Bagaimana Perusahaan Menghubungkan AI ke Sistem Lama Tanpa Membongkar Semuanya?
Integrasi AI ke sistem lama adalah pekerjaan menghubungkan model dan agen AI ke aplikasi, basis data, dan proses yang sudah berjalan di perusahaan, tanpa menulis ulang semuanya dari nol. Sederhananya, sistem lama tetap menjadi sumber data yang sah, sedangkan AI ditaruh sebagai lapisan yang membaca, merangkum, dan membantu keputusan di atasnya. Tulisan ini membahas penyebab sistem lama menghambat AI, pola integrasi, pemeriksaan kesiapan, batas antara membungkus dan memodernisasi, kewajiban hukum, tahapan kerja, biaya dan risiko, hingga cara memilih mitra.
TLDR
Mengapa Sistem Lama Menjadi Hambatan Utama Proyek AI?
Sistem lama dibangun sebelum ada kebutuhan membuka data lewat antarmuka yang bisa dipanggil mesin, dan survei global menunjukkan hambatan ini sudah membatalkan banyak proyek AI.
Pola Integrasi Apa yang Paling Umum Dipakai untuk Menghubungkan AI ke Sistem Lama?
Ada lima pola utama, dari pembungkus API sampai replikasi data baca-saja, dan tiap pola punya batas yang harus dipahami sebelum dipilih.
Apa yang Harus Diperiksa Sebelum AI Disambungkan ke Sistem Lama?
Periksa inventaris sistem, kualitas data, jalur akses, kepemilikan, dan dokumentasi, karena kelima hal itu menentukan seberapa cepat dan seberapa aman proyek berjalan.
Kapan Sistem Lama Cukup Dibungkus dan Kapan Harus Dimodernisasi?
Bungkus sistem yang stabil dan jarang berubah, tetapi modernisasi sistem yang rapuh, tidak terdokumentasi, atau tidak punya jalur akses yang aman.
Aturan Apa yang Berlaku Saat AI Menyentuh Data di Sistem Lama?
UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi mewajibkan penilaian dampak, pengamanan, pencegahan akses tidak sah, dan pemberitahuan kegagalan dalam 3 x 24 jam.
Bagaimana Tahapan Pengerjaan Integrasi dari Pilot hingga Produksi?
Mulai dari satu kasus penggunaan sempit, bangun lapisan penghubung, jalankan pilot baca-saja, ukur hasilnya, lalu perluas bertahap.
Berapa Biaya dan Risiko yang Perlu Dianggarkan?
Anggarkan penghubung, pembersihan data, keamanan, pengujian, dan pemeliharaan, bukan hanya biaya model AI.
Bagaimana Memilih Mitra Integrasi dan Menghindari Vendor Lock-in?
Pilih mitra yang menjelaskan arsitektur, menyerahkan dokumentasi, dan membuat lapisan penghubung yang bisa dipindah ke penyedia model lain.
Kesimpulan
AI tidak menuntut sistem lama diganti seluruhnya, tetapi menuntut sistem itu dipetakan, diamankan, dan dihubungkan secara terukur.
Banyak perusahaan sudah punya ERP, aplikasi internal, dan basis data yang berjalan belasan tahun, lalu diminta manajemen untuk segera memakai AI. Pertanyaan yang muncul bukan lagi model mana yang paling pintar, melainkan bagaimana model itu bisa membaca data yang tersimpan di sistem yang tidak pernah dirancang untuk diajak bicara. Jawaban yang salah membuat proyek berhenti di tahap pilot. Tulisan ini membantu Anda memilah jalur yang masuk akal, sebelum anggaran dan waktu terbuang.
Mengapa Sistem Lama Menjadi Hambatan Utama Proyek AI?
Sistem lama menghambat AI karena dibangun sebelum ada kebutuhan membuka data dan fungsi lewat antarmuka yang bisa dipanggil mesin. Datanya tersebar, definisinya tidak seragam, aksesnya sempit, dan dokumentasinya sering tertinggal. Model AI secanggih apa pun tidak bisa bekerja jika tidak bisa membaca data yang benar pada waktu yang tepat.
Angka terbaru datang dari survei GFT Technologies yang dikerjakan Wakefield Research terhadap 945 CIO dan CTO di 19 negara, pada perusahaan dengan pendapatan tahunan minimal 500 juta dolar AS. Survei yang dilakukan pada 11 sampai 31 Agustus 2026 itu menemukan 84 persen responden pernah membatalkan pilot atau proyek AI karena keterbatasan sistem lama. Sebanyak 93 persen percaya bahwa menjalankan AI di atas infrastruktur lama tanpa modernisasi akhirnya akan memicu krisis keamanan di seluruh perusahaan.
Gambaran serupa muncul dari survei NashTech terhadap 1.000 pengambil keputusan teknologi di EMEA, Amerika Utara, dan Asia Pasifik, yang dimuat IT Brief pada 27 Februari 2026. Sebanyak 40 persen responden menyebut integrasi sebagai tantangan terbesar mereka, dan 44 persen berinvestasi di perangkat lunak kustom terutama untuk memperbaiki integrasi. Sebanyak 47 persen menilai integrasi sistem lama dapat memengaruhi kepatuhan, karena retensi data, kontrol akses, dan jejak audit harus tetap terjaga di semua sistem yang saling terhubung.
CEO NashTech, John O'Brien, merangkum masalahnya dengan lugas. “The AI conversation has been dominated by models and use cases. But in most enterprises, the real constraint is not intelligence. It is integration,” kata O'Brien. Artinya, percakapan tentang model mana yang dipilih sering mengaburkan pekerjaan yang lebih menentukan, yaitu memastikan data dan fungsi bisnis bisa diakses dengan aman.
Survei Zapier terhadap lebih dari 500 pemimpin perusahaan, yang terbit pada 28 Oktober 2025, memberi sudut yang melengkapi. Sebanyak 78 persen responden mengaku kesulitan menghubungkan AI dengan sistem yang sudah ada, dan 29 persen menyebut integrasi itu sebagai hambatan utama adopsi AI. Hambatan lain yang disebut adalah kekurangan keterampilan AI pada karyawan sebesar 35 persen, masalah kualitas data 29 persen, dan kemacetan infrastruktur IT 27 persen.
Perlu diingat bahwa semua angka itu berasal dari survei global dan sebagian dari penyedia layanan yang punya kepentingan menjual solusi integrasi. Jadi pakailah angka-angka itu sebagai petunjuk arah, bukan sebagai prediksi pasti untuk perusahaan Anda. Cara paling jujur untuk mengetahui kondisi sendiri adalah memeriksa sistem Anda satu per satu, seperti dibahas di bagian kesiapan di bawah.
Pola Integrasi Apa yang Paling Umum Dipakai untuk Menghubungkan AI ke Sistem Lama?
Pola yang paling umum ada lima: pembungkus API, lapisan perantara (middleware) berbasis kejadian, replikasi data ke penyimpanan baca-saja, pengambilan dokumen untuk AI (retrieval), dan otomasi antarmuka. Pilihannya bergantung pada apakah sistem lama punya antarmuka resmi, seberapa sensitif datanya, dan seberapa cepat jawaban AI dibutuhkan.
Gambaran singkat kelimanya membantu Anda memilih titik awal. Tidak ada pola yang selalu paling baik, dan sebagian besar proyek nyata memakai gabungan dua atau tiga pola sekaligus.
Pembungkus API. Tim menulis lapisan kecil di depan sistem lama yang mengubah fungsinya menjadi layanan yang bisa dipanggil, misalnya "cek status pesanan" atau "ambil riwayat pelanggan". AI hanya boleh memanggil fungsi yang sudah didaftarkan, sehingga hak aksesnya sempit dan jejaknya mudah diaudit.
Lapisan perantara berbasis kejadian. Setiap perubahan di sistem lama, seperti pesanan baru atau pembayaran masuk, dipublikasikan sebagai kejadian yang bisa dibaca banyak penerima, termasuk agen AI. Pola ini cocok jika AI perlu bereaksi hampir seketika, tetapi butuh disiplin pengelolaan antrean dan penanganan kejadian yang gagal.
Replikasi data baca-saja. Data dari sistem lama disalin berkala ke gudang data atau basis data terpisah, dan AI membaca dari salinan itu. Sistem lama terlindung dari beban tambahan, tetapi data di salinan selalu tertinggal beberapa saat dari aslinya.
Pengambilan dokumen untuk AI. Dokumen, SOP, kontrak, dan arsip diindeks agar model bisa mencari potongan yang relevan lalu menjawab dengan rujukan. Cocok untuk pertanyaan berbasis pengetahuan, kurang cocok untuk transaksi yang menuntut angka tepat dari basis data.
Otomasi antarmuka. Perangkat lunak meniru klik dan ketikan pengguna di layar aplikasi yang tidak punya API sama sekali. Ini jalan terakhir yang cepat dibuat tetapi rapuh, karena perubahan kecil pada tampilan layar bisa menghentikan seluruh alur.
Urutan kehati-hatian yang wajar adalah mulai dari replikasi baca-saja atau pembungkus API untuk fungsi yang tidak mengubah data. Kemampuan AI untuk menulis kembali ke sistem lama, misalnya membuat pesanan atau mengubah status, sebaiknya dibuka belakangan, sesudah pilot terbukti stabil dan ada persetujuan manusia pada langkah yang berisiko.
Pilih pola dari kendala nyata, bukan dari tren. Jika sistem lama sudah punya API yang terdokumentasi, pembungkus akan lebih murah daripada replikasi. Jika tidak ada API tetapi ada basis data yang bisa dibaca dengan aman, replikasi sering menjadi jalan tengah. Otomasi antarmuka layak dipertimbangkan hanya untuk proses bernilai tinggi yang tidak punya alternatif lain.
Apa yang Harus Diperiksa Sebelum AI Disambungkan ke Sistem Lama?
Sebelum menyambungkan AI, periksa lima hal: daftar sistem dan alur datanya, kualitas dan keseragaman data, jalur akses yang tersedia, siapa pemilik tiap sistem, dan kelengkapan dokumentasi. Hasil pemeriksaan ini menentukan pola integrasi yang realistis dan menunjukkan di mana risiko terbesar tersembunyi.
Langkah pertama adalah inventaris. Banyak perusahaan menemukan bahwa daftar aplikasi resmi di tangan tim IT berbeda dari aplikasi yang benar-benar dipakai unit bisnis, termasuk lembar kerja yang diam-diam menjadi sumber data penting. Catat tiap sistem, versi, platform, siapa yang merawat, dan ke sistem mana ia mengirim atau menerima data.
Langkah kedua adalah kualitas data. AI mudah terkecoh oleh data ganda, penulisan nama yang tidak seragam, kolom yang terisi sembarangan, dan definisi yang berbeda antarunit, misalnya makna "pelanggan aktif" yang tidak sama di divisi penjualan dan keuangan. Survei Zapier mencatat 29 persen responden menyebut masalah kualitas data sebagai hambatan, dan NashTech menyebut AI bergantung pada data bersih, definisi konsisten, dan akses yang andal.
Langkah ketiga adalah jalur akses. Tanyakan apakah sistem punya API, apakah basis datanya boleh dibaca langsung, apakah ada batas jumlah koneksi, dan jam berapa beban sistem paling tinggi. Sistem yang sudah kerepotan pada jam sibuk bisa lumpuh jika AI mengirim banyak permintaan sekaligus, jadi beban tambahan harus dihitung dan dibatasi sejak awal.
Langkah keempat adalah kepemilikan dan izin. Setiap sumber data perlu pemilik yang bisa memutuskan siapa boleh membaca apa. Pada data yang memuat informasi pribadi, pemilik juga perlu memastikan dasar pemrosesannya, hal yang dibahas di bagian hukum di bawah. Tanpa pemilik yang jelas, proyek sering tertahan berminggu-minggu menunggu persetujuan yang tidak tahu harus datang dari siapa.
Langkah kelima adalah dokumentasi dan pengetahuan orang. Sistem lama sering hanya dipahami satu atau dua orang yang sudah lama bekerja di sana. Ajak mereka sejak awal, minta mereka menjelaskan aturan bisnis yang tertanam di kode, dan catat hasilnya. Pengetahuan itu yang nanti menentukan apakah jawaban AI masuk akal atau menyesatkan.
Kapan Sistem Lama Cukup Dibungkus dan Kapan Harus Dimodernisasi?
Sistem lama cukup dibungkus jika stabil, jarang berubah, punya pemilik yang jelas, dan bisa diakses lewat jalur yang aman. Modernisasi diperlukan jika sistem rapuh, tidak terdokumentasi, tidak punya jalur akses yang bisa dikendalikan, atau terlalu mahal dipelihara. Keputusan ini sebaiknya diambil per sistem, bukan untuk seluruh perusahaan sekaligus.
Membungkus punya keunggulan jelas: lebih cepat, risikonya lebih kecil, dan sistem inti tidak diganggu. Anda mendapat nilai dari AI dalam hitungan minggu atau bulan, bukan tahun, dan sistem lama tetap berjalan seperti biasa. Kelemahannya, lapisan pembungkus mewarisi semua keterbatasan sistem di bawahnya, termasuk lambatnya respons, struktur data yang aneh, dan risiko keamanan yang belum tertutup.
Survei GFT memberi peringatan tentang batas pendekatan ini. Perusahaan yang berhasil mendapat nilai dari AI, menurut analisis GFT, memperlakukannya sebagai investasi dari fondasi, bukan sebagai lapisan yang ditempel di atas infrastruktur, tata kelola, dan strategi tenaga kerja yang usang. Data survei yang sama menyebut hanya 20 persen responden yang mengatakan eksekutif lain dan anggota dewan di perusahaan mereka memahami penuh risiko keamanan dari menjalankan AI di atas sistem lama.
Sinyal bahwa sebuah sistem sebaiknya dimodernisasi, bukan sekadar dibungkus, biasanya terlihat jelas. Tidak ada orang yang berani mengubah kodenya, sering terjadi gangguan tanpa sebab yang jelas, vendornya sudah tidak mendukung, tidak ada cara mengotentikasi pengguna dengan aman, atau data pentingnya hanya bisa diambil lewat prosedur manual. Pada kondisi seperti itu, pembungkus hanya memindahkan masalah ke lapisan baru.
Biaya pemeliharaan juga patut dihitung terbuka. Sistem yang tampak murah karena sudah lama dibayar sering memakan waktu tim setiap bulan untuk perbaikan kecil, penyesuaian laporan, dan tambalan keamanan. Jika biaya itu dijumlahkan selama beberapa tahun, pilihan membungkus bisa terlihat lebih mahal daripada yang dikira, dan pilihan memodernisasi bisa terlihat lebih masuk akal.
Pendekatan bertahap yang lazim adalah mengganti sistem sepotong demi sepotong. Fungsi yang paling sering dipakai AI dipindahkan lebih dulu ke layanan baru, sementara sisanya tetap berjalan di sistem lama sampai gilirannya tiba. Cara ini menjaga operasional tetap hidup dan memberi bukti nilai di setiap tahap. Panduan lengkap tentang pilihan ini ada di Panduan Modernisasi Aplikasi untuk Perusahaan dan BUMN di Indonesia.
Aturan Apa yang Berlaku Saat AI Menyentuh Data di Sistem Lama?
Jika data di sistem lama memuat data pribadi, berlaku UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi, yang berlaku sejak 17 Oktober 2022. UU ini mewajibkan pengendali data melindungi keamanan data, mencegah akses tidak sah, menilai dampak pada pemrosesan berisiko tinggi, dan memberi tahu pihak terkait jika terjadi kegagalan pelindungan.
Beberapa pasal paling relevan untuk proyek AI. Pasal 34 ayat (1) menyatakan, “Pengendali Data Pribadi wajib melakukan penilaian dampak Pelindungan Data Pribadi dalam hal pemrosesan Data Pribadi memiliki potensi risiko tinggi terhadap Subjek Data Pribadi.” Pasal 35 mewajibkan pengendali melindungi dan memastikan keamanan data yang diprosesnya, dan Pasal 39 ayat (1) menyatakan, “Pengendali Data Pribadi wajib mencegah Data Pribadi diakses secara tidak sah.”
Pasal 46 ayat (1) mengatur kewajiban setelah insiden. Jika terjadi kegagalan pelindungan data pribadi, pengendali wajib menyampaikan pemberitahuan tertulis paling lambat 3 x 24 jam kepada subjek data pribadi dan lembaga yang berwenang. Bagi proyek AI, ini berarti sistem pemantauan dan jejak audit harus ada sejak awal, karena insiden yang tidak terdeteksi tidak bisa dilaporkan tepat waktu.
Satu catatan penting: aturan pelindungan data berlaku pada data pribadi, bukan pada semua data. Data operasional seperti stok barang atau jadwal mesin umumnya tidak tersentuh aturan itu, sehingga proyek AI sering bisa dimulai dari data jenis ini lebih dulu. Memilih kasus penggunaan yang tidak menyentuh data pribadi pada tahap pertama dapat mempercepat pilot sambil menyiapkan penilaian dampak untuk tahap berikutnya.
Dalam praktik, aturan itu menerjemahkan diri ke beberapa kebiasaan kerja. Batasi data yang boleh dibaca AI hanya pada yang dibutuhkan untuk tugasnya. Catat setiap permintaan data beserta siapa atau apa yang memintanya. Jangan mengirim data pribadi ke penyedia model luar tanpa kepastian dasar pemrosesan dan perjanjian pemrosesan datanya. Untuk pemrosesan yang berisiko tinggi, siapkan penilaian dampak sebelum pilot berjalan, bukan sesudahnya.
Di sisi kebijakan AI, pemerintah sedang menyiapkan dua Peraturan Presiden, yaitu peta jalan dan etika kecerdasan artifisial. Dirjen Ekosistem Digital Komdigi, Edwin Hidayat Abdullah, menyatakan pada 15 April 2026 bahwa keduanya sudah selesai harmonisasi dan berada di Kementerian Sekretariat Negara. Rancangan etika AI membagi risiko ke tiga kategori, yaitu rendah, tinggi, dan tidak dapat diterima. Sebagai contoh risiko rendah, Edwin menyebut chatbot rumah sakit.
Edwin juga mengingatkan bahwa aturan teknis akan berbeda antarsektor. “Kementerian dan lembaga harus membuat kebijakan AI masing-masing. Ini yang membuat jadi ‘ramai’, karena aturan teknis di setiap regulator akan berbeda,” kata Edwin. Tulisan ini tidak menyatakan kedua Perpres itu sudah terbit, karena status akhirnya perlu dicek langsung di sumber resmi. Perusahaan sebaiknya memantau aturan sektornya sendiri, misalnya dari regulator keuangan atau kesehatan, selain aturan umum.
Bagaimana Tahapan Pengerjaan Integrasi dari Pilot hingga Produksi?
Tahapan yang sehat dimulai dari satu kasus penggunaan yang sempit, lalu membangun lapisan penghubung, menjalankan pilot baca-saja, mengukur hasil, dan memperluas bertahap. Proyek yang langsung mencoba menghubungkan semua sistem sekaligus hampir selalu terjebak di tengah jalan, sebab setiap sistem membawa masalah aksesnya masing-masing.
Tahap pertama adalah memilih satu kasus yang nilainya jelas dan datanya terbatas, misalnya menjawab pertanyaan status pesanan atau merangkum riwayat tiket. Tetapkan ukuran keberhasilan di muka, seperti waktu penanganan yang berkurang atau pertanyaan yang terjawab tanpa bantuan manusia. Tanpa ukuran itu, pilot mudah terlihat berhasil padahal tidak mengubah apa pun.
Tahap kedua adalah menyiapkan akses data dan keamanan. Buat akun layanan khusus dengan hak minimum, simpan kunci dan kredensial di tempat yang aman, tentukan data mana yang boleh keluar dari sistem, dan siapkan pencatatan semua permintaan. Tahap ini sering terlihat membosankan, tetapi di sinilah sebagian besar insiden keamanan bisa dicegah.
Tahap ketiga adalah membangun lapisan penghubung sesuai pola yang dipilih, lalu mengujinya terpisah dari AI. Pastikan lapisan itu menolak permintaan yang tidak sah, tidak membebani sistem lama, dan memberi pesan galat yang jelas. Menguji penghubung secara terpisah mempercepat pencarian masalah, karena kesalahan jawaban AI tidak lagi tercampur dengan kesalahan akses data.
Tahap keempat adalah pilot baca-saja dengan sekelompok kecil pengguna. AI hanya boleh membaca dan menjawab, belum boleh mengubah data. Kumpulkan contoh jawaban yang salah, lambat, atau berisiko, lalu perbaiki. Tahap kelima adalah evaluasi dan kendali, yaitu mengukur hasil terhadap ukuran awal dan menetapkan siapa yang menyetujui langkah AI yang berdampak besar. Tahap keenam adalah perluasan bertahap ke sistem, unit, atau fungsi tulis berikutnya.
Pembagian peran di tiap tahap juga perlu jelas sejak awal. Pemilik proses bisnis menetapkan ukuran keberhasilan dan menyetujui hasil, tim IT atau mitra membangun dan menjaga penghubung, tim keamanan memeriksa akses dan pencatatan, sedangkan pemilik data memutuskan data mana yang boleh dibaca. Proyek yang menyerahkan semuanya kepada satu pihak biasanya tersandung saat ada keputusan yang membutuhkan wewenang pihak lain.
Ringkasan tahapan di atas dapat dilihat pada diagram berikut.
Diagram enam tahap integrasi AI ke sistem lama. Diolah Burung Hantu Infratek dari UU Nomor 27 Tahun 2022, survei NashTech, Zapier, dan GFT Technologies.
Berapa Biaya dan Risiko yang Perlu Dianggarkan?
Biaya integrasi AI ke sistem lama terdiri dari penghubung, pembersihan data, keamanan, pengujian, dan pemeliharaan, selain biaya model AI itu sendiri. Risiko terbesarnya adalah meremehkan lima komponen itu, sehingga anggaran habis untuk model dan lisensi sebelum penghubung selesai.
Komponen pertama adalah penghubung itu sendiri: pembungkus API, perantara, atau replikasi data, termasuk waktu tim yang memahami sistem lama. Komponen kedua adalah pembersihan dan penyeragaman data, yang sering lebih besar dari perkiraan awal. Komponen ketiga adalah keamanan dan kepatuhan, mulai dari pengelolaan akses, pencatatan, sampai penilaian dampak pelindungan data.
Komponen keempat adalah pengujian, termasuk pengujian beban agar sistem lama tidak tumbang, dan pengujian kualitas jawaban AI dengan contoh nyata dari bisnis Anda. Komponen kelima adalah pemeliharaan jangka panjang. Penghubung perlu diperbarui jika sistem lama berubah, jika API model berganti versi, atau jika aturan baru terbit, sehingga biayanya berulang, bukan sekali bayar.
Survei Zapier mencatat 45 persen pemimpin perusahaan menyebut tingginya biaya solusi vendor sebagai hambatan adopsi AI. Angka ini mengingatkan bahwa anggaran perlu ditimbang sejak awal terhadap manfaat yang terukur. NashTech juga mencatat bahwa integrasi telah bergeser dari urusan teknis implementasi menjadi isu risiko, sehingga pembahasan anggaran sebaiknya melibatkan pimpinan, bukan hanya tim IT.
Risiko lain yang perlu dicatat adalah risiko organisasi. Survei NashTech menemukan kesenjangan antara pimpinan senior dan manajer menengah: 63 persen pimpinan senior menilai proyek perangkat lunak kustom melampaui harapan, tetapi hanya 39 persen manajer menengah yang setuju. Manajer menengah juga menyebut tantangan integrasi sebesar 46 persen. Jika Anda hanya mendengar laporan dari atas, masalah di lapangan bisa tersembunyi sampai proyek diperluas.
Jangan lupa menyisihkan dana cadangan untuk hal yang baru terlihat setelah pekerjaan berjalan. Sistem lama hampir selalu menyimpan kejutan, seperti kolom yang maknanya berbeda dari namanya, aturan bisnis yang hanya ada di kode, atau integrasi tersembunyi dengan sistem lain. Cadangan yang disepakati di awal membuat tim bisa menyesuaikan diri tanpa harus membuka ulang persetujuan anggaran setiap kali menemukan kejutan baru.
Cara menekan risiko adalah mengikat anggaran pada tahap, bukan pada keseluruhan proyek. Setiap tahap punya ukuran keberhasilan dan titik keputusan lanjut atau berhenti. Dengan begitu, jika pilot ternyata tidak memberi nilai, kerugiannya terbatas pada tahap itu, dan Anda punya data nyata untuk memutuskan langkah berikutnya.
Bagaimana Memilih Mitra Integrasi dan Menghindari Vendor Lock-in?
Pilih mitra yang bersedia menjelaskan arsitektur dengan bahasa yang bisa Anda periksa, menyerahkan dokumentasi dan kode penghubung, dan merancang lapisan yang tidak terikat pada satu penyedia model. Kemampuan berganti penyedia model tanpa menulis ulang penghubung adalah ukuran paling praktis untuk menilai risiko lock-in.
Survei Zapier memberi gambaran kekhawatiran pembeli. Sebanyak 38 persen responden mengaku kurang percaya pada keamanan vendor AI, dan 33 persen khawatir terjebak vendor tunggal. Survei GFT menemukan 99 persen responden menyatakan potensi pembatasan pemerintah terhadap akses AI membuat tidak bergantung pada satu penyedia AI semakin penting.
Survei NashTech menunjukkan sisi lain. Sebanyak 47 persen responden menyebut mitra teknologi mereka sebagai penyedia layanan yang dipercaya, tetapi hanya 32 persen yang memandang mitra itu benar-benar strategis. Meski begitu, 97 persen menyatakan akan berinvestasi pada mitra yang konsisten memberi nilai jangka panjang. Artinya, hubungan yang baik dibangun lewat hasil yang berulang, bukan lewat janji di awal.
Beberapa pertanyaan praktis layak diajukan sebelum menandatangani kontrak. Siapa pemilik kode penghubung dan dokumentasinya? Apakah penghubung bisa dipindah ke penyedia model lain? Bagaimana data diperlakukan, disimpan, dan dihapus? Siapa yang menanggung jika terjadi kegagalan pelindungan data? Apa rencana pemeliharaan setelah proyek selesai? Jawaban yang kabur pada salah satu pertanyaan ini adalah sinyal untuk berhati-hati.
Serah terima pengetahuan juga bagian dari kontrak yang baik. Mitra seharusnya melatih tim internal agar mampu memelihara penghubung, menyerahkan catatan keputusan arsitektur, dan menjelaskan cara memantau kesehatan sistem. Jika semua pengetahuan hanya tinggal di kepala satu vendor, perusahaan Anda menukar ketergantungan pada sistem lama dengan ketergantungan baru yang sama berisikonya.
Untuk perusahaan dan BUMN, pertimbangkan juga pengalaman mitra di lingkungan serupa dan kemampuannya bekerja dengan tim internal Anda. Jangan menilai dari presentasi saja. Minta contoh pekerjaan, referensi yang bisa dihubungi, dan pilot kecil berbayar sebelum komitmen besar. Panduan yang lebih luas tentang topik ini ada di Panduan Integrasi AI untuk Perusahaan dan BUMN di Indonesia.
Jika Anda ingin membaca kasus lain tentang penyebab proyek integrasi tidak berjalan, tulisan Mengapa 99% Perusahaan Gagal Integrasi AI dan Cara Masuk 1% yang Sukses dan Mengoptimalkan Integrasi AI dalam Sistem ERP bisa menjadi bacaan lanjutan.
Pertanyaan yang Sering Diajukan
Apakah AI bisa dihubungkan ke sistem lama tanpa mengganti sistemnya?
Bisa, selama sistem lama punya jalur akses yang aman, misalnya API, basis data yang boleh dibaca, atau salinan data baca-saja. Jika tidak ada jalur seperti itu atau sistemnya sangat rapuh, modernisasi sebagian biasanya lebih aman daripada memaksakan penghubung di atasnya.
Data apa yang boleh dikirim ke model AI milik pihak luar?
Kirim hanya data yang dibutuhkan untuk tugasnya. Untuk data pribadi, pastikan ada dasar pemrosesan dan perjanjian yang jelas sesuai UU Nomor 27 Tahun 2022. Data sensitif sebaiknya dianonimkan atau diproses di lingkungan yang Anda kendalikan, bukan dikirim mentah ke penyedia luar.
Apa risiko terbesar saat menghubungkan AI ke sistem lama?
Risiko terbesarnya ada tiga: beban tambahan yang melumpuhkan sistem lama, akses data yang terlalu luas sehingga terjadi kebocoran, dan jawaban AI yang salah karena data tidak bersih. Ketiganya ditekan dengan pembatasan beban, hak akses minimum, dan pengujian dengan contoh nyata.
Kapan perusahaan sebaiknya memodernisasi sistem sebelum memasang AI?
Modernisasi lebih dulu jika sistem tidak terdokumentasi, tidak ada yang berani mengubahnya, tidak bisa diakses dengan aman, atau datanya hanya bisa diambil secara manual. Pada kondisi itu, penghubung hanya memindahkan masalah ke lapisan baru dan menambah risiko.
Kesimpulan
AI tidak menuntut seluruh sistem lama diganti, tetapi menuntutnya dipetakan, diamankan, dan dihubungkan secara terukur. Survei GFT, NashTech, dan Zapier sama-sama menunjuk integrasi sebagai hambatan nyata, dan hambatan itu lebih mudah diatasi jika dikerjakan bertahap, mulai dari satu kasus sempit dengan ukuran keberhasilan yang jelas.
Langkah pertama yang bisa Anda ambil minggu ini adalah menyusun inventaris sistem, memilih satu kasus penggunaan, dan memastikan siapa pemilik datanya. Dari sana, pilih pola integrasi yang paling aman, siapkan penilaian dampak pelindungan data jika menyentuh data pribadi, dan jalankan pilot baca-saja sebelum memberi AI kemampuan mengubah data.
(Burung Hantu Infratek / Berbagai Sumber)
⚠️ Artikel ini seluruhnya diriset, ditulis, dan dikembangkan oleh AI internal Burung Hantu Infratek.
🦉 Burung Hantu Infratek adalah software house dan system integrator yang sudah berpengalaman lebih dari 5 tahun dalam pengembangan dan implementasi generative AI pada berbagai perusahaan dan institusi.
Sumber dan Referensi
[1] AI ambitions collide with legacy integration problems - IT Brief UK (27 Februari 2026)
[2] 78% of enterprises are struggling to integrate AI with legacy systems - Zapier (28 Oktober 2025)
[5] UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi - JDIH BPK