi Artificial Intelligence (AI) sebagai bagian dari Sistem Inti Administrasi Perpajakan (SIAP) atau Core Tax Administration System (CTAS) menandai sebuah lompatan paradigmatik.

Kebijakan ini didasarkan pada premis bahwa AI, dengan kapasitas analisis Big Data-nya, dapat berfungsi sebagai "pengawas" digital yang objektif, mampu mendeteksi anomali secara real-time dan, yang terpenting, meminimalisasi ruang diskresi manusia yang rentan korupsi.

Meskipun inisiatif ini menghadirkan peluang transformatif untuk optimalisasi penerimaan negara, keberhasilannya tidak dapat serta-merta dijamin oleh kecanggihan teknologi semata.

Opini ini berargumentasi bahwa untuk mencapai perbaikan yang masif dan berkelanjutan, implementasi AI harus bergerak melampaui "solusionisme teknologi".

Kebijakan ini harus ditinjau secara kritis sebagai sebuah sistem sosio-teknikal—sebuah sistem di mana teknologi dan manusia (dengan segala kompleksitas intensionalitas dan perilakunya) saling membentuk.

Tanpa mitigasi serius terhadap tantangan etis, algoritmik, dan antropologisnya, AI berisiko tidak hanya gagal mengatasi masalah, tetapi juga menciptakan bentuk-bentuk eksklusi dan ketidakadilan baru.

AI sebagai Preskripsi Digital untuk Integritas Fiskal

Peluang terbesar dari adopsi AI terletak pada kemampuannya merestrukturisasi tiga aspek fundamental dalam administrasi pajak: deteksi, diskresi, dan efisiensi.

Pertama, AI menawarkan kapasitas anomaly detection yang jauh melampaui kemampuan auditor manusia.

Dalam konteks under-invoicing, model machine learning dapat menganalisis triliunan titik data secara simultan—mulai dari data Pemberitahuan Impor Barang (PIB), harga komoditas global, data perbankan (dalam koridor AEoI), hingga data historis kepatuhan Wajib Pajak (WP).

Sistem ini dapat secara otomatis menandai (flagging) transaksi yang mencurigakan (misalnya, importir yang melaporkan harga mesin industri jauh di bawah harga pasar wajar) untuk diaudit.

Kemampuan ini secara teoritis dapat menutup celah yang selama ini dieksploitasi oleh importir nakal.

Kedua, dan ini adalah inti dari kebijakan tersebut, AI dirancang untuk memotong "ruang abu-abu" diskresi yang menjadi lahan subur bagi kongkalikong.

Teori korupsi klasik dari Klitgaard (C = M + D - A) menyatakan bahwa korupsi terjadi ketika ada Monopoli kekuasaan dan Diskresi yang luas, minus Akuntabilitas. Rencana Menteri Keuangan secara eksplisit menggunakan AI untuk menyerang komponen 'D' (Diskresi).

Dengan mengotomatisasi proses audit berbasis risiko (Risk-Based Auditing), sistem AI mengurangi interaksi tatap muka yang tidak perlu dan membatasi kewenangan subjektif oknum fiskus untuk "menegosiasikan" temuan audit.

Keputusan tidak lagi didasarkan pada siapa yang Anda kenal di kantor pajak, tetapi pada skor risiko yang dihasilkan secara objektif oleh algoritma.

Ketiga, otomatisasi menjanjikan efisiensi birokrasi. Proses yang lebih cepat dan transparan dapat meningkatkan iklim kemudahan berusaha dan, dalam jangka panjang, meningkatkan kepatuhan sukarela.

Ketika WP merasa bahwa sistem bekerja secara adil, transparan, dan efisien, kepercayaan terhadap otoritas pajak yang merupakan aset paling vital dalam sistem self-assessment dapat terbangun.

Tantangan Fundamental: Jebakan Solusionisme Teknologi

Meskipun peluangnya nyata, terdapat tantangan fundamental yang berakar pada asumsi filosofis di balik kebijakan ini.

Tantangan ini harus dikelola secara serius agar AI tidak menjadi "obat" yang efek sampingnya lebih berbahaya dari penyakitnya.

Tantangan pertama adalah reduksionisme masalah, atau apa yang disebut Evgeny Morozov sebagai "solusionisme teknologi".

Kebijakan ini secara implisit mereduksi korupsi, sebuah masalah kemanusiaan yang kompleks menyangkut etika, keserakahan, tekanan sistemik, dan integritas menjadi sekadar masalah teknis berupa anomali data.

AI sangat baik dalam menemukan pola, tetapi ia tidak memahami konteks atau niat. AI dapat menandai WP yang jujur namun melakukan kesalahan administrasi yang fatal (error) dengan cara yang sama persis seperti ia menandai pelaku kejahatan yang sengaja memanipulasi data. AI hanya mengatasi gejala (under-invoicing), bukan penyakit (niat untuk korupsi).

Tantangan kedua adalah bias algoritmik dan legitimasi korupsi. AI tidaklah objektif murni; ia "belajar" dari data historis yang disediakan manusia.

Ini adalah masalah "Garbage In, Garbage Out". Jika data historis yang digunakan untuk melatih AI adalah data dari sistem yang selama ini korup di mana auditor secara sistematis "mengabaikan" pemeriksaan pada perusahaan-perusahaan besar yang dekat dengan kekuasaan, maka AI akan "mempelajari" bias ini.

Ia akan belajar bahwa mengabaikan perusahaan tipe A adalah "pola normal". Alih-alih memberantas korupsi, AI justru berisiko mengotomatisasi, melegitimasi, dan menyembunyikan praktik korupsi yang sudah ada di balik tabir "objektivitas mesin".

Tantangan ketiga adalah dilema "Kotak Hitam" (Black Box) dan erosi akuntabilitas. Banyak sistem AI modern beroperasi sebagai kotak hitam; kita tahu input dan output-nya, tetapi proses logis di tengahnya seringkali tidak dapat dijelaskan (inexplicable).

Apa yang terjadi jika AI salah menghitung dan menjatuhkan denda masif yang membangkrutkan perusahaan yang jujur? Siapa yang bertanggung jawab? Insinyur IT? Menteri Keuangan? Atau kita akan menyalahkan "algoritma"? Rencana ini berisiko menggantikan diskresi manusia yang korup (yang setidaknya secara teoritis dapat diadili) dengan opasitas algoritmik yang tidak dapat dimintai pertanggungjawaban. Ini mengancam prinsip due process of law bagi Wajib Pajak.

Tantangan keempat, dan yang paling filosofis, adalah dehumanisasi dan alienasi. Dari perspektif filsafat manusia, kebijakan ini memiliki dua sisi dehumanisasi.

Pertama, Wajib Pajak tidak lagi dilihat sebagai warga negara (subjek) yang berpartisipasi dalam kontrak sosial, melainkan direduksi menjadi objek data (data-object) yang harus diawasi, diprofilkan, dan dioptimalkan perilakunya. Relasi yang seharusnya dibangun di atas kepercayaan (trust) berubah menjadi relasi pengawasan total (surveillance).

Kedua, ini berdampak pada aparatur fiskus yang jujur. Ketika keahlian, penilaian profesional (judgement), dan kebijaksanaan yang merupakan esensi dari kapasitas manusia digantikan oleh AI, mereka akan teralienasi.

Mereka tereduksi dari seorang profesional menjadi operator mesin. Ironisnya, birokrasi yang teralienasi dan terdemotivasi justru merupakan lahan yang lebih subur bagi budaya sinisme dan korupsi baru.

Menuju Sistem Sosio-Teknikal yang Humanis

Rencana Menteri Keuangan untuk mengadopsi AI adalah langkah maju yang niscaya dan berani. Namun, untuk memastikan kebijakan ini membawa perbaikan masif, fokusnya tidak boleh hanya pada instalasi teknologi.

AI adalah cermin yang sangat kuat, tetapi ia hanya memantulkan apa yang ada di hadapannya, termasuk kelemahan sistemik dan bias historis kita.

Agar berhasil, tiga hal mutlak diperlukan. Pertama, implementasi AI harus mengadopsi prinsip Human-in-the-Loop (HITL). AI harus berfungsi sebagai alat bantu augmentasi (augmentation) untuk auditor, bukan pengganti (automation) total.

AI memberikan rekomendasi risiko, tetapi judgement final, investigasi kontekstual, dan keputusan penetapan harus tetap berada di tangan manusia yang akuntabel.

Kedua, reformasi teknologi ini akan gagal total jika tidak dibarengi dengan reformasi kultural dan etis yang paralel.

Investasi pada core tax system harus diimbangi dengan investasi serius pada core human values, khususnya penguatan integritas, perbaikan kesejahteraan fiskus yang jujur, dan penegakan hukum tanpa pandang bulu terhadap oknum yang korup.

Ketiga, harus ada mekanisme transparansi dan ketercelaan algoritmik (algorithmic auditability and contestability).

Wajib Pajak harus memiliki hak untuk tahu atas dasar apa mereka diaudit dan memiliki mekanisme yang jelas untuk menggugat "keputusan" AI.

Pada akhirnya, tujuan pengelolaan penerimaan negara bukanlah sekadar angka di neraca APBN.

Tujuannya adalah membangun kontrak sosial yang adil antara negara dan warganya. Teknologi AI bisa menjadi alat yang luar biasa untuk mencapai tujuan tersebut, tetapi hanya jika kita mengendalikannya untuk melayani nilai-nilai kemanusiaan, keadilan, dan akuntabilitas, bukan sebaliknya.

Daftar Pustaka

Alm, James, dan Jay Soled. "Artificial Intelligence, Machine Learning, and Tax Compliance." Tax Law Review 74, no. 1 (2020): 1–45.

Eubanks, Virginia. Automating Inequality: How High-Tech Tools Profile, Police, and Punish the Poor. New York: St. Martin's Press, 2018.

Fisman, Raymond, dan Shang-Jin Wei. "Tax Rates and Tax Evasion: Evidence from 'Missing Imports' in China." Journal of Political Economy 112, no. 2 (2004): 471–496.

Fukuyama, Francis. Trust: The Social Virtues and the Creation of Prosperity. New York: Free Press, 1995.

Janssen, Marijn, dan G. H. (Gjalt) de Vries. "The Pitfalls and Promises of Big Data in E-Government." Government Information Quarterly 37, no. 4 (2020): 101511.

Klitgaard, Robert. Controlling Corruption. Berkeley: University of California Press, 1988.

Morozov, Evgeny. To Save Everything, Click Here: The Folly of Technological Solutionism. New York: Allen Lane, 2013.

Mulyani Indrawati, Sri. "Reformasi Birokrasi dan Tantangan Korupsi Sektoral di Indonesia." Jurnal Ekonomi dan Pembangunan Indonesia 20, no. 1 (2020): 1–15.

Noble, Safiya Umoja. Algorithms of Oppression: How Search Engines Reinforce Racism. New York: NYU Press, 2018.

OECD. AI in Tax Administration: Enhancing Compliance and Efficiency. Paris: OECD Publishing, 2021.

Pasquale, Frank. The Black Box Society: The Secret Algorithms That Control Money and Information. Cambridge, MA: Harvard University Press, 2015.

Rose-Ackerman, Susan, dan Bonnie J. Palifka. Corruption and Government: Causes, Consequences, and Reform. Edisi ke-2. Cambridge: Cambridge University Press, 2016.

Scheler, Max. Man's Place in Nature. Diterjemahkan oleh Hans Meyerhoff. New York: Farrar, Straus and Cudahy, 1961.

Shleifer, Andrei, dan Robert W. Vishny. "Corruption." The Quarterly Journal of Economics 108, no. 3 (1993): 599–617.

Winner, Langdon. "Do Artifacts Have Politics?" Daedalus 109, no. 1 (Musim Dingin 1980): 121–136.

Zuboff, Shoshana. The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. New York: PublicAffairs, 2019.