Jakarta | Wakil Menteri Keuangan Nurkholisoh Ibnu Aman mengungkapkan bahwa pemerintah menggunakan kecerdasan buatan atau artificial intelligence untuk mengawasi pajak perusahaan kelapa sawit. Pemanfaatan teknologi digital tersebut menjadi bagian dari upaya menelusuri aktivitas ekonomi yang berkaitan dengan komoditas sawit secara lebih menyeluruh, terutama melalui pengolahan data yang tersedia.
Pengawasan itu mencakup data produksi dan transaksi penjualan komoditas sawit. Dengan menelaah kedua jenis informasi tersebut, pemerintah dapat memperoleh gambaran mengenai kegiatan usaha perusahaan, mulai dari jumlah produksi hingga nilai transaksi yang tercatat dalam proses penjualan. Data tersebut menjadi dasar penting untuk menelusuri kesesuaian aktivitas komersial perusahaan dan kewajiban pajaknya.
Penerapan kecerdasan buatan memungkinkan data produksi serta transaksi penjualan dianalisis secara sistematis. Teknologi ini dapat membantu mengidentifikasi hubungan berbagai catatan usaha dan memberikan informasi yang lebih terukur dalam proses pengawasan. Penggunaannya juga menunjukkan bahwa pengawasan pajak mulai memanfaatkan kemampuan teknologi untuk menangani data komoditas dalam skala besar.
Konteks pengawasan ini berkaitan dengan posisi Indonesia sebagai salah satu produsen utama minyak kelapa sawit atau crude palm oil (CPO) dunia. Besarnya aktivitas produksi dan perdagangan sawit membuat ketersediaan data yang akurat menjadi penting dalam menelusuri kewajiban pajak perusahaan. Pernyataan mengenai penggunaan kecerdasan buatan tersebut disampaikan Nurkholisoh di Hotel Mulia, Jakarta, pada Selasa, 13 Oktober 2026.
Pemanfaatan teknologi digital dalam penelusuran pajak komoditas sawit dimulai dari dokumen transaksi yang telah tersedia. Dalam setiap jual beli antarbisnis, pihak penjual menerbitkan faktur pajak elektronik sebagai bukti transaksi. Dokumen ini memuat informasi penting, lain identitas pihak yang bertransaksi, jenis barang, volume, dan nilai penjualan. Namun, terdapat tantangan ketika perusahaan menggunakan pilihan kata yang berbeda untuk menjelaskan barang dagangannya. Produk yang sama dapat ditulis dengan istilah, singkatan, atau uraian yang tidak seragam, sehingga pencarian berbasis kata kunci sederhana berisiko melewatkan data relevan.
Pada titik ini, machine learning digunakan untuk membaca dan memilah isi faktur secara lebih sistematis. Sistem mempelajari pola berbagai uraian barang, lalu menghubungkan istilah yang berbeda dengan jenis komoditas yang sesuai. Melalui proses tersebut, informasi mengenai barang yang terjual dapat diidentifikasi, termasuk keterangan yang berkaitan dengan sawit dan produk turunannya. Teknologi ini juga membantu mencatat jumlah atau volume barang serta nilai harga yang tercantum dalam setiap transaksi.
Pengolahan itu kemudian dapat dipadukan dengan big data, yaitu kumpulan informasi transaksi dalam jumlah besar dari berbagai sumber. Data yang sebelumnya tersebar dapat dibandingkan untuk melihat hubungan antarpelaku usaha, pola penjualan, perubahan volume, dan nilai perdagangan. Sistem berbasis kecerdasan buatan atau AI membantu menelusuri transaksi sawit secara lebih terstruktur, terutama ketika data yang harus diperiksa terus bertambah dan menggunakan format keterangan yang beragam.
Nurkholisoh menekankan bahwa teknologi tersebut berfungsi membantu memilah informasi yang terdapat dalam dokumen transaksi. Machine learning dan AI bukan pengganti seluruh proses perpajakan, termasuk pemeriksaan, penilaian, serta pengambilan keputusan oleh petugas. Teknologi menyediakan dasar informasi yang lebih tertata agar pengawasan dapat dilakukan secara cepat, konsisten, dan berbasis data. Dengan demikian, faktur elektronik tidak hanya menjadi arsip administrasi, tetapi juga sumber informasi untuk menelusuri aktivitas perdagangan komoditas sawit.
Pemantauan transaksi komoditas sawit perlu ditempatkan dalam kerangka pengawasan yang lebih luas terhadap perdagangan tiga komoditas strategis, termasuk crude palm oil (CPO), yang berkaitan dengan praktik PT Danantara Sumberdaya Indonesia. Pemanfaatan teknologi digital memungkinkan otoritas menghubungkan informasi dari berbagai sumber secara lebih cepat, terstruktur, dan konsisten. Data perdagangan, dokumen penjualan, serta informasi perpajakan dapat dianalisis untuk mengenali pola yang memerlukan perhatian tanpa langsung menyimpulkan adanya pelanggaran.
Salah satu tujuan utama pemantauan tersebut adalah memastikan tidak terdapat transaksi yang terindikasi underinvoicing maupun transfer pricing. Kedua risiko itu dapat memengaruhi nilai transaksi yang dilaporkan dan, pada akhirnya, perhitungan kewajiban pajak. Karena itu, sistem tidak hanya membaca satu dokumen, tetapi membandingkan informasi yang saling berkaitan. Pencocokan dilakukan data transaksi, nilai barang, pihak yang terlibat, periode perdagangan, dan laporan penjualan yang disampaikan perusahaan.
Proses pemeriksaan berbasis data dapat dimulai dengan mengidentifikasi transaksi yang tercatat dalam sistem, lalu mencocokkannya dengan laporan penjualan dan dokumen pendukung. Teknologi analitik membantu menemukan kesamaan atau perbedaan angka secara presisi, termasuk ketika data berasal dari periode atau sumber yang berbeda. Apabila nilai dalam laporan penjualan tidak selaras dengan catatan transaksi, perbedaan tersebut dapat ditandai untuk dilakukan verifikasi lebih lanjut.
Menurut Nurkholisoh, ketidaksesuaian angka merupakan petunjuk yang jelas bagi pemeriksaan lanjutan. Namun, tanda tersebut tetap berfungsi sebagai indikator risiko, bukan bukti bahwa suatu pelanggaran telah terjadi. Pemeriksa masih perlu menilai konteks transaksi, dasar penetapan harga, hubungan antarpihak, dan kelengkapan dokumen. Dengan pendekatan ini, pemantauan digital mendukung pemeriksaan yang lebih objektif, terarah, dan akurat, sekaligus memperkuat transparansi pengawasan pajak atas CPO dan komoditas strategis lainnya.
Nurkholisoh menegaskan bahwa pemanfaatan teknologi digital dalam penelusuran pajak komoditas sawit perlu ditempatkan sesuai kebutuhan dan karakteristik sektor yang ditangani. Kecerdasan buatan (AI), big data, dan machine learning dapat membantu otoritas pajak mengenali pola transaksi, memetakan potensi ketidakpatuhan, serta menemukan risiko yang mungkin tidak terlihat melalui pemeriksaan konvensional. Dengan mengolah data dari berbagai sumber, teknologi juga berpeluang mendukung pelayanan yang lebih cepat, akurat, dan sesuai dengan kondisi wajib pajak.
Meski demikian, penggunaan perangkat digital tidak serta-merta menjamin penerimaan pajak akan meningkat. Teknologi hanya menyediakan alat untuk mengolah informasi dan memberikan indikasi yang dapat digunakan dalam proses pengawasan. Penentuan sektor prioritas, penilaian atas data, serta tindak lanjut terhadap temuan tetap memerlukan pertimbangan dan tanggung jawab manusia. Karena itu, penerapan AI, big data, maupun machine learning harus disertai pemahaman yang memadai mengenai proses bisnis sawit, ketentuan perpajakan, serta kondisi wajib pajak di lapangan.
Pengelolaan sumber daya manusia menjadi bagian penting dalam memastikan teknologi digunakan secara tepat. Petugas perlu memiliki kemampuan untuk membaca hasil analisis, memeriksa kualitas data, menjaga kerahasiaan informasi, dan mengambil keputusan berdasarkan ketentuan yang berlaku. Tanpa tata kelola, kompetensi, dan pengawasan yang baik, alat digital dapat menghasilkan analisis yang keliru atau tidak memberikan manfaat yang diharapkan.
Pesan utama Nurkholisoh adalah efektivitas teknologi sangat ditentukan oleh cara penggunaannya. Perangkat tersebut dapat membantu menemukan risiko dan meningkatkan pelayanan kepada wajib pajak apabila diterapkan pada sektor yang tepat, dengan tujuan yang jelas serta dukungan pengelolaan manusia yang baik. Oleh sebab itu, penguatan teknologi perlu berjalan bersama peningkatan kapasitas petugas dan penataan proses kerja, sehingga pemanfaatannya tetap terarah dalam mendukung penelusuran pajak komoditas sawit.
Baca juga: Pertumbuhan Energi dan Infrastruktur Digital di Indonesia: IEE Series Energy Week 2026 | Peluncuran Seri Redmi Note 17 di Indonesia: Teknologi dan Inovasi Terbaru | Transformasi Infrastruktur Digital Perbankan di Indonesia
