DJP Kembangkan AI untuk Deteksi Pergerakan Harta Orang Tajir

Direktorat Jenderal Pajak (DJP) kini memasang mata elektronik melalui kecerdasan buatan untuk memotong celah waktu pelaporan kekayaan para jutawan dan mendeteksi potensi kebocoran pajak di sektor sawit. Wakil Menteri Keuangan, Nurkholisoh Ibnu Aman, mengungkap bahwa perangkat tersebut sedang dalam tahap akhir pengembangan untuk membaca berita dan keterbukaan informasi korporasi secara real-time. Langkah ini mengubah paradigma pengawasan pajak dari reaktif menjadi proaktif, memungkinkan petugas mendeteksi perubahan kekayaan saat kejadian aksi korporasi terjadi, bukan menunggu laporan tahunan.

Ibnu menjelaskan, sistem dasbor baru ini akan memetakan individu beraset besar, hubungan antar-keluarga, perusahaan, hingga aset yang dimiliki secara granular. "Kami sekarang berada pada tahap akhir penambahan AI yang dapat membantu kami membaca berita dan keterbukaan informasi korporasi mengenai individu-individu tersebut serta perusahaan terkait," ujar Ibnu dalam forum The 7th Belt and Road Initiative Tax Administration Cooperation Forum (BRITACOF) di Jakarta, Selasa (13/10). Mekanisme kerja sistem ini krusial: ketika AI mendeteksi aksi korporasi seperti merger, akuisisi, atau penjualan saham, nilai kepemilikan di dasbor akan langsung diperbarui otomatis.

Kecepatan pembaruan data menjadi kunci utama efisiensi. Dengan mekanisme ini, petugas pajak dapat melihat perubahan kekayaan sesaat setelah terjadi, menghilangkan jeda waktu satu hingga dua tahun yang selama ini menjadi kelemahan administrasi pajak. "Dengan demikian, petugas pajak kami nantinya dapat melihat perubahan kekayaan saat perubahan itu terjadi, bukan setahun kemudian atau bahkan dua tahun kemudian," tegasnya. Meskipun demikian, Ibnu belum merinci jadwal penerapan penuh sistem maupun besaran potensi penerimaan pajak yang diproyeksikan dari pemanfaatan teknologi tersebut.

Selain memantau kekayaan pribadi, DJP menerapkan machine learning untuk mengurai kompleksitas pajak di industri kelapa sawit. Setiap transaksi penjualan antarbadan usaha menggunakan faktur pajak elektronik, namun variasi deskripsi barang antarperusahaan menyulitkan pencocokan data. DJP menggunakan AI untuk mengidentifikasi barang, volume, dan harga dari faktur-faktur tersebut secara sistematis. Proses analisis dimulai dari mencocokkan data pembelian tandan buah segar oleh pabrik dengan perkiraan jumlah minyak sawit yang dihasilkan, lalu dibandingkan dengan laporan penjualan. "Ketika angka-angka tersebut tidak sesuai, kami memiliki petunjuk yang jelas untuk ditindaklanjuti," katanya. Pendekatan serupa sedang dieksplorasi untuk sektor lain, meski detail sasarannya belum diungkap.

Ibnu menekankan bahwa teknologi hanyalah alat, bukan solusi tunggal. Keberhasilan penerapan AI ini bergantung pada kompetensi sumber daya manusia, kejelasan regulasi, dan tingkat kepercayaan wajib pajak. "Teknologi hanyalah sebagian dari solusi. Kita juga membutuhkan sumber daya manusia yang kompeten, aturan yang jelas, dan kepercayaan dari para wajib pajak," tambahnya. Tanpa sinergi antara sistem dan manusia, potensi peningkatan penerimaan pajak dari deteksi dini kekayaan dan akurasi transaksi sawit tidak akan terealisasi secara optimal.

Analisis Redaksi

Langkah DJP ini menandai pergeseran struktural dalam administrasi perpajakan Indonesia: dari pengawasan berbasis laporan (*report-based*) menjadi pengawasan berbasis data (*data-driven*). Kemampuan AI membaca berita dan keterbukaan informasi korporasi secara real-time menghancurkan asimetri informasi yang selama ini menguntungkan Wajib Pajak Orang Pribadi (WPOP) beraset besar. Jika sistem ini beroperasi penuh, potensi underreporting kekayaan melalui aksi korporasi akan drastis berkurang. Namun, tanpa detail jadwal penerapan dan estimasi penerimaan, publik dan pelaku pasar wajar mempertanyakan kesiapan teknis dan legalitas data yang digarap AI.

Di sektor sawit, implementasi machine learning terhadap faktur pajak elektronik adalah terobosan yang menyasar inti masalah: *transfer pricing* dan manipulasi volume. Dengan membandingkan input (TBS) dan output (CPO) secara algoritmik, DJP menutup celah penggelapan berbasis deskripsi barang yang tidak standar. Ini bukan sekadar efisiensi birokrasi, melainkan penegakan hukum yang lebih presisi. Yang perlu diwaspadai: resistensi dari sektor industri yang terbiasa dengan fleksibilitas pelaporan. Kepercayaan wajib pajak akan diuji ketika sistem mulai menindaklanjuti ketidaksesuaian data. DJP harus memastikan transparansi proses AI agar tidak menimbulkan kesan pengawasan yang represif atau tidak adil.

Ke depannya, keberhasilan inisiatif ini tergantung pada tiga hal: kecepatan penerapan penuh, klarifikasi regulasi terkait sumber data AI (terutama dari media dan keterbukaan info), serta program kompetensi SDM pajak. Jika ketiganya berjalan sinkron, DJP bisa mengubah lanskap perpajakan dari sistem yang menunggukan pelanggaran menjadi sistem yang mencegahnya. Bagi pelaku usaha, ini bukan ancaman, melainkan sinyal untuk tata kelola pajak yang lebih disiplin. Bagi negara, ini adalah investasi dalam keadilan fiskal.