Tiga puluh satu dari 36 negara OECD kini memakai AI untuk proses internal pemerintahan, tetapi hanya 13 yang memakainya untuk mendukung perumusan kebijakan. Kesenjangan sekitar 50 poin antara adopsi di balik layar dan kerja kebijakan itu adalah sinyal paling jelas dalam data AI sektor publik: pemerintah merangkul teknologi ini di tempat konsekuensinya terbatas dan ragu-ragu di tempat keputusannya memengaruhi warga. Sementara itu, OECD melaporkan pegawai negeri mengadopsi AI generatif lebih cepat daripada kemampuan mekanisme pengawasan untuk mengimbanginya. Angka-angka di bawah ini berasal dari OECD Digital Government Outlook dan riset terkait tentang tata kelola publik.
TL;DR
- 31 dari 36 negara OECD memakai AI untuk proses internal, sekitar 86% (OECD)
- Itu naik dari 23 dari 33, sekitar 70%, dua tahun sebelumnya (OECD)
- 27 dari 36 memakai AI dalam layanan publik, sekitar 75% (OECD)
- Naik dari 22 dari 33, sekitar 67% (OECD)
- Hanya 13 dari 36 memakai AI untuk mendukung perumusan kebijakan, sekitar 36% (OECD)
- Naik dari 11 dari 33, sekitar 33% (OECD)
- Adopsi internal naik sekitar 16 poin persentase (turunan)
- Adopsi layanan publik naik sekitar 8 poin (turunan)
- Adopsi perumusan kebijakan naik sekitar 3 poin (turunan)
- Kesenjangan antara proses internal dan perumusan kebijakan sekitar 50 poin (turunan)
- Kesenjangan keterampilan internal adalah hambatan yang paling banyak disebut (OECD)
- Pegawai negeri mengadopsi AI generatif sering kali tanpa pengawasan formal (OECD)
- Basis negara bertambah dari 33 menjadi 36 antar putaran (OECD)
1. Adopsi Internal Hampir Universal
Angka-angka untuk pekerjaan di balik layar menunjukkan teknologi yang secara efektif telah memenangkan argumen pertamanya. 31 dari 36 negara OECD, sekitar 86%, kini memakai AI untuk proses internal, naik dari 23 dari 33 atau sekitar 70% pada putaran pengukuran sebelumnya.
Kenaikan 16 poin dalam dua tahun membawa penggunaan AI internal melewati titik yang bisa disebut eksperimental. Hanya lima negara yang diukur melaporkan sama sekali tidak memakainya. Pola ini masuk akal mengingat letak risikonya: pemrosesan dokumen, penerjemahan, penjadwalan, dan pencarian internal adalah ranah tempat kesalahan ditangkap oleh orang yang meminta hasil tersebut, dan tidak ada warga yang terdampak oleh hasil yang buruk. Pemerintah paling mudah mengadopsi AI justru pada konteks di mana pertanyaan soal akuntabilitas tidak muncul, yang merupakan urutan yang rasional, bukan sikap ragu-ragu.
| Metrik | Nilai | Sumber |
|---|---|---|
| Negara yang memakai AI untuk proses internal | 31 dari 36 | OECD |
| Proporsi | sekitar 86% | OECD |
| Putaran sebelumnya | 23 dari 33 | OECD |
| Proporsi sebelumnya | sekitar 70% | OECD |
| Perubahan | naik sekitar 16 poin | Turunan dari data OECD |
| Negara yang tidak memakai AI secara internal | 5 dari 36 | Turunan dari data OECD |
| Proporsi yang tidak memakai | sekitar 14% | Turunan dari data OECD |
| Status penggunaan internal | melewati tahap eksperimental | Turunan |
Sumber: OECD Digital Government Outlook 2026, adopsi dan tata kelola AI di pemerintahan.
2. Layanan Publik Tertinggal dari Penggunaan Internal
Penerapan yang menghadap warga jelas tertinggal satu langkah. 27 dari 36 negara, sekitar 75%, memakai AI dalam layanan publik, naik dari 22 dari 33 atau sekitar 67%.
Kenaikan 8 poin ini setengah dari laju adopsi internal, dan kesenjangan 11 poin yang dihasilkan antara kedua kategori itu melebar, bukannya menyempit. Perbedaan ini cukup informatif. Penerapan layanan publik membawa eksposur hukum, kewajiban kesetaraan, hak banding, dan kesulitan praktis menjelaskan keputusan otomatis kepada seseorang yang dirugikan olehnya. Sembilan negara masih melaporkan tidak ada penggunaan sama sekali di sini. Selisih antara 86% dan 75% tidak besar secara absolut, tetapi fakta bahwa selisih itu melebar sementara kedua kategori sama-sama naik menunjukkan bahwa batasan pada penggunaan yang menghadap warga bersifat struktural, bukan sekadar soal pemerintah yang masih mengejar ketertinggalan.
| Metrik | Nilai | Sumber |
|---|---|---|
| Negara yang memakai AI dalam layanan publik | 27 dari 36 | OECD |
| Proporsi | sekitar 75% | OECD |
| Putaran sebelumnya | 22 dari 33 | OECD |
| Proporsi sebelumnya | sekitar 67% | OECD |
| Perubahan | naik sekitar 8 poin | Turunan dari data OECD |
| Negara yang tidak memakai AI dalam layanan publik | 9 dari 36 | Turunan dari data OECD |
| Kesenjangan dibanding penggunaan internal | sekitar 11 poin | Turunan dari data OECD |
| Arah kesenjangan itu | melebar | Turunan dari data OECD |
Sumber: Sumber daya OECD.AI tentang AI di pemerintahan.
3. Perumusan Kebijakan Nyaris Tidak Bergerak
Kategori ketiga adalah tempat adopsi hampir sepenuhnya mandek. Hanya 13 dari 36 negara, sekitar 36%, memakai AI untuk mendukung perumusan kebijakan, naik dari 11 dari 33 atau sekitar 33% pada periode yang sama.
Kenaikan 3 poin dalam dua tahun nyaris datar, dan dengan penyebut yang terus bertambah, bisa dibilang ini sama sekali bukan pergerakan. Dua puluh tiga negara melaporkan tidak memiliki penggunaan semacam ini. OECD juga mencatat bahwa adopsi tetap terbatas secara khusus dalam kegiatan akuntabilitas. Keengganan ini masuk akal dengan alasannya sendiri, karena analisis kebijakan melibatkan penilaian nilai yang diperdebatkan, klaim sebab-akibat yang sulit diverifikasi, dan hasil yang harus lolos pemeriksaan legislatif dan yudisial, semuanya tidak cocok untuk sistem yang penalarannya tidak bisa sepenuhnya diperiksa. Tetapi hasil praktisnya adalah AI mengubah cara pemerintah menjalankan administrasi sambil membiarkan cara mereka mengambil keputusan nyaris tak tersentuh.
| Metrik | Nilai | Sumber |
|---|---|---|
| Negara yang memakai AI dalam perumusan kebijakan | 13 dari 36 | OECD |
| Proporsi | sekitar 36% | OECD |
| Putaran sebelumnya | 11 dari 33 | OECD |
| Proporsi sebelumnya | sekitar 33% | OECD |
| Perubahan | naik sekitar 3 poin | Turunan dari data OECD |
| Negara yang tidak memakai AI dalam perumusan kebijakan | 23 dari 36 | Turunan dari data OECD |
| Kesenjangan dibanding penggunaan internal | sekitar 50 poin | Turunan dari data OECD |
| Adopsi dalam kegiatan akuntabilitas | juga terbatas | OECD |
Konteks pasar tenaga kerja ada di statistik dampak AI terhadap pekerjaan kami. Sumber: OECD Digital Government Outlook 2026.
4. Kesenjangan Tata Kelola
Temuan paling penting bukanlah persentase, melainkan ketidaksesuaian. OECD melaporkan bahwa pegawai negeri semakin banyak mengadopsi AI generatif, sering kali tanpa pengawasan formal, dan menggambarkan kesenjangan yang melebar antara penyerapan terdesentralisasi yang cepat dan mekanisme tata kelola publik yang tertinggal.
Survei menunjukkan bahwa proporsi pegawai negeri yang signifikan sudah memakai alat AI generatif akses terbuka untuk mendukung pekerjaan mereka. Ini adalah adopsi bayangan dalam pengertian klasiknya: staf menyelesaikan masalah mendesak dengan apa pun yang tersedia, mendahului kebijakan apa pun yang menyatakan apakah mereka boleh melakukannya. Bahaya spesifik yang diidentifikasi OECD adalah perlindungan data, karena penggunaan alat eksternal dengan cara yang bertentangan dengan kebijakan organisasi dapat membuat data pemerintah keluar dari lingkungan yang terkendali. Yang membuat ini lebih sulit daripada masalah IT bayangan pada umumnya adalah alat-alat ini gratis, tidak memerlukan proses pengadaan, dan hampir tidak meninggalkan jejak, sehingga sebuah institusi bisa memiliki penggunaan AI dalam jumlah besar tanpa catatan apa pun bahwa hal itu sedang terjadi.
| Metrik | Nilai | Sumber |
|---|---|---|
| Pola yang teridentifikasi | penyerapan terdesentralisasi melampaui tata kelola | OECD |
| Pengawasan formal | sering kali tidak ada | OECD |
| Pegawai negeri yang memakai AI generatif akses terbuka | proporsi yang signifikan | OECD |
| Risiko utama yang disebutkan | perlindungan data | OECD |
| Mekanisme risiko | konflik dengan kebijakan dan regulasi organisasi | OECD |
| Proses pengadaan yang diperlukan | tidak ada untuk alat akses terbuka | Turunan |
| Visibilitas bagi institusi | rendah | Turunan |
| Arah kesenjangan | melebar | OECD |
Sumber: Working paper OECD tentang eksperimentasi AI generatif di pemerintahan.
5. Keterampilan Adalah Kendala Utama
Ketika pemerintah menjelaskan apa yang menahan mereka, satu jawaban mendominasi. Kesenjangan keterampilan internal secara konsisten disebut sebagai hambatan paling signifikan bagi adopsi AI di sektor publik, mengalahkan tekanan waktu, kekhawatiran risiko, dan kapasitas inovasi yang terbatas.
Urutan ini layak dianggap serius karena bukan jawaban yang diasumsikan sebagian besar komentar dari luar. Diskusi publik cenderung membingkai hambatan ini sebagai kehati-hatian regulasi atau anggaran, tetapi administrasi itu sendiri menunjuk pada kapabilitas. Analisis tenaga kerja OECD mengidentifikasi tiga kelompok berbeda dalam tenaga kerja publik, masing-masing memerlukan pendekatan pelatihan yang secara mendasar berbeda, yang menantang program satu ukuran untuk semua yang telah diterapkan banyak institusi. Implikasi praktisnya adalah pelatihan literasi AI generik kecil kemungkinan bisa mengubah kendala ini, karena orang yang perlu mengevaluasi pengadaan, orang yang perlu memakai alat dengan aman, dan orang yang perlu membangun alat tersebut memerlukan persiapan yang sepenuhnya berbeda.
| Metrik | Nilai | Sumber |
|---|---|---|
| Hambatan yang paling banyak disebut | kesenjangan keterampilan internal | OECD |
| Hambatan lain yang disebutkan | tekanan waktu akibat tugas yang saling bersaing | OECD |
| Juga disebutkan | kekhawatiran soal risiko AI generatif | OECD |
| Juga disebutkan | kapasitas terbatas untuk pendekatan inovatif | OECD |
| Konsekuensi | aplikasi yang menjanjikan lambat diidentifikasi dan diskalakan | OECD |
| Kelompok tenaga kerja berbeda yang teridentifikasi | 3 | OECD |
| Yang diperlukan tiap kelompok | pendekatan pelatihan yang secara mendasar berbeda | OECD |
| Pendekatan yang dipertanyakan | pelatihan satu ukuran untuk semua | OECD |
Paralel dengan sektor pendidikan ada di statistik AI dalam pendidikan kami, dan konteks ketersediaan model ada di statistik AI open source kami. Sumber: OECD, building an AI-ready public workforce.
6. Apa yang Disembunyikan oleh Penyebut
Satu detail metodologis mengubah cara tren ini seharusnya dibaca. Basis negara bertambah dari 33 menjadi 36 antar putaran pengukuran, yang berarti setiap perbandingan persentase dari tahun ke tahun mencampur pertumbuhan adopsi yang sesungguhnya dengan perubahan penyebut.
Dalam hitungan jumlah negara, bukan proporsi, penggunaan internal naik 8 negara, layanan publik naik 5 negara, dan perumusan kebijakan naik 2 negara, dibandingkan 3 negara yang baru ditambahkan ke pengukuran. Tergantung apakah ketiga negara itu sudah memakai AI ketika bergabung, sebagian dari kenaikan yang tampak itu mencerminkan survei yang lebih luas, bukan adopsi baru. Ini tidak membatalkan cerita utamanya, karena kenaikan 8 negara tidak bisa dijelaskan oleh 3 negara baru saja, tetapi ini berarti angka perumusan kebijakan adalah yang paling rapuh di antara ketiganya. Kenaikan 2 negara dibandingkan 3 negara baru sepenuhnya konsisten dengan tidak adanya perubahan mendasar sama sekali pada kelompok yang diukur sejak awal.
| Metrik | Nilai | Sumber |
|---|---|---|
| Negara yang diukur, putaran sebelumnya | 33 | OECD |
| Negara yang diukur, putaran berikutnya | 36 | OECD |
| Negara yang ditambahkan | 3 | Turunan dari data OECD |
| Kenaikan penggunaan internal, dalam jumlah negara | 8 | Turunan dari data OECD |
| Kenaikan layanan publik, dalam jumlah negara | 5 | Turunan dari data OECD |
| Kenaikan perumusan kebijakan, dalam jumlah negara | 2 | Turunan dari data OECD |
| Tren yang paling tidak kuat | perumusan kebijakan | Turunan |
| Metode pengumpulan data | laporan mandiri oleh administrasi nasional | OECD |
Sumber: Publikasi OECD.AI tentang AI di pemerintahan.
Ringkasan: AI dalam Pemerintahan dalam Angka
| Metrik | Nilai | Sumber |
|---|---|---|
| Proses internal, putaran berikutnya | 31 dari 36 (sekitar 86%) | OECD |
| Proses internal, putaran sebelumnya | 23 dari 33 (sekitar 70%) | OECD |
| Perubahan | naik sekitar 16 poin | Turunan |
| Layanan publik, putaran berikutnya | 27 dari 36 (sekitar 75%) | OECD |
| Layanan publik, putaran sebelumnya | 22 dari 33 (sekitar 67%) | OECD |
| Perubahan | naik sekitar 8 poin | Turunan |
| Perumusan kebijakan, putaran berikutnya | 13 dari 36 (sekitar 36%) | OECD |
| Perumusan kebijakan, putaran sebelumnya | 11 dari 33 (sekitar 33%) | OECD |
| Perubahan | naik sekitar 3 poin | Turunan |
| Kesenjangan antara proses internal dan perumusan kebijakan | sekitar 50 poin | Turunan |
| Negara yang tidak memakai AI secara internal | 5 dari 36 | Turunan |
| Negara yang tidak memakai AI dalam layanan publik | 9 dari 36 | Turunan |
| Negara yang tidak memakai AI dalam perumusan kebijakan | 23 dari 36 | Turunan |
| Hambatan yang paling banyak disebut | kesenjangan keterampilan internal | OECD |
| Pola tata kelola | adopsi melampaui pengawasan | OECD |
| Kelompok tenaga kerja berbeda yang teridentifikasi | 3 | OECD |
| Perubahan basis negara | dari 33 menjadi 36 | OECD |
Metodologi dan Sumber
- Jumlah dan proporsi adopsi untuk proses internal, layanan publik, dan perumusan kebijakan berasal dari bab OECD Digital Government Outlook tentang adopsi dan tata kelola AI di pemerintahan, yang berdasarkan pada Digital Government Index (OECD, Sumber daya OECD.AI, Publikasi OECD.AI).
- Temuan tentang kesenjangan tata kelola dan pola eksperimentasi AI generatif berasal dari seri OECD Working Papers on Public Governance No. 93 (PDF working paper OECD, halaman publikasi OECD).
- Temuan tentang tenaga kerja dan keterampilan berasal dari analisis OECD tentang tenaga kerja publik (laporan lengkap OECD, halaman publikasi OECD).
- Catatan data: semua angka adopsi adalah laporan mandiri dari administrasi nasional yang menjawab survei OECD, sehingga negara yang melaporkan penggunaan AI sedang menyatakannya, bukan membuktikannya, dan ambang batas untuk dihitung sebagai pengguna tidak distandarkan di antara responden. Basis negara yang diukur bertambah dari 33 menjadi 36 antar putaran, yang berarti perbandingan persentase antar tahun tidak sepenuhnya setara, dan yang paling kecil dari ketiga tren, yaitu perumusan kebijakan, konsisten dengan tidak adanya perubahan nyata di antara negara yang diukur sejak awal. Persentase di sini dihitung dari jumlah negara yang dipublikasikan dan dibulatkan. Beberapa publikasi pendukung OECD berada di balik pembatasan akses, sehingga peringkat hambatan dilaporkan secara kualitatif sebagaimana dijelaskan OECD, bukan dengan persentase responden. Baris yang ditandai sebagai turunan merupakan hasil hitungan aritmetika atas jumlah yang dipublikasikan.
- Terakhir diperbarui: 2 Agustus 2026. Kami memperbarui kompilasi ini setiap kuartal, dan pembaruan besar berikutnya diperkirakan terjadi saat OECD menerbitkan putaran Digital Government Index yang baru.