Memprediksi Risiko di Masa Depan Suara BSDK Artikel

Kita tidak pernah tahu apa yang akan terjadi dekat-dekat ini, bukan? Apakah akan ada oknum peradilan yang terkena OTT lagi? Atau lembar tanda tangan yang dipalsukan? Atau keuangan perkara yang terselip? Ini semua adalah misteri risiko yang harus diselesaikan dengan ilmu pengetahuan.

Adapun bentuk risiko di lembaga peradilan meliputi risiko finansial, reputasi dan operasional. Risiko semacam ini harus dikelola secara presisi, proporsi dan repetisi demi menjaga track record lembaga peradilan sesuai khittah-nya.

Persoalannya adalah kita belum mampu memastikan waktu keterjadian risiko secara presisi. Kita belum tahu secara pasti kapan risiko-risiko itu akan terjadi; esok, lusa, minggu depan, bulan depan atau tahun depan. Ketidakmampuan kita “meramal” waktu keterjadian risiko secara presisi di masa depan dapat mengakibatkan wajah lembaga peradilan babak belur dihajar risiko secara tiba-tiba. Karena itu, tulisan ini ingin menawarkan ide tentang tuntutan dalam memprediksi risiko yang akan terjadi di waktu akan datang secara presisi dan akurat.

Risk Forecasting

Paket data historis, tren dan analisis statistik sangat membantu dalam memprediksi waktu keterjadian risiko di masa depan. Kemampuan memprediksi waktu keterjadian risiko akan membantu stakeholder dalam merumuskan kebijakan strategis, dari cara reaktif ke proaktif. Selain stakeholder terkait, para pimpinan satuan kerja harus mengetahui langkah antisipasi cepat yang harus diambil sebelum risiko itu berdampak destruktif.

Beberapa langkah membangun sistem risk forecasting yang presisi yaitu pertama, data historis penyelesaian perkara maupun administrasi kesekretariatan yang tersimpan apik merupakan tambang investasi untuk mengembangkan sistem prediksi risiko yang presisi. Kedua, pola-pola risiko yang terbaca dalam data historis sangat membantu kita dalam menyusun kertas kerja pengendalian risiko yang lebih proaktif terutama dengan instrumen analisis dan interpretasi statistik. Ketiga, tren risiko membantu untuk menentukan kata kunci indikator dan siklus keterjadian risiko. Keempat, analisis deret waktu terkait detik-detik keterjadian, tempat dan konteks dimana keterjadian risiko terjadi.

Dalam menganalisis risiko, risk forecasting mengajarkan kita cara membaca kritis di balik angka-angka risiko (look behind the risk). Apakah risikonya memang berkurang atau kemampuan kita yang menurun dalam mendeteksi risiko. Jika terjadi penurunan pengaduan/keluhan, jangan buru-buru merayakannya sebagai keberhasilan, bisa jadi karena kritisisme kita yang defisit.

Waktu keterjadian risiko yang sudah “dipastikan” akan menghasilkan beberapa manfaat yaitu pertama, organisasi akan lebih siap mengendalikan dampak dari risiko yang akan terjadi. Kedua, organisasi lebih proaktif, mampu mengakurasi keterjadian risiko sehingga melahirkan kebijakan strategis yang lebih responsif.

Kedigdayaan Kecerdasan Buatan (AI)

AI mengubah paradigma manajemen risiko yaitu dari cara reaktif (menangani setelah terjadi) menjadi proaktif (mengantisipasi sebelum terjadi). AI akan mengenali pola risiko dari yang terlalu mudah hingga kompleks. Bahkan, AI mampu mengenali ribuan variabel risiko secara simultan yang tidak bisa dikerjakan oleh cara-cara tradisional. Lebih dahsyat lagi, AI dapat menjalankan milyaran simulasi “bagaimana jika” dalam tempo singkat sehingga output yang dihasilkan lebih akurat dan variatif.

AI menghasilkan sistem deteksi dini (early warning system) yang akurat. Data dan pola baru akan menjadi indikator real-time dan tren makro agar siap menghadapi risiko yang tiba-tiba terjadi. Risiko yang dahulu tidak terdeteksi menjadi vulgar dihadapan AI sehingga AI menginfokan kepada kita akan terjadi risiko nyata dekat-dekat ini.

AI bukan cerita khurafat atau takhayul akan tetapi perangkat ilmu pengetahuan yang kokoh. AI bisa membantu kita meramalkan apa yang terjadi di masa akan datang tergantung dari data dan tren yang kita berikan kepadanya. Tentu saja, tingkat keyakinan kita kepada AI juga harus diimbangi dengan rangkaian validitas data yang disodorkan sehingga tidak menghasilkan ramalan keliru.

Selain peran AI, untuk memprediksi waktu keterjadian risiko yang presisi dibutuhkan sosok adi-manusia yang mampu mensinergikan antara kemampuan intuisi dan kecerdasan teknologi. Pihak pengawas, pembina dan pemimpin satuan kerja bertanggungjawab untuk mengembangkan sistem manajemen risiko yang presisi. Sinergitas data antar eselon I beserta data di satuan kerja menjadi “tambang emas” dalam merealisasikan proyek pembacaan risiko yang amat berguna bagi kelanjutan organisasi peradilan di masa depan.

Bayang-Bayang Korupthrust

Korupthrust masih membayangi wilayah peradilan. Semua pihak bertanggungjawab memitigasi dampak korupthrust yang merusak kepercayaan publik. Risiko ini mudah dikenal namun sulit diprediksi. Ini pekerjaan rumah bersama. Risiko korupthrust merupakan akibat dari pertemuan antara lemahnya zona integritas dan besarnya kesempatan. Risiko ini tidak perlu ditakuti namun perlu kewaspadaan.

Ada beberapa langkah antisipasi yang harus disiapkan yaitu pertama, melakukan sosialisasi dan skenario terburuk jika terjadi korupthrust secara tiba-tiba. Kedua, membangun sistem risk forecasting yang mampu mempredikasi risiko korupthrust secara presisi untuk memberikan peringatan dini (early warning). Ketiga, pimpinan satuan kerja beserta aparatur pengawasan saling memetakan profil satuan kerja dan profil individu yang berpotensi terjadinya risiko ini. Keempat, membangun sinergi intensif dengan lembaga terkait seperti KPK, KY, Ombudsman, PPATK dan lembaga masyarakat secara bersama untuk memitigasi potensi darurat korupsi.