BERITA TERKINI
KETIDAKPATUHAN pajak, termasuk penghindaran pajak agresif dan penggelapan pajak, masih menjadi tantangan bagi otoritas pajak di berbagai negara. Tax Justice Network (2024) memperkirakan potensi kehilangan penerimaan global akibat persoalan ini mencapai US$492 miliar per tahun.
Seiring berkembangnya transaksi digital dan lintas negara, pendekatan pemeriksaan yang konvensional perlu diperkuat dengan dukungan teknologi. Kerangka OECD Tax Administration 3.0 juga menekankan pentingnya identitas digital wajib pajak, pengelolaan data terpadu, pemanfaatan analisis data, dan pengembangan kompetensi baru dalam administrasi pajak (OECD, 2020).
Dalam konteks tersebut, kecerdasan buatan atau artificial intelligence (AI) menciptakan peluang bagi Direktorat Jenderal Pajak (DJP) untuk memperkuat pemeriksaan melalui pemilihan kasus berbasis risiko, analisis dokumen, dan pendeteksian pola ketidakpatuhan secara lebih dini.
Bukti empiris mengenai pengaruh AI terhadap kualitas audit menunjukkan hasil yang relevan. Fedyk et al. (2022), melalui analisis atas lebih dari 310.000 resume pada 36 firma audit publik terbesar di Amerika Serikat periode 2010–2019, menemukan bahwa peningkatan investasi AI berkaitan dengan penurunan risiko temuan audit sebesar 5%, penurunan biaya audit sebesar 0,9%–2,1%, serta perubahan komposisi auditor junior tanpa mengurangi peran auditor senior.
Meskipun penelitian tersebut berada dalam konteks audit eksternal, temuan ini tetap penting bagi pemeriksaan pajak, karena sama-sama menekankan pendeteksian anomali, seleksi berbasis risiko, analisis dokumen, dan pertimbangan profesional.
Di Indonesia, Saragih et al. (2023) juga menunjukkan bahwa AI dapat mendukung modernisasi administrasi pajak melalui otomatisasi pekerjaan rutin dan penguatan kapasitas analisis otoritas pajak. Dengan demikian, pemanfaatan AI dalam pemeriksaan pajak oleh DJP tidak hanya dapat dipahami sebagai bagian dari digitalisasi administrasi, tetapi juga sebagai langkah strategis untuk meningkatkan ketepatan, kualitas, dan efisiensi pemeriksaan pajak.
Penerapan AI dalam pemeriksaan pajak memerlukan rancangan kerja yang jelas dan bertahap. Rahman et al. (2024) mengelompokkan pemanfaatan AI ke dalam beberapa area, antara lain penguatan kepatuhan melalui pembelajaran mesin, pendeteksian kecurangan melalui pemetaan risiko, analisis hubungan antarentitas, pengolahan dokumen digital dengan teknologi pembaca karakter optik, dan penyesuaian komposisi tim pemeriksa berdasarkan profil wajib pajak.
Bagi DJP, pemetaan risiko dapat membantu menentukan wajib pajak yang perlu diperiksa, sedangkan analisis hubungan antarentitas berguna untuk membaca keterkaitan antarpihak dalam skema penghindaran pajak dan modus transfer pricing. Sementara itu, penyesuaian komposisi tim pemeriksa dapat membantu memastikan bahwa keahlian pemeriksa, misalnya dalam bidang transfer pricing atau sektor usaha tertentu, telah sesuai dengan kompleksitas kasus yang ditangani.
Belahouaoui dan Alm (2025) melengkapi gagasan tersebut melalui kerangka pengawasan pajak berbasis AI yang adaptif. Kerangka itu mencakup pengumpulan data, pendeteksian anomali, analisis prediktif, dukungan pengambilan keputusan, hingga penguatan transparansi.
Bagi DJP, penerapan AI sebaiknya dimulai dari analisis data yang relatif sederhana dan pembelajaran mesin terarah sebelum beralih ke teknologi yang lebih kompleks, seperti pembelajaran mendalam dan blockchain. Tahapan ini perlu disertai penguatan kualitas data, tata kelola, dan kemampuan sumber daya manusia agar teknologi digunakan secara tepat.
Prinsip kehati-hatian harus menjadi dasar penggunaan AI dalam pemeriksaan pajak. Xu Min (2026) menegaskan bahwa analisis prediktif hanya berfungsi sebagai alat bantu, sehingga tidak dapat dijadikan satu-satunya dasar pembuktian. Karenanya, tanggung jawab pembuktian sesuai Pasal 12 (3) UU KUP tetap berada pada pemeriksa, bukan pada algoritma.
Konsekuensinya, AI perlu diposisikan sebagai sarana yang memperkuat proses pemeriksaan, bukan menggantikan pertimbangan profesional. Hal ini penting terutama dalam kasus yang membutuhkan penafsiran hukum, penilaian atas keadaan yang tidak sepenuhnya jelas, dan penanganan isu sensitif. Selain itu, transparansi cara kerja algoritma, perlindungan data pribadi, dan mekanisme untuk menilai potensi bias perlu dipenuhi sejak awal agar pemanfaatan AI tetap akuntabel dan etis.
Tantangan penggunaan AI tidak hanya berkaitan dengan teknologi, tetapi juga kesiapan organisasi. Wawancara dengan mitra audit dalam studi Fedyk et al. (2022) menunjukkan bahwa hambatan utama penerapan AI lebih banyak terkait adaptasi dan pelatihan pegawai.
Belahouaoui dan Alm (2025) juga menekankan pentingnya kualitas data, pelatihan berkelanjutan, pedoman etis, regulasi adaptif, dan kerja sama antarlembaga. Dalam konteks Indonesia, kolaborasi antara DJP, PPATK, OJK, dan DJBC dapat memperkuat ketersediaan data serta akurasi analisis risiko.
Coretax system dan infrastruktur data terintegrasi yang telah dibangun DJP dapat menjadi dasar teknis, tetapi tetap membutuhkan peta jalan penerapan AI yang spesifik untuk fungsi pemeriksaan.
AI menawarkan peluang penting bagi penguatan pemeriksaan pajak di DJP, terutama melalui peningkatan kualitas pemeriksaan, efisiensi pemilihan wajib pajak berbasis risiko, dan pendeteksian lebih awal atas pola kecurangan yang kompleks. Namun, manfaat tersebut hanya akan berkelanjutan apabila didukung oleh rancangan operasional yang jelas, kepatuhan terhadap aturan dan kebijakan terkait pemeriksaan pajak, serta investasi yang memadai dalam penguatan kapasitas pemeriksa.
Dengan penerapan yang bertanggung jawab, AI dapat menjadi alat bantu yang memperkuat pekerjaan dan meningkatkan kinerja pemeriksa, bukan menggantikan peran profesionalnya.
Dalam konteks DJP, penerapan AI dapat dilakukan melalui 3 tahap. Pertama, penguatan kualitas data pemeriksaan. Kedua, uji coba pemetaan risiko pada sektor prioritas. Ketiga, integrasi hasil analisis AI ke dalam proses pemeriksaan yang tetap dikendalikan oleh pemeriksa.
Bagi masyarakat, pemanfaatan AI dalam pemeriksaan pajak dapat mendorong proses pemeriksaan yang lebih tepat sasaran, berbasis data, dan tidak semata-mata bergantung pada penilaian subjektif. Dengan demikian, wajib pajak yang patuh dapat memperoleh kepastian yang lebih baik, sementara sumber daya pemeriksaan dapat difokuskan pada kasus dengan risiko dan dampak ketidakpatuhan yang lebih besar. (sap)
