AI Asisten Data Spasial Open Source

Rapat koordinasi sudah berjalan dua puluh menit ketika kepala dinas bertanya, "Berapa sekolah yang berada di zona rawan banjir di kecamatan ini?" Peta sekolah dan peta rawan banjir sama-sama tersimpan di server. Namun satu-satunya staf yang bisa menggabungkan keduanya sedang bertugas di lapangan. Jawabannya baru tiba keesokan hari, setelah keputusan telanjur diambil berdasarkan perkiraan. Situasi seperti inilah yang ingin kami selesaikan dengan AI asisten data spasial, Chat box percakapan di samping peta, tempat pimpinan bertanya dengan bahasa sehari-hari dan menerima angka serta peta dalam hitungan detik.

Datanya ada namun aksesnya sulit

Dalam sepuluh tahun terakhir, banyak pemerintah daerah sudah membangun data spasial seperti batas wilayah, jaringan jalan, sebaran sekolah dan puskesmas. Masalahnya muncul ketika data itu ingin ditanya.

Menggabungkan dua lapisan peta butuh orang yang paham perangkat lunak GIS, struktur tabel, dan analisis spasial. Aplikasi WebGIS dapat membantu untuk pertanyaan yang sudah diperkirakan sebelumnya. Begitu muncul kombinasi baru, misalnya satu wilayah dengan kriteria yang tidak ada di menu, semua kembali antre ke staf teknis. Polanya sama di perusahaan pengelola aset. Pertanyaan seperti "aset mana yang berada di area izin yang habis tahun depan" tetap menunggu laporan khusus dari tim GIS.

Cara kerja AI asisten data spasial yang kami bangun

Kami menempatkan AI asisten sebagai lapisan tambahan di atas WebGIS open source yang sudah ada. Basis datanya PostgreSQL dengan PostGIS, layanan petanya GeoServer, dan antarmukanya pustaka peta web seperti MapLibre GL JS. Istilah teknis untuk kemampuan ini adalah query data spasial bahasa alami. Sebuah pertanyaan berjalan melalui lima tahap:

1. Pengguna bertanya di panel percakapan di samping peta, misalnya "berapa sekolah di zona rawan banjir Kecamatan A?"
2. Model bahasa menerjemahkan pertanyaan itu menjadi permintaan terstruktur. Model bisa dijalankan di server sendiri (model open-weight) atau lewat API penyedia, sesuai kebijakan data instansi.
3. Lapisan alat menjalankan Query ke PostGIS. Lapisan ini hanya mengizinkan fungsi dan tabel yang sudah kami tentukan.
4. Hasilnya tampil di peta, disertai tabel ringkas.
5. Jawaban membawa jejak data, layer (unsur) yang dipakai, tanggal pembaruan terakhir.

Ada dua keputusan teknis yang kami ambil sejak awal. Pertama, model tidak kami izinkan menulis Query bebas langsung ke basis data. Cara ini lebih lama dikembangkan, tetapi menutup celah bagi pertanyaan yang cerdik untuk membuka tabel yang seharusnya tertutup. Kedua, setiap jawaban wajib membawa jejak datanya. Angka tanpa asal-usul tidak layak dibawa ke rapat.

Batasannya

Model bahasa bisa memberi jawaban yang terdengar sangat menyakinkan tetapi keliru. Ia bisa memilih data tahun lama, mencampur sistem koordinat, atau salah membaca batas wilayah. Jejak data membantu user memeriksa, tetapi tidak menghapus risiko ini.

Kualitas jawaban sangat bergantung pada nama tabel, nama kolom, dan keterangan data. Kolom bernama "ket2" atau layer tanpa keterangan tahun membuat model menebak.

Model open-weight yang dijalankan di server sendiri umumnya belum setara model komersial terbesar untuk pertanyaan yang rumit. Menjalankannya juga butuh server ber-GPU, dan biaya ini harus dihitung sejak awal.

AI asisten juga tidak tepat untuk pertanyaan kebijakan, seperti "wilayah mana yang sebaiknya mendapat anggaran lebih". Ia hanya menyediakan data pendukung. Keputusannya tetap di tangan manusia.

Menurut saya, banyak instansi belum siap memakai AI asisten, dan penyebabnya bukan teknologi. Penyebabnya nama tabel dan metadata yang tidak pernah dirapikan. AI hanya mempercepat pertanyaan. Ia tidak bisa merapikan data yang sejak awal berantakan.

Cara memulai tanpa proyek besar

1. Rapikan nama lapisan, atribut, tahun, dan sumber setiap dataset. Langkah ini berguna bahkan tanpa AI.
2. Kumpulkan 10 sampai 20 pertanyaan yang paling sering diajukan pimpinan. Daftar ini menjadi bahan uji.
3. Tentukan lapisan mana yang boleh diakses AI, siapa yang boleh bertanya, dan di mana model dijalankan.
4. Uji dengan data non-sensitif. Bandingkan jawaban AI dengan jawaban analis GIS untuk pertanyaan yang sama.
5. Perluas pengguna dan lapisan data setelah akurasi dan keamanannya teruji.

Langkah pertama dan kedua tidak butuh teknologi baru. Keduanya bisa dimulai minggu ini.

PT Redbit Teknologi Indonesia membangun sistem informasi geospasial dengan AI Asisten untuk instansi pemerintah dan korporasi.