Bapenda Batam Gelar Knowledge Sharing KATALIS II P2DD 2026, Siapkan ASN Kuasai Artificial Intelligence demi Optimalisasi Pajak Daerah
Badan Pendapatan Daerah (Bapenda) Kota Batam terus menunjukkan komitmen nyata dalam mendorong perluasan ekosistem tata kelola keuangan digital di lingkungan pemerintahan. Langkah strategis ini diwujudkan melalui penyelenggaraan kegiatan edukasi internal berupa Knowledge Sharing bertajuk “Katalis II P2DD Kota Batam: Pemanfaatan Artificial Intelligence (AI) untuk Mendukung Digitalisasi Layanan Pajak Daerah dan Efektivitas Kerja ASN Bapenda Kota Batam”. Bertempat di Ruang Rapat Perencanaan Pendapatan, Evaluasi dan Sistem Informasi (PEVSI), forum ini digelar sebagai wadah diseminasi wawasan untuk mempercepat implementasi elektronifikasi transaksi pemerintah daerah.
Kegiatan yang berlangsung pada hari Selasa, 2 Juni 2026 ini, diinisiasi oleh internal Bapenda Kota Batam dengan menyasar para aparatur sipl negara (ASN) non-peserta program Katalis. Kehadiran perwakilan pegawai dalam forum ini mencerminkan antusiasme jajaran birokrasi daerah untuk memperbarui kompetensi teknis mereka di bidang teknologi informasi. Tercatat sebanyak 18 peserta hadir dari total target sasaran 23 pegawai, menciptakan ruang diskusi yang dinamis.
Bertindak sebagai narasumber, Kepala Bidang Perencanaan Pendapatan, Evaluasi dan Sistem Informasi Bapenda Kota Batam, Mohamad Isa Isnandar, S.Kom., M.Sc., membagikan ilmu yang didapatkannya dari kegiatan KATALIS II P2DD 2026. Dalam paparannya yang berjudul “Pemanfaatan AI untuk ASN Bapenda Kota Batam: Menguasai Prompt Engineering untuk Digitalisasi Layanan Pajak Daerah dan Efektivitas Pekerjaan,” beliau menggarisbawahi bahwa kecerdasan buatan merupakan mitra kerja kolaboratif yang sangat potensial. Penerapan teknologi ini diharapkan mampu memperlancar alur manajemen kerja harian instansi sekaligus mempercepat modernisasi layanan perpajakan di Batam.
Narasumber menjelaskan secara mendalam mengenai konsep Generative AI yang dianalogikan sebagai asisten digital yang responsif. Agar asisten ini mampu memberikan hasil analisis yang akurat dan relevan, diperlukan kecakapan khusus yang dikenal sebagai Prompt Engineering, yaitu seni menyusun instruksi yang spesifik dan sistematis. Dalam forum tersebut, para pegawai dibekali pemahaman komprehensif mengenai 11 pola prompt yang terbagi ke dalam tiga kategori utama guna mendukung efisiensi penyusunan dokumen kedinasan dan pekerjaan administratif lainnya, serta analisis data.
Kategori pertama yang dibahas adalah Pola Dasar, yang menjadi fondasi bagi ASN dalam mengarahkan sudut pandang dan format keluaran data dari kecerdasan buatan. Melalui materi ini, peserta mempelajari kegunaan Pola Persona untuk memosisikan AI sebagai ahli pajak daerah, serta Pola Persona Audiens untuk merancang materi edukasi masyarakat menggunakan bahasa yang lebih mudah dipahami. Selain itu, teknik Few-shots dan Chain-of-thought turut dipraktikkan untuk memandu jalan pikiran AI agar mampu melakukan kalkulasi analitik, seperti membandingkan realisasi dengan target bulanan pada pos Pajak Reklame secara logis.
Melangkah ke tingkat berikutnya, para peserta diperkenalkan pada rumpun Adaptive Prompting yang mengedepankan pola interaksi dua arah antara pegawai dan AI. Kategori ini mencakup Pola Question Refinement dan Alternative Approaches yang sangat berguna ketika ASN membutuhkan opsi sudut pandang alternatif untuk menyelesaikan kendala regulasi perpajakan daerah. Tidak kalah menarik, sebgagai contoh Pola Flipped Interaction atau interaksi terbalik turut dipaparkan sebagai metode di mana AI bertindak aktif mewawancarai pegawai untuk mengumpulkan data lapangan penulisan draf SOP pendaftaran pajak maupun Kerangka Acuan Kerja (KAK).
Pada kategori terakhir, fokus diarahkan pada Pola Konsistensi Hasil untuk menjaga agar struktur dokumen penagihan dan pelaporan tetap rapi dan terstandarisasi. Di contohkan penggunaan Pola Template bagi petugas lapangan dalam memasukkan data hasil monitoring berkala perangkat tapping box langsung ke dalam blangko laporan. Guna mengatasi keterbatasan memori obrolan pada kecerdasan buatan, teknik Tail Generation dipaparkan sebagai solusi efektif agar instruksi aturan utama instansi tidak terabaikan oleh sistem selama proses penyusunan dokumen panjang.
Di samping pemaparan aspek teknis operasional, forum knowledge sharing ini juga memberikan atensi terhadap aspek keamanan dan privasi data instansi. Mohamad Isa Isnandar memberikan peringatan kepada seluruh jajaran ASN agar tidak mengunggah data konfidensial daerah ke dalam platform AI pihak ketiga. Kerahasiaan jabatan, informasi keuangan internal, sandi akses, hingga data sensitif Wajib Pajak seperti Nama, NIK, dan NPWP wajib dilindungi sepenuhnya dengan menggunakan teknik penyamaran data contoh (dummy data).
Lebih lanjut, forum ini menyepakati komitmen bersama mengenai penerapan prinsip Human in the Loop dalam mengadopsi kemajuan teknologi. Keberadaan Generative AI diposisikan murni sebagai alat bantu peningkatan produktivitas kerja pegawai, bukan sebagai pemutus kebijakan akhir organisasi. Setiap ASN Bapenda Kota Batam memiliki akuntabilitas penuh untuk melakukan proses verifikasi, validasi angka, dan pengecekan fakta di lapangan terhadap setiap dokumen ataupun draf laporan yang diproduksi oleh kecerdasan buatan.
