CRS AS Uji Coba AI untuk Ringkas RUU, Kurang dari 3% Hasilnya Layak Pakai

Infografik: CRS AS Uji Coba AI untuk Ringkas RUU (Sumber: siber.web.id)

CRS AS Uji Coba AI untuk Ringkas RUU, Kurang dari 3% Hasilnya Layak Pakai

Congressional Research Service (CRS) Amerika Serikat baru saja mengungkap hasil mengejutkan dari uji coba kecerdasan buatan dalam merangkum rancangan undang-undang (RUU). Dari 3.000 ringkasan RUU yang dihasilkan menggunakan enam model AI berbeda selama dua tahun, kurang dari 3% hasilnya memenuhi standar kualitas CRS. Temuan ini menjadi peringatan keras tentang keterbatasan AI di sektor pemerintahan yang membutuhkan akurasi dan objektivitas tinggi.

Hasil Uji Coba: 97% Gagal Memenuhi Standar

Dalam sidang House Administration Committee pada 25 Juni 2026, Direktur CRS Karen Donfried memaparkan hasil uji coba yang mengecewakan. Enam model AI komersial utama diuji tanpa menyebutkan nama spesifik dalam testimony publik CRS. Dari ribuan ringkasan RUU yang diproses, sebagian besar gagal dalam empat kriteria penilaian: akurasi, koherensi, relevansi, dan objektivitas.

“AI berkembang pesat, dan CRS melihat potensinya untuk memperlancar alur kerja dan meningkatkan layanan kami kepada Kongres. Namun, penggunaan AI juga membawa risiko informasi usang, halusinasi, bias, dan distorsi.”

– Karen Donfried, Direktur Congressional Research Service

Mengapa AI Gagal di Lingkungan Pemerintahan?

CRS membutuhkan ringkasan RUU yang sangat akurat, bebas bias politik, dan sesuai konteks legislatif AS. Masalah utama yang dihadapi AI meliputi:

• Hallucination – AI menghasilkan informasi yang tidak akurat atau tidak ada dalam dokumen asli, masalah fatal untuk dokumen hukum.
• Informasi usang – Model AI umum tidak memiliki akses ke data legislatif terkini atau konteks politik yang berubah cepat.
• Bias dan distorsi – Beberapa model menunjukkan kecenderungan partisan yang tidak dapat diterima untuk lembaga nonpartisan seperti CRS.
• Kerahasiaan – CRS tidak bisa menggunakan model publik untuk data sensitif karena risiko kebocoran informasi.

Rendahnya tingkat kelulusan ini membuat anggota Kongres tercengang. Rep. Julie Johnson, D-Texas, menyatakan bahwa temuan ini menegaskan bahwa pembuat kebijakan tidak boleh memiliki “false sense of security” terhadap akurasi AI dan perlu memasang pagar pembatas yang ketat.

Solusi: Model AI Khusus dengan Anggaran USD 1,6 Juta

Untuk mengatasi masalah ini, CRS meminta alokasi dana tahunan sebesar USD 1,6 juta dari Kongres. Anggaran tersebut akan digunakan untuk tiga keperluan utama: merekrut lima staf data scientist dan pengembang AI, memperoleh model AI khusus yang bisa dilatih dengan data legislatif, dan menyediakan infrastruktur komputasi yang memungkinkan pemrosesan data rahasia tanpa risiko kebocoran.

Human in the Loop: AI Belum Siap Gantikan Staf Ahli CRS

Donfried berulang kali menegaskan bahwa AI belum siap menggantikan staf CRS. Prinsip “highly skilled human in the loop” tetap menjadi fondasi operasional CRS. Di era AI yang masih rentan hallucination dan bias, kehadiran tenaga ahli manusia yang mampu memverifikasi, mengoreksi, dan memberikan konteks menjadi semakin krusial.

“Di era AI ini, saya percaya peran tenaga kerja CRS yang sangat terampil akan menjadi semakin penting bagi Kongres saat Anda mencari sumber yang dapat dipercaya di tengah banjir informasi yang semakin tidak dapat diandalkan,” ujar Donfried.

Pelajaran untuk Pemerintah Indonesia

Kasus CRS menjadi pelajaran berharga bagi institusi pemerintah Indonesia yang mulai bereksperimen dengan AI, seperti DPR, BPK, atau lembaga riset pemerintah. Beberapa hal penting bagi institusi Indonesia:

• Validasi ketat wajib dilakukan – Jangan pernah mengandalkan output AI tanpa verifikasi manusia, terutama untuk dokumen hukum dan kebijakan publik.
• Model AI publik tidak cukup – Model AI komersial seperti ChatGPT tidak dirancang untuk konteks spesifik Indonesia. Pelatihan tambahan diperlukan.
• Perhatikan bias – Model AI dapat mengandung bias yang tidak sesuai dengan nilai dan konteks lokal. Uji coba menyeluruh adalah keharusan.
• Investasi SDM lebih penting – Yang dibutuhkan bukan mengganti staf dengan AI, melainkan membekali staf dengan kemampuan AI untuk bekerja lebih efisien.

Kesimpulannya, temuan CRS menegaskan bahwa AI masih memiliki keterbatasan serius di lingkungan yang membutuhkan presisi tinggi. Anggapan bahwa AI bisa menggantikan analis manusia dalam waktu dekat masih jauh dari kenyataan, dan institusi yang terburu-buru mengadopsi AI tanpa verifikasi berisiko menghasilkan output yang menyesatkan.

Kesimpulan