Inti Perubahan: Dari Formulir Kertas ke Face Recognition dan AI
Face recognition bansos dan verifikasi AI bantuan sosial adalah sistem baru yang memakai data biometrik penerima bansos—seperti wajah, sidik jari, dan iris—yang dihubungkan dengan berbagai basis data pemerintah lintas kementerian untuk memeriksa kelayakan dan mencegah salah sasaran dalam penyaluran bantuan sosial skala besar.
Esensinya, pemerintah sedang mengubah jantung tata kelola perlindungan sosial: dari kepercayaan pada formulir dan survei manual, ke algoritma yang membaca wajah dan melacak aset. Kementerian Dalam Negeri memperluas uji coba verifikasi data penerima manfaat berbasis data kependudukan dan kecerdasan buatan ke 258 kabupaten/kota. Langkah ini bukan sekadar modernisasi, tetapi koreksi keras terhadap fakta pahit: uji coba awal di Banyuwangi menemukan ketidaktepatan sasaran sekitar 60–70 persen, sementara 40 persen warga yang berhak belum terdata. Dengan angka seburuk itu, bertahan pada cara lama sama saja membiarkan pemborosan dan ketidakadilan. Pertanyaannya bukan lagi apakah teknologi perlu dipakai, tetapi bagaimana memastikan teknologi deteksi salah sasaran ini tidak menjelma menjadi mesin pengawasan membabi buta.
Di Balik Layar: Integrasi Biometrik dan Data Lintas Kementerian
Jantung verifikasi AI bantuan sosial ini adalah pemanfaatan data biometrik penerima bansos milik Ditjen Dukcapil, yang diklaim sudah mencakup 98 persen data kependudukan dengan face recognition, sidik jari, dan iris. Data ini lalu diintegrasikan dengan delapan kementerian/lembaga lain, termasuk data pertanahan dari ATR/BPN dan data kendaraan bermotor dari kepolisian. Dengan kombinasi ini, sistem AI dapat mendeteksi apakah seseorang yang terdaftar sebagai penerima bantuan ternyata memiliki lahan atau kendaraan bermotor, dan menandainya sebagai indikasi tidak layak.
Inilah teknologi deteksi salah sasaran dalam bentuk paling telanjang: mesin yang menelusuri jejak aset Anda, bahkan sebelum petugas datang mengetuk pintu. Mendagri menegaskan bahwa dengan integrasi tersebut, kelayakan penerima akan terlihat lebih terang benderang, karena status bantuan akan disandingkan dengan kepemilikan aset setiap orang. Di atas kertas, ini resep ampuh mengurangi manipulasi data dan penerima fiktif. Namun di lapangan, kualitas hasil sangat bergantung pada akurasi tiap basis data dan kemampuan AI membaca konteks—misalnya, tanah warisan yang belum dialihkan, atau kendaraan yang dipakai bersama keluarga besar.
Dampak ke Warga: Lebih Adil, Tapi Juga Lebih Telanjang
Bagi warga, pergeseran ke face recognition bansos membawa dua konsekuensi penting. Di sisi positif, teknologi ini dirancang untuk membantu verifikasi dan pemutakhiran data, sehingga penerima yang berhak tidak lagi tertinggal hanya karena salah input atau alamat yang keliru. Pemerintah juga sedang menyiapkan mekanisme layanan digital agar masyarakat bisa memperbaiki maupun memperbarui data perlindungan sosial sendiri. Di sini, teknologi memberi ruang kendali lebih besar ke warga miskin yang selama ini hanya menjadi objek pendataan.
Namun sisi lain terasa lebih mengganggu: agar bantuan cair, identitas fisik dan kondisi ekonomi Anda harus “telanjang” di hadapan sistem. Meski Kemensos menegaskan bahwa pengembangan face recognition tidak serta-merta membuat semua penerima langsung wajib memindai wajah, karena program masih dalam tahap pengembangan dan uji coba, rasa diawasi tetap nyata. Apalagi, hasil uji di Banyuwangi menunjukkan betapa besar kemungkinan seseorang tiba-tiba “dihapus” dari daftar karena sistem membaca ia punya aset tertentu. Tanpa mekanisme banding yang jelas, warga miskin berisiko kalah oleh algoritma.
Agen Perlinsos: Penjembatan Digital atau Filter Baru?
Untuk mencegah kesenjangan digital, pemerintah menghadirkan Agen Perlinsos sebagai relawan verifikasi di lapangan. Mereka dibekali aplikasi khusus dan didampingi unsur Kemensos, KemenPANRB, aparat kewilayahan, dan BPS untuk membantu warga yang tidak punya ponsel pintar. Di atas kertas, ini solusi logis: tidak semua penerima bansos melek aplikasi, sehingga perlu perantara manusia yang menerjemahkan logika AI ke dalam bahasa kampung.
Tetapi peran agen ini juga rawan disalahpahami. Luhut Binsar Pandjaitan sebelumnya menegaskan bahwa Agen Perlindungan Sosial hanya membantu pendaftaran dan pengambilan data melalui face recognition, bukan menentukan kelayakan bansos. Keputusan akhir ada di sistem dan aturan, bukan di tangan agen. Meski begitu, pengalaman warga tetap akan banyak ditentukan oleh interaksi dengan agen: apakah mereka menjelaskan hak banding, membantu koreksi data, atau sekadar menjadi operator aplikasi. Bila pemerintah gagal memberi standar pelayanan yang tegas, Agen Perlinsos bisa berubah dari jembatan inklusi menjadi filter sosial baru yang menentukan siapa yang merasa pantas mengakses sistem.
Menuju Bansos Tepat Sasaran: Syarat Utama Bukan Sekadar Teknologi
Perluasan uji coba ke 258 kabupaten/kota dan target agar sekitar 200 daerah melakukan validasi dengan integrasi Dukcapil dan kementerian lain hingga akhir 2026 menunjukkan ambisi besar mengakurasikan bansos. Kementerian Sosial pun mengembangkan layanan Perlinsos Digital yang memanfaatkan pengenalan wajah untuk verifikasi identitas penerima bantuan. Semua ini mengarah pada satu tujuan: mengurangi kesalahan sasaran dan memastikan bansos sampai ke kantong yang tepat.
Namun keberhasilan program biometrik penerima bansos tidak akan ditentukan algoritma semata. Tanpa transparansi kriteria kelayakan, mekanisme koreksi data yang mudah diakses, dan perlindungan privasi yang kuat, teknologi deteksi salah sasaran bisa berubah menjadi teknologi pembersihan daftar yang dingin dan kejam. Pertanyaannya sekarang: beranikah pemerintah membuka logika AI-nya ke publik, memberi ruang banding, dan menjamin data wajah warga miskin tidak disalahgunakan? Jika jawabannya ya, face recognition bansos dan verifikasi AI bantuan sosial layak dilihat sebagai lompatan keadilan sosial. Jika tidak, kita hanya sedang mengganti birokrasi lama dengan mesin baru yang lebih senyap namun sama tidak peka.
