AI Meningkatkan Penerimaan Pajak

Peran Teknologi Digital dalam Meningkatkan Penerimaan Pajak

Di era digital yang semakin berkembang, teknologi seperti Artificial Intelligence (AI) dan blockchain menjadi alat penting untuk memastikan keadilan dalam sistem perpajakan. Dengan penggunaan teknologi ini, pemerintah dapat menghitung pajak secara obyektif dan akurat, sehingga mengurangi tax gap atau selisih antara pajak yang seharusnya dibayar dengan pajak yang benar-benar dibayarkan.

Tax gap adalah indikator ketidakpatuhan, kebocoran, dan inefisiensi dalam sistem pajak. Nilainya bisa mencapai ratusan triliun per tahun, yang menunjukkan bahwa ruang fiskal pajak Indonesia masih sangat besar dan dapat dioptimalkan tanpa harus menaikkan tarif pajak. Untuk mencapai target ini, diperlukan berbagai terobosan, termasuk digitalisasi, integrasi data, dan implementasi AI.

Contoh Nyata: PalmVision

Salah satu contoh nyata dari pemanfaatan AI dalam sistem perpajakan adalah PalmVision, sebuah perangkat lunak yang dikembangkan oleh Direktorat Jenderal Pajak Kementerian Keuangan RI dan didukung oleh BRAIN IPB University. Perangkat lunak ini mampu melakukan otomatisasi perhitungan produksi minyak sawit (CPO) dari citra satelit lahan sawit yang diambil dengan drone. Dengan mempertimbangkan luas canopy, neraca massa, dan faktor lain, PalmVision mampu memprediksi produksi CPO secara presisi.

Tujuan utama pengembangan PalmVision adalah menekan potensi kehilangan pajak dari sektor minyak kelapa sawit sebesar setidaknya Rp22,83 triliun per tahun. Hal ini dilakukan karena kemampuan perhitungan yang tidak memadai sering kali menyebabkan underestimate produksi CPO.

Etika AI dalam Perpajakan

Meskipun AI memiliki potensi besar dalam meningkatkan efisiensi dan kepatuhan pajak, implementasinya juga membawa beberapa isu terkait tata kelola, kepatuhan hukum, dan risiko terhadap ketergantungan manusia. Beberapa contoh kasus internasional menunjukkan bahwa penggunaan AI tanpa kebijakan yang jelas dapat menimbulkan pelanggaran hak, kesalahan keputusan, atau masalah kerahasiaan data.

Contoh pertama adalah kontroversi penggunaan AI oleh HM Revenue & Customs (HMRC) di Inggris, yang mendapat tuntutan pengungkapan penggunaan AI dalam menilai klaim kredit pajak R&D. Kasus ini menunjukkan risiko penggunaan AI tanpa transparansi dan kebijakan yang jelas.

Kedua, pengalaman Australian Taxation Office (ATO) terkait isu tata kelola AI dan pengurangan tenaga kerja. Audit independen menyoroti tantangan terkait permasalahan tata kelola, risiko disipliner, dan efek pengurangan staf.

Dan ketiga, Direktorat Jenderal Pajak (DJP) Kementerian Keuangan Republik Indonesia pada pertengahan tahun 2025 lalu menyampaikan rencana pemanfaatan crawling untuk mengidentifikasi tanda-tanda harta atau aktivitas ekonomi WP yang belum tercatat. Meskipun langkah ini efektif, ia berisiko memunculkan isu terkait privasi WJ, legalitas akses data, dan proses verifikasi sebelum tindakan administrasi/penagihan dapat dilaksanakan.

Peluang Inovasi dengan AI

Selain PalmVision, ada beberapa peluang inovasi lain yang dapat dikembangkan melalui AI:

• Deteksi kepatuhan dan profiling risiko otomatis: Melalui model ML/AI untuk memindai data SPT, e-faktur, transaksi perbankan, dan metadata.
• Deteksi pola transaksi terstruktur: Melalui anomaly detection pada jaringan supply chain dan identifikasi e-faktur untuk menemukan faktur fiktif.
• Otomasi layanan dan kepatuhan sukarela: Melalui penyediaan chatbots dan virtual assistant berbasis AI untuk membantu WP Individu dan UMKM dalam menyusun SPT.
• Crawling and cross-matching: Untuk WP yang high profile, menggunakan AI NLP dan image/sentiment analysis untuk mengidentifikasi aset/aktivitas yang diposting di media sosial dan marketplace.
• Prediksi penerimaan dan perencanaan fiskal: Melalui model AI yang mampu meningkatkan akurasi prediksi penerimaan dan fitur sistem peringatan dini.

Tantangan dan Kendala

Pemanfaatan AI di DJP menjanjikan peningkatan kepatuhan, efisiensi, dan penerimaan pajak. Namun, ada beberapa risiko struktural, hukum, dan institusional yang perlu dikelola dengan tepat. Selain itu, ada dua kendala teknis lain yaitu data quality dan data integration. Tanpa kualitas data yang baik, AI akan menghasilkan keluaran yang tidak baik pula. Dan tanpa adanya integrasi data antar institusi, maka keluaran AI tidak komprehensif.

Aspek lain yang harus dipersiapkan adalah terkait kesiapan sumber daya manusia dan perubahan organisasi, termasuk upskilling pegawai DJP serta pembentukan unit kerja data dan AI.

Roadmap Implementasi AI

Implementasi AI wajib didasarkan pada roadmap demi pencapaian yang optimal. Terdapat 4 tahapan, yakni:

1. Audit data & pembenahan master data nasional (0–6 bulan pertama) untuk merealisasikan single taxpayer registry.
2. Pilot risk scoring e-faktur + SPT untuk segmen besar (6–12 bulan).
3. Membangun unit Data Science & AI terpusat di DJP (6–18 bulan).
4. Penyusunan skalasi dan integrasi lintas-instansi (18–36 bulan).

Namun yang tidak kalah pentingnya adalah penyusunan kerangka hukum & etika AI, yang meliputi aturan pemakaian data, transparansi algoritma untuk keputusan administratif, mekanisme banding. Kegiatan ini wajib dimulai segera dan bersamaan dengan keempat tahapan yang diuraikan diatas.

Kesimpulan

AI dapat sangat berperan efektif dan efisien bila ditempatkan dalam kerangka tata kelola yang kuat, didukung dengan data berkualitas, dan dipayungi mekanisme hukum yang jelas. Untuk Indonesia—dengan tax gap yang masih besar—AI yang diimplementasikan dengan strategi dan etika yang tepat dapat memberikan tambahan penerimaan signifikan (hingga ratusan triliun rupiah per-tahun). Namun, keberhasilan sangat bergantung pada integrasi data, payung hukum, dan transparansi agar manfaat fiskal tidak mengorbankan hak dan kepercayaan publik.

Keberadaan PalmVision DJP berbasis AI yang diluncurkan pada tahun 2025 dan berpotensi meningkatkan penerimaan +/- Rp22.83 trilliun per-tahun dapat menjadi contoh yang baik dan seyogyanya dapat diikuti dengan pembuatan “vision” yang lain seperti: “FishVision” untuk meningkatkan ketaatan WP sektor kelautan dan perikanan (potensi peningkatan penerimaan Rp30-60 trilliun per-tahun), atau “ForestVision” di bidang kehutanan (potensi peningkatan penerimaan Rp30-60 trilliun per-tahun), atau “MiningVision” di bidang pertambangan (potensi peningkatan penerimaan Rp150-300 triliun per-tahun), dan bidang-bidang strategis lainnya, untuk peningkatan penerimaan negara dari sektor pajak.