OpenAI Rekrut Dan Driscoll untuk Modernisasi Keamanan Nasional

OpenAI menunjuk Dan Driscoll untuk peran baru keamanan nasional

OpenAI rekrut Dan Driscoll, mantan Sekretaris Angkatan Darat Amerika Serikat, sebagai Penasihat Senior untuk Modernisasi Keamanan Nasional. Menurut Unite.AI, posisi baru ini berfokus pada keamanan nasional, keamanan siber, serta kerja sama dengan sekutu Amerika Serikat. Pengangkatan tersebut diumumkan pada 2 November 2026.

Laporan Koridor.co.id menyebut Driscoll akan bekerja bersama tim OpenAI dan pemimpin dari pemerintahan, industri, serta akademisi. Tugasnya mencakup pemberian masukan kepada mitra sektor publik maupun swasta terkait pemanfaatan AI untuk keamanan nasional, modernisasi, dan penerapan yang mendukung prinsip demokrasi.

Berita ini tidak menunjukkan peluncuran produk militer baru. Fokusnya adalah penambahan perspektif kebijakan, kebutuhan operasional, dan kepemimpinan publik ke dalam strategi OpenAI. Peran penasihat seperti ini relevan ketika teknologi AI mulai digunakan pada lingkungan dengan data sensitif, rantai keputusan panjang, serta konsekuensi besar bila terjadi kesalahan.

Driscoll sebelumnya merupakan Sekretaris Angkatan Darat AS ke-26. Koridor.co.id melaporkan ia dilantik pada 2025 dan mengundurkan diri pada Agustus 2026. Unite.AI juga mencatat pengalaman Driscoll mencakup kepemimpinan pemerintahan, dinas militer, hukum, dan sektor swasta. Latar tersebut menjelaskan mengapa penunjukannya lebih dekat dengan isu kesiapan institusi daripada pengembangan model AI itu sendiri.

Mengapa keamanan nasional membutuhkan pendekatan AI yang berbeda

AI untuk keamanan nasional tidak dapat diperlakukan seperti AI untuk menulis draf pemasaran atau merangkum rapat internal. Lingkungan ini melibatkan informasi terbatas, otorisasi pengguna, koordinasi antarlembaga, serta keputusan yang perlu dapat ditelusuri. Sistem yang memberi jawaban cepat tetap tidak layak dipakai bila sumber datanya tidak jelas atau tidak ada pihak yang bertanggung jawab atas keputusan akhir.

Menurut Unite.AI, salah satu lingkup tugas Driscoll adalah membantu tim internal OpenAI memahami kebutuhan operasional lembaga keamanan nasional di berbagai negara. Kebutuhan operasional berarti pertanyaan praktis: informasi apa yang boleh diproses, siapa yang dapat mengaksesnya, tindakan apa yang dapat dijalankan sistem, dan kapan manusia wajib mengambil alih.

Perbedaan antara otomasi, AI automation, dan AI agent juga perlu jelas. Otomasi menjalankan aturan tetap, misalnya laporan insiden baru langsung dicatat dalam sistem. AI automation memakai AI pada langkah tertentu, misalnya mengelompokkan laporan berdasarkan topik atau tingkat urgensi. AI agent dapat menggunakan konteks dan tools untuk menyelesaikan beberapa langkah menuju tujuan, sehingga batas tindakan, log aktivitas, dan persetujuan manusia harus dirancang sejak awal.

Sebagai ilustrasi hipotetis, pusat operasi siber menerima laporan dari email, sistem pemantauan jaringan, dan formulir internal. Workflow AI automation dapat membaca laporan, mengidentifikasi kata kunci risiko, mengelompokkan kasus, lalu mengirim ringkasan ke analis. Sistem tidak boleh langsung memblokir akun atau jaringan hanya berdasarkan hasil model. Tindakan tersebut tetap memerlukan konfirmasi petugas yang memiliki wewenang.

Dampaknya bagi AI pertahanan dan keamanan siber

Penunjukan ini dapat dibaca sebagai perhatian OpenAI terhadap penggunaan AI dalam keamanan nasional dan siber. Koridor.co.id melaporkan OpenAI memperbarui kebijakannya pada 2024 sehingga teknologinya dapat digunakan untuk kebutuhan tertentu di sektor militer. Perubahan kebijakan itu membuat pembahasan AI pertahanan mencakup kemampuan teknologi sekaligus batas penggunaan, akuntabilitas, dan kerja sama institusional.

Menurut Unite.AI, Driscoll akan memberi saran mengenai perubahan kebijakan dan strategi agar pemanfaatan AI dapat diterapkan secara praktis bagi keamanan nasional. Nilai praktisnya bukan sekadar memilih model yang paling mampu menjawab pertanyaan. Organisasi perlu memastikan sistem sesuai dengan alur kerja, hak akses, kewajiban pelaporan, dan struktur pengambilan keputusan yang sudah ada.

Risiko utama sering berada di luar model AI. Izin akses yang terlalu luas dapat membuka data sensitif. Instruksi yang tidak tervalidasi dapat menghasilkan rekomendasi keliru. Data yang sudah kedaluwarsa dapat membuat analisis tampak meyakinkan tetapi tidak relevan. Tanpa catatan audit, tim sulit mengetahui mengapa sistem menghasilkan rekomendasi tertentu atau siapa yang menyetujui tindakan berikutnya.

Karena itu, penerapan AI di area berisiko tinggi perlu dibagi berdasarkan tingkat tindakan. AI dapat membantu merangkum dokumen, menemukan pola, atau menyusun prioritas awal. Keputusan yang memengaruhi akses sistem, keselamatan personel, atau respons terhadap ancaman perlu melalui pemeriksaan manusia. Organisasi juga perlu menetapkan pemilik proses: pihak yang meninjau hasil, memperbaiki kesalahan, dan menghentikan workflow bila kontrol gagal.

Pelajaran bagi bisnis yang menerapkan AI pada proses sensitif

Bisnis di Indonesia tidak perlu meniru konteks pertahanan untuk mengambil pelajaran dari berita ini. Pelajaran utamanya adalah memulai dari proses kerja dan risiko, bukan dari tool. AI layak diuji ketika ada pekerjaan berulang, input yang cukup jelas, serta hasil yang masih dapat diperiksa manusia.

Contoh hipotetisnya adalah tim layanan pelanggan yang menerima pertanyaan melalui email, chat, dan formulir. Tahap pertama dapat berupa klasifikasi topik oleh AI, misalnya tagihan, pembatalan, keluhan, atau pertanyaan produk. Sistem kemudian membuat draf respons dari basis pengetahuan yang telah disetujui. Agen manusia menangani keluhan sensitif, permintaan pengembalian dana, atau respons dengan tingkat keyakinan rendah.

Sebelum workflow tersebut dijalankan, tim perlu menuliskan empat keputusan. Pertama, data apa yang dilarang masuk ke sistem AI. Kedua, tindakan apa yang boleh dilakukan otomatis. Ketiga, kondisi apa yang harus dialihkan ke manusia. Keempat, siapa yang memeriksa kesalahan dan memperbarui instruksi atau basis pengetahuan. Langkah ini membuat evaluasi lebih terukur daripada sekadar menilai apakah respons AI terdengar baik.

Ukuran awal dapat bersifat operasional, seperti waktu yang dibutuhkan untuk meninjau permintaan, jumlah draf yang perlu diperbaiki, dan jenis pertanyaan yang paling sering dialihkan. Ukuran tersebut tidak menjanjikan peningkatan tertentu, tetapi membantu tim menemukan apakah AI benar-benar mendukung proses atau justru menambah pekerjaan koreksi.

Untuk konteks lokal, pembaca dapat melanjutkan ke artikel pilar Komdigi Perkuat Talenta AI dan Keamanan Siber Nasional. Pembahasan tersebut menempatkan berita OpenAI dan Driscoll dalam isu talenta, keamanan siber, serta tata kelola AI di Indonesia.

Mulailah minggu ini dengan memilih satu workflow berisiko rendah yang masih dilakukan manual. Gambarkan alurnya dari input hingga keputusan akhir, tandai data sensitif, lalu tentukan satu titik persetujuan manusia. Setelah itu, uji AI hanya pada tahap bantuan yang paling aman, misalnya klasifikasi atau penyusunan draf, sebelum memperluas tindakan otomatis.