Wawancara ini dilakukan oleh Ula Rutkowska (Peneliti Senior, Apolitical) dan diedit oleh Christina Obolenskaya (MSc Sejarah Internasional, LSE dan Magang Komunikasi di Apolitical). Phillip Thigo masuk dalam daftar Government AI 100 tahun 2025 versi Apolitical.
Kecerdasan buatan (AI) sering kali dianggap sebagai wilayah eksklusif negara-negara maju dan perusahaan besar, tetapi potensinya untuk mentransformasi tata kelola, layanan publik, dan pembangunan ekonomi bersifat global. Namun, bagi negara-negara di Global South, adopsi AI menghadapi tantangan besar — mulai dari infrastruktur, akses data, keterampilan digital, hingga model tata kelola yang belum merata.
Phillip Thigo, Utusan Khusus Teknologi Kenya, mengeksplorasi apa saja yang dibutuhkan untuk membangun sistem dasar yang memungkinkan AI diterapkan secara global. Dari investasi dalam energi dan konektivitas hingga meninjau ulang kemitraan publik-swasta dan model pembiayaan, ia menyoroti langkah-langkah penting agar manfaat AI dapat dibagikan secara merata — tidak hanya bagi negara-negara besar. Thigo berpendapat bahwa inklusivitas, kepercayaan, dan kolaborasi harus menjadi inti masa depan AI. Tanpa itu, teknologi ini justru berisiko memperdalam ketimpangan yang sudah ada.
T: Apa tantangan paling mendesak dalam menciptakan kebijakan AI yang adil, khususnya bagi negara-negara di Global South?
Fondasi AI
— AI sering kali dipandang sebagai teknologi tingkat tinggi yang melibatkan data, komputasi, dan algoritma. Namun, sebelum negara bisa mengakses fungsi-fungsi canggih ini, mereka harus berinvestasi pada fondasi dasar agar akses ke teknologi ini merata. Misalnya, data sangat penting untuk melatih AI — baik dalam bidang kesehatan, pertanian, maupun pendidikan. Mayoritas negara berkembang masih mengalami kekurangan data yang sangat krusial untuk menyelesaikan tantangan pembangunan seperti Tujuan Pembangunan Berkelanjutan (SDGs).
Infrastruktur
— Secara spesifik, konektivitas internet masih menjadi kendala utama. Di kawasan Afrika Timur, hanya 24% populasi yang memiliki akses internet, sedangkan di Kenya angkanya 42%. Ini menunjukkan adanya masalah mendasar dalam infrastruktur — termasuk energi. AI membutuhkan konsumsi energi yang tinggi, sementara lebih dari 600 juta orang di Afrika belum memiliki akses listrik, khususnya konektivitas di wilayah terpencil, yang menghambat pertumbuhan ekonomi dan pembangunan sosial.
Keterampilan yang dapat diskalakan
— Negara-negara Afrika masih tertinggal dalam keterampilan dasar di bidang STEM (Sains, Teknologi, Teknik, dan Matematika), mulai dari pendidikan dasar hingga universitas. Lebih jauh lagi, keterampilan spesifik industri untuk mendukung ekonomi AI masih sangat terbatas.
Tata kelola yang gesit
— Kita perlu mencari cara bagaimana teknologi ini bisa dikelola untuk mendorong pembangunan, sembari mengatasi risiko-risikonya. Mekanisme tata kelola perlu diperkuat dan melibatkan seluruh elemen pemerintahan — termasuk parlemen dan lembaga yudisial yang memiliki peran penting dalam legislasi dan arbitrase.
Pembiayaan yang inovatif
— Banyak negara di Global South memiliki keterbatasan fiskal. Mereka perlu meninjau ulang investasi dalam ekonomi digital tanpa terjebak dalam utang baru. Selain itu, kita butuh model kemitraan yang setara, karena model publik-swasta saat ini tidak bekerja efektif. Tidak masuk akal jika suatu negara dengan PDB di bawah $100 miliar harus bermitra dengan perusahaan yang nilainya mencapai $3 triliun, apalagi jika didukung oleh negara asalnya.
Lanjutan – Membangun Fondasi untuk AI yang Adil
— Saat kita berbicara tentang komputasi, data, talenta, dan algoritma, kita juga tidak boleh melupakan hal-hal mendasar — inklusivitas harus tetap menjadi prinsip penting dalam ekonomi baru ini. Tidak semua negara mampu memiliki kapasitas komputasi sendiri, dan secara ekonomi tidak masuk akal bagi semua pihak untuk menginvestasikan infrastruktur sendiri-sendiri.
Oleh karena itu, kita perlu memikirkan tentang kemungkinan berbagi investasi berskala besar, sambil di saat yang sama mendorong negara-negara untuk berinvestasi dalam fondasi agar warga negaranya bisa ikut menikmati manfaat ekonomi baru ini.
Kenia, sebagai contoh, cukup siap berkat energi bersih, konektivitas broadband, dan ekosistem teknologi yang kuat. Namun, Kenia belum memiliki cukup volume kerja (workload) untuk infrastruktur komputasi besar.
Pertanyaannya:
Bagaimana negara-negara tetangga bisa memanfaatkan kemampuan ini dalam kerangka kedaulatan nasional mereka?
Bagaimana kita bisa mengembangkan regulasi terpadu yang memungkinkan arus data lintas batas yang tetap menjamin keamanan, keselamatan, dan perlindungan data nasional?
T: Dengan teknologi seperti AI yang berkembang sangat cepat, apa jalur terbaik untuk membangun fondasi demi pemerataan pengembangan AI?
Setiap negara yang kaya akan teknologi AI membutuhkan fondasi dasar yang sama. Baru-baru ini kita melihat banyak pengumuman investasi besar dalam AI — seperti $500 miliar dari Gedung Putih dan OpenAI, serta berbagai inisiatif dari Prancis, Kanada, dan Uni Eropa.
Dari situ terlihat bahwa kunci adopsi AI adalah infrastruktur. Maka dari itu, kita perlu menyegarkan kembali arsitektur pembangunan kita — dengan memperlakukan investasi teknologi layaknya kita membangun rel kereta, jalan raya, atau jalur air.
Negara seperti Kenia perlu meningkatkan investasi di sektor ini, namun itu saja tidak cukup. Kita juga harus melakukan evaluasi ulang secara serius terhadap arsitektur keuangan global, agar tersedia akses terhadap fasilitas kredit yang adil dan sistem pembayaran yang berkelanjutan.
Seperti telah disebutkan sebelumnya, kemitraan dengan perusahaan AI terkemuka sangat penting. Potensinya adalah saling menguntungkan: perusahaan-perusahaan ini ingin memperluas pasar mereka ke luar wilayah tradisional, sekaligus melatih model mereka dengan bahasa-bahasa lokal, seperti Kiswahili.
Berikut ini adalah bagian ketiga dari terjemahan ke dalam Bahasa Indonesia, yang membahas mengapa model kemitraan publik-swasta (PPP) saat ini tidak memadai untuk mendukung inovasi AI, dan bagaimana pendekatan baru perlu dibentuk agar lebih sesuai dengan kebutuhan dan realitas negara-negara di Global South.
T: Bagaimana kita memperbaiki model publik-swasta dalam konteks inovasi AI?
Salah satu masalah dari model kemitraan publik-swasta (PPP) yang ada saat ini adalah bahwa model tersebut tidak dirancang untuk infrastruktur teknologi — biasanya model ini dibentuk untuk proyek seperti jalan raya, jembatan, dan pembangunan fisik lainnya.
Lembaga-lembaga keuangan tradisional yang biasanya menangani pembiayaan untuk proyek-proyek infrastruktur juga perlu mengembangkan kapasitas dan inovasi mereka untuk mendanai investasi teknologi.
Tidak mengherankan bahwa banyak kemajuan teknologi di Afrika justru didorong oleh modal ventura (VC) atau investasi swasta dari luar negeri — bukan oleh PPPs atau bank lokal.
Saya sering bercanda bahwa jika perusahaan-perusahaan teknologi besar saat ini berasal dari Afrika, mereka tidak akan pernah eksis — karena mereka tidak akan pernah mendapatkan investasi untuk memulai.
Kita harus meninjau ulang dan membayangkan ulang model PPP, terutama dalam hal penilaian risiko. Kita harus memperluas pengertian tentang “due diligence” dan strategi keluar (exit strategy) agar lebih realistis dengan kondisi negara berkembang.
Benua Afrika, dengan lingkungan bisnis dan potensi pertumbuhannya, memerlukan modal yang sabar (patient capital) — karena fundamental ekonominya sangat berbeda dari negara-negara maju.
Sebagai contoh, mayoritas perusahaan teknologi besar di masa awal mereka bersedia mengambil risiko, dan beroperasi tanpa keuntungan selama beberapa tahun, dengan keyakinan bahwa mereka akan menguntungkan di masa depan.
Di Afrika, model seperti ini tidak diberi ruang. Investasi diharapkan memberikan hasil instan. Kita perlu mengadopsi pola pikir yang sama seperti yang mendorong pertumbuhan ekosistem teknologi di negara maju — dan menerapkannya di negara berkembang.
Hal ini sangat penting bagi ekonomi kita, karena akan memberikan ruang fiskal yang dibutuhkan untuk bertumbuh menggunakan teknologi seperti AI — demi daya saing dan kemakmuran yang merata.
T: Anda terlibat dalam banyak percakapan global di berbagai sektor tentang AI, keselamatan, dan keamanan. Apa kesenjangan besar dalam diskusi saat ini?
Inklusivitas. Saat kita berbicara tentang keselamatan, diskusinya sering terjebak dalam konteks geopolitik. Tim saya telah terlibat dalam Jaringan Internasional Lembaga Keselamatan (International Network of Safety Institutes) untuk berkolaborasi dan menawarkan perspektif mengenai apa arti keselamatan, keamanan, dan inklusivitas dalam konteks kami.
Tim kami juga bekerja dalam kerangka membangun kepercayaan publik terhadap AI. Sementara sebagian besar diskusi terjebak antara kepentingan geopolitik dan teknologi, kami tertarik pada peluang dan pendorong AI serta manfaatnya untuk menyelesaikan tantangan pembangunan, berdasarkan pendekatan yang berbasis risiko.
Kami memulai pembahasan ini dari perspektif inklusivitas dan kepercayaan, lalu melihat keselamatan dan keamanan sebagai nilai-nilai yang memastikan ketahanan teknologi AI di masa depan.
T: Mengapa menurut Anda inklusivitas tidak menjadi bagian dari diskusi global?
Saya rasa banyak orang tidak memikirkannya, dan jujur saja — ini adalah isu yang bersifat politis. Begitu Anda menyebut kata “inklusivitas”, maka perbincangan akan memasuki ranah geopolitik.
Kita telah melihat sejumlah legislasi yang membatasi akses negara-negara tertentu terhadap teknologi. Ketika saya duduk di meja-meja pertemuan internasional, saya bisa merasakan dengan jelas bahwa itulah akar permasalahannya.
Bagi kami, terlepas dari geopolitik, fokusnya adalah memastikan bahwa Afrika tidak tertinggal dalam teknologi ini. Lompatan teknologi (leapfrogging) seperti dari telepon kabel ke ponsel mungkin tidak bisa terjadi kali ini, karena dibutuhkan investasi besar.
Ini bukan hanya soal beralih dari satu alat ke alat lain. Kali ini, diperlukan upaya yang disengaja untuk berinvestasi dalam komputasi, talenta, kumpulan data, dan keragaman bahasa dalam pelatihan model bahasa besar — yang semuanya membutuhkan biaya besar.
Jika kita memikirkan empat pilar kecerdasan buatan — komputasi, data, talenta, dan algoritma — maka komputasi adalah soal kapasitas pemrosesan, dan itu tidak bisa tersedia di semua tempat.
Untuk dapat berbagi beban komputasi antarnegara, kita membutuhkan kepercayaan, karena beban kerja AI sebagian besar berbasis data. Dalam hal ini, kami sedang mengembangkan konsep “AI kedaulatan” yang berlandaskan pada kepercayaan.
Meskipun pusat data dan infrastruktur komputasi kemungkinan besar hanya akan tersedia di beberapa negara, kami ingin memastikan bahwa negara lain tetap mendapatkan akses yang setara, tanpa memandang lokasi, dan dengan kondisi yang aman, terlindungi, dan menghormati kedaulatan.
Talenta juga harus dan akan dibagi untuk mendukung kepentingan masyarakat. Dan akhirnya, algoritma harus tidak memihak, dapat dipercaya, dapat dijelaskan, transparan, dan selalu melibatkan manusia dalam proses pengambilan keputusan.
Kami harus mendorong multilateralisme, di mana kedaulatan tidak menjadi alasan untuk isolasionisme, melainkan mendorong kerja sama global.
Kita memiliki kedutaan besar, yang merupakan wilayah kedaulatan negara — namun itu tidak berarti kita terisolasi. Dalam semangat itulah kami mengembangkan sebuah naskah kebijakan (white paper) tentang arti kedaulatan di era AI: yaitu multilateralisme dan kerja sama global demi kemakmuran bersama.
T: Pekerjaan Anda mencakup tata kelola digital, inklusi keuangan, dan inovasi teknologi. Bisakah Anda berbagi satu proyek spesifik yang telah Anda kerjakan dan dampaknya terhadap Kenya?
Saya sangat antusias dengan kolaborasi kami bersama IBM dan Bin Zayed University, yang menghasilkan salah satu model AI pertama untuk aksi iklim. Model ini mendukung agenda Presiden William Ruto untuk meningkatkan cakupan hutan Kenya.
Kami menggunakan model ini untuk meluncurkan inisiatif bernama Conservation At Scale, yang mengumpulkan banyak pihak untuk berinvestasi dalam penghijauan (reforestasi), transisi energi yang adil, dan penciptaan lapangan kerja hijau bagi kaum muda.
Model tersebut juga disesuaikan lebih lanjut untuk merespons banjir, bekerja sama dengan Palang Merah, Microsoft, Meta, Google, dan Amazon. Dengan ini, kami dapat memetakan risiko tanah longsor dan mengirim peringatan dini kepada masyarakat yang tinggal di daerah berisiko tinggi terhadap banjir dan longsor.
Proyek lain yang kami kerjakan berkaitan dengan meningkatkan hasil petani dan memperkuat rantai nilai di sektor susu. Dalam waktu enam bulan, kami berhasil melipatgandakan pendapatan petani hanya dengan menggunakan komputasi dan data sederhana.
Kami bahkan akan menyelenggarakan pameran besar untuk menunjukkan bagaimana AI telah secara mendasar mengubah transportasi susu. Selain itu, kami juga memulai program asuransi petani bernama “Maziwa ni school fees” — yang secara harfiah berarti “Susu adalah uang sekolah”.
Melalui AI, kami menemukan bahwa pengeluaran terbesar para petani bukan untuk pertanian, tetapi untuk kesehatan dan pendidikan. Oleh karena itu, kami menggunakan produksi susu tambahan untuk menciptakan skema pembiayaan yang secara langsung membayar uang sekolah anak-anak mereka.
Kami menyadari bahwa melacak hasil produksi dan menghitung secara cepat apa saja yang dibutuhkan untuk meningkatkan produktivitas sangatlah penting. Ini mencakup pakan ternak, cuaca, dan kesehatan sapi secara individu.
Kami bahkan mengintegrasikan model AI ke dalam WhatsApp (milik Meta) untuk memberikan umpan balik waktu nyata dalam bentuk PDF kepada petani. Ini menciptakan ekosistem kepercayaan, karena petani dapat mengetahui bahwa susu yang mereka serahkan di gerbang pertanian telah diterima oleh koperasi dan dicatat sesuai volume sebenarnya.
Mereka kini memiliki bukti asal-usul produk (provenance) langsung di ujung jari mereka.
Namun perlu saya sampaikan bahwa model dan komputasi itu mahal — dan ini menjadi tantangan besar bagi Usaha Mikro, Kecil, dan Menengah (UMKM) karena biaya yang tinggi menghambat skalabilitas.
Saya menggunakan contoh ini sebagai argumen kebijakan, untuk mendorong pengembangan model-model AI buatan Afrika yang lebih murah dan sensitif secara budaya.
Saya juga sedang memperjuangkan model harga berbeda (differentiated pricing) untuk akses ke model bahasa besar (LLMs) dari perusahaan-perusahaan AI terkemuka, agar pengusaha dari Global South dapat bersaing secara adil dalam ekonomi baru ini.
