---
title: "Proyek ‘AI untuk Semua’ Pemerintah: Struktur Gratis dan Tanpa Batas serta Isu Verifikasi"
locale: id
category: ai_data
category_name: "Data AI"
translation_status: reviewed
license: cc_by
author: "injoys"
source_url: https://injoys.com/en/articles/korea-ai-for-all-project-structure-and-risks
published_at: 2026-08-18T05:03:35+09:00
---

# Proyek ‘AI untuk Semua’ Pemerintah: Struktur Gratis dan Tanpa Batas serta Isu Verifikasi

> ‘AI untuk Semua’ pemerintah adalah proyek untuk membangun chatbot serbaguna yang gratis dan tanpa batas bagi seluruh rakyat serta agen AI yang membantu penggunaan layanan publik. Pendaftaran calon operator ditutup pada 11 Agustus 2026. Selain proporsi penggunaan model buatan dalam negeri, makna sebenarnya dari tanpa batas, pemrosesan data pribadi, tanggung jawab atas kesalahan pengajuan, dan cara pengungkapan hasil menjadi sasaran utama verifikasi.

## Key Points

- Pendaftaran calon operator ‘AI untuk Semua’ ditutup pada 11 Agustus 2026, tetapi pemilihan operator, penandatanganan kontrak, dan peluncuran resmi merupakan tahapan yang terpisah.
- Menurut rencana, layanan ini terdiri atas chatbot serbaguna yang dapat digunakan seluruh rakyat tanpa biaya serta agen AI yang mendukung panduan dan pengajuan layanan publik.
- Persyaratan untuk menggunakan model fondasi AI milik operator terpilih setidaknya 50% dan model perusahaan domestik lainnya setidaknya 30% hanya dapat diverifikasi jika kriteria pengukuran penggunaan model dan audit eksternal turut dipublikasikan.
- Fitur pengajuan layanan publik memerlukan verifikasi identitas, persetujuan eksplisit, konfirmasi akhir sebelum pengajuan, catatan pemrosesan, serta prosedur koreksi dan pembatalan.
- Peningkatan aksesibilitas AI harus dinilai bukan berdasarkan jumlah pengguna terdaftar, melainkan kesenjangan penggunaan aktual, tingkat penyelesaian tugas, tingkat kesalahan, biaya, insiden data pribadi, dan stabilitas layanan.

Program pemerintah ‘AI untuk Semua’ bukan sekadar proyek untuk membuat satu chatbot domestik gratis. Program ini merupakan rencana untuk memperluas akses terhadap AI generatif serbaguna, memanfaatkan berbagai model domestik di dalam layanan, serta dalam jangka panjang membangun agen AI yang mendukung panduan hingga pengajuan layanan publik.

Per 17 Agustus 2026, batas akhir pengajuan penyedia layanan pada 11 Agustus telah berlalu. Oleh karena itu, persyaratan pengajuan dan sasaran pemerintah dapat dijelaskan sebagai rencana yang telah dikonfirmasi, tetapi penyedia akhir, ketentuan penggunaan terperinci, tingkat layanan, dan tanggal peluncuran resmi harus dipastikan melalui pengumuman lanjutan dan hasil kontrak.

## Status dan cakupan proyek saat ini

| Aspek | Arti rencana yang dipublikasikan | Hal yang masih perlu dipastikan |
|---|---|---|
| Tahap proyek | Pengajuan penyedia layanan ditutup pada 11 Agustus 2026 | Hasil seleksi, penandatanganan kontrak, dan ada tidaknya uji coba operasional |
| Target peluncuran | Mendorong peluncuran chatbot serbaguna dan agen AI publik dalam tahun 2026 | Tanggal mulai yang tepat dan fungsi yang disediakan pada setiap tahap |
| Sasaran pengguna | Ditujukan sebagai layanan bagi seluruh rakyat | Persyaratan akun bagi anak di bawah umur, warga negara di luar negeri, warga asing yang tinggal di dalam negeri, dan lainnya |
| Biaya penggunaan | Struktur yang menyediakannya secara gratis kepada pengguna umum | Fitur tambahan berbayar serta ada tidaknya penggunaan untuk perusahaan dan API |
| Volume penggunaan | Menetapkan ‘tanpa batas’ sebagai sasaran utama | Kebijakan penggunaan wajar, pembatasan kecepatan, antrean saat padat, dan batas ukuran berkas |
| Komposisi model | Menggunakan model milik penyedia setidaknya 50% dan model perusahaan domestik lain setidaknya 30% | Apakah rasio dihitung berdasarkan jumlah panggilan, token, komputasi, atau biaya |
| Dukungan pemerintah | Struktur kerja sama dengan penyedia swasta serta dukungan infrastruktur pengembangan dan operasional | Anggaran dukungan, jumlah GPU, periode dukungan, dan sumber dana operasional setelah dukungan berakhir |

Berakhirnya pengajuan bukan berarti layanan telah diluncurkan. Negosiasi prioritas, verifikasi teknologi, kontrak, pemeriksaan keamanan, dan uji coba operasional dapat menyusul, sehingga ‘peluncuran dalam tahun ini’ merupakan target jadwal, bukan hasil yang telah dijamin.

## Arti sebenarnya dari ‘gratis·tanpa batas’

Gratis lebih dekat dengan arti bahwa pengguna tidak membayar biaya penggunaan secara langsung setiap kali menggunakan layanan. Biaya GPU, listrik, penyimpanan, jaringan, evaluasi keamanan, dan dukungan pelanggan yang diperlukan untuk pelatihan dan inferensi tidak hilang. Biaya tersebut ditanggung melalui dukungan pemerintah, beban penyedia, atau kombinasi keduanya.

Tanpa batas juga tidak dapat dipastikan berarti tidak ada pembatasan secara teknis. Untuk menjaga kestabilan layanan, ketentuan operasional berikut dapat diterapkan.

- Pembatasan kecepatan terhadap pengiriman terlalu banyak permintaan dalam waktu singkat
- Kebijakan penggunaan wajar untuk mencegah panggilan massal otomatis atau berbagi akun
- Batas ukuran dokumen yang dapat dimasukkan sekaligus dan panjang percakapan
- Batas terpisah untuk fungsi berkomputasi tinggi seperti pembuatan gambar dan video
- Antrean atau prioritas pemrosesan yang lebih rendah pada waktu dengan banyak pengguna
- Kebijakan keamanan yang membatasi permintaan ilegal atau berbahaya dan serangan siber

Oleh karena itu, ketentuan akhir harus mencantumkan bukan hanya jumlah pesan bulanan, tetapi juga jumlah permintaan per menit, kecepatan respons, panjang konteks, volume pemrosesan berkas, fungsi yang didukung, dan ketersediaan API. Penggunaan gratis chatbot pribadi bukan berarti API perusahaan atau pekerjaan massal otomatis juga gratis.

## Struktur persyaratan 50% dan 30% model domestik

Ciri khas rencana ini adalah mewajibkan struktur yang melibatkan beberapa model AI domestik, alih-alih hanya menggunakan model dari satu perusahaan.

- Model fondasi AI milik penyedia terpilih: setidaknya 50% dari keseluruhan penggunaan model
- Model yang dikembangkan perusahaan domestik lain: setidaknya 30% dari keseluruhan penggunaan model
- Bagian yang tersisa: area yang cakupan izin dan tujuan penggunaannya harus dipastikan dalam pengumuman dan kontrak

Jumlah kedua rasio tersebut adalah 80%, sehingga secara aritmetis tersisa 20%. Namun, hal ini tidak boleh langsung ditafsirkan sebagai porsi model asing. Cara menghitung penggunaan tambahan model domestik yang sama, model kecil untuk pencarian dan klasifikasi, filter keamanan, atau alat terpisah bergantung pada formula perhitungan terperinci.

### Untuk memverifikasi rasio, denominator harus dipublikasikan terlebih dahulu

‘50% penggunaan model’ menghasilkan hasil yang sama sekali berbeda tergantung pada satuan pengukurannya.

| Dasar pengukuran | Kelebihan | Potensi distorsi |
|---|---|---|
| Jumlah panggilan | Mudah dihitung dan dijelaskan | Rasio dapat ditingkatkan dengan mengirim permintaan ringan dalam jumlah besar |
| Jumlah token masukan dan keluaran | Mencerminkan skala teks yang benar-benar diproses | Tidak cukup mencerminkan biaya gambar, suara, dan panggilan alat |
| Jumlah komputasi | Baik untuk membandingkan penggunaan sumber daya teknis | Sulit diukur dan diaudit dari luar |
| Biaya inferensi | Dapat mengidentifikasi ketergantungan ekonomi | Memerlukan publikasi biaya internal dan tarif kontrak |
| Waktu penggunaan | Dapat menunjukkan waktu kontribusi layanan | Sulit mencerminkan perbedaan tingkat kesulitan pemrosesan dan kualitas antarmodel |

Untuk verifikasi yang dapat dipercaya, pendekatan yang tepat adalah memublikasikan secara bersamaan volume panggilan dan proporsi token per model, jenis tugas yang diproses, biaya inferensi, waktu gangguan, dan evaluasi kualitas. Dibandingkan hanya mengumumkan rasio yang dihitung sendiri oleh penyedia, diperlukan audit independen dan aturan agregasi yang dapat direproduksi.

### Rasio model domestik tidak serta-merta berarti kemandirian teknologi

Meskipun suatu model dikembangkan di dalam negeri, GPU, cloud, alat data pelatihan, komponen sumber terbuka, dan rantai pasok semikonduktor dapat bergantung pada teknologi luar negeri. Sebaliknya, penggunaan sebagian komponen asing juga tidak dapat langsung dianggap bahwa seluruh layanan berada di luar kendali domestik.

Untuk menilai kedaulatan teknologi secara nyata, unsur-unsur berikut harus dibedakan.

- Kepemilikan dan hak penggunaan bobot model
- Kemampuan untuk memodifikasi dan melatih ulang secara langsung di dalam negeri
- Lokasi penyimpanan dan pemrosesan server inferensi serta data pengguna
- Kemampuan untuk terus mengoperasikan layanan meskipun pemasok eksternal menghentikan kontrak
- Kemampuan operator domestik untuk memperbaiki langsung kerentanan keamanan dan kesalahan model
- Sumber data pelatihan, penanganan hak cipta, dan kualitas bahasa Korea

## Apa bedanya dengan chatbot gratis yang sudah ada

Chatbot gratis swasta yang sudah ada juga mendukung pertanyaan umum, ringkasan dokumen, penerjemahan, dan penulisan kode. Agar ‘AI untuk Semua’ memiliki pembeda, selain harga program ini harus menunjukkan perbedaan dalam integrasi layanan publik, ekosistem model domestik, akses universal, dan tanggung jawab publik.

| Dasar perbandingan | Chatbot gratis swasta pada umumnya | Rencana ‘AI untuk Semua’ |
|---|---|---|
| Tujuan penyediaan | Memperoleh pengguna produk dan memperluas layanan komersial | Akses AI universal dan pembentukan ekosistem domestik |
| Volume penggunaan | Batas gratis dan pembatasan saat padat berbeda-beda menurut produk | Menargetkan layanan gratis·tanpa batas, tetapi kebijakan terperinci perlu dipastikan setelah ditetapkan |
| Pemilihan model | Ditentukan sendiri oleh perusahaan penyedia | Mewajibkan rasio penggunaan minimum untuk model milik sendiri dan model perusahaan domestik lain |
| Layanan publik | Umumnya sebatas menjelaskan informasi atau menyajikan tautan | Konsep agen AI yang berkembang dari panduan hingga dukungan pengajuan |
| Struktur tanggung jawab | Berpusat pada ketentuan penggunaan dan kebijakan produk swasta | Perlu pembagian peran pemerintah, penyedia operasional, penyedia model, dan lembaga administrasi terkait |
| Publikasi hasil | Terutama mengumumkan indikator yang dipilih perusahaan | Jika menggunakan dana publik, perlu memublikasikan indikator biaya, kualitas, dan keamanan |

Keunggulan sebenarnya harus dibandingkan setelah peluncuran dengan tugas dan kondisi yang sama. Hanya karena gratis, layanan tersebut tidak dapat dianggap memiliki akurasi, kecepatan, perlindungan data pribadi, atau kinerja bahasa Korea yang lebih baik.

## Tahapan pengoperasian agen AI layanan publik

Chatbot yang menjelaskan layanan publik dan agen yang benar-benar melakukan pengajuan memiliki tingkat risiko yang berbeda. Dukungan pengajuan yang aman harus dirancang dengan membedakan tahapan berikut.

1. Memastikan tujuan dan situasi pengguna.
2. Mencari informasi administrasi resmi dan memandu pengguna mengenai program yang memungkinkan.
3. Melakukan pemeriksaan awal atas persyaratan kelayakan, tetapi memberi tahu bahwa hal itu bukan keputusan kelayakan akhir.
4. Menjelaskan data pribadi dan dokumen yang diperlukan berdasarkan masing-masing kategori.
5. Menyusun draf formulir pengajuan berdasarkan informasi yang diberikan pengguna.
6. Menampilkan kembali kepada pengguna lembaga tujuan pengajuan, isi yang dimasukkan, dan hal-hal yang perlu dikonfirmasi secara hukum.
7. Mengirimkannya ke sistem resmi setelah autentikasi identitas dan persetujuan eksplisit.
8. Memberikan nomor penerimaan dan status pemrosesan serta menjelaskan jalur koreksi dan pembatalan.

AI yang tidak terhubung dengan sistem resmi tidak boleh menampilkan bahwa pengajuan telah ‘selesai’. Hingga lembaga administrasi mengonfirmasi penerimaan dan menerbitkan nomor penerimaan, status harus ditampilkan secara jelas sebagai tahap penyusunan draf atau persiapan pengiriman.

## Data pribadi dan tanggung jawab atas kesalahan pengajuan

Pengajuan layanan publik dapat mencakup data yang sensitif atau berpotensi besar menimbulkan kerugian, seperti informasi nomor registrasi penduduk, alamat, hubungan keluarga, pendapatan, kesehatan, disabilitas, dan informasi rekening. Jika fungsi percakapan umum dan fungsi pengajuan administratif dioperasikan dengan kebijakan data yang sama, risiko pengumpulan berlebihan dan penggunaan sekunder akan meningkat.

Langkah perlindungan wajib adalah sebagai berikut.

- Pembatasan tujuan dan pengumpulan minimum dengan hanya mengumpulkan informasi yang diperlukan untuk setiap layanan pengajuan
- Pemberitahuan terpisah dan hak memilih mengenai apakah isi percakapan digunakan untuk pelatihan model
- Publikasi cakupan transfer data antara penyedia model, operator cloud, dan lembaga administrasi
- Publikasi lokasi penyimpanan, periode retensi, cara penghapusan, dan standar penanganan data cadangan
- Autentikasi multifaktor untuk mencegah pengambilalihan akun dan autentikasi ulang pada tahap pengiriman yang penting
- Log operasional dengan data pribadi yang disamarkan serta kontrol akses berdasarkan kewenangan
- Pertahanan terhadap injeksi prompt, dokumen berbahaya, dan situs administrasi palsu
- Layar yang memungkinkan pemeriksaan dan perubahan seluruh isi pengajuan tepat sebelum dikirim
- Jalur koreksi, pembatalan, dan pengajuan keberatan terhadap pengajuan yang salah

### Tanggung jawab harus dibagi berdasarkan tahap

| Situasi masalah | Area tanggung jawab yang harus diperiksa terlebih dahulu |
|---|---|
| AI memberikan panduan tentang program bantuan yang tidak ada | Akurasi model dan sistem pencarian serta prosedur verifikasi operator |
| Salah menafsirkan persyaratan kelayakan | Integrasi peraturan resmi, penyediaan informasi terbaru oleh lembaga administrasi terkait, dan kelayakan pemberitahuan pembatasan tanggung jawab layanan |
| Nilai yang salah dimasukkan ke formulir pengajuan | Logika pengisian otomatis, prosedur konfirmasi pengguna sebelum pengiriman, dan fungsi koreksi |
| Informasi dikirim ke model eksternal tanpa persetujuan | Kewajiban perlindungan data pribadi penyedia operasional dan pihak yang menerima penugasan pemrosesan data |
| Ditampilkan selesai meskipun belum diterima oleh sistem resmi | Verifikasi status integrasi layanan, konfirmasi nomor penerimaan, dan penanganan gangguan |
| Pengguna memasukkan informasi palsu | Kewajiban verifikasi pengguna dan unsur kesengajaan serta apakah layanan mendorong terjadinya kesalahan |

Tidaklah tepat untuk mengalihkan seluruh tanggung jawab hanya kepada satu kali konfirmasi akhir pengguna. Catatan setiap tahap harus disimpan agar dapat membedakan kesalahan model, kegagalan integrasi sistem, desain layar yang keliru, dan kesalahan input pengguna.

## Isu yang mudah terlewatkan: keberlanjutan layanan tanpa batas

Agar slogan gratis·tanpa batas dapat dipertahankan dalam jangka panjang, diperlukan struktur biaya total yang mencakup bukan hanya dukungan GPU awal, tetapi juga pemeliharaan, peningkatan model, respons keamanan, dan dukungan pelanggan. Kemungkinan bahwa setelah periode dukungan berakhir operator mengurangi volume penggunaan atau bergantung pada iklan, pemanfaatan data, maupun fungsi berbayar juga harus diperiksa pada tahap kontrak.

Secara khusus, jawaban atas pertanyaan berikut harus dipublikasikan.

- Apakah fungsi inti akan tetap gratis setelah dukungan pemerintah berakhir?
- Pembatasan apa yang akan diterapkan jika biaya inferensi melampaui perkiraan akibat pertumbuhan pengguna?
- Jika penyedia diganti, bagaimana akun, riwayat percakapan, dan riwayat pengajuan layanan publik akan dipindahkan?
- Jika perusahaan model yang berpartisipasi mengundurkan diri, bagaimana rasio model dan kualitas layanan akan dipertahankan?
- Berapa target waktu pemulihan saat terjadi gangguan atau insiden keamanan?
- Jika fungsi layanan publik dihentikan, siapa yang akan menangani pengajuan yang sedang berlangsung?

Pertanyaan-pertanyaan ini menyangkut keberlanjutan operasional yang terpisah dari kinerja model. Jika menargetkan layanan yang mendekati infrastruktur publik, perjanjian tingkat layanan, rencana pergantian penyedia, dan portabilitas data juga harus dirancang.

## Indikator untuk memverifikasi kesenjangan akses AI

Jumlah pendaftar atau total pertanyaan saja tidak dapat menunjukkan apakah ‘AI untuk Semua’ telah mengurangi kesenjangan. Hasil harus diukur secara terpisah berdasarkan akses, kualitas, keamanan, kemandirian, dan biaya.

| Area evaluasi | Indikator yang direkomendasikan |
|---|---|
| Aksesibilitas | Tingkat penggunaan berdasarkan wilayah, usia, status disabilitas, dan kelompok pendapatan; tingkat keberhasilan pada perangkat seluler dan berspesifikasi rendah; serta kepatuhan terhadap standar aksesibilitas |
| Pemanfaatan nyata | Tingkat kunjungan ulang, tingkat penyelesaian tugas, tingkat penghentian di tengah proses, dan proporsi permintaan bantuan dari kelompok rentan secara digital |
| Kualitas jawaban | Akurasi fakta bahasa Korea, tingkat penyajian dasar bukti, tingkat halusinasi, dan waktu pembaruan informasi administrasi terbaru |
| Layanan publik | Tingkat kesalahan pemeriksaan awal kelayakan, tingkat penyelesaian pengajuan, tingkat kesalahan pengajuan dan koreksi, serta waktu pemrosesan rata-rata |
| Ekosistem domestik | Proporsi panggilan, token, dan biaya per model; jumlah perusahaan peserta; serta tingkat konsentrasi pada pemasok tertentu |
| Data pribadi·keamanan | Kasus pengumpulan berlebihan, penggunaan sekunder tanpa izin, insiden keamanan, pengambilalihan akun, serta laporan jawaban berbahaya dan waktu penanganannya |
| Stabilitas operasional | Uptime, keterlambatan respons, waktu tunggu saat padat, dan waktu pemulihan gangguan |
| Efisiensi ekonomi | Biaya per pengguna aktif bulanan, biaya per tugas yang diselesaikan, dan perkiraan biaya operasional setelah dukungan pemerintah berakhir |

Jika hanya angka rata-rata yang dipublikasikan, kegagalan kelompok rentan dapat tersamarkan. Bersama hasil keseluruhan, kesenjangan antarkelompok, metode pengukuran, ukuran sampel, waktu evaluasi, dan hasil audit eksternal juga harus dipublikasikan.

## Hal yang perlu diperiksa pengguna setelah peluncuran

Setelah layanan dimulai, sebaiknya periksa terlebih dahulu hal-hal berikut demi keamanan.

- Apakah operator dan alamat akses resmi sesuai dengan pengumuman pemerintah
- Apa saja cakupan gratis dan pembatasan penggunaan wajarnya
- Apakah percakapan digunakan untuk pelatihan model dan bagaimana cara menolaknya
- Kepada perusahaan dan lembaga mana data pribadi diteruskan
- Apakah pengajuan layanan publik hanya berupa penyusunan draf atau benar-benar telah diterima
- Apakah perubahan dan pembatalan dapat dilakukan sebelum pengiriman
- Apakah nomor penerimaan dari lembaga resmi telah diterbitkan setelah pengajuan selesai
- Di mana saluran pelaporan kesalahan dan kerugian serta penanganan sengketa

Keberhasilan atau kegagalan ‘AI untuk Semua’ tidak berhenti pada publikasi model gratis. Sasaran kebijakan dapat dinilai ketika pengguna mampu menyelesaikan pekerjaan penting dengan aman, perusahaan AI domestik berpartisipasi dengan cara yang dapat diverifikasi, serta biaya dan hasil penggunaan dana publik dipublikasikan secara transparan.

## FAQ

### Apakah program pemerintah ‘AI untuk Semua’ sudah dapat digunakan sekarang?
Per 17 Agustus 2026, pendaftaran terbuka bagi penyedia layanan telah ditutup, tetapi layanan ini belum dapat dianggap telah diluncurkan secara resmi. Perlu dipastikan apakah peluncuran resmi akan dilakukan setelah pemilihan penyedia, penandatanganan kontrak, pemeriksaan keamanan, dan uji coba operasional.

### Kapan tepatnya ‘diluncurkan tahun ini’?
Peluncuran tahun ini berarti target untuk menghadirkan layanan tersebut dalam tahun 2026. Tanggal pasti dan apakah chatbot serbaguna serta agen AI layanan publik akan diluncurkan secara bersamaan baru dapat dipastikan setelah ada pengumuman resmi lanjutan.

### Jika gratis dan tanpa batas, apakah semua fitur dan API juga dapat digunakan tanpa batasan?
Hal itu tidak dapat dipastikan. Gratis dan tanpa batas merupakan sasaran layanan bagi pengguna umum, sedangkan pemanggilan otomatis dalam jumlah besar, API untuk perusahaan, berkas berukuran besar, serta fitur gambar dan video dapat dikenai batasan tersendiri atau kebijakan penggunaan wajar.

### Berdasarkan apa penggunaan setidaknya 50% model fondasi AI buatan dalam negeri dihitung?
Hasilnya akan berbeda tergantung apakah perhitungannya didasarkan pada jumlah pemanggilan, jumlah token, volume komputasi, atau biaya inferensi. Penilaian yang dapat dipercaya hanya dimungkinkan jika rumus perhitungan dalam kontrak, statistik penggunaan setiap model, dan metode audit eksternal diungkapkan bersama-sama.

### Mengapa setidaknya 30% penggunaan dialokasikan untuk model dari perusahaan dalam negeri lainnya?
Hal ini dapat dipandang sebagai desain ekosistem untuk mengurangi pemusatan permintaan hanya pada model milik penyedia terpilih dan memungkinkan berbagai perusahaan AI dalam negeri berpartisipasi dalam layanan. Namun, dampak sebenarnya harus diverifikasi melalui pembagian tugas, rumus perhitungan penggunaan, jumlah perusahaan peserta, dan kesinambungan kontrak.

### Apakah sisa 20% setelah 50% dan 30% dialokasikan untuk model AI asing?
Belum tentu. Secara matematis memang tersisa 20%, tetapi perlu memeriksa aturan penghitungan dalam pengumuman dan kontrak untuk mengetahui sejauh mana penggunaan tambahan model dalam negeri, model pencarian dan klasifikasi, alat keamanan, atau model eksternal diperbolehkan.

### Apakah agen AI akan menyelesaikan permohonan layanan publik secara otomatis?
Sebelum cakupan fungsi akhir ditetapkan, tidak boleh diasumsikan bahwa permohonan akan diselesaikan secara otomatis. Dalam struktur yang aman, sistem seharusnya menyediakan pemeriksaan awal kelayakan, panduan dokumen, dan draf formulir permohonan, lalu memperoleh nomor penerimaan dari sistem administrasi resmi setelah pengguna menjalani verifikasi identitas dan memberikan konfirmasi akhir.

### Siapa yang bertanggung jawab jika AI mengajukan permohonan yang keliru?
Tanggung jawab berbeda-beda tergantung penyebab kesalahan. Sistem harus dapat membedakan jawaban model yang keliru, kegagalan integrasi sistem, kesalahan input otomatis, informasi administrasi yang belum diperbarui, dan input palsu oleh pengguna. Penyedia layanan operasional dan instansi terkait juga harus menyediakan prosedur koreksi, pembatalan, dan penanganan sengketa.

### Apakah isi konsultasi layanan publik dapat digunakan untuk melatih AI?
Kebijakan akhir mengenai pemrosesan informasi pribadi dan layar persetujuan harus diperiksa. Penting untuk memisahkan informasi pribadi dan informasi sensitif yang digunakan dalam permohonan administratif dari data percakapan umum, memberikan pemberitahuan yang jelas mengenai apakah data digunakan untuk pelatihan model, serta menyediakan cara untuk menolak dan menghapusnya.

### Bagaimana cara menilai apakah ‘AI untuk Semua’ telah mengurangi ketergantungan pada AI asing?
Rasio pemanggilan model dalam negeri saja tidak cukup. Kemampuan untuk memodifikasi dan melatih ulang model, kepemilikan bobot dan hak operasional, lokasi pemrosesan data, tingkat ketergantungan pada GPU dan cloud luar negeri, kemungkinan penggantian jika pasokan terhenti, serta struktur biaya harus dinilai secara menyeluruh.

### Indikator apa yang harus digunakan untuk memastikan apakah kesenjangan aksesibilitas AI telah berkurang?
Alih-alih hanya melihat jumlah total pengguna terdaftar, perlu dibandingkan tingkat penggunaan aktual, tingkat penyelesaian tugas, tingkat penghentian di tengah proses, aksesibilitas pada perangkat berspesifikasi rendah, tingkat kesalahan, dan rasio permintaan bantuan berdasarkan wilayah, usia, disabilitas, serta kelompok pendapatan. Dampak kebijakan hanya dapat dinilai jika kesenjangan antarkelompok diungkapkan bersama nilai rata-ratanya.

## Sources

- [Siaran pers berbahasa Inggris Kementerian Sains dan TIK, nttSeqNo 1285](https://www.msit.go.kr/eng/bbs/view.do?bbsSeqNo=42&mId=4&mPid=2&nttSeqNo=1285&sCode=eng)
- [Situs web resmi Kementerian Sains dan TIK](https://www.msit.go.kr/index.do?PB_1627285017=1)
- [Siaran pers berbahasa Inggris Kementerian Sains dan TIK, nttSeqNo 1243](https://www.msit.go.kr/eng/bbs/view.do?bbsSeqNo=42&mId=4&mPid=2&nttSeqNo=1243&sCode=eng)

## Images

![Jaringan AI yang menghubungkan warga dan pemerintah dengan berbagai layanan publik](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6OTE3MywicHVyIjoiYmxvYl9pZCJ9fQ==--5eb71b4addcede49812b54e7b93021867442e036/ai-75517c05.webp)
![Aliran data AI menuju gedung pemerintah dengan pemeriksaan keamanan, akses, dan kualitas](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6OTE3OSwicHVyIjoiYmxvYl9pZCJ9fQ==--2e93ea0619a310dede2dcd826c633bcdc407208b/ai-bf86986d.webp)