Gagasan tulisan ini berangkat dari pembacaan saya terhadap buku Pemikiran-Pemikiran Stratejik Intelijen karya Dr. Margaretha. Pada bagian yang membahas metode analisis intelijen, ada satu hal yang terasa sangat relevan dengan era AI hari ini: bias dalam menganalisis informasi. Dalam intelijen, masalahnya bukan hanya apakah informasi tersedia, tetapi bagaimana informasi itu ditafsirkan. Data yang sama dapat menghasilkan assessment berbeda ketika analis membawa asumsi, pengalaman, tekanan waktu, atau keyakinan awal tertentu.
Di era perang modern, persoalan itu menjadi semakin rumit. Informasi datang dari banyak arah: laporan lapangan, media sosial, sumber terbuka, dokumen digital, citra, hingga sinyal siber. Dalam situasi krisis, pengambil keputusan membutuhkan jawaban cepat. Namun, semakin cepat informasi bergerak, semakin besar pula risiko salah membaca situasi. Bukan hanya karena datanya kurang, tetapi karena data yang terlalu banyak dapat menciptakan ilusi bahwa kita sudah memahami keadaan.
Di titik inilah AI terlihat menjanjikan. AI dapat merangkum dokumen dalam hitungan detik, menemukan pola dari ribuan informasi, menyusun laporan awal, dan membantu analis bekerja lebih cepat. Tetapi dalam dunia intelijen, kecepatan saja tidak cukup. Sebuah assessment tidak boleh hanya terdengar rapi dan meyakinkan; ia harus dapat ditelusuri buktinya, diuji asumsinya, dibandingkan dengan hipotesis lain, dan dijelaskan tingkat keyakinannya.
Masalahnya bukan AI tidak bisa menjawab. Masalahnya, terlalu banyak AI yang tidak menantang jawaban itu.
β Agentic AI untuk Tradecraft Intelijen
Mengapa Tradecraft Penting di Era AI
Masalahnya, banyak penggunaan AI hari ini masih berhenti pada kemampuan menjawab. Sistem diberi pertanyaan, lalu menghasilkan kesimpulan. Padahal, dalam analisis intelijen, pertanyaan yang lebih penting bukan hanya apa jawabannya, tetapi mengapa kita percaya pada jawaban itu. Jika AI hanya menjadi mesin jawaban, ia berisiko mempercepat bias yang seharusnya dikurangi. AI dapat membuat kesimpulan yang lemah tampak kuat hanya karena ditulis dengan bahasa yang meyakinkan.
Karena itu, perlu ada pergeseran dari sekadar AI for intelligence menuju AI-to-Tradecraft. Artinya, AI tidak hanya dipakai untuk membantu proses intelijen, tetapi dirancang untuk memperkuat disiplin analisis intelijen itu sendiri. Tradecraft adalah cara kerja profesional dalam mengubah informasi mentah menjadi produk intelijen yang dapat dipercaya. Di dalamnya ada evaluasi sumber, pemisahan fakta dan asumsi, pengujian hipotesis, pengenalan bias, confidence level, serta keberanian menuliskan keterbatasan analisis.
Dalam konteks ini, AI terbaik untuk intelijen bukanlah AI yang paling cepat menjawab, tetapi AI yang paling disiplin menguji jawaban. AI seharusnya tidak hanya menjadi asisten yang menyenangkan, tetapi juga menjadi penantang yang sehat bagi analis. Ia perlu membantu analis bertanya: bukti mana yang benar-benar kuat? Asumsi apa yang belum diuji? Apakah ada hipotesis alternatif? Apakah tingkat keyakinan terlalu tinggi? Apa yang belum terlihat?
T.R.A.C.E Agentic Tradecraft Framework
Untuk menjawab kebutuhan itu, saya membayangkan pendekatan T.R.A.C.E Agentic Tradecraft Framework. Kerangka ini menempatkan AI bukan sebagai satu chatbot tunggal, melainkan sebagai beberapa agent yang masing-masing bertugas menguji bagian berbeda dari proses analisis sebelum sebuah assessment naik menjadi brief akhir.
Lima Agent dalam T.R.A.C.E
Trace the Evidence Agent memeriksa apakah setiap klaim memiliki bukti yang jelas. Ia menelusuri sumber, waktu, reliabilitas, dan apakah bukti tersebut benar-benar mendukung klaim atau hanya memberi indikasi lemah. Dengan cara ini, analis tidak mudah membuat pernyataan besar dari bukti yang kecil.
Reveal Assumptions Agent membongkar asumsi tersembunyi dalam analisis. Misalnya, ketika laporan menyimpulkan bahwa peningkatan percakapan online berarti peningkatan risiko di lapangan, agent ini mengingatkan bahwa hubungan antara aktivitas digital dan situasi fisik belum tentu langsung.
Attack the Hypothesis Agent menantang hipotesis utama. Jika analis cenderung percaya bahwa suatu isu digerakkan oleh aktor tertentu, agent ini mencari penjelasan lain: apakah isu tumbuh secara organik? Apakah ada faktor ekonomi, sosial, atau lokal yang diabaikan? Fungsinya bukan melemahkan analis, tetapi mencegah premature closure.
Calibrate Confidence Agent menilai apakah confidence level sebanding dengan kekuatan bukti. Jika sumber masih terbatas, banyak kontradiksi, atau belum ada verifikasi lapangan, maka kesimpulan tidak boleh ditulis dengan keyakinan tinggi. Expose Blind Spots Agent kemudian mencari sumber, aktor, wilayah, atau skenario yang belum dipertimbangkan.
Contoh Alur Singkat
Bayangkan assessment awal berbunyi: βIsu X kemungkinan digerakkan aktor Y dan berpotensi eskalasi dalam 72 jam.β Trace menandai bahwa klaim tentang aktor Y hanya didukung dua sumber sekunder dan belum ada verifikasi lapangan. Reveal menunjukkan asumsi tersembunyi bahwa lonjakan percakapan online berarti mobilisasi nyata. Attack mengangkat alternatif bahwa isu berkembang organik dari keluhan publik. Calibrate menurunkan confidence, sementara Expose meminta laporan lapangan dan konteks ekonomi lokal sebagai gap prioritas.
Dalam workflow nyata, draft assessment masuk lebih dulu. Lima agent bekerja sebagai lapisan review tradecraft, lalu sistem menghasilkan tradecraft report sebelum analis menyetujui brief akhir. Dengan cara ini, AI tidak menjadi mesin kesimpulan, tetapi menjadi mekanisme disiplin yang membantu analis menjaga kredibilitas di tengah tekanan informasi yang cepat dan tidak pasti.
Relevansi Kerja Sama RI-Korsel
Pendekatan ini relevan dengan tema kerja sama AI, siber, dan transformasi digital pertahanan Indonesia-Korea Selatan. Selama ini, kerja sama pertahanan sering dilihat dari sisi alutsista, industri militer, atau teknologi keras. Namun, di era perang modern, kemampuan membaca informasi juga menjadi bagian dari kekuatan pertahanan. Serangan siber, disinformasi, manipulasi opini, dan krisis regional tidak selalu bisa dijawab hanya dengan sistem fisik. Yang dibutuhkan adalah kemampuan analisis yang cepat, akurat, dan tetap dapat dipertanggungjawabkan.
Di sinilah kerja sama Indonesia dan Korea Selatan dapat diarahkan ke level yang lebih strategis. Bukan hanya berbagi teknologi, tetapi juga membangun kapasitas analisis: pelatihan analis, pengembangan sistem AI yang transparan, standar cyber intelligence, serta platform digital yang tetap menempatkan manusia sebagai pengambil keputusan akhir. Korea Selatan memiliki kekuatan dalam teknologi digital, industri pertahanan, dan tata kelola sistem modern. Indonesia memiliki kebutuhan strategis sebagai negara besar dengan wilayah luas, dinamika sosial yang kompleks, dan tantangan keamanan digital yang terus berkembang.
Pengaman Etis dan Implementasi
Ada satu prinsip yang tidak boleh ditawar: manusia tetap memegang keputusan. AI dalam intelijen tidak boleh menjadi kotak hitam. Ia harus transparan terhadap sumber, dapat diaudit, aman secara data, dan selalu berada dalam kerangka human-in-the-loop. AI boleh membantu menyusun assessment, tetapi manusia tetap harus memvalidasi, menimbang konteks, dan bertanggung jawab atas keputusan.
Penutup
Pada akhirnya, masa depan kerja sama AI pertahanan tidak hanya ditentukan oleh seberapa canggih sistem yang dibangun, tetapi oleh seberapa baik sistem itu menjaga kualitas berpikir manusia. Agentic AI untuk tradecraft intelijen menawarkan arah yang berbeda: bukan AI yang sekadar mempercepat laporan, tetapi AI yang membantu analis menelusuri bukti, membongkar asumsi, menguji hipotesis, mengkalibrasi keyakinan, dan menemukan blind spot sebelum sebuah penilaian menjadi dasar keputusan strategis.
Referensi
Seerist. The Tradecraft Problem with AI Tools. Diakses pada 5 Juni 2026, dari https://seerist.com/blog/the-tradecraft-problem-with-ai-tools
McMahon, Gerald. Analytic Tradecraft Standards in an Age of AI. Belfer Center, 2024. Diakses pada 5 Juni 2026.
Central Intelligence Agency. A Tradecraft Primer: Structured Analytic Techniques for Improving Intelligence Analysis. Washington, D.C.: Center for the Study of Intelligence, 2009.
SCSP-ASPI. AI and the Future of Intelligence Analysis. Special Competitive Studies Project dan Australian Strategic Policy Institute, 2024.
Embassy of the Republic of Korea in Indonesia. Joint Statement on the Establishment of a Special Comprehensive Strategic Partnership. Diakses pada 5 Juni 2026.
ANTARA News. Indonesia, South Korea align to boost digital services, AI growth. Diakses pada 5 Juni 2026.