Denodo Dorong Fondasi Data Tepercaya untuk AI di Indonesia

Di tengah pesatnya perkembangan Artificial Intelligence (AI), kualitas data menjadi faktor penting yang menentukan keberhasilan transformasi digital. Organisasi tidak cukup hanya mengandalkan kecanggihan teknologi, tetapi juga perlu memastikan data yang digunakan akurat, aman, terintegrasi, dan tepercaya. Dalam konteks ini, implementasi Satu Data Indonesia menjadi langkah strategis untuk memperkuat tata kelola data sekaligus membangun fondasi bagi pengembangan AI yang aman dan bertanggung jawab.

Hal tersebut disampaikan Karen Woo, Sales Director Public Sector ASEAN Denodo, dalam acara CDO|CIO Summit 2026: The Executive Agenda for Indonesia's Data & AI Future – Navigating the Direction of One Data Indonesia. Karen menyoroti pentingnya kesiapan infrastruktur dan pengelolaan data dalam menghadapi era AI, termasuk teknologi AI agentic yang mampu menjalankan tugas dan mengambil tindakan secara mandiri berdasarkan instruksi tertentu.

Menurut Karen, organisasi tidak cukup hanya berinvestasi pada model AI yang semakin canggih. Mereka juga perlu memastikan bahwa data yang digunakan tersedia secara tepat waktu, memiliki standar yang konsisten, terlindungi dengan baik, dan dapat diakses sesuai kewenangan.

"Apakah data Anda sudah siap untuk AI?" Ujar Karen. 

Pertanyaan tersebut sekaligus menegaskan bahwa kesiapan AI bukan sekadar persoalan teknologi, melainkan juga menyangkut strategi dan tata kelola data di tingkat organisasi.

Kesiapan Data Menjadi Tantangan Utama AI

Karen menjelaskan bahwa sistem pengelolaan data tradisional pada awalnya dirancang untuk mendukung unified analytics. Pendekatan tersebut umumnya mengandalkan data yang dikumpulkan, disalin, dan diproses dalam sistem tertentu untuk menghasilkan laporan maupun analisis bisnis.

Namun, kebutuhan AI saat ini telah berkembang. AI, khususnya AI agentic, membutuhkan informasi yang relevan dan terkini untuk memahami situasi, menentukan keputusan, serta menjalankan tindakan secara tepat.

Dalam paparannya, Karen mengungkapkan bahwa hanya sekitar 20 persen pemimpin data yang merasa yakin sistem pengelolaan data mereka telah siap mendukung inisiatif AI, termasuk AI agentic.

Kondisi ini menunjukkan adanya kesenjangan antara perkembangan teknologi AI dan kesiapan infrastruktur data yang menopangnya. Ketika organisasi semakin agresif mengadopsi AI, sistem data yang masih terfragmentasi berpotensi menghambat pemanfaatan teknologi tersebut.

"Hambatan terbesar AI bukan selalu terletak pada modelnya, melainkan pada data yang mendukungnya," jelas Karen.

Masalah yang dihadapi organisasi dapat berupa data yang tidak diperbarui secara real-time, informasi yang tersebar di berbagai sistem, perbedaan standar antardata, hingga aturan akses yang belum terintegrasi dengan sistem AI.

Akibatnya, AI berisiko menghasilkan keputusan berdasarkan informasi yang sudah tidak relevan, kesulitan menentukan data yang paling penting, atau melakukan tindakan tanpa memahami batasan kebijakan yang berlaku.

Karena itu, Karen menekankan perlunya perubahan pendekatan dalam pengelolaan data. Organisasi perlu membangun fondasi data yang memungkinkan AI memperoleh informasi secara tepat, memahami konteksnya, dan bekerja sesuai aturan yang telah ditetapkan.

AI Harus Bisa "Melihat, Memutuskan, dan Bertindak"

Karen kemudian menggambarkan kebutuhan AI tepercaya melalui tiga kemampuan utama, yaitu see, decide, dan act atau melihat, memutuskan, dan bertindak.

Pada tahap "melihat", AI membutuhkan akses terhadap data terkini untuk mengetahui apa yang sedang terjadi. Masalahnya, sebagian sistem masih mengandalkan data hasil pemrosesan batch atau salinan yang baru diperbarui dalam periode tertentu.

Akibatnya, informasi yang diterima AI bisa tertinggal beberapa jam bahkan beberapa hari dibandingkan kondisi sebenarnya.

Berikutnya adalah "memutuskan". AI membutuhkan informasi yang paling relevan agar dapat menentukan keputusan dengan benar. Banyaknya data yang dimiliki organisasi tidak otomatis membuat AI semakin pintar apabila sistem tidak mampu memahami data mana yang relevan dengan tugas tertentu.

Tahap terakhir adalah "bertindak". Ketika AI mulai mampu melakukan tindakan secara otomatis, sistem harus memastikan bahwa setiap tindakan tetap mengikuti aturan, kewenangan, dan standar layanan yang berlaku.

Dengan kata lain, AI tidak cukup hanya mengetahui informasi yang benar.

"AI perlu bertindak sesuai aturan dan standar layanan," kata Karen.

Persoalannya, aturan tersebut sering kali berada di luar sistem data. Akibatnya, AI mungkin memiliki akses terhadap informasi, tetapi belum tentu memahami siapa yang boleh melihat data tertentu, informasi apa yang harus disembunyikan, atau tindakan apa yang diperbolehkan.

Karena itu, aturan tata kelola perlu menjadi bagian dari fondasi data yang digunakan AI.

Satu Data Indonesia Mengubah Cara Data Dikelola

Kebutuhan tersebut semakin relevan dengan perkembangan kebijakan Satu Data Indonesia. Menurut Karen, penerapan SDI perlu dipandang bukan sekadar sebagai kewajiban kepatuhan, melainkan sebagai bagian dari strategi organisasi dalam membangun ekosistem data untuk era AI.

Dalam paparannya, Karen menyoroti enam persyaratan utama terkait pengelolaan, pertukaran, dan perlindungan data. Salah satunya adalah prinsip bahwa data tetap berada pada pemiliknya. Artinya, pemanfaatan data tidak selalu harus dilakukan dengan memindahkan seluruh informasi ke satu tempat.

Data juga perlu dapat dibagikan secara real-time agar informasi yang digunakan tetap aktual, sekaligus menerapkan standar yang sama sehingga data dari sistem berbeda dapat dipahami secara konsisten.

Di sisi lain, akses terhadap data harus mengikuti klasifikasi dan kewenangan masing-masing pengguna. Aspek kedaulatan serta keamanan data juga harus tetap dijaga.

Persyaratan lainnya berkaitan dengan trusted AI. Ketika data digunakan oleh AI, organisasi tetap perlu mengetahui data apa yang diakses, siapa atau sistem apa yang mengaksesnya, serta bagaimana informasi tersebut digunakan.

Karen menggambarkan pendekatan ini sebagai sebuah logical data layer, yakni lapisan yang memungkinkan organisasi menghubungkan berbagai sumber data tanpa harus selalu memindahkan data dari tempat asalnya.

Menghubungkan Data Tanpa Harus Menyalinnya

Salah satu pendekatan yang disoroti Karen adalah konsep connect, don't copy, yakni menghubungkan data tanpa harus memindahkan atau membuat salinan baru dari sumber aslinya.

Ia menjelaskan bahwa perkembangan teknologi telah melewati berbagai era, mulai dari basis data pada 1980-an, data warehouse pada 1990-an, cloud computing dan media sosial pada 2000-an, hingga era big data pada 2010-an dan pengelolaan data modern pada 2020-an.

Setiap perkembangan tersebut membuat organisasi mengelola semakin banyak sistem dan salinan data. Ketika memasuki era AI dan AI agentic, tantangan menjadi semakin kompleks karena teknologi tersebut membutuhkan akses terhadap informasi dari berbagai sumber secara bersamaan.

Jika setiap kebutuhan AI mengharuskan organisasi menyalin data ke sistem baru, kompleksitas pengelolaan akan meningkat. Salinan yang berbeda juga berisiko menimbulkan ketidakkonsistenan, memperbesar kebutuhan penyimpanan, dan mempersulit pengawasan keamanan.

Melalui pendekatan logical data layer, berbagai sumber dapat dihubungkan melalui satu lapisan akses tanpa harus memusatkan seluruh data secara fisik.

"Hubungkan data, bukan sekadar memindahkannya," jelas Karen.

Pendekatan ini memungkinkan organisasi mempertahankan data di sistem asalnya, sekaligus menyediakan akses yang lebih terintegrasi bagi aplikasi, analis, dan sistem AI. Dengan demikian, pemanfaatan data dapat dilakukan secara lebih fleksibel tanpa mengabaikan kendali pemilik data.

Peran Denodo dalam Mendukung Satu Data Indonesia

Dalam kesempatan yang sama, Karen turut menjelaskan bagaimana Denodo menawarkan pendekatan pengelolaan data yang diselaraskan dengan kebutuhan Satu Data Indonesia. Denodo merupakan perusahaan teknologi yang berfokus pada integrasi, pengelolaan, dan penyediaan data. Perusahaan ini telah beroperasi sejak 1999 dan melayani pelanggan dari berbagai industri di tingkat global.

Untuk mendukung prinsip data tetap berada pada pemiliknya, Denodo menawarkan pendekatan zero-copy access. Melalui pendekatan ini, data dapat diakses dan dikueri di lokasi asalnya tanpa harus selalu dipindahkan atau disalin ke repositori baru.

Denodo juga mendukung pertukaran informasi melalui kueri langsung dan berbagai antarmuka standar, termasuk SQL, REST, OData, GraphQL, dan GeoJSON. Dukungan tersebut memungkinkan sistem yang berbeda saling terhubung sesuai kebutuhan organisasi.

Dalam aspek standardisasi, platform ini menyediakan pendekatan untuk menyatukan makna bisnis data serta Data Marketplace yang membantu pengguna menemukan data dan menelusuri asal-usulnya atau data lineage.

Sementara itu, pengendalian akses dapat diterapkan melalui kebijakan berbasis tag, pembatasan akses pada tingkat baris dan kolom, serta data masking. Mekanisme ini membantu organisasi menerapkan aturan akses secara konsisten di berbagai sumber.

Untuk mendukung kedaulatan dan keamanan data, Denodo juga dapat dijalankan secara on-premises di Indonesia, dengan dukungan single sign-on, enkripsi, dan pencatatan aktivitas untuk kebutuhan audit.

Khusus untuk AI, setiap kueri dapat dicatat dan ditelusuri, sementara aturan akses yang berlaku bagi pengguna tetap diterapkan ketika data digunakan oleh sistem AI. Pendekatan ini penting untuk meningkatkan transparansi dan akuntabilitas dalam pemanfaatan data.

Selain instansi pemerintah, tata kelola SDI juga relevan bagi perusahaan dan badan usaha milik negara (BUMN). Karen menyoroti ketentuan mengenai penerapan tata kelola SDI pada korporasi serta peran Wali Data Korporasi dalam pengelolaan data perusahaan.

Hal ini menunjukkan bahwa Satu Data Indonesia pada akhirnya bukan sekadar proyek untuk menyatukan data pemerintah. Prinsip tata kelola di dalamnya dapat menjadi bagian dari fondasi transformasi digital yang lebih luas, terutama ketika AI mulai digunakan dalam berbagai proses bisnis dan layanan.