Sebagai sesama pemilik UMKM yang setiap hari harus membagi waktu antara operasional dan strategi pemasaran, saya merasakan sendiri bagaimana hadirnya AI membuat banyak pekerjaan teknis terasa jauh lebih ringan. Mulai dari meringkas dokumen hingga merapikan data bisnis, teknologi ini cukup membantu memangkas pekerjaan mekanis. Namun, di tengah efisiensi tersebut, ada satu hal penting yang mudah luput dari perhatian: apakah kita sudah menjaga privasi data saat berinteraksi dengan AI?
Beberapa waktu lalu, seorang kawan sesama pelaku UMKM menceritakan kekeliruan yang hampir merugikan bisnisnya. Saat toko online miliknya mengalami lonjakan komplain, ia ingin mempercepat respons menggunakan ChatGPT. Karena terburu-buru, seluruh riwayat chat pelanggan langsung disalin ke dalam prompt AI untuk meminta rangkuman masalah.
Padahal, untuk memahami komplain tersebut, AI sebenarnya hanya membutuhkan kronologi inti dan konteks transaksinya. Tanpa disadari, informasi lain yang tidak diperlukan ikut terbawa: nama lengkap pelanggan, nomor telepon, alamat rumah, hingga nomor pesanan. Masalahnya bukan pada kebutuhan menggunakan AI, tetapi pada banyaknya data yang ikut diberikan untuk menyelesaikan tugas yang sebenarnya jauh lebih sederhana.
Sebagai praktisi yang terus menguji penggunaan AI dalam pekerjaan bisnis sehari-hari, cerita tersebut menjadi pengingat penting bagi saya. Kita perlu tahu data mana yang memang dibutuhkan, mana yang sebaiknya disamarkan atau dianonimkan, dan mana yang tidak perlu diberikan sama sekali kepada layanan AI pihak ketiga.
Prinsip dasarnya sederhana: berikan informasi secukupnya untuk menyelesaikan tugas tertentu, bukan seluruh data yang kebetulan tersedia. Data pelanggan, informasi bisnis yang bersifat rahasia, data pembayaran, dan dokumen internal tetap membutuhkan pertimbangan manusia sebelum digunakan bersama AI.
Karena itu, sebelum menyalin chat, mengunggah dokumen, atau memasukkan data bisnis ke platform AI, ada beberapa pemeriksaan sederhana yang bisa kita lakukan. Kita mulai dari mengenali jenis datanya, menentukan apakah informasi tersebut benar-benar diperlukan, lalu mengurangi atau menyamarkan bagian yang tidak dibutuhkan.
Tidak Semua Data Perlu Diberikan kepada AI
Salah satu kebiasaan yang menurut saya perlu diubah adalah menganggap semakin lengkap data yang kita berikan, semakin baik pula hasil AI.
Dalam beberapa pekerjaan, konteks memang penting. Tetapi konteks yang lengkap tidak sama dengan memberikan seluruh data yang kita miliki.
Jika tujuan kita hanya meminta AI merangkum keluhan pelanggan, misalnya, sistem mungkin membutuhkan informasi seperti:
- produk atau layanan yang dipermasalahkan;
- kronologi kejadian;
- masalah utama yang dialami pelanggan;
- tindakan yang sudah dilakukan;
- hasil yang ingin kita dapatkan dari AI.
Nama lengkap pelanggan, alamat rumah, nomor telepon, atau informasi pembayaran belum tentu dibutuhkan untuk pekerjaan tersebut.
Prinsip ini sejalan dengan gagasan dasar pelindungan data: informasi diproses sesuai tujuan dan tidak dikumpulkan atau digunakan lebih banyak daripada yang memang diperlukan. Di Indonesia, pelindungan data pribadi diatur antara lain melalui Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi.
Artikel ini tidak dimaksudkan sebagai konsultasi hukum. Fokus saya lebih sederhana: membangun kebiasaan kerja yang lebih hati-hati ketika UMKM menggunakan AI.
Kenali Jenis Data Sebelum Memasukkannya ke AI
Sebelum berpikir apakah suatu data aman diberikan kepada AI, saya lebih suka memulai dengan pertanyaan lain:
Informasi seperti apa yang sedang saya pegang?
Tidak semua data mempunyai risiko yang sama. Untuk kebutuhan operasional UMKM, kita bisa memisahkannya secara sederhana ke beberapa kelompok.
Informasi yang memang dibutuhkan untuk tugas
Ini adalah konteks yang membantu AI memahami pekerjaan tanpa harus mengetahui identitas seseorang atau seluruh isi bisnis kita.
Contohnya:
- jenis produk atau layanan;
- deskripsi masalah;
- alur proses bisnis;
- format dokumen yang ingin dibuat;
- gaya komunikasi;
- data agregat yang tidak mengidentifikasi pelanggan tertentu.
Jika informasi tersebut sudah cukup untuk menyelesaikan pekerjaan, tidak ada alasan untuk menambahkan data lain hanya karena tersedia.
Data pribadi pelanggan
Dalam pekerjaan sehari-hari, UMKM sering berurusan dengan nama, nomor telepon, alamat, email, informasi transaksi, dan berbagai data lain yang berkaitan dengan pelanggan.
Tidak semua informasi tersebut otomatis harus dimasukkan ke AI.
Jika identitas pelanggan tidak memengaruhi hasil pekerjaan, kita dapat menggantinya dengan penanda sederhana seperti:
- [PELANGGAN]
- [NOMOR PESANAN]
- [KOTA]
- [TANGGAL TRANSAKSI]
Perlu diingat, sekadar menghapus nama belum tentu membuat suatu data benar-benar anonim. Kombinasi beberapa informasi terkadang masih dapat mengarah pada orang tertentu. Karena itu, lihat keseluruhan konteks, bukan hanya satu kolom data.
Informasi bisnis yang bersifat rahasia
Selain data pelanggan, bisnis juga memiliki informasi internal yang tidak dimaksudkan untuk konsumsi publik.
Misalnya:
- margin keuntungan;
- harga khusus dari pemasok;
- kontrak internal;
- strategi yang belum diumumkan;
- dokumen kerja internal;
- database pelanggan;
- informasi negosiasi dengan mitra.
Informasi bisnis rahasia tidak sama dengan kategori data pribadi dalam aturan hukum. Namun dari sisi operasional, keduanya tetap membutuhkan pertimbangan sebelum diberikan kepada layanan pihak ketiga.
Data dengan risiko tinggi jika bocor
Ada juga informasi yang menurut saya tidak layak diperlakukan seperti konteks biasa untuk prompt.
Contohnya:
- password;
- PIN;
- kode autentikasi;
- credential akun;
- kunci API;
- data kartu pembayaran;
- informasi akses ke sistem internal.
Untuk jenis informasi seperti ini, pendekatannya bukan sekadar menyamarkan sebagian. Jangan memberikannya kepada AI sebagai bagian dari prompt atau dokumen kerja.
Gunakan Pemeriksaan Sederhana Sebelum Mengirim Data
Kita tidak perlu membuat prosedur panjang setiap kali ingin menggunakan AI. Yang lebih penting adalah mempunyai kebiasaan pemeriksaan sebelum menekan tombol kirim atau mengunggah dokumen.
Saya menggunakan alur berpikir berikut.
1. Tentukan kebutuhan
Apa sebenarnya pekerjaan yang ingin dibantu AI?
Semakin spesifik tujuan kita, semakin mudah menentukan data yang benar-benar dibutuhkan.
Bandingkan dua permintaan berikut:
“Analisis semua data pelanggan saya.”
dengan:
“Kelompokkan 50 alasan komplain berikut menjadi beberapa kategori masalah.”
Permintaan kedua mempunyai tujuan yang lebih jelas. Kita juga lebih mudah menentukan informasi mana yang perlu dipertahankan dan mana yang dapat dibuang.
2. Kenali isi datanya
Sebelum melakukan copy-paste atau upload, lihat kembali dokumen tersebut.
Apakah di dalamnya terdapat nama pelanggan? Nomor telepon? Alamat? Informasi pembayaran? Harga rahasia? Credential? Atau catatan internal yang tidak berkaitan dengan tugas?
Jangan menunggu AI yang menemukan informasi tersebut untuk kita. Pemeriksaan dilakukan sebelum data dikirim.
3. Kurangi yang tidak dibutuhkan
Setelah tujuan jelas, hapus bagian yang tidak membantu AI menyelesaikan pekerjaan.
Jika hanya membutuhkan pola komplain, identitas pelanggan mungkin tidak diperlukan. Jika hanya ingin merapikan format laporan, angka transaksi asli mungkin dapat diganti dengan contoh atau data sintetis.
Prinsipnya bukan membuat AI bekerja dengan informasi sesedikit mungkin, tetapi memberikan informasi minimum yang masih cukup untuk menyelesaikan tugas.
4. Samarkan identitas jika memungkinkan
Untuk pekerjaan yang tetap membutuhkan konteks pelanggan, identitas sering kali bisa diganti dengan placeholder.
Nama bisa menjadi [PELANGGAN A], nomor transaksi menjadi [PESANAN 01], dan nama perusahaan mitra bisa diganti dengan kategori yang masih relevan terhadap analisis.
Dengan cara ini, AI tetap mendapatkan struktur masalah tanpa harus mengetahui semua detail aslinya.
5. Periksa platform yang digunakan
Jangan menganggap semua layanan AI memperlakukan data dengan cara yang sama.
ChatGPT, Gemini, dan platform AI lainnya dapat memiliki pengaturan, kebijakan privasi, jenis akun, serta ketentuan penggunaan data yang berbeda. Produk untuk pengguna individu juga dapat mempunyai ketentuan berbeda dari layanan bisnis atau enterprise.
Karena kebijakan dapat berubah, biasakan memeriksa dokumentasi resmi dan pengaturan privasi pada platform yang benar-benar kita gunakan.
6. Baru kirim data yang diperlukan
Setelah tahap sebelumnya selesai, barulah informasi diberikan kepada AI.
Alur sederhananya menjadi:
Tentukan tugas → periksa data → kurangi → samarkan → periksa platform → kirim.
Prosesnya mungkin hanya membutuhkan satu atau dua menit. Namun kebiasaan kecil seperti ini dapat mencegah kita membagikan informasi yang sebenarnya tidak pernah dibutuhkan AI.
Contoh: Merangkum Komplain Tanpa Membawa Semua Data Pelanggan
Kita kembali ke cerita kawan saya di awal artikel.
Ia sebenarnya hanya ingin mengetahui inti masalah pelanggan agar tim bisa merespons lebih terarah. Namun karena seluruh riwayat percakapan langsung ditempelkan ke ChatGPT, berbagai informasi lain ikut terbawa.
Padahal konteksnya bisa disederhanakan.
Alih-alih mengirim:
- nama lengkap pelanggan;
- nomor WhatsApp;
- alamat pengiriman;
- nomor pesanan asli;
- seluruh percakapan yang tidak relevan;
- detail lain di luar masalah utama;
konteksnya dapat diubah menjadi bentuk seperti ini:
Pelanggan membeli [PRODUK] dan melaporkan [MASALAH]. Pesanan diterima pada [WAKTU RELATIF]. Pelanggan sudah melakukan [TINDAKAN YANG SUDAH DICOBA].
Tolong rangkum masalah utama, pisahkan fakta yang sudah diketahui dari informasi yang masih perlu dikonfirmasi, lalu buat daftar hal yang perlu diperiksa oleh tim sebelum memberikan respons.
AI masih dapat membantu memahami masalah tanpa mengetahui siapa pelanggan tersebut, di mana alamat rumahnya, atau berapa nomor teleponnya.
Untuk pekerjaan pelayanan seperti ini, AI juga sebaiknya tidak diberi kewenangan menentukan refund, kompensasi, pengecualian kebijakan, atau janji kepada pelanggan. AI dapat membantu merangkum dan menyiapkan draft, sedangkan keputusan tetap berada pada manusia.
Prinsip yang sama juga saya gunakan ketika membahas AI Customer Service: teknologi membantu pekerjaan layanan, tetapi konteks, aturan, dan keputusan tetap perlu dikendalikan oleh bisnis.
Jangan Menganggap Semua Platform AI Memperlakukan Data dengan Cara yang Sama
Ada satu kesalahan lain yang perlu dihindari: membuat aturan berdasarkan asumsi bahwa semua layanan AI bekerja dengan kebijakan data yang identik.
Kenyataannya, pengaturan dapat berbeda menurut:
- platform yang digunakan;
- jenis produk;
- jenis akun;
- pengaturan privasi;
- fitur yang diaktifkan;
- perubahan kebijakan dari penyedia layanan.
Karena itu, saya tidak menyarankan membuat aturan sederhana seperti:
“Semua data yang dimasukkan ke AI pasti dipakai untuk melatih model.”
atau sebaliknya:
“Data saya pasti aman karena menggunakan platform terkenal.”
Keduanya terlalu menyederhanakan persoalan.
Pendekatan yang lebih masuk akal adalah memeriksa kebijakan dan pengaturan layanan yang digunakan, lalu tetap membatasi data berdasarkan kebutuhan pekerjaan.
Dengan cara ini, strategi privasi bisnis tidak bergantung pada satu asumsi tentang satu platform.
Privasi Data Tidak Berhenti Setelah Prompt Dikirim
Menyaring input adalah langkah penting, tetapi pekerjaan kita belum selesai setelah AI memberikan jawaban.
Output AI tetap perlu diperiksa.
Pastikan hasilnya tidak:
- mengarang fakta pelanggan;
- menambahkan detail yang tidak pernah diberikan;
- membuat keputusan bisnis sendiri;
- menjanjikan sesuatu yang belum disetujui;
- menampilkan kembali informasi yang seharusnya tidak dibagikan ke pihak lain.
Dengan kata lain, ada dua lapisan kontrol yang berbeda.
Sebelum menggunakan AI, kita mengontrol data yang masuk.
Setelah AI memberikan hasil, kita memeriksa informasi yang keluar.
Saya membahas lapisan kedua ini lebih lengkap dalam panduan tentang cara memeriksa informasi AI. Keduanya saling melengkapi: input yang lebih terkontrol tidak menghilangkan kebutuhan untuk memeriksa output.
Buat Aturan Data yang Bisa Dipahami Seluruh Tim
Masalah privasi tidak selesai jika hanya pemilik bisnis yang berhati-hati sementara anggota tim mempunyai kebiasaan berbeda.
Jika AI sudah mulai digunakan oleh admin, marketing, sales, customer service, atau bagian operasional, saya lebih menyarankan membuat aturan sederhana yang dapat dipahami semua orang.
Misalnya:
- Data publik: boleh digunakan sesuai kebutuhan pekerjaan.
- Data pelanggan: gunakan hanya jika memang diperlukan dan kurangi detail yang tidak relevan.
- Identitas pelanggan: samarkan ketika identitas asli tidak dibutuhkan.
- Informasi bisnis rahasia: periksa dahulu sebelum diberikan kepada layanan AI.
- Password, PIN, credential, dan kode akses: jangan dimasukkan ke prompt.
- Pembayaran, refund, kompensasi, atau janji kepada pelanggan: tetap membutuhkan keputusan manusia.
Aturannya tidak harus langsung berubah menjadi dokumen puluhan halaman. Mulai dari satu pedoman yang jelas, uji dalam pekerjaan nyata, lalu perbaiki ketika menemukan situasi baru.
Jika penggunaan AI sudah mulai berulang di beberapa bagian bisnis, aturan seperti ini sebaiknya masuk ke sistem kerja AI, bukan hanya menjadi kebiasaan masing-masing orang.
Tujuannya sederhana: anggota tim tidak perlu menebak-nebak setiap kali menggunakan AI.
AI Tetap Berguna Tanpa Mengetahui Seluruh Isi Bisnis Kita
Dari cerita kawan saya tadi, pelajarannya bukan bahwa UMKM harus takut menggunakan AI.
Justru sebaliknya. AI tetap bisa sangat membantu pekerjaan sehari-hari—merangkum komplain, menyusun draft, mengelompokkan informasi, membantu analisis, atau merapikan pekerjaan administratif.
Yang perlu berubah adalah kebiasaan kita ketika memberikan konteks.
Tidak semua informasi yang kita miliki harus ikut diberikan hanya karena AI mampu memprosesnya. Dalam banyak kasus, hasil yang kita butuhkan tetap bisa diperoleh setelah nama pelanggan disamarkan, data yang tidak relevan dihapus, dan konteks dibatasi pada masalah yang sedang dikerjakan.
Bagi saya, itu merupakan bentuk penggunaan AI yang lebih matang: bukan sekadar mengetahui apa yang bisa dilakukan AI, tetapi mengetahui batas informasi yang memang perlu kita berikan.
Semakin sering AI masuk ke operasional bisnis, semakin penting kemampuan seperti ini. Bukan hanya kemampuan membuat prompt, tetapi juga kemampuan memeriksa data, memahami risiko, dan menentukan kapan manusia harus mengambil alih.
Itulah salah satu alasan saya menempatkan pembahasan seperti ini dalam area UMKM Paham AI. Sebelum mengejar tools atau otomatisasi yang lebih kompleks, kita perlu memahami cara menggunakan teknologi dengan pertimbangan bisnis yang sehat.
Kalau Anda sudah menggunakan AI untuk menangani chat pelanggan, dokumen, data penjualan, atau pekerjaan operasional lainnya, bagian mana yang paling membuat Anda ragu untuk diberikan kepada AI? Pengalaman seperti itu menarik untuk dibahas karena setiap UMKM bisa memiliki batas data dan risiko yang berbeda.