AI, Energi, dan Risiko Propaganda Korporasi

Permintaan listrik global melonjak tajam beberapa tahun terakhir dan salah satu pemicunya bukan pabrik baja, tapi pusat data AI. Di beberapa wilayah, data center besar sudah mengonsumsi listrik setara ratusan ribu rumah tangga. Tagihannya naik, emisi ikut naik, dan masyarakat diminta percaya bahwa “AI akan menyelamatkan masa depan”.

Di seri “AI untuk Sektor Energi Indonesia: Transisi Berkelanjutan” ini, kita biasanya bicara soal hal-hal positif: optimasi jaringan listrik, integrasi energi terbarukan, smart metering, dan efisiensi operasional. Tapi hari ini kita bahas sisi lain: ketika riset soal dampak negatif AI justru dibungkam, dan apa artinya untuk transisi energi Indonesia.

Artikel di luar sana baru saja mengulas pengunduran diri beberapa peneliti ekonomi dari OpenAI yang menuduh perusahaan lebih mendorong propaganda ketimbang riset jujur, termasuk soal dampak AI terhadap pekerjaan dan ekonomi. Kalau di level global saja diskusinya bisa dimanipulasi, Indonesia perlu jauh lebih waspada saat mengadopsi AI di sektor energi.

1. Ketika Riset AI Disetir, Publik yang Menanggung Risiko

Masalah utamanya sederhana: kalau riset soal risiko AI disaring, kebijakan publik jadi buta arah.

Beberapa peneliti ekonomi di OpenAI kabarnya mundur karena merasa tim mereka “bergeser dari riset ke corong propaganda perusahaan”. Ceritanya bukan cuma soal internal organisasi, tapi soal pola yang sering kita lihat: narasi “AI akan menciptakan lebih banyak pekerjaan dan pertumbuhan ekonomi” disuarakan keras, sementara riset tentang PHK massal, konsentrasi kekayaan, atau beban energi yang naik pelan-pelan disisihkan.

Kalau yang didengar publik cuma sisi manis, kebijakan energi dan industri akan dirancang di atas asumsi yang salah.

Di sektor energi, bias narasi seperti ini bisa sangat berbahaya:

• AI dijual sebagai solusi otomatis untuk semua masalah jaringan listrik.
• Permintaan listrik dari pusat data AI dianggap “harga yang wajar demi kemajuan”.
• Tidak ada diskusi serius tentang dari mana listriknya, sebersih apa, siapa yang membayar lonjakan tarif.

Indonesia sedang mengejar target bauran EBT, menutup PLTU batubara secara bertahap, dan menata ulang regulasi ketenagalistrikan. Kita tidak bisa mengandalkan narasi marketing dari segelintir perusahaan global untuk memutuskan seberapa agresif AI harus didorong di sistem energi kita.

2. AI Meningkatkan Permintaan Listrik: Ancaman atau Peluang?

Fakta yang sering diabaikan: AI sangat boros energi. Model-model besar butuh server, pendingin, dan infrastruktur jaringan yang rakus listrik. Setiap chat, setiap inferensi, setiap training model skala besar punya jejak energi.

Di beberapa negara, lonjakan permintaan listrik akibat pusat data AI sudah menyebabkan:

• PLTU tua dipertahankan lebih lama.
• Pembangkit fosil mobile disewa untuk menopang beban puncak.
• Tarif listrik konsumen naik karena beban infrastruktur.

Kalau pola ini dibiarkan menular ke Indonesia tanpa kendali, transisi energi bisa melambat. Alih-alih mempercepat EBT, kita justru terjebak menjaga pasokan murah berbasis batubara demi kebutuhan data center.

Di Indonesia, posisi kita di persimpangan

Kabar baiknya, Indonesia belum terlambat. Pemerintah, PLN, dan pelaku industri energi masih punya ruang desain:

• Menetapkan standar efisiensi dan intensitas emisi untuk data center.
• Mewajibkan porsi tertentu energi terbarukan untuk beban AI.
• Menempatkan pusat data di lokasi dengan potensi EBT tinggi (misalnya dekat PLTS besar atau PLTA).

AI bisa jadi beban tambahan, tapi juga bisa jadi alat untuk mengurangi konsumsi energi total jika diarahkan benar. Bedanya ada di desain kebijakan, bukan di hype marketing.

3. AI di Sektor Energi: Dari Smart Metering sampai Optimasi Jaringan

Kalau kita singkirkan propaganda dan balik ke substansi, AI memang punya manfaat nyata untuk sektor energi Indonesia — asalkan digunakan secara bertanggung jawab.

Beberapa contoh penggunaan yang masuk akal:

Prediksi permintaan listrik yang lebih akurat

Model AI bisa memprediksi beban harian hingga per 15 menit berdasarkan:

• Pola konsumsi historis
• Data cuaca
• Aktivitas industri dan komersial

Dampaknya:

• PLN bisa merencanakan operasi pembangkit dengan lebih presisi.
• PLTU tidak perlu standby berlebihan.
• Integrasi PLTS dan PLTB lebih lancar karena pola intermitensi lebih bisa diprediksi.

Smart metering dan manajemen beban

Smart meter yang diberi “otak” AI bisa:

• Menganalisis pola konsumsi pelanggan.
• Mengidentifikasi anomali (pencurian listrik, kerusakan alat, atau keborosan ekstrem).
• Memberi rekomendasi penghematan yang personal.

Untuk industri dan gedung komersial, AI dapat membantu:

• Demand response: menurunkan beban saat jam puncak dengan insentif tarif.
• Optimasi penggunaan chiller, HVAC, dan beban besar lainnya.

Hasilnya bukan sekadar efisiensi biaya, tapi juga pengurangan kebutuhan kapasitas pembangkit puncak.

Optimasi jaringan dan integrasi energi terbarukan

Di jaringan distribusi dan transmisi, AI bisa:

• Memprediksi titik rawan gangguan.
• Mengoptimalkan aliran daya agar rugi-rugi jaringan turun.
• Mengelola pembangkit terbarukan tersebar (PLTS atap, PLTB skala kecil) supaya tidak mengganggu stabilitas.

Di sinilah AI benar-benar selaras dengan transisi energi berkelanjutan: makin efisien jaringan, makin mudah memasukkan energi terbarukan dalam porsi tinggi tanpa mengorbankan keandalan.

4. Transparansi Riset: Syarat Mutlak AI untuk Energi Berkelanjutan

Kasus peneliti yang keluar dari OpenAI karena menilai riset diarahkan ke “advokasi AI” harus jadi alarm dini. Kalau di sektor umum saja riset dampak negatif bisa ditekan, bagaimana dengan sektor energi yang menyangkut kepentingan finansial besar?

Untuk Indonesia, ada beberapa prinsip yang menurut saya tidak bisa ditawar:

1. Riset dampak energi AI harus terbuka

• Intensitas energi pusat data AI perlu dilaporkan ke publik.
• Proyeksi permintaan listrik dari data center baru harus dievaluasi bersama dampak lingkungan.
• Kajian harus melibatkan akademisi independen, bukan hanya konsultan yang dibayar pengembang.

2. Kebijakan otonom, bukan copy-paste

Indonesia tidak perlu menelan mentah-mentah narasi “AI akan menciptakan lebih banyak pekerjaan daripada yang hilang” tanpa data lokal. Struktur ekonomi, kesiapan SDM, dan sistem energinya berbeda.

Pemerintah dan BUMN energi perlu:

• Mendanai riset lokal tentang AI di ketenagalistrikan, pasar tenaga kerja, dan dampak sosial.
• Menguji klaim vendor AI berdasarkan bukti, bukan tekanan politik atau tren global.

3. Etika dan akuntabilitas dalam deployment AI

AI untuk sistem energi menyentuh:

• Keandalan pasokan listrik rumah tangga dan industri.
• Akses energi bagi masyarakat berpendapatan rendah.
• Keputusan investasi miliaran rupiah yang efeknya puluhan tahun.

Artinya, perlu:

• Audit algoritma: bagaimana keputusan diambil, apa data latihnya, potensi biasnya.
• Mekanisme koreksi: kalau model salah dan merugikan kelompok tertentu, siapa tanggung jawab?

Tanpa transparansi, AI di energi bisa berubah dari alat transisi berkelanjutan menjadi alat ekstraksi nilai untuk segelintir pelaku.

5. Menghindari “Propaganda AI” di Transisi Energi Indonesia

Most companies get this wrong: mereka melihat AI sebagai proyek branding dan PR, bukan sebagai infrastruktur kritis yang harus diuji ketat. Akhirnya, manajemen mendengar lebih banyak presentasi vendor daripada analisis engineer dan ekonom internal.

Ada cara yang lebih sehat untuk Indonesia:

a. Mulai dari masalah, bukan dari teknologi

Pertanyaan pertama selalu:

“Masalah utama sistem energi kita apa, dan apakah benar AI solusi terbaiknya?”

Misalnya:

• Tingginya rugi-rugi jaringan di daerah tertentu.
• Kesulitan memprediksi beban di wilayah dengan banyak PLTS atap.
• Lonjakan tagihan listrik di sektor komersial.

Baru setelah problem jelas, AI dipertimbangkan sebagai salah satu opsi, bukan satu-satunya.

b. Pasangkan AI dengan target emisi yang jelas

Setiap proyek AI di sektor energi sebaiknya diikat ke indikator yang bisa diukur, misalnya:

• Pengurangan konsumsi energi per unit output (kWh/unit produksi).
• Peningkatan porsi energi terbarukan dalam bauran.
• Penurunan emisi CO₂ dari operasi jaringan.

Kalau proyek AI hanya menambah konsumsi server tanpa kontribusi nyata ke tiga hal itu, masuk kategori “nice to have”, bukan prioritas transisi energi.

c. Bangun kapasitas lokal, jangan hanya jadi konsumen teknologi

Indonesia butuh:

• Data scientist dan engineer energi yang paham konteks lokal (PLN, IPP, regulator).
• Kemitraan perguruan tinggi–industri yang fokus ke AI untuk ketenagalistrikan, bukan sekadar chatbot.
• Sandbox regulasi untuk uji coba AI di pasar listrik, smart grid, dan smart metering dengan perlindungan konsumen.

Kalau kapasitas lokal kuat, narasi “AI pasti baik” akan lebih mudah diuji dengan data dan eksperimen, bukan sekadar brosur pemasaran.

6. Menata Ulang Narasi: AI sebagai Alat, Bukan Agama Baru

AI punya potensi besar membantu transisi energi Indonesia, dari optimasi jaringan listrik, prediksi permintaan, sampai smart metering yang membuat konsumen lebih hemat. Tapi potensi itu bisa tenggelam kalau ruang publik dibanjiri propaganda yang menutupi biaya energi, risiko sosial, dan konsentrasi kekayaan.

Kasus peneliti yang keluar dari OpenAI karena menolak jadi corong promosi adalah pengingat bahwa:

• Riset independen itu mahal, tapi jauh lebih mahal kalau kita membuat kebijakan tanpa riset jujur.
• Transparansi dampak ekonomi dan energi dari AI bukan bonus, tapi syarat.

Kalau Indonesia ingin AI benar-benar mendukung transisi energi berkelanjutan, bukan malah menghambatnya, kita perlu sikap sederhana tapi tegas:

AI boleh dipakai luas di sektor energi, tapi hanya sejauh ia membantu mengurangi emisi, meningkatkan efisiensi, dan menjaga keadilan akses energi.

Sisanya? Wajib diuji, diperdebatkan, dan diawasi. Bukan ditelan mentah-mentah karena slogan “masa depan”.

Pertanyaannya sekarang: saat pusat data AI mulai berdatangan dan vendor datang dengan janji manis, apakah ekosistem energi Indonesia siap bertanya hal-hal yang tidak nyaman — dan berani menolak kalau jawabannya tidak memadai?