Kecerdasan buatan di balai kota Haltern am See: AI bayangan atau otoritas masa depan? Bagaimana kota-kota mentransformasikan administrasi mereka saat ini

Menjauh dari tahap eksperimen: Bagaimana kecerdasan buatan menjadi layanan publik kota

Mengapa tidak melakukan apa pun adalah pilihan yang paling mahal: Bagaimana pemerintah daerah dapat berhasil menerapkan AI secara strategis

Pemerintah daerah di Jerman berada di bawah tekanan yang sangat besar: peningkatan tanggung jawab, kepadatan peraturan yang tinggi, dan harapan warga yang semakin meningkat bertabrakan dengan anggaran yang ketat dan kekurangan tenaga kerja terampil yang semakin akut. Di kota Haltern am See, penggunaan kecerdasan buatan (AI) karenanya sedang diperdebatkan secara intensif. Namun, siapa pun yang hanya berpikir tentang chatbot cepat, uji coba perangkat lunak yang terisolasi, atau bantuan penulisan teks sesekali, telah melewatkan poin strategisnya. AI jauh lebih dari sekadar proyek prestise digital – ini adalah teknologi kunci yang sangat penting untuk memastikan penyediaan layanan penting dan layanan secara menyeluruh di masa depan.

Artikel berikut ini mengkaji mengapa eksperimen AI yang tidak terkontrol dan apa yang disebut AI bayangan menimbulkan risiko besar bagi otoritas publik dan bagaimana pendekatan terencana dapat berhasil. Solusinya terletak pada konsep "AI Terkelola": lingkungan yang dikelola secara berkelanjutan, sesuai dengan perlindungan data, dan ketat secara teknis yang menghubungkan model bahasa yang disetujui dengan pengetahuan regulasi spesifik dari administrasi. Baik itu otomatisasi cerdas dari surat masuk, pemrosesan file kompleks, atau pelestarian pengalaman berharga dari para profesional yang pensiun – manfaat ekonomi terbesar muncul jauh di dalam ruang mesin lembaga tersebut.

Pelajari mengapa tidak melakukan apa pun adalah pilihan yang paling mahal bagi kota dan kotamadya, bagaimana perlindungan data dan keamanan informasi dapat diatasi sebagai tantangan arsitektur, dan bagaimana permintaan peninjauan sederhana dapat menjadi strategi operasional antar-kotamadya yang layak untuk administrasi digital di masa depan.

Dari eksperimen AI hingga layanan publik digital

Mereka yang hanya mengandalkan AI untuk pengujian akan segera lebih banyak mengelola tumpukan pekerjaan mereka sendiri

Debat tentang kecerdasan buatan di balai kota Haltern am See hadir pada waktu yang tepat. Namun, hal itu seharusnya tidak berhenti pada pertanyaan apakah karyawan individu dapat merumuskan teks lebih cepat, meringkas dokumen, atau menemukan informasi lebih mudah. ​​Pertanyaan yang lebih besar dan sangat penting secara ekonomi adalah: Bagaimana sebuah kotamadya dapat memastikan efisiensinya ketika tugas, kompleksitas peraturan, dan harapan meningkat, sementara personel, waktu, dan sumber daya anggaran tetap terbatas? Dalam konteks ini, AI bukanlah proyek prestise digital atau program pengganti karyawan. Jika digunakan dengan benar, AI merupakan infrastruktur operasional baru yang memungkinkan spesialis yang ada untuk bekerja lebih produktif, membuat pengetahuan lebih mudah diakses, dan memungkinkan layanan administrasi diberikan dengan lebih andal.

Bagi Haltern am See, ada banyak alasan untuk tidak menyelenggarakan implementasi sebagai hasil dari pengujian perangkat lunak yang terisolasi. Sebaliknya, kota tersebut harus menetapkan model operasi terkontrol yang mengintegrasikan teknologi, perlindungan data, keamanan informasi, prosedur khusus, pelatihan, jaminan kualitas, dan pengembangan berkelanjutan. AI Terkelola sangat cocok untuk tujuan ini. Ini bukan hanya aplikasi cloud dengan jendela obrolan, tetapi lingkungan AI yang dikelola secara berkelanjutan, diatur dengan jelas, dan aman secara teknis. Ini menggabungkan model bahasa yang disetujui dengan keahlian pemerintah kota, proses yang ditentukan, izin, pencatatan, dan akuntabilitas manusia. Hanya kombinasi inilah yang mengubah alat yang menarik menjadi sumber daya administratif yang tangguh.

Tekanan untuk bertindak bukanlah hal yang abstrak. Rencana kepegawaian kota Haltern am See untuk tahun 2026 mencakup total 467 posisi, termasuk 107 posisi pegawai negeri sipil dan 360 posisi karyawan. Biaya personel dan pensiun mencapai sekitar €37,7 juta. Pada saat yang sama, anggaran memproyeksikan pendapatan hampir €130 juta dan pengeluaran sedikit di atas €137 juta; setelah pengurangan biaya secara keseluruhan, defisit sekitar €5,2 juta masih tersisa. Skala ini menggambarkan mengapa efisiensi tidak boleh disamakan dengan pengurangan staf secara menyeluruh. Setiap jam pemrosesan yang dihemat secara permanen dapat sangat berharga, tetapi pemerintah kota tidak mampu membiayai eksperimen AI yang mahal atau penggunaan layanan daring publik secara ilegal.

Kendala sebenarnya adalah kapasitas pemerintah kota

Pemerintah daerah beroperasi dalam lanskap ekonomi yang kompleks. Di satu sisi, permintaan akan layanan terus meningkat: proyek konstruksi perlu diproses lebih cepat, keputusan tentang tunjangan sosial perlu didasarkan pada hukum yang kuat, adaptasi iklim perlu diorganisir, infrastruktur perlu dipelihara, krisis perlu dikelola, dan kekhawatiran warga perlu ditangani melalui berbagai saluran. Di sisi lain, kendala anggaran, kekurangan tenaga kerja terampil, dan perubahan demografis membatasi perluasan staf. Sektor publik di Jerman mempekerjakan lebih dari lima juta orang; tanpa tindakan penanggulangan, kesenjangan keterampilan dapat meningkat menjadi setidaknya satu juta pada tahun 2030. Meskipun proyeksi tersebut bukanlah prediksi yang tepat untuk Haltern, proyeksi tersebut menunjukkan arah persaingan untuk tenaga profesional administrasi, staf TI, insinyur, pekerja sosial, dan manajer.

Hal ini menciptakan masalah produktivitas. Pemerintah daerah tidak dapat secara permanen menyerap peningkatan beban kerja dengan menambah staf jika pelamar yang sesuai kurang atau anggaran tidak memungkinkan pendanaan yang diperlukan. Pemerintah daerah juga tidak dapat secara sembarangan mengurangi layanan, karena banyak tugas yang diamanatkan oleh hukum. Hal ini menjadikan organisasi kerja yang lebih baik sebagai satu-satunya pengungkit strategis. Proses harus disederhanakan, jeda media dihilangkan, data dibuat dapat digunakan kembali, dan tugas-tugas rutin diotomatisasi. AI memperluas perangkat ini karena dapat memproses tidak hanya data terstruktur tetapi juga materi tidak terstruktur seperti surat, pemberitahuan, notulen, pedoman, email, dan dokumen yang dipindai.

Oleh karena itu, manfaat ekonomi terbesar pada awalnya tidak terletak pada chatbot warga yang spektakuler. Manfaat tersebut terletak pada mesin penggerak administrasi publik: dalam menyortir dan memproses surat masuk, menemukan peraturan yang relevan, menyiapkan surat standar, menyusun berkas yang ekstensif, dan mentransfer informasi antar unit organisasi. Tugas-tugas tersebut memakan banyak waktu. Secara total, tugas-tugas tersebut merupakan bagian signifikan dari biaya administrasi. Oleh karena itu, mereka yang hanya mempertimbangkan aplikasi AI yang terlihat meremehkan nilai sistem bantuan internal.

Mengapa chatbot belum menjadi sebuah strategi?

Layanan AI yang dapat diakses secara bebas dapat menghasilkan teks yang meyakinkan dalam hitungan detik. Namun, bagi otoritas publik, ini hanyalah permukaan yang terlihat. Di balik setiap respons terdapat pertanyaan tentang transfer data, penyedia model, periode penyimpanan, penggunaan pelatihan, hak akses, akurasi teknis, dan akuntabilitas. Tanpa lingkungan yang mengikat, pemerintah daerah hanya memindahkan risikonya dari lemari arsip ke sistem digital yang sulit dikendalikan. AI bayangan sangat bermasalah: karyawan menggunakan akun pribadi atau tidak resmi karena alat tersebut mudah digunakan dan tidak ada alternatif resmi. Hal ini menyebabkan metode kerja yang tidak konsisten dan berpotensi aliran data yang tidak sah.

Oleh karena itu, strategi AI tingkat kota harus membedakan antara eksperimen, bantuan, dan otomatisasi. Dalam eksperimen, fungsi diuji dengan data yang tidak kritis. Dalam bantuan, sistem menghasilkan saran yang ditinjau oleh orang yang bertanggung jawab. Dalam otomatisasi, langkah-langkah kerja yang telah ditentukan dieksekusi sesuai dengan aturan dan didokumentasikan dengan cara yang dapat diaudit. Semakin dekat suatu aplikasi dengan konsekuensi hukum, penyediaan manfaat, atau keputusan yang memberatkan, semakin tinggi tingkat kontrol, keterlacakan, dan pengawasan manusia yang harus dilakukan. Kemampuan teknis suatu model saja tidak cukup untuk menugaskannya suatu tugas.

Di sinilah kelemahan banyak proyek percontohan menjadi jelas. Mereka mengukur antusiasme, jumlah akun pengguna, atau jumlah teks yang dihasilkan, tetapi bukan dampak keseluruhan prosesnya. Jika draf dibuat lebih cepat tetapi kemudian membutuhkan lebih banyak waktu untuk ditinjau, efek bersihnya tetap kecil. Jika departemen yang berbeda mempertahankan templat yang sama beberapa kali, upaya koordinasi meningkat. Jika AI beroperasi tanpa basis pengetahuan terkini, ia menghasilkan hasil yang secara linguistik tepat tetapi secara teknis sudah ketinggalan zaman. Oleh karena itu, strategi tidak dimulai dengan memilih model, tetapi dengan memilih masalah yang sesuai.

AI terkelola mengubah teknologi menjadi bisnis yang andal

AI Terkelola mengacu pada model operasional di mana pemerintah daerah mempertahankan tujuan, aturan, dan tanggung jawab, sementara unit internal atau eksternal khusus mengoperasikan, mengamankan, memantau, dan mengembangkan lebih lanjut platform teknis. Ini termasuk penerapan model, manajemen identitas dan akses, enkripsi, pencatatan, antarmuka, basis pengetahuan, pengukuran kualitas, pembaruan, pemecahan masalah, dan dukungan pengguna. Model ini dapat diimplementasikan di pusat data publik, cloud berdaulat, arsitektur hibrida, atau kombinasi dari ketiganya. Yang penting bukanlah labelnya, tetapi rantai nilai yang dapat dikelola.

Bagi kotamadya berukuran sedang, model ini lebih layak secara ekonomi daripada mengembangkan solusi internal sepenuhnya. Mengoperasikan AI generatif membutuhkan keahlian yang harus dipelihara secara berkelanjutan: operasi cloud dan pusat data, keamanan informasi, perlindungan data, evaluasi model, rekayasa data, pengembangan antarmuka, dan pengetahuan proses khusus. Satu kota saja sulit untuk menanggung semua peran ini secara ekonomis. Di sisi lain, penyedia layanan TI kotamadya dapat mendistribusikan infrastruktur, standar, dan pengetahuan khusus di berbagai administrasi. Pusat Data Kotamadya Bersama Recklinghausen bekerja untuk distrik dan delapan kota, sehingga sudah memiliki skala yang sesuai untuk solusi bersama.

Namun, AI terkelola bukan berarti melepaskan tanggung jawab kepada penyedia layanan. Kota harus menentukan kelas data mana yang boleh diproses, kasus penggunaan mana yang diperbolehkan, bagaimana hasil diverifikasi, dan kapan sistem dimatikan. Operator teknis menyediakan ketersediaan dan pengamanan; tanggung jawab operasional tetap berada pada unit organisasi yang relevan. Model operasi yang baik secara jelas memisahkan peran-peran ini dan menghubungkannya melalui tujuan layanan yang mengikat, prosedur audit, dan saluran eskalasi.

Haltern tidak perlu memulai dari awal

North Rhine-Westphalia telah mengembangkan asisten AI khusus administrasi yang disebut NRW.Genius. Aplikasi web ini mendukung tugas-tugas terkait teks seperti ringkasan, penyusunan teks, pencarian koleksi dokumen, menjawab pertanyaan tentang file pribadi, dan interaksi langsung dengan model bahasa. Arsitekturnya bersifat agnostik terhadap model dan platform serta dirancang untuk pemrosesan hibrida. IT.NRW melaporkan bahwa aplikasi ini telah digunakan oleh hampir 27.000 karyawan; Essen, Solingen, dan Bergheim sedang menguji penggunaannya kembali di tingkat kota. Hal ini relevan bagi Haltern karena memungkinkan pembagian risiko pengembangan, kurva pembelajaran, dan biaya.

Solusi standar di seluruh negara bagian bukanlah jawaban lengkap untuk kebutuhan kota. Otoritas negara bagian dan kota berbeda dalam prosedur khusus, struktur file, penyimpanan data, tugas, dan tanggung jawab mereka. Nilai ekonomis hanya muncul ketika sistem bantuan terintegrasi ke dalam alur kerja dunia nyata. Jendela obrolan umum dapat merumuskan catatan; namun, hal itu menghemat waktu secara signifikan lebih sedikit daripada solusi terintegrasi yang mengidentifikasi proses yang benar, menemukan informasi yang berwenang, menggunakan templat yang sesuai, mengidentifikasi sumber, dan mengembalikan hasilnya ke prosedur khusus untuk ditinjau.

Oleh karena itu, Haltern tidak seharusnya membandingkan penawaran yang sudah ada dengan konsep AI terkelolanya sendiri. Pendekatan modular masuk akal. Fungsi generik dapat diperoleh dari platform nasional atau antar-kota. Basis pengetahuan, antarmuka, dan modul proses khusus kota kemudian ditambahkan di atasnya. Aplikasi yang sangat sensitif dapat dioperasikan di lingkungan yang terkontrol. Hal ini menghindari solusi terisolasi yang mahal dan ketergantungan penuh pada satu produk.

Efisiensi ekonomi dimulai dengan penghitungan biaya proses

AI tidak menguntungkan hanya karena jawabannya cepat. AI menguntungkan ketika waktu pemrosesan secara keseluruhan berkurang, kesalahan dihindari, pertanyaan lanjutan berkurang, atau kinerja tetap stabil meskipun kapasitas terbatas. Oleh karena itu, pertama-tama harus ditentukan patokan untuk setiap kasus penggunaan. Ini termasuk jumlah kasus, waktu pemrosesan rata-rata, waktu tunggu, jumlah jeda media, tingkat pengerjaan ulang, pertanyaan lanjutan, biaya kesalahan, dan proporsi pekerjaan yang dapat distandarisasi. Barulah kemudian dapat dinilai apakah bantuan AI layak secara ekonomi.

Perhitungan model sederhana mengilustrasikan logikanya. Jika suatu sistem menghemat rata-rata lima menit per 20.000 proses identik, secara teoritis ini menghasilkan penghematan waktu kotor sekitar 1.667 jam per tahun. Dari jumlah tersebut, waktu pengujian, pelatihan, dukungan, waktu henti, dan kontrol kualitas harus dikurangi. Jika, misalnya, tersisa 1.000 jam bersih, manfaat ini dapat dievaluasi terhadap total biaya waktu yang diinvestasikan. Efek kualitatif seperti waktu respons yang lebih cepat atau komunikasi yang lebih konsisten juga ikut berperan. Perhitungan ini sengaja dibuat konservatif: hal ini mencegah penghematan waktu yang secara teoritis diperoleh dipasarkan sebagai penghematan anggaran yang dijamin.

Dampak ekonomi dapat berupa tiga hal. Pertama, pemerintah daerah dapat menangani lebih banyak kasus dengan jumlah staf yang sama. Kedua, dapat mengurangi tumpukan kasus dan biaya eksternal. Ketiga, dapat mengalokasikan kembali waktu yang tersedia untuk konsultasi, pemantauan, dan kasus-kasus individual yang kompleks. Penghematan waktu jarang sekali secara langsung menyebabkan penurunan alokasi anggaran, karena jumlah staf tidak dapat dibagi tanpa batas. Manfaat yang paling realistis biasanya berupa pengurangan perekrutan karyawan baru, pengurangan beban kerja, kualitas yang lebih konsisten, dan peningkatan daya tanggap.

Pekerjaan dokumentasi adalah pengungkit pertama yang paling ampuh

Administrasi publik adalah organisasi yang sangat bergantung pada pengetahuan dan dokumen. Sebagian besar pekerjaannya melibatkan pengumpulan, verifikasi, pemadatan, dan transformasi informasi ke dalam format yang sesuai secara hukum atau organisasi. AI generatif sangat cocok untuk tugas-tugas ini, asalkan beroperasi sebagai asisten dan mengakses sumber yang andal. Lingkungan yang terkontrol dapat meringkas dokumen yang panjang, menyoroti perbedaan antar versi, membuat draf dari poin-poin, dan menemukan bagian-bagian yang relevan dalam file.

Hasil empiris juga menunjukkan mengapa janji-janji umum tidak tepat. Dalam sebuah eksperimen lapangan dengan 143 karyawan Bank Sentral Irlandia, AI generatif meningkatkan kualitas tugas pemahaman dokumen sebesar 17 persen dan waktu pemrosesan sebesar 34 persen. Namun, dalam tugas analisis data, kualitasnya menurun sebesar 12 persen, tanpa penghematan waktu yang signifikan. Oleh karena itu, teknologi ini tidak selalu produktif, tetapi hanya jika tugas, data, antarmuka pengguna, dan mekanisme kontrolnya sesuai.

Bagi Haltern, hal ini menghasilkan prioritas yang jelas. Awalnya, tugas internal dengan konten teks yang tinggi, volume besar, dan dampak hukum yang terbatas adalah yang paling tepat: menyusun dokumen rapat, meningkatkan penelusuran pengetahuan internal, menyiapkan draf notulen, mengevaluasi peraturan yang tersedia untuk umum, atau memilah terlebih dahulu pertanyaan warga berdasarkan topik. Keputusan mengenai klaim, sanksi, atau posisi hukum individu kurang tepat untuk dilakukan pada tahap awal. Langkah pertama harus diambil di mana kesalahan dapat dengan mudah diidentifikasi dan diperbaiki.

Ruang surat berubah menjadi pintu depan pintar

Salah satu contoh penggunaan yang sangat konkret adalah pemrosesan dokumen masuk. Surat, formulir, email, dan lampiran harus dikenali, ditugaskan ke suatu kasus, diperiksa kelengkapannya, dan diteruskan. Pengenalan dokumen tradisional dengan cepat mencapai batasnya ketika berhadapan dengan tata letak yang tidak konsisten, teks bebas, dan tulisan tangan. AI modern dapat mengklasifikasikan konten, mengekstrak informasi yang relevan, dan menghasilkan ringkasan untuk diproses.

GKD Recklinghausen sudah menggunakan lingkungan AI khusus dan mandiri untuk memindai surat masuk. Di sana, mereka mendukung klasifikasi konten, pengenalan tulisan tangan, dan peringkasan, sehingga mempersingkat proses validasi dan transfer ke file elektronik. Hal ini menawarkan Haltern area aplikasi yang kompatibel secara regional. Kota tersebut tidak perlu membuktikan terlebih dahulu bahwa teknologi tersebut berfungsi secara prinsip, tetapi dapat memeriksa jenis dokumen, volume, dan prosedur khusus mana yang menjanjikan manfaat lokal terbesar.

Kasus penggunaan ini menjadi menarik secara ekonomi karena dampaknya yang lintas fungsi. Sistem surat masuk yang lebih siap tidak hanya mengurangi beban kerja di ruang surat, tetapi juga waktu pencarian, kesalahan pengiriman, dan pertanyaan di dalam departemen spesialis. Pada saat yang sama, sistem ini menciptakan fondasi data yang lebih terstruktur untuk langkah-langkah proses selanjutnya. Hal ini memungkinkan satu modul AI untuk mengurangi berbagai hambatan di sepanjang rantai pemrosesan. Manfaatnya meningkat dengan penggunaan kembali, itulah sebabnya komponen terpusat umumnya harus diprioritaskan daripada banyak solusi kecil dan individual.

Konsep penanganan kesalahan yang kuat tetap menjadi prasyarat. AI tidak boleh secara tidak sengaja salah mengklasifikasikan dokumen atau menghilangkan konten penting. Oleh karena itu, setiap kelas dokumen memerlukan standar kualitas minimum yang ditentukan, prosedur pengambilan sampel, proses koreksi, dan mekanisme cadangan yang andal. Masukan yang kritis atau kurang teridentifikasi secara otomatis dialihkan ke tinjauan manusia. Model "manusia dalam lingkaran" seperti ini bukanlah tanda kelemahan teknis, melainkan pembagian kerja yang ekonomis dan legal antara mesin dan ahli manusia.

Di sini Anda akan mempelajari bagaimana perusahaan Anda dapat mengimplementasikan solusi AI yang disesuaikan dengan cepat, aman, dan tanpa hambatan masuk yang tinggi.

Platform AI terkelola adalah solusi lengkap dan bebas khawatir Anda untuk kecerdasan buatan. Alih-alih berurusan dengan teknologi yang kompleks, infrastruktur yang mahal, dan proses pengembangan yang panjang, Anda menerima solusi siap pakai yang disesuaikan dengan kebutuhan Anda dari mitra khusus – seringkali hanya dalam beberapa hari.

Keunggulan utama secara sekilas:

⚡ Implementasi cepat: Dari ide hingga aplikasi siap pakai dalam hitungan hari, bukan bulan. Kami menghadirkan solusi praktis yang menciptakan nilai tambah langsung.

🔒 Keamanan data maksimal: Data sensitif Anda tetap aman. Kami menjamin pemrosesan yang aman dan sesuai peraturan tanpa membagikan data dengan pihak ketiga.

💸 Tanpa risiko finansial: Anda hanya membayar untuk hasil. Investasi awal yang tinggi untuk perangkat keras, perangkat lunak, atau personel sepenuhnya dihilangkan.

🎯 Fokus pada bisnis inti Anda: Konsentrasikan pada apa yang Anda kuasai. Kami mengurus seluruh implementasi teknis, pengoperasian, dan pemeliharaan solusi AI Anda.

📈 Tahan masa depan & dapat diskalakan: AI Anda tumbuh bersama Anda. Kami memastikan optimasi dan skalabilitas berkelanjutan, serta secara fleksibel menyesuaikan model dengan kebutuhan baru.

Informasi selengkapnya di sini:

• Solusi AI Terkelola - Layanan AI Industri: Kunci Daya Saing di Sektor Jasa, Industri, dan Teknik Mesin

Pengetahuan administratif tidak boleh hilang bersama karyawan

Perubahan demografis mengancam pemerintah daerah bukan hanya karena kekurangan tenaga kerja, tetapi juga karena hilangnya pengetahuan berdasarkan pengalaman. Banyak proses bergantung pada konteks lokal: Dokumen apa yang dibutuhkan dalam kasus tertentu? Tanggung jawab apa yang telah berubah? Rumusan kata mana yang terbukti efektif? Di mana keputusan sebelumnya dan proses yang sebanding berada? Ketika karyawan berpengalaman pergi, sebagian dari pengetahuan ini hilang atau harus dibangun kembali dengan susah payah.

Platform AI yang terkelola dapat mengurangi masalah ini ketika terhubung ke basis pengetahuan kota yang terawat dengan baik. Ini tidak melibatkan pembuatan jawaban internet secara sembarangan. Sistem mencari instruksi layanan yang disetujui, peraturan, manual, templat, dan deskripsi proses, dan merumuskan jawaban berdasarkan sumber-sumber tersebut. Idealnya, sistem menampilkan sumber yang digunakan, memungkinkan karyawan untuk memverifikasi informasi tersebut dengan segera. Pendekatan ini, yang sering disebut sebagai generasi yang diperkaya dengan pengambilan informasi, menggabungkan kemampuan linguistik model dengan sumber lokal yang terkontrol.

Aset penting di sini bukanlah model bahasa, melainkan basis pengetahuan terstruktur dari administrasi. Model dapat diganti ketika kinerja, biaya, atau persyaratan hukum mengharuskannya. Di sisi lain, repositori dokumen yang rapi dengan pembuatan versi, tanggung jawab, metadata, dan aturan penghapusan tetap dapat digunakan dalam jangka panjang. Oleh karena itu, Haltern seharusnya tidak terutama berinvestasi pada model tertentu, tetapi lebih pada kualitas data, manajemen pengetahuan, dan antarmuka terbuka. Investasi ini secara bersamaan meningkatkan digitalisasi tradisional dan terus memberikan dampak bahkan ketika teknologi AI berkembang pesat.

Kedaulatan digital adalah soal biaya

Kedaulatan digital sering dianggap sebagai cita-cita politik, tetapi memiliki inti ekonomi yang konkret. Perusahaan yang sepenuhnya mengikat data, antarmuka, dan pengetahuan operasional mereka pada satu penyedia akan kehilangan daya tawar. Biaya peralihan meningkat, penyesuaian menjadi mahal, dan inovasi bergantung pada perencanaan produk pihak ketiga. Sebaliknya, akan tidak ekonomis untuk mengembangkan setiap komponen teknis secara internal. Oleh karena itu, kedaulatan bukan berarti autarki, melainkan kemampuan untuk membuat keputusan yang tepat, beralih penyedia, dan mempertahankan layanan penting bahkan jika terjadi gangguan.

Untuk AI terkelola, hal ini menghasilkan arsitektur modular. Manajemen identitas, repositori pengetahuan, pencatatan log, dan antarmuka tidak boleh terikat secara mutlak pada satu model bahasa. Model dapat dipilih tergantung pada tugasnya: model berkinerja tinggi untuk teks kompleks, model yang lebih kecil dan hemat biaya untuk klasifikasi, dan model yang dioperasikan secara lokal untuk data sensitif. NRW.Genius sudah menerapkan pendekatan model-agnostik dan hibrida, di mana pemrosesan dapat disesuaikan dengan persyaratan perlindungan. Prinsip ini juga harus menjadi panduan implementasi di tingkat kota.

Biaya harus dipertimbangkan di seluruh siklus hidup. Ini termasuk implementasi, persiapan data, integrasi, pelatihan, operasi berkelanjutan, pemanfaatan model, audit keamanan, jaminan kualitas, dan kemungkinan beralih penyedia. Solusi AI yang tampaknya murah dapat menjadi mahal jika setiap aplikasi bisnis memerlukan integrasi individual atau jika biaya tidak transparan. Sebaliknya, biaya platform yang sedikit lebih tinggi dapat menjadi ekonomis jika menyediakan standar yang aman, komponen umum, dan dukungan yang andal.

Perlindungan data menjadi tantangan arsitektural

Perlindungan data seharusnya tidak hanya diperiksa setelah proyek percontohan secara teknis selesai. Dengan model bahasa yang besar, muncul pertanyaan mengenai dasar hukum, pembatasan tujuan, minimalisasi data, periode penyimpanan, transfer data, dan informasi pribadi apa pun yang berpotensi terkandung dalam model tersebut. Oleh karena itu, Komisioner Federal untuk Perlindungan Data merekomendasikan agar pihak berwenang mengintegrasikan perlindungan data ke dalam proyek AI sejak awal dan, khususnya, secara sistematis menilai penanganan data pribadi selama pelatihan dan penggunaan. Bagi pemerintah daerah, ini bukanlah beban birokrasi tambahan, melainkan prasyarat untuk kebermanfaatan sistem dalam jangka panjang.

AI terkelola dapat membuat perlindungan data lebih praktis karena aturan dapat ditegakkan secara teknis. Data dapat diklasifikasikan atau dianonimkan sebelum diproses. Peran dan hak akses membatasi siapa yang dapat mengakses basis pengetahuan mana. Input dapat dicatat, periode retensi dapat diotomatiskan, dan konten yang tidak diizinkan dapat difilter. Persyaratan perlindungan yang berbeda dapat didistribusikan ke jalur pemrosesan yang terpisah. Hal ini mengubah perlindungan data dari sekadar lembar informasi menjadi fungsi operasional.

Keamanan informasi membutuhkan lebih dari sekadar kontrak dengan penyedia model. Kantor Federal Jerman untuk Keamanan Informasi (BSI) merekomendasikan, antara lain, inventaris sistem AI yang digunakan, aturan penggunaan yang jelas, konfigurasi yang meminimalkan data, periode penghapusan yang ditentukan, tanggung jawab yang tidak ambigu, dan validasi output sebelum diteruskan ke sistem back-end. Persyaratan terakhir ini sangat penting: AI yang hanya menampilkan draf menimbulkan risiko yang berbeda dibandingkan sistem yang secara independen menulis data ke aplikasi khusus atau menyiapkan keputusan.

Kepastian hukum tidak tercipta oleh suatu larangan

Undang-Undang AI Eropa memperketat persyaratan untuk tata kelola, transparansi, dan kompetensi. Sejak Februari 2025, peraturan mengenai kompetensi AI telah berlaku; sejak Agustus 2026, sebagian besar kerangka hukum dan aturan transparansi telah diberlakukan. Aplikasi tertentu di bidang sensitif tunduk pada peraturan yang sangat ketat sebagai sistem berisiko tinggi. Ini bukan berarti larangan menyeluruh atau kebebasan penuh bagi pemerintah daerah. Mereka harus membedakan aplikasi berdasarkan risiko dan secara demonstratif memenuhi kewajiban organisasi mereka.

Asisten teks untuk draf internal harus diperlakukan berbeda dari sistem yang turut menentukan akses ke layanan publik yang signifikan. Bahkan dalam satu aplikasi, risikonya dapat bervariasi. Meringkas dokumen publik yang dianonimkan kurang bermasalah daripada meringkas berkas kesejahteraan sosial. Oleh karena itu, model tata kelola yang baik tidak hanya mengevaluasi produk itu sendiri, tetapi juga tujuan, data, basis pengguna, dan dampak dari penggunaan spesifiknya.

AI terkelola memberikan kendali yang diperlukan. Sebuah badan pusat memelihara register aplikasi, mendokumentasikan pihak yang bertanggung jawab dan persetujuan, menetapkan kelas perlindungan, dan memantau perubahan. Hal ini mencegah setiap lembaga membuat aturannya sendiri. Pada saat yang sama, tata kelola tidak boleh menyebabkan penundaan persetujuan. Untuk kasus standar yang sering terjadi dan berisiko rendah, harus ada templat yang telah disetujui sebelumnya dan proses persetujuan yang cepat. Kualitas regulasi ditunjukkan oleh apakah regulasi tersebut memungkinkan penggunaan yang aman, bukan hanya sekadar mengelola ketidakpastian.

Para karyawan yang menentukan keuntungan

Implementasi AI terutama berkaitan dengan pengembangan organisasi. Karyawan perlu memahami kemampuan sistem, keterbatasannya, dan tanggung jawab mereka yang tersisa. Sesi pelatihan satu kali tentang petunjuk saja tidak cukup. Format pembelajaran berbasis tugas, contoh dari departemen mereka sendiri, pedoman untuk menangani data, dan kemampuan untuk mengidentifikasi kesalahan yang diartikulasikan secara meyakinkan sangat penting. Manajer juga membutuhkan keterampilan dalam pemilihan proses, evaluasi metrik, dan perancangan peran baru.

Implementasi seharusnya tidak dimulai dengan janji pengurangan staf. Komunikasi seperti itu tentu saja akan menimbulkan resistensi dan mengurangi kemauan untuk belajar. Tujuan yang lebih kredibel adalah mengurangi beban kerja puncak, menghilangkan tumpukan pekerjaan yang tertunda, dan membebaskan spesialis dari tugas-tugas yang membutuhkan sedikit wewenang pengambilan keputusan. Pekerjaan manusia kemudian bergeser dari membuat draf awal ke meninjau, mengklasifikasikan, memberi saran, dan memutuskan draf tersebut.

Keterlibatan dan partisipasi dalam pengambilan keputusan harus diorganisir sejak dini. Kota Essen telah mengatur penggunaan AI melalui perjanjian layanan, melibatkan dewan staf, menyediakan pelatihan dasar, dan menetapkan bahwa hasil AI harus ditinjau secara profesional sebelum digunakan secara eksternal; keputusan diskresioner tetap menjadi hak prerogatif manusia. Model ini dapat diadaptasi untuk Haltern. Aturan yang jelas tidak hanya melindungi karyawan dan warga negara tetapi juga meningkatkan penggunaan karena mengurangi ketidakpastian.

Kolaborasi antar-kota lebih unggul daripada solusi kota yang terisolasi

Jerman memiliki ribuan kotamadya dengan tugas serupa tetapi lanskap sistem yang heterogen. Jika setiap administrasi mengembangkan asisten, prosedur audit, dan model kontraknya sendiri, akan terjadi duplikasi upaya yang signifikan. Pendekatan yang lebih masuk akal secara ekonomi terletak pada komponen inti yang digunakan bersama dan adaptasi lokal. Kerja sama antar kotamadya mendistribusikan biaya tetap, mengumpulkan keahlian, dan menciptakan volume penggunaan yang cukup untuk struktur operasional profesional.

Infrastruktur TI regional Haltern menawarkan titik awal yang alami. Pusat Layanan TI Bersama (GKD) memungkinkan pengoperasian platform, arsitektur keamanan, dan integrasi teknis secara terpusat. Layanan tingkat negara bagian seperti NRW.Genius menyediakan fungsi bantuan umum. Struktur nasional seperti Pasar Peluang AI bertujuan untuk membuat aplikasi transparan dan mendorong penggunaan kembali antara pemerintah federal, negara bagian, dan lokal; Dewan Perencanaan TI telah memutuskan untuk mengadopsi platform ini sebagai produknya sendiri pada 1 Januari 2027. Hal ini secara bertahap akan menciptakan ekosistem di mana pemerintah kota tidak perlu menciptakan kembali hal yang sudah ada.

Namun, kerja sama tidak boleh menyebabkan laju yang paling lambat. Haltern harus menetapkan prioritas dan kriteria keberhasilannya sendiri, sambil berbagi fondasi teknis. Sistem modular dapat dipertimbangkan: platform bersama, standar keamanan umum, dan model yang diuji bersama, tetapi dengan basis pengetahuan lokal dan modul proses terpilih. Dengan cara ini, kekhasan kota tetap terjaga tanpa mengorbankan skala ekonomi.

Keterlibatan warga berkembang di balik layar

Warga negara tidak menilai administrasi publik berdasarkan jumlah model AI yang digunakan. Mereka merasakan waktu tunggu, kemudahan pemahaman, aksesibilitas, keandalan, dan perlakuan yang setara. Oleh karena itu, strategi AI yang sukses harus diukur berdasarkan faktor-faktor ini. Jika surat menjadi lebih cepat tetapi kurang mudah dipahami, tidak banyak yang diperoleh. Jika chatbot merespons sepanjang waktu tetapi menciptakan rasa aman palsu dalam kasus-kasus luar biasa, kepercayaan justru dapat menurun.

Dampak terkuat pada warga seringkali muncul secara tidak langsung. Riset internal yang lebih cepat mengurangi waktu panggilan balik. Pemeriksaan kelengkapan otomatis mengurangi permintaan tindak lanjut. Alat penerjemahan meningkatkan akses bagi orang-orang dengan kemampuan bahasa Jerman yang terbatas. Draf yang lebih mudah dipahami dapat menyederhanakan bahasa administratif yang rumit. Karyawan mendapatkan lebih banyak waktu untuk kasus-kasus yang membutuhkan penjelasan atau pertimbangan pribadi. Dengan demikian, AI tidak menggantikan kontak, tetapi dapat membangun kembali kontak tersebut jika sesuai.

Sistem asisten warga eksternal sebaiknya hanya diimplementasikan setelah basis pengetahuan internal dapat diandalkan. Jika tidak, pemerintah kota hanya akan mengotomatiskan ambiguitasnya. Sebaiknya dimulai dengan pertanyaan umum yang sering diajukan dan bersifat non-pribadi, sumber yang transparan, dan rujukan yang jelas kepada petugas manusia. Asisten tersebut tidak boleh berpura-pura memberikan jawaban yang mengikat secara hukum. Untuk setiap respons, harus jelas apakah itu informasi umum atau saran khusus kasus.

Awal yang baik membutuhkan beberapa prioritas yang jelas

Haltern sebaiknya tidak memulai dengan daftar keinginan yang panjang, melainkan dengan portofolio yang terdiri dari tiga hingga lima kasus penggunaan. Fokus pertama dapat diarahkan pada bantuan teks dan dokumen yang aman. Fokus kedua dapat berkaitan dengan pemrosesan dokumen yang masuk. Fokus ketiga harus membahas manajemen pengetahuan internal. Proses yang didefinisikan dengan jelas dan memiliki volume yang terukur, seperti tinjauan awal dokumen standar, juga cocok. Kombinasi ini menghasilkan keberhasilan pembelajaran jangka pendek sekaligus membangun platform untuk penggunaan jangka panjang.

Pemilihan harus dilakukan berdasarkan kerangka kerja yang seragam: volume kasus, pengeluaran waktu saat ini, kemampuan standarisasi, ketersediaan data, upaya integrasi, konsekuensi kesalahan, dan manfaat yang diharapkan. Aplikasi dengan volume tinggi, fondasi data yang baik, dan dampak hukum yang rendah diprioritaskan. Aplikasi dengan risiko tinggi atau situasi data yang tidak jelas ditunda. Hal ini membuat pemeringkatan transparan secara ekonomi dan tidak ditentukan oleh pangsa pasar penyedia atau departemen individual.

Setiap proyek percontohan membutuhkan seorang ahli di bidangnya, seorang pemimpin teknis, dan nilai target yang terukur. Setelah tiga hingga enam bulan, keputusan dibuat apakah aplikasi tersebut harus dihentikan, diadaptasi, atau ditingkatkan skalanya. Keberhasilan bukan hanya tentang menghemat waktu. Kualitas, penerimaan, tingkat kesalahan, jumlah koreksi yang diperlukan, stabilitas, dan dampak pada warga juga harus diukur. Proyek percontohan tanpa kriteria penghentian yang telah ditentukan sebelumnya dapat dengan mudah menjadi eksperimen yang berkelanjutan.

Model operasional kotamadya dalam empat tahap

Pada tahap pertama, kota tersebut menetapkan ketertiban. Kota mendokumentasikan penggunaan AI yang ada, mendefinisikan tanggung jawab, mengadopsi kebijakan penggunaan awal, dan mengklasifikasikan data dan kasus penggunaan. Secara bersamaan, dewan staf, perlindungan data, keamanan informasi, departemen hukum, dan departemen terkait dilibatkan. Hasilnya bukanlah laporan kebijakan yang panjang, melainkan kerangka kerja praktis.

Pada fase kedua, lingkungan bantuan yang aman disediakan. Karyawan menerima akses resmi, pelatihan, dan daftar tugas yang diizinkan secara jelas. Awalnya, konten publik atau yang kurang sensitif diproses. Kota mengumpulkan data penggunaan dan mendokumentasikan kesalahan umum. Dengan demikian, kota mengganti AI bayangan yang tidak terkontrol dengan alternatif resmi yang lebih baik.

Tahap ketiga melibatkan integrasi pengetahuan dan koneksi proses. Dokumen-dokumen kota yang dirilis diberi versi dan diindeks, jawaban dihubungkan ke sumber yang relevan, dan aplikasi khusus awal dihubungkan melalui antarmuka. Di sinilah peningkatan produktivitas terbesar terjadi, tetapi juga saat pengujian dan persyaratan operasional meningkat. Oleh karena itu, model AI yang terkelola harus mencakup dukungan, pemantauan, pengendalian biaya, dan manajemen perubahan.

Pada tahap keempat, aplikasi yang telah terbukti diterapkan secara luas di berbagai kota. Haltern dapat mengadopsi modul yang berfungsi di tempat lain dan menyumbangkan pengalamannya sendiri. Investasi yang lebih besar dibagi. Pada saat yang sama, perbandingan model secara berkala tetap diperlukan untuk memastikan biaya dan kualitas tetap kompetitif. Dengan demikian, kota tersebut berevolusi dari pembeli alat AI individual menjadi klien yang kompeten dari layanan operasional digital.

Manfaat tersebut memerlukan sistem indikator kinerja utama tingkat kota

Sistem indikator kinerja utama (KPI) yang sederhana mencegah terjadinya pemborosan. Pada tingkat proses, metrik utama meliputi waktu penyelesaian, waktu pemrosesan aktif, kueri, tingkat kesalahan, dan tumpukan pekerjaan yang belum terselesaikan. Pada tingkat karyawan, tingkat penggunaan, pengurangan beban kerja yang dirasakan, dan kebutuhan pelatihan merupakan hal yang relevan. Dari perspektif warga, waktu respons, pemahaman, tingkat pengaduan, dan keberhasilan penyelesaian permintaan harus dipertimbangkan. Dari sisi teknis, ketersediaan, waktu respons, biaya per transaksi, dan jumlah insiden terkait keamanan juga penting.

Indikator kinerja utama (KPI) harus dikumpulkan sebelum proyek percontohan; jika tidak, perbandingan tidak mungkin dilakukan. Selain itu, kota harus membedakan antara manfaat bruto dan neto. Peningkatan waktu pembuatan teks setengah jam bukanlah keuntungan penuh jika kemudian membutuhkan tambahan dua puluh menit untuk peninjauan. Efek pergeseran juga harus dipertimbangkan: Akankah beban kerja di departemen terkait berkurang, tetapi upaya di bidang TI atau penjaminan mutu meningkat? Hanya analisis komprehensif yang akan mengungkapkan apakah pemerintah kota benar-benar menjadi lebih produktif.

Transparansi secara bersamaan memperkuat tata kelola politik. Dewan tidak memerlukan laporan teknis yang terperinci, melainkan tinjauan berkala tentang aplikasi yang diterapkan, biaya, manfaat, risiko, dan insiden yang tidak biasa. Warga harus dapat memahami di mana AI digunakan dan di mana keputusan manusia dibuat. Keterbukaan seperti itu mencegah ketakutan yang tidak berdasar dan harapan yang tidak realistis.

Risiko terbesar terletak pada manajemen yang buruk

Halusinasi, distorsi, dan pelanggaran data adalah risiko teknis yang nyata. Namun, kesalahan organisasi juga sama berbahayanya: tanggung jawab yang tidak jelas, kurangnya pemeliharaan data, pelatihan yang tidak memadai, terlalu banyak proyek percontohan paralel, dan ketergantungan pada konsultan individu. Platform AI dapat secara teknis sangat baik tetapi tetap gagal jika tidak ada yang memperbarui basis pengetahuan atau jika departemen gagal mengenali manfaatnya.

Risiko lainnya adalah otomatisasi proses yang tidak efisien. Jika suatu prosedur mengandung siklus peninjauan yang tidak perlu, tanggung jawab yang tidak jelas, atau entri data ganda, AI mungkin hanya akan membuatnya lebih rumit dan lebih cepat. Oleh karena itu, sebelum melakukan otomatisasi apa pun, perlu diperiksa apakah langkah-langkah tersebut dapat dihilangkan, distandarisasi, atau disederhanakan secara hukum. Optimalisasi proses dan penggunaan AI berjalan beriringan.

Terakhir, pemerintah daerah tidak seharusnya merencanakan peningkatan produktivitas di muka. Penelitian dan praktik menunjukkan perbedaan signifikan antar tugas. OECD menggambarkan produktivitas, daya tanggap, dan akuntabilitas sebagai peluang utama bagi pemerintah dalam menggunakan AI, tetapi juga menunjukkan bahwa bukti peningkatan produktivitas organisasi secara luas masih terbatas. Oleh karena itu, perencanaan yang bertanggung jawab menggunakan skenario, margin keamanan, dan investasi bertahap.

Mengapa berdiam diri bisa menjadi pilihan yang paling mahal

Ada alasan kuat untuk tidak terburu-buru menerapkan AI. Namun, argumen ekonomi yang sama kuatnya juga menentang penundaan tanpa batas waktu. Karyawan akan terus bereksperimen dengan alat-alat publik, pemerintah daerah tetangga akan mendapatkan pengalaman, dan penyedia akan dengan cepat menyesuaikan produk mereka. Mereka yang gagal menyediakan alternatif yang terkontrol tidak mencegah AI, tetapi justru kehilangan kemampuan untuk mengendalikannya. Pada saat yang sama, kesenjangan semakin melebar dalam kualitas data, antarmuka, dan keahlian.

Biaya peluang akibat kelambatan bertindak tidak hanya muncul sebagai satu pos anggaran. Biaya tersebut bermanifestasi dalam waktu pemrosesan yang lebih lama, penumpukan pekerjaan yang semakin besar, hilangnya pengetahuan, beban kerja yang berlebihan, dan menurunnya daya tarik perusahaan sebagai tempat kerja. Para profesional muda, khususnya, mengharapkan alat-alat modern. Manajemen yang secara fundamental menghambat bantuan digital akan bersaing dengan perusahaan yang lebih banyak mengotomatiskan tugas-tugas rutin dan menawarkan lebih banyak ruang lingkup untuk aktivitas yang lebih menantang.

Pendekatan yang tepat bukanlah antusiasme terhadap teknologi maupun penolakan terhadapnya. Haltern membutuhkan proses pembelajaran yang terkontrol dengan infrastruktur bersama, batasan yang jelas, dan pengukuran manfaat yang ketat. AI Terkelola sangat ideal untuk ini karena model tersebut mengatur tanggung jawab operasional yang berkelanjutan. Model ini tidak memperlakukan AI sebagai perangkat lunak yang diperoleh sekali saja, tetapi sebagai infrastruktur dinamis yang harus terus dipantau, diperbarui, dan dikelola secara profesional.

Permintaan peninjauan harus diubah menjadi strategi operasional

Tinjauan politik terhadap penerapan AI dapat menjadi titik awal yang bermanfaat. Nilainya bergantung pada apakah hal itu mengarah pada arsitektur implementasi yang jelas. Sekadar katalog aplikasi yang mungkin hanya akan menunda masalah. Yang dibutuhkan justru adalah prioritas, tanggung jawab, model operasional antar-kota, kerangka kerja keuangan, dan proyek percontohan yang terukur.

Oleh karena itu, alasannya adalah: Haltern seharusnya tidak memperlakukan AI sebagai proyek digital yang terisolasi, melainkan sebagai bagian integral dari layanan publik kotanya. Kota ini tidak perlu mengembangkan model bahasanya sendiri atau mengoperasikan setiap solusi sendiri. Kota ini harus memanfaatkan struktur negara dan regional yang ada, menekankan komponen yang terbuka dan dapat dipertukarkan, serta membangun keahlian lokal dalam proses, data, dan kontrol. Dengan cara ini, skala ekonomi dapat dikombinasikan dengan otonomi kota.

AI terkelola bukan sekadar kemudahan tambahan, melainkan mekanisme yang menggabungkan manfaat dengan kemudahan pengelolaan. Tanpa pengelolaan, model tetap menjadi alat yang terisolasi, risiko data tidak jelas, dan keberhasilan bergantung pada keberuntungan. Kerangka kerja operasional profesional memungkinkan asisten yang aman, keahlian pemerintah kota, dan langkah-langkah otomatis untuk berkembang menjadi infrastruktur yang produktif. Oleh karena itu, pertanyaan strategisnya bukan lagi apakah AI akan sampai ke Balai Kota, melainkan apakah kota akan membentuk implementasinya – atau terpaksa mengadopsi solusi eksternal di kemudian hari di bawah tekanan yang lebih besar.

Xpert.Digital adalah pusat industri B2B berbasis data yang dipimpin oleh Konrad Wolfenstein . Perusahaan ini bertindak sebagai solusi eksternal, yang hampir bersifat internal, bagi mitra industri, menutup kesenjangan operasional dalam pemasaran, konten, dan penjualan – tanpa memerlukan sumber daya tambahan di pihak klien.

Informasi selengkapnya di sini:

• Solusi semi-internal: Bagaimana Xpert.Digital menutup kesenjangan operasional dalam pemasaran dan penjualan B2B – Bisnis Cerdas Berbasis Konten

☑️ Bahasa bisnis kami adalah bahasa Inggris atau Jerman

☑️ BARU: Korespondensi dalam bahasa ibu Anda!

 

Saya dan tim saya dengan senang hati siap membantu Anda sebagai penasihat pribadi Anda.

Anda dapat menghubungi saya dengan mengisi formulir kontak di sini wolfenstein@xpert.digital:atau cukup hubungi saya di +49 7348 4088 965. Alamat email saya adalah

Saya sangat menantikan proyek bersama kita.

 

 

☑️ Dukungan UKM dalam strategi, konsultasi, perencanaan, dan implementasi

☑️ Pembuatan atau penyesuaian kembali strategi digital dan digitalisasi

☑️ Perluasan dan optimalisasi proses penjualan internasional

☑️ Platform perdagangan B2B global & digital

☑️ Pelopor Pengembangan Bisnis / Pemasaran / Humas / Pameran Dagang