APIP MENUJU ERA 4.0
Jumat, 7 Agustus 2020
Oleh : Laksmi Wijayanti (Plt. Inspektur Jenderal)
Bulan November 2019 yang lalu, Inspektorat Jenderal KLHK memberanikan diri menjadi mitra penyelenggara Workshop APIP Tahun 2019 bersama Asosiasi Auditor Intern Pemerintah Indonesia (AAIPI). Saat itu saya baru beberapa bulan menggeluti tugas-tugas pengendalian intern ini. Bisa dibayangkan, betapa kagum sekaligus tergagap-gagapnya saya ketika tema yang terpilih untuk di-hosting Itjen KLHK saat itu adalah "Peran APIP sebagai strategic partner pada Era Revolusi Industri 4.0". Bukan saja karena saya belum bisa membayangkan "revolusi industri 4.0"-nya, tapi karena saya lebih tidak bisa lagi membayangkan ketika APIP harus sudah di tingkat "strategic partner" saat situasi itu terjadi.
Ketika satu demi satu para pemateri menyampaikan materinya, saya akui bahwa bukan saja saya sangat terinspirasi, imajinasi saya tiba-tiba menjadi berkembang liar. Bukan main, pikir saya, empat orang Inspektur Jenderal senior menyampaikan komitmen lompatan transformasi ini dengan sangat percaya diri, sementara Direktur Eksekutif AAIPI dengan bersemangat memberikan peta jalan yang begitu ambisius. Segala konsep yang selama ini hanya "dengar-dengar" saja, seperti Big Data, Data Science, dan teknologi informasi untuk audit membuka mata saya bagaimana ambisi yang semula terlihat abstrak itu menjadi mungkin untuk diwujudkan.
Berbicara mengenai revolusi industri 4.0, maka Wikipedia dengan sederhana memberikan kata kuncinya : otomatisasi, internet, dan kecerdasan artifisial. Konkritnya, seluruh produk barang maupun jasa, dihasilkan dan digunakan secara efisien melalui otomatisasi, diberikan kemampuan kognitif untuk membantu penggunanya, serta proses-prosesnya dihubungkan melalui internet. Contoh penerapannya misalnya adalah KTP yang nantinya merekam biodata seseorang, menyimpan data kesehatan, bisa dipakai sebagai alat pembayaran, alat konfirmasi akses pelayanan, dan mungkin dilengkapi aplikasi internet untuk fitur pemberitahuan, bahkan penelusuran keberadaan.
Lompatan teknologi yang pasti diikuti perubahan budaya produksi dan konsumsi masyarakat akan memunculkan risiko-risiko baru yang mungkin tidak pernah terbayangkan. Ketika teknologi informasi menjadi tulang punggung e-gov, maka kita dipaksa "berkenalan" dengan risiko data yang di-hacking, maraknya identitas palsu atau fiktif, dan bahkan kejadian kejahatan cyber. Ketika teknologi produk pintar menjadi bagian dari pelayanan publik, kita kembali harus berkejar-kejaran dengan risiko baru, seperti ancaman keselamatan dan bahkan kepercayaan publik.
Dengan melihat betapa besarnya kebutuhan organisasi apapun untuk bisa mengelola risiko di era disruptif yang begini dinamis, saya kemudian menjadi paham betapa relevannya tema yang diangkat dalam workshop di bulan November tersebut. Siapa lagi "penjaga gawang" manajemen risiko organisasi selain auditor internal?
Eksplorasi belajar saya kemudian mulai terfokus pada apa itu data science (sains data) dan mengapa secara agresif beberapa APIP kementerian yang cukup maju sangat menganjurkan Itjen KLHK menerapkan Teknik Audit Berbantu Komputer (TABK) untuk bersiap-siap membudayakan manajemen risiko.
Mari langsung kita bayangkan prakteknya. Apa yang akan dijadikan ukuran hasil individual para auditor internal? Berdasarkan pendapat banyak orang, ada empat indikator keluaran penting akan hasil seorang auditor : cepat, akurat, prediktif, dan solutif. Mari kita terjemahkan indikator-indikator ini lebih jauh. Cepat. Seberapa cepat? Satu minggu, satu hari, satu jam? Atau instan real-time? Akurat. Seberapa akurat? Akurat 50%, 95%, 100%? Prediktif. Seberapa jauh ke depan perkiraan risiko atau dampak dapat diramalkan? Setahun, lima tahun, sepuluh tahun? Solutif. Seberapa besar masalah bisa diselesaikan atas saran solusi kita? Sebagian atau seluruh masalah lapangan, sebagian atau seluruh akar masalah? Atau mungkin seberapa berlanjut solusi yang kita sarankan dapat diterapkan? Cocok di jangka pendek saja, atau bisa untuk jangka panjang? Semua ukuran-ukuran tersebut kemudian perlu kita terapkan pada tipe hasil-hasil auditor yang lebih spesifik. Bagaimana bila itu untuk audit, reviu, dan evaluasi? Bagaimana bila audit investigasi? Bagaimana bila itu arahan perbaikan manajemen risiko?
Sambil berhenti dulu di sana, mari kita lihat sisi "suplai" metoda dan kerangka kerja yang digembar-gemborkan : Big Data data dan sains data. Apa itu "sains data" yang diperoleh dari "Data Raksasa" dalam konteks ini? Ilustrasi yang banyak disampaikan ke saya kurang lebih adalah sebagai berikut : bila secara reguler dilakukan audit atau reviu pada suatu satuan kerja dan temuannya kurang lebih berputar di hal yang sama, masihkah audit serupa kita lakukan di kemudian hari? Kenyataan bahwa temuan yang kurang lebih sama melahirkan rekomendasi perbaikan yang juga sama akankah persoalan teratasi? Dengan pola kerja dan pendekatan sama, pasti ada hal-hal yang sebenarnya "tersembunyi" tidak akan pernah terangkat.
Sains data menjelaskan bahwa seluruh data yang selama ini telah terkumpul sebenarnya dapat diolah dengan cara pandang baru. Kumpulan data tersebut dapat dikelola secara berbeda untuk menemukan sudut pandang lain dan menghasilkan pola dan kecenderungan kelemahan satuan kerja tersebut. Sains data bahkan membukakan cakrawala bahwa ada kekayaan data-data lain terkait satuan kerja tersebut yang normalnya tidak dikumpulkan auditor melalui proses audit, namun sebenarnya dapat digunakan untuk membuat prediksi atau menganalisis akar persoalan dengan lebih akurat. Sains data mengoptimalkan proses penarikan informasi "abstrak" seperti posting-posting medsos pegawai satuan kerja tersebut, atau berita-berita kejadian di wilayah kerja satuan kerja tersebut untuk membangun potret tantangan-tantangan lapangan yang sebenarnya dihadapi satuan kerja tersebut. Sains data dalam bentuk mimpi ideal bahkan memungkinkan proses ekstraksi dan pengolahan data tersebut menghasilkan model-model skenario yang masuk akal dan mudah diterapkan untuk menyelesaikan persoalan satuan kerja tersebut. Satu contoh analogi yang menakjubkan adalah model pengambilan keputusan sebuah aplikasi panduan lalu lintas yang memberikan pilihan rute perjalanan berdasarkan riwayat pilihan pengguna-penggunanya.
Bila demikian ilustrasi ideal yang dijanjikan, terlalu sayang bagi Inspektorat Jenderal KLHK untuk tidak segera bertransformasi ke arah sana. Bayangan bahwa auditor akan bisa lebih cepat memberikan peringatan, lebih bijak dalam memberikan usulan, serta lebih tajam dalam melakukan investigasi menyebabkan upaya pemanfaatan sains data harus dikejar secepat mungkin.
Persoalannya, banyak pihak, bahkan dikalangan internal Itjen sendiri yang kuatir dengan tren ini. Kecemasan terbesar adalah ketidaksiapan dalam penerapan teknologi. Persepsi bahwa untuk bisa menjadi APIP 4.0 harus fasih mengaplikasikan teknologi dan hal ilmiah yang terlihat rumit ini perlu segera diluruskan.
Hal pertama yang menjadi filosofi dasar manajemen Inspektorat Jenderal adalah : semua aparat adalah aset yang berharga. Tidak ada satupun profesi auditor, APIP, bahkan ASN secara umum yang kondisinya "kosong". Makin lama pengalaman kerjanya, semakin banyak kekayaan pengetahuan yang terkumpul. Untuk memastikan Itjen menjadi institusi yang mumpuni adalah dengan memaksimalkan semua kekuatan aset yang ada, yaitu sumber daya manusianya, bukan "mengganti" aset. Apabila teknologi diterapkan dan sains data digunakan, maka kebutuhannya adalah untuk mempermudah pekerjaan bukan untuk memarjinalkan sebagian orang, yang notabene sama dengan tidak mengoptimalkan aset yang sudah dimiliki.
Salah satu persyaratan dasar sumber daya manusia di era 4.0 yang sangat menarik perhatian saya adalah learning capacity. Kapasitas belajar individu dalam sebuah organisasi bukan semata-mata urusan IQ atau latar belakang pendidikan, melainkan kapasitas yang terbentuk oleh kematangan pribadi dan atmosfir kerja-belajar yang diciptakan pimpinan dan unsur-unsurnya. Mental untuk berani bereksperimen, berpikir diluar kebiasaan, dan berpikir terbuka adalah justru persyaratan SDM yang akan berhasil di era 4.0. Bila auditor disiapkan untuk punya kemampuan cepat merefleksikan pengalaman lapangan dan "intuisi"-nya ke proses pemetaan persoalan, maka logika sains datanya sudah hidup dengan sendirinya. Butuh pemecahan atas masalah yang kompleks? Tidak masalah. Program pendukung dan alat bantu bisa dibuatkan. Tidak paham teknik komputernya? Tidak masalah. Cukup dibantu spesialis data dan operator, maka dengan sendirinya hal ini sudah dapat dijalankan. Bila demikian, maka upaya penyiapan justru bukan dengan latihan-latihan komputer atau programming, melainkan mengasah keahlian profesi dan menciptakan budaya peer review yang terbuka dan demokratis.
Tantangan teknis yang harus dilewati justru lebih banyak di perangkatnya. Upaya awal seperti integrasi data dan konsolidasinya dalam klaster-klaster tematik yang terstruktur mungkin membutuhkan banyak bantuan spesialis dan pengeluaran di awal. Aplikasi-aplikasi dokumentasi kerja dan program berpikir untuk analisis harus disiapkan lebih dahulu. Sarana pengumpulan data, penelusuran (searching), pelacakan (tracking), dan penyajian dalam berbagai bentuk media harus tersedia. Otomatis hal tersebut butuh ditampung dalam sarana fisik berbentuk pusat data, pusat media dan ruang operasional. Investasi fisik mau tidak mau memang harus direncanakan dan diadakan. Pada situasi krisis seperti pandemi yang sedang terjadi saat ini, rencana belanjanya mungkin tidak masuk ke dalam prioritas, namun tidak berarti tidak dapat dilaksanakan secara bertahap.
Rasanya, tidak mustahil Inspektorat Jenderal bisa memiliki kemampuan analitis lebih tajam dalam hal keuangan dan pengelolaan aset dalam waktu dekat. Bila seluruh proses administrasi pemerintah terkomputasi dan kinerja terdokumentasi dengan baik, Itjen bahkan bisa mulai membangun kapasitas analisis kinerja. Menguji anomali kegiatan rehabilitasi hutan? Bisa dianalisis dari model geografis. Mendeteksi risiko fraud? Bisa menguji konsistensi data formal dan menarik informasi melalui survei atau pengaduan via online. Transformasi APIP KLHK menuju era 4.0 tidak semustahil yang dibayangkan. Kita hanya harus bekerja lebih keras, lebih kompak, dan lebih terbuka satu sama lain.
TAGGING :
Salin Tautan :
