Sering kali diskursus kecerdasan buatan terpusat pada kota besar, sementara wilayah tertinggal, terdepan, dan terluar (3T) masih berjuang mengakses sinyal telekomunikasi yang stabil. Padahal, justru di wilayah inilah AI bisa memainkan peran transformatif, mulai dari diagnosis penyakit lewat telemedicine hingga personalisasi materi ajar di sekolah-sekolah pelosok.
Janji Teknologi untuk yang Terlupakan
Bayangkan sebuah puskesmas di kepulauan Maluku yang hanya memiliki satu bidan. Dengan bantuan aplikasi berbasis AI, bidan tersebut dapat mengunggah gambar luka pasien, lalu algoritma computer vision memberikan rekomendasi apakah luka berpotensi diabetes atau infeksi biasa. Hal serupa telah diujicoba oleh beberapa startup di Nusa Tenggara Timur melalui program Kemkes dan mitra telemedicine. AI menjadi jembatan kompetensi ketika dokter spesialis tidak bisa hadir secara fisik.
Di sektor pendidikan, platform pembelajaran adaptif yang memanfaatkan AI mampu menyesuaikan tingkat kesulitan soal dengan kemampuan masing-masing siswa. Uji coba di beberapa kabupaten di Kalimantan Tengah menunjukkan peningkatan pemahaman numerasi dasar hingga 30% dalam satu semester. Angka ini memberi harapan bahwa AI bukan sekadar alat elite kota, melainkan pendorong pemerataan mutu pendidikan.
Realita Infrastruktur yang Menghadang
Sayangnya, potensi ini terbentur realita pahit. Data Asosiasi Penyelenggara Jasa Internet Indonesia (APJII) 2024 menunjukkan penetrasi internet di wilayah 3T masih di bawah 55%, dengan stabilitas jaringan sering terganggu. AI berbasis cloud yang membutuhkan latensi rendah menjadi tidak optimal dalam kondisi seperti ini. Alternatifnya adalah pengembangan edge AI—model ringan yang berjalan di perangkat lokal tanpa perlu terus-menerus terhubung ke internet—tetapi investasi riset dan pengembangan di area ini masih sangat minim.
Model Kolaborasi yang Dibutuhkan
Transformasi layanan publik berbasis AI di daerah 3T tidak bisa diserahkan sepenuhnya kepada mekanisme pasar. Perlu ada model kolaborasi pentahelix: pemerintah pusat menyediakan infrastruktur dasar dan subsidi perangkat, pemerintah daerah mengidentifikasi kebutuhan lokal, universitas dan BRIN mengembangkan model AI ringan sesuai konteks, swasta menyediakan dukungan teknis, dan komunitas sipil mengawal aspek etika.
Proyek percontohan di Kabupaten Alor, NTT, yang mengintegrasikan AI untuk deteksi dini stunting melalui data posyandu yang diolah secara lokal, menunjukkan bahwa pendekatan ini bisa berhasil jika didesain dengan partisipasi warga. Yang dibutuhkan saat ini adalah komitmen penganggaran multi-tahun agar program semacam ini tidak berhenti di fase uji coba.
