Grup kerja pukul 16.08.
Naya:
“Gue masukin notulen ke AI ya biar dirapihin.”
Bimo:
“Notulen yang mana?”
Naya:
“Meeting client tadi.”
Bimo:
“Yang ada pricing dan nama orang?”
Naya berhenti mengetik.
Beberapa detik kemudian:
“Oh.”
AI generatif membuat pekerjaan kantor terasa jauh lebih ringan.
Notulen panjang bisa diringkas.
Email bisa dibikin lebih jelas.
Proposal bisa diperbaiki.
Tabel bisa dijelaskan.
Draft bisa dibandingkan.
Masalahnya, kotak prompt terlihat seperti area kosong biasa.
Padahal ketika kita menempel dokumen ke layanan AI, kita sedang memindahkan data ke sistem lain dengan ketentuan, penyimpanan, akses, dan konfigurasi tertentu.
Pertanyaannya bukan:
“AI boleh dipakai atau nggak?”
Pertanyaannya:
“Data apa yang aman masuk ke tool ini, dengan akun dan konfigurasi yang mana?”
Jangan mulai dari tool, mulai dari klasifikasi data
Bimo punya tiga level sederhana.
Public.
Internal.
Restricted.
Public:
press release, website, materi marketing yang memang sudah publik.
Internal:
SOP biasa, draft non-sensitif, catatan kerja.
Restricted:
data pribadi, data customer, pricing rahasia, credential, legal strategy, source code sensitif, financial nonpublic, HR, health data, dan dokumen lain yang organisasi kategorikan sensitif.
Tidak semua perusahaan memakai tiga level.
Yang penting ada klasifikasi.
NIST menempatkan privacy exposure sebagai risiko GenAI
NIST Generative AI Profile membahas risiko privasi dan kebutuhan memonitor kemungkinan exposure data sensitif dalam penggunaan GenAI.
Ini bukan berarti semua AI tool akan membocorkan data.
Artinya organisasi perlu memperlakukan input ke GenAI sebagai bagian dari risk management.
Jangan menganggap prompt sebagai tempat netral.
Data pribadi Indonesia punya perlindungan hukum
UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi masih berlaku dan mengatur pemrosesan data pribadi serta kewajiban pihak yang mengendalikannya.
Kalau dokumen berisi:
nama,
nomor identitas,
alamat,
nomor telepon,
data finansial,
data kesehatan,
biometrik,
atau data pribadi lain,
jangan asal tempel ke tool eksternal.
Perusahaan harus punya dasar, tujuan, dan kontrol yang sesuai.
“Saya cuma minta diringkas” tetap pemrosesan data
Naya berkata:
“Tapi gue nggak minta AI ngapa-ngapain. Cuma summarize.”
Bimo:
“Summarize itu ngolah.”
Benar.
Data tetap dikirim ke sistem untuk diproses.
Tujuan sederhana tidak menghapus kebutuhan governance.
Jangan paste KTP
Ini harus jelas.
Foto KTP.
NIK.
KK.
Passport.
NPWP jika memuat data pribadi.
Dokumen identitas customer.
Kalau tugas hanya:
“Bantu rapikan format email konfirmasi.”
Gunakan placeholder.
[NAMA]
[NIK]
[ALAMAT]
Tidak perlu data asli.
Jangan paste password, API key, token, atau secret
AI tidak perlu credential untuk merapikan kalimat.
Kalau log error punya API key, redact dulu.
Kalau config file punya token, hapus.
Secret yang masuk prompt harus dianggap exposed sesuai policy organisasi.
Rotate jika perlu.
Jangan paste payroll individual
Daftar gaji.
Bonus.
Nomor rekening.
Performance rating.
HR complaint.
Semua sangat sensitif.
Kalau ingin AI membantu membuat template analisis, gunakan data dummy atau agregat.
Jangan paste kontrak client penuh tanpa izin organisasi
Kontrak bisa berisi:
pricing,
scope,
confidentiality,
nama pihak,
data personal,
legal terms,
trade secret.
Bimo tidak melarang AI legal assistance secara absolut.
Dia berkata:
“Pakai tool yang sudah approved perusahaan.”
Perbedaannya besar.
Approved enterprise tool tidak sama dengan akun personal gratis
Perusahaan bisa punya kontrak, konfigurasi, retention, data controls, admin management, dan legal terms khusus.
Akun personal yang dibuat sendiri belum tentu punya perlindungan sama.
Jangan berkata:
“Brand AI-nya sama, berarti sama.”
Product tier dan policy bisa berbeda.
Cek apakah input dipakai untuk training
Setiap provider punya kebijakan berbeda.
Sebagian layanan bisnis menyatakan data customer tidak digunakan untuk training model secara default dalam konfigurasi tertentu.
Sebagian consumer product punya setting berbeda.
Karena kebijakan bisa berubah, cek dokumentasi resmi saat digunakan.
Jangan mengandalkan screenshot dari 2024.
Cek retention
Apakah prompt disimpan?
Berapa lama?
Bisa dihapus?
Admin bisa akses?
Logs ada?
Data residency?
Untuk organisasi dengan compliance tinggi, detail ini penting.
Cek third-party connector
AI tool bisa terhubung ke:
Drive.
Slack.
Email.
CRM.
Calendar.
Begitu connector aktif, scope data melebar.
Jangan klik “Allow all” tanpa memahami permission.
Minimum necessary adalah rule yang bagus
Kalau AI cuma perlu memperbaiki grammar, kirim paragraf.
Tidak seluruh dokumen 80 halaman.
Kalau hanya perlu struktur presentasi, kirim outline.
Tidak daftar customer.
Semakin sedikit data yang dikirim, semakin kecil exposure.
Redaction harus benar-benar menghilangkan data
Naya mengganti nama client menjadi “PT ABC”.
Bagus.
Tapi footer masih ada email.
Metadata dokumen mungkin punya author.
Screenshot masih menampilkan nomor kontrak.
Redaction perlu cek seluruh konteks.
Placeholder jauh lebih aman untuk template
Contoh:
“Buat email follow-up berdasarkan situasi berikut:
Customer [NAMA] belum melengkapi [DOKUMEN] hingga [TANGGAL].”
AI tidak butuh nama asli.
Output kemudian diisi manual.
Data agregat sering cukup
Mau analisis survey karyawan?
Daripada 300 baris nama dan komentar mentah, kirim statistik atau dataset yang sudah dianonimkan sesuai kebutuhan.
Tapi anonimisasi tidak selalu sederhana.
Kombinasi atribut bisa mengidentifikasi orang kembali.
Untuk data sensitif, libatkan privacy/security team.
Source code juga bisa confidential
Developer paste repository internal ke chatbot.
“Bantu cari bug.”
Cepat.
Tapi code bisa berisi:
business logic,
secret,
endpoint,
customer identifiers,
security weakness.
Gunakan coding assistant yang disetujui organisasi dan configuration yang tepat.
Dokumen procurement punya informasi kompetitif
Vendor bid.
Harga.
Negotiation note.
Scoring.
Jangan upload ke AI consumer tanpa authorization.
Bukan karena AI pasti jahat.
Karena confidentiality obligation tetap berlaku.
Meeting transcript bisa lebih sensitif daripada kelihatannya
Transcript punya:
nama.
opini.
conflict.
decision.
offhand remark.
Client concern.
Kalau ingin summary, gunakan fitur/transcription workflow yang sudah disetujui perusahaan.
Jangan download transcript lalu upload ke tool random karena “lebih pintar.”
Data kesehatan dan HR perlu ekstra hati-hati
Medical leave.
Disability.
Mental health.
Harassment complaint.
Employee investigation.
Data seperti ini bukan bahan eksperimen prompt.
Jika organisasi memakai AI untuk workflow HR, governance harus jauh lebih ketat.
Jangan memasukkan informasi merger yang belum publik
Bimo bercanda:
“Kalau dokumen namanya Project Phoenix dan isinya akuisisi, jangan nanya AI ‘tolong bikin lebih exciting’.”
Naya tertawa.
Material nonpublic information punya risiko bisnis dan hukum.
AI output juga bisa bocor ke tempat lain
User copy output AI.
Paste ke email salah.
Share link publik.
Save ke personal drive.
Security tidak berhenti pada prompt.
Output perlu diperlakukan sesuai sensitivity sumbernya.
Jangan percaya output hanya karena bahasanya rapi
AI bisa salah.
Hallucinate.
Mengubah angka.
Menghilangkan caveat.
Naya pernah meminta AI rapikan notulen.
Output menulis:
“Disepakati launch 15 September.”
Padahal meeting bilang:
“Target sementara sekitar pertengahan September.”
Beda.
AI membuat kalimat lebih tegas daripada sumber.
Human review wajib.
Redaction dan verification adalah dua langkah berbeda
Sebelum input:
redact.
Setelah output:
verify.
Jangan campur.
Buat prompt template organisasi
Bimo akhirnya membuat template.
“Gunakan hanya informasi di bawah. Jangan menambahkan fakta. Pertahankan angka dan nama placeholder. Jika ada bagian ambigu, tandai.”
Tidak menjamin 100 persen benar.
Tapi membantu.
Tool approval harus mudah ditemukan
Masalah banyak perusahaan:
policy ada 40 halaman.
Karyawan tidak tahu tool mana boleh.
Naya bertanya:
“Jadi AI yang approved yang mana?”
Bimo menunjukkan intranet.
Satu halaman.
Approved.
Conditional.
Not approved.
Use case.
Simple.
Governance yang terlalu sulit akan dibypass.
Jangan hanya bilang “dilarang pakai AI”
Karyawan akan tetap mencari cara kalau AI jelas membantu.
Lebih baik perusahaan menyediakan jalur aman.
Tool approved.
Training.
Data classification.
Example.
Escalation.
Personal productivity tetap bisa memanfaatkan AI
Naya akhirnya menggunakan AI untuk:
merapikan bullet non-sensitif,
membuat agenda meeting generik,
mencari alternatif judul,
membuat formula spreadsheet dengan data dummy,
menyusun checklist.
AI tetap berguna.
Data classification harus punya contoh konkret
Tulisan policy:
“Jangan masukkan confidential data.”
Masalahnya, orang berbeda punya definisi berbeda.
Bimo menambahkan contoh:
boleh:
copy website publik,
template email generik,
agenda tanpa nama client.
jangan tanpa approval:
customer list,
harga tender,
NIK,
rekam medis,
password,
source code confidential,
hasil investigasi HR.
Sekarang policy lebih usable.
Jangan upload spreadsheet lalu berharap AI tahu mana kolom sensitif
Dataset punya 40 kolom.
User mungkin fokus kolom penjualan.
Tapi di kanan ada:
email,
nomor telepon,
ID customer.
AI tetap menerima file penuh.
Sebelum upload, buat copy yang hanya memuat field yang memang dibutuhkan.
PDF hasil scan bisa menyimpan lebih banyak dari yang terlihat
Naya menerima scan kontrak.
Halaman 1 terlihat aman.
Halaman 14 punya tanda tangan.
Lampiran punya rekening.
Kalau mau analisis satu clause, extract bagian itu saja.
Jangan upload seluruh file karena malas crop.
AI meeting bot juga harus disetujui peserta dan organisasi
Bot masuk meeting.
Record.
Transcribe.
Summarize.
Convenient.
Tapi meeting mungkin melibatkan pihak eksternal atau topik sensitif.
Jangan mengundang bot otomatis ke semua meeting tanpa policy.
Platform dan hukum lokal bisa punya requirements terkait recording/consent.
Jangan menggunakan akun bersama untuk AI
Satu login AI dipakai 20 orang.
History campur.
Prompt bisa terlihat orang lain.
Audit siapa melakukan apa sulit.
Gunakan identity per user jika produk bisnis mendukung.
Prompt history juga bagian data
Naya berkata:
“Kan output sudah gue download.”
Bimo:
“History-nya?”
Dia baru sadar.
Tool tertentu menyimpan conversation history sesuai setting.
Kalau ada kemampuan delete atau retention control, pahami.
Temporary chat bukan izin upload rahasia
Beberapa produk punya mode temporary/no history.
Bagus untuk fungsi tertentu.
Tapi jangan langsung menyimpulkan semua enterprise requirement selesai.
Provider masih punya terms dan security model.
Organization policy tetap nomor satu.
Extension AI di browser bisa punya akses luas
“AI summarize any page.”
Install.
Permission:
read and change data on all websites.
Naya berhenti.
Browser extension bisa melihat lebih banyak dari chatbot tab biasa.
Tool kecil juga perlu vendor review.
Email drafting assistant bisa membaca thread
Kalau AI terintegrasi email, convenience tinggi.
Tapi ia mungkin memproses isi thread sesuai fitur.
Perusahaan perlu memahami data boundary.
User jangan mengaktifkan add-on pribadi pada mailbox kantor tanpa izin.
Data masking bisa diotomasi, tetapi tetap perlu quality check
Organization bisa punya DLP atau redaction tool.
Bagus.
Tetap jangan berasumsi detection sempurna.
NIK tanpa label bisa lolos.
Nama internal bisa tidak dikenali.
Human review tetap dibutuhkan.
AI juga bisa membuat data baru yang sensitif
Misalnya AI menyimpulkan:
“Karyawan A kemungkinan akan resign.”
Itu bukan fakta input langsung.
Tapi output prediction bisa memengaruhi orang.
Penggunaan AI pada HR, credit, health, atau keputusan penting membutuhkan governance lebih tinggi.
Jangan meminta AI memutuskan hal yang seharusnya diputus manusia
“Siapa karyawan paling layak di-PHK dari spreadsheet ini?”
High-impact.
Bias.
Data privacy.
Legal.
AI bisa membantu analysis tertentu jika governance memadai, tetapi keputusan manusia tidak boleh di-outsourcing begitu saja.
Vendor risk perlu ditinjau berkala
Tool yang aman tahun lalu bisa mengubah feature.
Membeli startup.
Menambah connector.
Mengubah terms.
Approved list perlu review.
Bukan approval sekali untuk selamanya.
Output AI harus diberi provenance kalau masuk dokumen penting
Naya membuat policy internal:
AI-assisted draft.
Human reviewed by X.
Source documents Y.
Tidak harus label di semua email.
Untuk document critical, jejak membantu audit.
Data deletion request juga perlu dipikirkan
Kalau customer meminta penghapusan data sesuai hak yang berlaku, apakah organisasi tahu data pernah dikirim ke AI vendor?
Data inventory perlu mencakup vendor AI jika relevan.
Ini salah satu alasan shadow AI sulit dikelola.
Shadow AI sering muncul karena tool resmi terlalu lambat
Bimo sadar hanya melarang tidak cukup.
Tool internal mereka login-nya ribet.
Lambat.
Karyawan pindah ke consumer chatbot.
Mereka memperbaiki usability tool approved.
Security yang tidak usable kalah oleh shortcut.
Training AI perlu pakai skenario nyata
Bukan slide:
“Jaga data.”
Mereka latihan.
Kasus:
bolehkah upload CV kandidat?
bolehkah paste public press release?
bolehkah upload contract?
bolehkah pakai customer complaint anonymized?
Diskusi membuat rule hidup.
Saat ragu, eskalasi sebelum upload, bukan setelah
Naya punya pertanyaan tentang dokumen vendor.
Dia chat privacy team.
Jawabannya datang 15 menit.
Tidak perlu heroik.
“Boleh, gunakan tool enterprise dan redact kolom X.”
Selesai.
Governance terbaik sering terasa seperti jalan yang mudah untuk bertanya.
Untuk dokumen client, dia mengubah workflow
Notulen client disimpan di workspace perusahaan.
Dia memakai tool AI enterprise yang sudah disetujui.
Data yang tidak perlu tetap dihapus.
Output dibandingkan dengan transcript.
Bimo bertanya:
“Jadi sekarang takut AI?”
“Enggak.”
“Terus?”
“Takut copy-paste refleks.”
Itu justru masalah paling realistis.
Risiko AI di kantor tidak selalu datang dari project besar bernama “AI Transformation”.
Kadang datang dari satu kebiasaan kecil:
Ctrl+A.
Ctrl+C.
Buka chatbot.
Ctrl+V.
AI bisa membantu merapikan dokumen dalam hitungan detik.
Tapi sebelum menempel, berhenti dua detik.
Tanya:
data ini milik siapa?
boleh keluar dari sistem ini?
tool-nya approved?
ada data pribadi?
ada rahasia?
bisa pakai placeholder?
Kalau lima pertanyaan itu menjadi refleks, AI tetap cepat tanpa membuat keamanan ikut dipercepat ke arah yang salah.