Bisakah AI NTU Memprediksi Dampak Bantuan Tunai Sebelum Disalurkan?

Voucher yang habis dipakai belum tentu berarti belanja masyarakat naik sebesar nilai voucher itu. Penerima bisa saja menggunakannya untuk membeli barang yang memang sudah akan dibeli, lalu menyimpan uangnya sendiri. Perbedaan inilah yang ingin ditelaah peneliti Nanyang Technological University (NTU) di Singapura melalui simulator kebijakan berbasis kecerdasan buatan (AI), sebelum pembuat kebijakan memutuskan bentuk bantuan.25

Apa yang akan disimulasikan?

Tim Nanyang Business School yang terdiri atas Hyeokkoo Eric Kwon, Jaecheol Park, Mo Jiayun, dan Kayoung Shin ingin memperkirakan respons konsumen terhadap pilihan kebijakan, misalnya voucher senilai $100. Yang dilihat bukan sekadar apakah voucher digunakan, melainkan apakah penerima menabung, menambah total belanja, atau mengubah jenis barang yang dibeli.25

OpenAI mencantumkan proyek riset ini dengan nama “Privacy-Preserving LLM Agents for Auditable Government Policy Simulation”. Itu nama proyeknya; menurut pemberitaan, alat simulasinya sendiri belum memiliki nama.85

Dari mana agen AI memperoleh gambaran perilaku konsumen?

Rancangan sistem ini menggunakan riwayat transaksi yang telah dianonimkan dari sekitar 1,5 juta pengguna aplikasi pengelola anggaran di Korea Selatan yang tidak disebutkan namanya. Data tersebut mencakup periode 2023–2025 dan dimaksudkan untuk membantu agen AI merepresentasikan beragam kondisi keuangan serta pola belanja.23

Menurut penjelasan yang tersedia, informasi transaksi mula-mula dikumpulkan melalui notifikasi bank. Penanda identitas dihapus, sementara angka pengeluaran, pendapatan, dan waktu pembelian dikelompokkan ke dalam rentang. Bergantung pada tingkat sensitivitasnya, karakteristik suatu profil harus dimiliki bersama oleh sedikitnya tiga, lima, atau 10 pengguna. Langkah-langkah ini bertujuan mengurangi risiko satu riwayat keuangan dapat dikenali dari profil simulasi; anonimisasi bukan jaminan bahwa identifikasi ulang mustahil dilakukan.2

Berbeda dari simulasi yang memberi aturan belanja tetap kepada semua orang dalam satu kategori, agen AI dirancang untuk merespons gabungan beberapa karakteristik. Misalnya, pendapatan dan usia bisa bersama-sama memengaruhi cara seseorang memakai voucher. Keluwesan itu adalah potensi keunggulan yang masih harus diuji, bukan bukti bahwa prediksinya sudah lebih akurat daripada model berbasis survei atau aturan tetap.23

Bagaimana prediksinya akan diperiksa?

Tim berencana membandingkan hasil simulasi dengan belanja yang teramati sebelum dan sesudah penyaluran bantuan di Korea Selatan pada Juli dan September 2025. Bantuan tersebut hanya dapat digunakan di peritel yang memenuhi syarat dan harus dibelanjakan paling lambat November 2025. Peristiwa nyata ini memberi pembanding untuk memeriksa prediksi perubahan pembelian dan belanja.2

Perbandingan itu juga dapat membantu menemukan perilaku agen yang tidak masuk akal atau penjelasan yang dikarang AI. Namun, untuk membuktikan keunggulan sebagai alat prediksi, simulator perlu memperkirakan hasil yang belum diperlihatkan kepadanya, mengungguli model pembanding yang relevan, serta memperhitungkan perubahan lain yang mungkin memengaruhi belanja. Laporan yang tersedia belum memuat protokol evaluasi terperinci ataupun angka kesalahan prediksi yang dipublikasikan. Klaim akurasi lebih tinggi masih merupakan sasaran riset, bukan hasil yang sudah mapan.23

Kapan alat ini ditargetkan tersedia?

Proyek NTU termasuk satu dari 14 proyek yang dipilih OpenAI dari lebih dari 400 pengajuan. Kwon mencantumkan nilai dukungan sebesar US$100.000; menurut pemberitaan, separuhnya berupa dana tunai dan separuh lagi kredit untuk memakai model OpenAI. Dukungan itu ditujukan bagi pengembangan dan pengujian selama sekitar enam bulan.8104

Tim menargetkan rilis sumber terbuka pada Februari 2027 dan berharap simulator dapat disesuaikan untuk populasi yang berbeda. Rencananya juga mencakup profil agen yang lebih kaya, termasuk minat dan pandangan politik, serta penjelasan atas prediksi yang dihasilkan.4 Semua itu masih target pengembangan. Kemampuan alat untuk bekerja di luar konteks data Korea Selatan—dan apakah penjelasannya mencerminkan prediksi yang andal—tetap harus dibuktikan lewat pengujian.