America.gov dan Ujian Terbesar Agentic AI: Ketika Pemerintah Serahkan Transaksi Publik ke Mesin
Baca dalam 60 detik
- Pemerintah AS meluncurkan America.gov, portal layanan federal berbasis AI yang direncanakan menangani transaksi seperti perpanjangan paspor dan pendaftaran Medicare sebelum akhir tahun.
- Platform ini menjadi eksperimen skala besar pertama untuk agentic AI—sistem yang tidak sekadar menjawab pertanyaan, tetapi mengeksekusi tindakan atas nama warga.
- Kegagalan sistem berpotensi menciptakan beban birokrasi baru, sementara audit di New York dan uji coba di Inggris menunjukkan akurasi dan pengawasan masih menjadi titik lemah.

Pemerintahan Trump resmi membuka America.gov, gerbang layanan federal berbasis kecerdasan buatan yang diluncurkan pada 29 September 2026. Namun ambisi sebenarnya bukan sekadar mesin pencari informasi: Gedung Putih menargetkan sebelum akhir tahun sistem ini mampu memproses transaksi konkret seperti perpanjangan paspor dan pendaftaran Medicare. Jika terealisasi, ini akan menjadi ujian dunia nyata terbesar bagi agentic AI—teknologi yang melangkah dari memberi jawaban menjadi mengambil tindakan yang menyangkut identitas dan hak sipil warga.
Selama ini, interaksi dengan pemerintah federal identik dengan deretan formulir rumit, perpindahan antarinstansi, dan pengulangan data yang sama. America.gov menawarkan antarmuka percakapan yang menghubungkan informasi dari lebih dari 29.000 situs pemerintah. Warga cukup mendeskripsikan kebutuhan mereka dalam bahasa sehari-hari—untuk sementara didukung Inggris, Spanyol, dan Prancis sejak 8 Oktober 2026. Perintah eksekutif yang menyertainya mewajibkan integrasi layanan melalui API, formulir digital, dan Login.gov, dengan pengecualian untuk pelaporan pajak IRS serta fungsi keamanan nasional yang sensitif.
Perbedaan mendasar terletak pada tingkat otonomi. Chatbot biasa hanya menjawab pertanyaan; agen AI yang sesungguhnya dapat mengisi formulir, memverifikasi eligibilitas lintas instansi, lalu mengirimkan permohonan tanpa campur tangan manusia. Pemerintah AS telah membuktikan kemampuan pencarian percakapan, tetapi belum pernah mengoperasikan pemrosesan transaksi otonom dalam skala besar. Di sinilah risiko bergeser secara kualitatif: kesalahan tidak lagi sekadar informasi keliru, melainkan transaksi resmi yang salah.
Contoh New York City menjadi peringatan yang sulit diabaikan. Audit Desember 2025 terhadap inisiatif MyCity mengungkap chatbot AI kota kerap memberi jawaban tidak akurat dan tidak konsisten. Temuan itu juga menyingkap kelemahan dalam manajemen proyek dan pengawasan. Selama beberapa tahun, kota menggelontorkan lebih dari US$100 juta tanpa merealisasikan sebagian besar kapabilitas yang dijanjikan. Mengganti model AI tidak otomatis menyelesaikan persoalan: aturan pemerintah rumit, catatan antarinstansi sering tidak seragam, dan sistem warisan memang tidak dirancang untuk saling terhubung.
Persoalan bertambah pelik ketika agen AI harus meninggalkan jejak audit. Instansi pemerintah membutuhkan catatan transaksi yang mendokumentasikan apa yang benar-benar terjadi, bukan ringkasan hasil generasi AI tentang apa yang seharusnya terjadi. AI dapat menyusun penjelasan yang meyakinkan atas tindakannya meski penalaran atau informasinya keliru. Jika warga kehilangan manfaat akibat kesalahan sistem, apakah instansi otomatis memperbaiki dan memberi kompensasi, atau justru warga yang harus membuktikan bahwa perangkat lunak pemerintah bertindak salah?
Pemerintah federal tidak bisa begitu saja menyerahkan keputusan tentang keamanan sistem kepada vendor teknologi, terutama ketika menyangkut transaksi resmi warga.
Dimensi keamanan juga tidak sederhana. Peneliti telah mengidentifikasi praktik agent hijacking, di mana penyerang menyisipkan instruksi berbahaya ke dalam dokumen atau situs yang diakses agen AI. Agen kemudian dapat dimanipulasi untuk melakukan tindakan yang tidak pernah diminta penggunanya. Dalam lingkungan pemerintah, kerentanan ini menjadi jauh lebih serius jika agen memiliki izin mengakses catatan pribadi, mengirim formulir, atau berinteraksi dengan berbagai sistem instansi. Batas kewenangan—apa yang boleh diakses, diubah, dan keputusan mana yang wajib mendapat otorisasi manusia—harus didefinisikan secara eksplisit dan dapat diaudit independen.
Pendekatan negara lain menunjukkan bahwa pemerintah percakapan bukan hal mustahil, tetapi juga belum membuktikan otonomi penuh. Inggris tengah menguji GOV.UK Chat dan melaporkan peningkatan akurasi dari 76% menjadi 90% berdasarkan evaluasi pakar dan alat otomatis. Meski menggembirakan, capaian itu justru menegaskan bahwa jawaban yang konsisten benar tetap sulit diraih. Mengukur apakah AI memberi jawaban tepat berbeda jauh dari memverifikasi apakah ia menyelesaikan transaksi multistep dengan benar. Singapura memilih jalur infrastruktur bersama: platform Virtual Intelligent Chat Assistant menopang lebih dari 100 chatbot di 60 instansi dengan 800.000 kueri bulanan. Estonia lewat Bürokratt mengejar visi asisten digital pemerintah yang terhubung.
Bagi Indonesia, dinamika ini relevan. Rencana integrasi layanan publik lewat Portal Satu Data dan pengembangan layanan digital di berbagai kementerian menghadapi persoalan serupa: data antarinstansi belum sepenuhnya selaras, sistem lama masih beroperasi, dan literasi digital warga beragam. Melompat langsung ke agen AI otonom tanpa membenahi tata kelola data berisiko mereproduksi birokrasi lama dalam kemasan baru. Pemerintah perlu menetapkan standar akurasi, mekanisme koreksi, serta jalur audit sebelum memberi agen AI kewenangan bertindak atas nama warga.
America.gov menjanjikan penghematan waktu dan pengurangan beban administratif. Namun kepercayaan publik tidak bisa dibeli oleh antarmuka yang canggih. Ia bergantung pada seberapa besar independensi yang diberikan kepada agen AI, seberapa jelas batas antara tugas rutin dan keputusan yang berdampak pada hak warga, serta seberapa cepat biaya koreksi kesalahan menelan klaim efisiensi. Pertanyaan yang tersisa: akankah pemerintah memilih membangun pengawasan manusia yang kuat sejak awal, atau menunggu kegagalan pertama yang merugikan warga sebelum belajar?



