Dari Pajak Manual ke Pajak Cerdas Berbasis AI
AI pengawasan pajak adalah pemanfaatan kecerdasan buatan, machine learning, dan platform analitik pajak untuk memproses data perpajakan dalam skala besar, memprediksi risiko ketidakpatuhan, mengidentifikasi celah wajib pajak, dan menyajikan rekomendasi kebijakan secara otomatis sehingga otoritas pajak dapat meningkatkan akurasi audit, mempercepat layanan, dan memperkuat kemandirian fiskal daerah. Transformasi ini bukan sekadar pembaruan teknologi, melainkan perubahan cara berpikir: pajak tidak lagi dikelola dengan intuisi dan spreadsheet, tetapi dengan model prediktif dan dasbor yang hidup. Sikap menunggu pelanggaran baru ketahuan digantikan oleh pendekatan proaktif yang menebak pola risiko sebelum menimbulkan kebocoran penerimaan. Jika pemerintah serius ingin menutup celah kebocoran dan mengurangi ketergantungan fiskal, pengawasan pajak berbasis AI bukan pilihan tambahan, melainkan fondasi baru tata kelola.
Langkah DJP: Pengawasan Beralih dari Reaktif ke Prediktif
Pernyataan Direktur Jenderal Pajak Bimo Wijayanto menegaskan bahwa otoritas pajak pusat tidak lagi memandang AI sebagai wacana masa depan, tetapi kebutuhan hari ini. Saat membuka Belt and Road Initiative Tax Administration Cooperation Forum (BRITACOF) ke-7 di Jakarta pada 13–15 Oktober 2026, ia menyebut kecerdasan buatan memberi banyak manfaat dalam mekanisme pengawasan pajak. Dengan AI, pengawasan bergeser dari pola reaktif menjadi prediktif: data besar diproses cepat, kepatuhan diperiksa lebih akurat, dan pertanyaan rutin dijawab otomatis. Kutipan kuncinya jelas: “Kita dapat memproses data dalam jumlah besar dengan sangat cepat, memeriksa kepatuhan secara lebih akurat, dan menjawab pertanyaan-pertanyaan rutin secara otomatis”. Di balik forum yang melibatkan 35 negara anggota dan 25 observer, pesan yang lebih penting adalah pengakuan bahwa sumber daya manusia harus diarahkan ke masalah kompleks, sementara pekerjaan repetitif diserahkan ke mesin. Ini bukan sekadar modernisasi, tetapi reposisi peran manusia dalam sistem pajak.
AiTax Yogyakarta: Contoh Nyata Platform Analitik Pajak Daerah
Jika pusat bergerak dengan AI pengawasan pajak, Yogyakarta menunjukkan bagaimana daerah bisa menyusul dengan platform analitik pajak yang konkret. PT Sangga Bisnis Anda (Sanggabiz) dan Pemerintah Kota Yogyakarta menginisiasi AiTax, sebuah platform berbasis kecerdasan buatan, data analytics, dan machine learning untuk mengoptimalkan Pendapatan Asli Daerah (PAD). AiTax tidak berhenti pada digitalisasi pencatatan; ia mengubah data historis menjadi prediksi pendapatan yang akurat dan memetakan taxpayer gap, yakni celah wajib pajak yang selama ini luput dari radar. Tiga pilar operasionalnya—automated data scraping, machine learning forecasting, dan taxpayer gap analysis—membuat aparatur menerima keluaran berupa dasbor siap pakai berisi model forecasting PAD, daftar potensi wajib pajak baru, dan rekomendasi tindak lanjut kebijakan. Dalam praktik, ini berarti kepala daerah dan Bapenda tidak lagi meraba-raba target PAD, melainkan melihat proyeksi dan risiko secara real time. Yogyakarta, lewat pilot AiTax, memperlihatkan bahwa kemandirian fiskal daerah dimulai dari keberanian meninggalkan pendataan manual yang lambat dan rawan salah.
Teknologi Prediktif: Mengurangi Kebocoran, Memperkuat Kemandirian Fiskal
Inti perubahan yang sering luput dibahas adalah peran teknologi prediktif dalam menutup kebocoran pajak. Di tingkat pusat, Bimo menekankan bahwa AI memungkinkan mekanisme pengawasan beralih dari sekadar bereaksi terhadap masalah menjadi mampu memprediksi risiko. Di tingkat daerah, AiTax memanfaatkan machine learning forecasting untuk memprediksi potensi capaian PAD secara presisi dan mengidentifikasi kesenjangan pendapatan yang belum tergarap optimal. Kombinasi ini mengubah audit pajak dari sekadar pemeriksaan dokumen menjadi proses yang ditopang model risiko: wajib pajak dengan pola transaksi mencurigakan atau kontribusi yang tidak sebanding dengan profil ekonominya dapat diprioritaskan untuk pemeriksaan. Di sisi lain, wajib pajak yang taat mendapat layanan lebih cepat dan mudah. Optimalisasi PAD disebut sebagai elemen krusial bagi kemandirian fiskal daerah; tanpa kemampuan memprediksi dan menutup taxpayer gap, jargon kemandirian fiskal hanya akan berhenti di dokumen perencanaan.
Dari Pilot ke Standar Baru Tata Kelola Pajak
Pertanyaan pentingnya: apakah semua ini akan berhenti sebagai proyek percontohan? Kesuksesan implementasi pilot AiTax di Yogyakarta kini dijadikan blueprint tata kelola berbasis data (AI for Better Governance) yang siap diadopsi dan diekalasi oleh pemerintah daerah lain. Sanggabiz menyiapkan paket implementasi komprehensif: mulai diagnosis kesiapan data dan organisasi, pengembangan model forecasting pada dasbor, peningkatan kapasitas aparatur sipil terkait analisis data, hingga helpdesk dan pemantauan penggunaan berkelanjutan. Di tingkat pusat, partisipasi dalam forum BRITACOF yang menghimpun 35 negara anggota dan 25 observer menunjukkan bahwa otoritas pajak tidak bergerak sendirian. Namun, keberhasilan jangka panjang akan ditentukan oleh dua hal: kedisiplinan mengelola data dan kemauan politik untuk menjadikan AI sebagai standar, bukan proyek. Jika pemerintah dan pemerintah daerah konsisten, AI pengawasan pajak dan platform analitik pajak seperti AiTax berpotensi mengubah kemandirian fiskal daerah dari slogan menjadi kenyataan operasional.
