Karyawan AI untuk Membaca Kontrak Vendor: Temukan Kewajiban dan Risiko Tanpa Mengarang Klausul

Ditulis oleh Nugraha Labib Mujaddid, pembuat AgentBuff.

Karyawan AI dapat membantu membaca kontrak vendor, tetapi tugas yang aman bukan “putuskan apakah kontrak ini bagus”. Tugas yang lebih tepat adalah mengubah dokumen menjadi peta bukti: siapa para pihaknya, apa yang wajib dilakukan, kapan tenggatnya, klausul mana yang menjadi sumber, apa yang berbeda antarversi, dan bagian mana yang harus dibawa kepada pemilik usaha atau penasihat hukum.

Review kontrak dengan karyawan AI adalah workflow untuk mengekstrak fakta kontrak dan menautkannya ke halaman atau klausul sumber, menyusun kewajiban serta tenggat, membandingkan versi, dan menandai pertanyaan untuk manusia. Workflow ini tidak menggantikan penilaian hukum, negosiasi, atau keputusan menandatangani perjanjian.

Pembedaan itu penting bagi UMKM. Masalah operasional kontrak sering kali bukan teori hukum yang rumit, melainkan lampiran yang tidak ikut terkirim, tanggal perpanjangan yang terlupa, definisi “diterima” yang berbeda antara pasal dan lampiran, atau kewajiban vendor yang tidak pernah dipindahkan ke kalender kerja. AI berguna untuk pekerjaan teliti dan berulang tersebut—asal setiap keluaran dapat dilacak kembali ke dokumen.

Mengapa ringkasan kontrak saja belum cukup

Ringkasan yang terdengar lancar mudah memberi rasa aman palsu. Kalimat “vendor bertanggung jawab atas keterlambatan” belum berguna jika pembaca tidak tahu apakah tanggung jawab itu berlaku untuk semua keterlambatan, hanya keterlambatan tertentu, atau tunduk pada pengecualian di pasal lain. Ringkasan juga dapat menghapus kata pembatas seperti “sepanjang”, “setelah”, “kecuali”, atau “maksimal”.

Risiko ini bukan dugaan. Evaluasi empiris praregistrasi terhadap tiga alat riset hukum berbasis AI menemukan tingkat halusinasi 17–33 persen pada kueri pengujian, meskipun alat tersebut memakai retrieval dan basis hukum khusus. Para peneliti mendefinisikan halusinasi sebagai informasi salah atau klaim palsu bahwa suatu sumber mendukung pernyataan tertentu.[1] Penelitian lain atas model umum melaporkan halusinasi legal setidaknya 58 persen pada pertanyaan terverifikasi tentang perkara federal AS dan menemukan model sering gagal mengoreksi premis pengguna yang keliru.[2]

Angka tersebut berasal dari riset hukum Amerika Serikat, bukan pengukuran kontrak Indonesia. Karena itu, angka ini tidak boleh dipindahkan begitu saja menjadi “tingkat kesalahan AI saat membaca kontrak UMKM Indonesia”. Pelajaran yang dapat ditarik lebih sempit: model yang terdengar meyakinkan tetap memerlukan pemeriksaan sumber, terutama pada pekerjaan hukum berisiko tinggi.

Unit kerja yang benar: klaim, bukti, dan status

Alih-alih meminta satu ringkasan panjang, minta agen menghasilkan catatan terstruktur dengan tiga lapisan:

1. Teks atau fakta dokumen. Kutipan singkat atau ekstraksi literal, disertai nama file, versi, halaman, dan nomor klausul.
2. Normalisasi operasional. Tanggal, pihak yang bertanggung jawab, pemicu, tindakan, bukti penyelesaian, dan konsekuensi yang tertulis—tanpa menambah tafsir.
3. Pertanyaan atau isu. Ketidaksesuaian, istilah yang tidak didefinisikan, lampiran yang hilang, atau klausul yang memerlukan penilaian manusia.

Setiap butir juga perlu status: terverifikasi dari dokumen, perlu konfirmasi, inferensi operasional, atau tidak ditemukan. Jika agen tidak menemukan batas waktu pembayaran, keluaran yang benar adalah “tidak ditemukan pada berkas yang diberikan”, bukan tenggat yang lazim dipakai industri.

Klausul apa yang perlu dipetakan?

Untuk kontrak vendor barang atau jasa, tabel awal berikut cukup praktis. Ini daftar pemeriksaan operasional, bukan daftar yang menentukan sah atau tidaknya kontrak.

Workflow sembilan langkah yang dapat diaudit

1. Bekukan paket dokumen

Kumpulkan kontrak utama, lampiran, proposal yang dirujuk, perubahan atau addendum, serta versi terakhir yang diterima. Beri nama konsisten, cap waktu, dan checksum bila prosesnya formal. Jangan mulai analisis ketika “versi final” masih tersebar di chat dan email.

2. Buat manifest dokumen

Agen mencatat nama file, tanggal dokumen, jumlah halaman, pihak yang disebut, dan hubungan antarberkas. Referensi seperti “sesuai Lampiran B” harus menghasilkan pemeriksaan: apakah Lampiran B benar-benar ada?

3. Ekstrak tanpa menyimpulkan

Pada lintasan pertama, larang rekomendasi. Agen hanya mengambil teks dan metadata untuk bidang yang telah ditentukan. Ini mengurangi pencampuran antara apa yang tertulis dan apa yang dianggap wajar.

4. Bangun matriks kewajiban

Setiap kewajiban diubah menjadi baris: pihak yang wajib bertindak, tindakan, pemicu, tenggat, bukti selesai, konsekuensi tertulis, dan lokasi sumber. “Pembeli membayar 30 hari setelah invoice lengkap diterima” berbeda dari “30 hari setelah invoice diterbitkan”; pemicu harus disalin dengan teliti.

5. Buat kalender pemicu

Masukkan tanggal tetap serta tenggat relatif: masa pemberitahuan, perpanjangan otomatis, periode koreksi, evaluasi SLA, dan kedaluwarsa dokumen. Untuk tenggat relatif, simpan rumus dan peristiwa pemicunya—bukan hanya tanggal hasil hitungan.

6. Bandingkan versi

Perbandingan bukan sekadar melihat paragraf yang berubah. Klasifikasikan dampaknya: nilai, tenggat, pihak, pengecualian, tanggung jawab, bukti, atau definisi. Perubahan satu kata pada definisi dapat memengaruhi banyak klausul.

7. Jalankan pemeriksaan silang

Cari tanggal yang berbeda, istilah kapital yang tidak didefinisikan, rujukan pasal yang salah, tabel yang tidak cocok dengan narasi, dan kewajiban tanpa pemilik. Agen boleh menandai konflik; ia tidak boleh diam-diam memilih versi yang dianggap benar.

8. Pisahkan isu operasional dan isu hukum

“Lampiran harga belum tersedia” adalah isu kelengkapan. “Apakah batas tanggung jawab ini dapat diberlakukan?” adalah pertanyaan hukum. Yang pertama dapat ditindaklanjuti admin; yang kedua harus dinaikkan kepada penasihat yang memahami fakta, yurisdiksi, dan tujuan bisnis.

9. Persetujuan manusia sebelum tindakan

Tidak ada pengiriman kontrak, penerimaan revisi, negosiasi, pembayaran, penghentian layanan, atau penghapusan data berdasarkan keluaran agen saja. Karyawan AI menyiapkan bahan keputusan; orang yang berwenang tetap membaca klausul sumber dan menyetujui tindakannya.

Contoh: kontrak pemasok kemasan

Bayangkan merek makanan rumahan hendak memakai pemasok kemasan selama satu tahun. Kontrak menyebut pengiriman “sesuai jadwal”, lampiran pesanan menyebut setiap Selasa, dan proposal vendor menyebut estimasi tiga sampai lima hari kerja. Agen tidak boleh menyatukan ketiganya menjadi satu janji pasti.

Keluaran yang berguna adalah:

• fakta: kontrak utama memakai frasa “sesuai jadwal”, Pasal 4 halaman 3;
• fakta: Lampiran A menyebut pengiriman setiap Selasa, halaman 1;
• fakta: proposal versi 12 September menyebut estimasi tiga sampai lima hari kerja;
• isu: kontrak merujuk Lampiran B tentang standar mutu, tetapi berkas tidak tersedia;
• pertanyaan untuk manusia: dokumen mana yang mengendalikan bila jadwal berbeda, dan apakah Lampiran B perlu dilengkapi sebelum tanda tangan?

Pemilik usaha kini memiliki daftar yang dapat diperiksa. Agen tidak menyatakan pihak mana akan menang dalam sengketa dan tidak mengarang urutan kekuatan dokumen yang tidak tertulis.

Batas hukum yang tidak boleh diserahkan kepada agen

Pasal 1320 KUHPerdata memuat empat syarat sah persetujuan: kesepakatan, kecakapan, suatu pokok persoalan tertentu, dan sebab yang tidak terlarang. Pasal 1338 menyatakan persetujuan yang dibuat sesuai undang-undang berlaku sebagai undang-undang bagi para pembuatnya.[3] Dua pasal ini menjelaskan mengapa keputusan kontrak tidak cukup hanya dengan menemukan kata kunci. Penilaian tentang kesepakatan, kewenangan, objek, sebab, keberlakuan, atau akibat hukum memerlukan konteks dan tanggung jawab profesional.

Karyawan AI juga tidak boleh memutuskan apakah suatu klausul “pasti aman”, “pasti batal”, “standar pasar”, atau “dapat dimenangkan”. Ia dapat menunjukkan teks, konflik, dan pertanyaan; penasihat hukum atau pihak berwenang menilai akibatnya.

Lindungi kerahasiaan dan data pribadi

Kontrak dapat memuat nomor identitas, rekening, tanda tangan, alamat, daftar pelanggan, harga rahasia, dan akses sistem. Sebelum mengunggah dokumen, tentukan dasar dan tujuan pemrosesan, minimalkan data, batasi pihak yang dapat mengakses, tetapkan retensi, serta hapus salinan kerja yang tidak lagi diperlukan.

UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi mengatur antara lain bahwa pemrosesan harus dilakukan secara terbatas dan spesifik, sah, transparan, sesuai tujuan, akurat, aman, dan dapat dipertanggungjawabkan.[4] Artinya, “AI bisa membaca PDF” bukan alasan untuk memasukkan seluruh arsip kontrak. Mulailah dari satu paket dokumen yang relevan, dengan akses sekecil mungkin.

Profil NIST untuk risiko generative AI juga menempatkan confabulation—keluaran salah atau palsu yang dinyatakan meyakinkan—sebagai risiko utama, dan mendorong pengujian, dokumentasi sumber, pemantauan, serta pengawasan manusia.[5] Dalam review kontrak, penerjemahannya sederhana: tidak ada klaim penting tanpa lokasi sumber, dan tidak ada tindakan material tanpa persetujuan manusia.

Prompt kerja yang lebih aman

Gunakan instruksi seperti ini:

Baca hanya berkas dalam manifest ini. Jangan menggunakan pengetahuan umum untuk melengkapi klausul yang tidak ada. Untuk setiap temuan, tulis nama file, versi, halaman, nomor klausul, kutipan maksimal dua kalimat, dan bidang terstruktur. Pisahkan teks dokumen, normalisasi operasional, dan pertanyaan untuk manusia. Jika lampiran, definisi, atau informasi tidak tersedia, tulis tidak ditemukan. Jangan menilai keabsahan, keberlakuan, kewajaran pasar, atau strategi negosiasi. Jangan mengirim, mengubah, menandatangani, atau menyetujui dokumen.

Tambahkan skema keluaran yang tetap. Dengan begitu, hasil dari kontrak berbeda dapat dibandingkan dan diuji, bukan sekadar dibaca sebagai prosa.

Ukur kualitas sebelum dipakai rutin

Uji pada kontrak yang sudah pernah ditinjau manusia. Ukur:

• recall kewajiban: berapa kewajiban material yang ditemukan dibanding daftar acuan;
• akurasi locator: apakah halaman dan klausul benar;
• akurasi tanggal dan angka: nilai, persentase, serta tenggat tidak berubah;
• false issue rate: berapa banyak konflik yang ternyata tidak ada;
• abstention quality: apakah agen menulis “tidak ditemukan” ketika bukti kurang;
• waktu verifikasi manusia: apakah hasil benar-benar mempercepat pemeriksaan.

Jangan memberi nilai hanya berdasarkan cepat atau enak dibaca. Satu tenggat perpanjangan yang terlewat dapat lebih mahal daripada puluhan ringkasan yang benar.

Di mana AgentBuff relevan

AgentBuff adalah platform karyawan AI asal Indonesia: pengguna mengelola agen melalui chat, memberi peran, skills dan tools, menghubungkannya ke aplikasi atau data kerja, menjalankan workflow dan tugas terjadwal, lalu menerima hasil kerja.[6] Untuk kontrak, pola yang masuk akal adalah membuat agen berperan sebagai analis bukti dokumen dengan akses baca terbatas, format keluaran tetap, dan approval manusia.

Mulailah dengan satu jenis kontrak dan dokumen contoh. Hubungkan hasilnya ke knowledge base yang memiliki sumber dan versi, terapkan jejak kerja untuk membuktikan hasil agen, dan gunakan SOP delegasi karyawan AI agar batas tindakan tidak hanya tinggal di kepala pemilik.

Soft-selling yang jujur di sini sederhana: platform dapat membantu menjalankan workflow; kualitas review tetap bergantung pada kelengkapan dokumen, desain instruksi, izin akses, pengujian, dan pemeriksaan manusia.

FAQ

Apakah AI bisa menyatakan kontrak sah?

Tidak seharusnya. Agen dapat mengekstrak informasi yang relevan, tetapi penilaian keabsahan memerlukan konteks hukum dan profesional yang bertanggung jawab.

Apakah cukup meminta AI meringkas kontrak?

Tidak. Minta locator halaman/klausul, kutipan singkat, matriks kewajiban, status bukti, dan daftar bagian yang tidak ditemukan.

Bolehkah kontrak langsung diunggah seluruhnya?

Periksa kerahasiaan dan data pribadi terlebih dahulu. Batasi dokumen, tujuan, akses, dan retensi; lakukan redaksi bila informasi tertentu tidak diperlukan.

Bagaimana jika beberapa versi bertentangan?

Agen harus menunjukkan perbedaannya dan dokumen sumber, bukan memilih versi yang berlaku. Keputusan itu perlu eskalasi manusia.

Kapan harus melibatkan penasihat hukum?

Saat menyangkut keabsahan, kewenangan, tanggung jawab material, HKI, data pribadi, penghentian, sengketa, perubahan hak, atau konsekuensi yang tidak dipahami pemilik usaha.

Kesimpulan

Nilai karyawan AI dalam review kontrak bukan terletak pada keberaniannya memberi vonis. Nilainya terletak pada disiplin membaca: menemukan klausul, menjaga hubungan antara klaim dan bukti, menyusun kewajiban menjadi pekerjaan, dan berhenti ketika dokumen tidak cukup. Workflow yang baik membuat manusia lebih cepat menemukan hal yang perlu diputuskan—tanpa menyamarkan mesin sebagai pengacara.

Jika Anda ingin mencoba pola ini, mulai dari satu kontrak vendor lama yang sudah memiliki hasil review manusia. Bangun manifest, matriks kewajiban, locator, serta daftar eskalasi di AgentBuff, lalu ukur apakah agen membantu pemeriksaan tanpa menambah klaim yang tidak ada.

Tentang penulis: Nugraha Labib Mujaddid membangun AgentBuff untuk membantu individu dan bisnis Indonesia bekerja dengan karyawan AI.

Sumber dan bacaan utama

[1] Magesh et al., “Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools” — https://arxiv.org/abs/2405.20362

[2] Dahl et al., “Large Legal Fictions: Profiling Legal Hallucinations in Large Language Models” — https://arxiv.org/abs/2401.01301

[3] JDIH Mahkamah Agung RI, Kitab Undang-Undang Hukum Perdata — https://jdih.mahkamahagung.go.id/legal-product/kitab-undang-undang-hukum-perdata/detail

[4] JDIH Kementerian Komunikasi dan Digital, UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi — https://jdih.komdigi.go.id/produk_hukum/view/id/832/t/undangundang%2Bnomor%2B27%2Btahun%2B2022

[5] NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf

[6] AgentBuff — https://agentbuff.id/