Checklist Kepatuhan UU PDP untuk Fitur AI di Indonesia

Fiturnya hanya tiga baris. Ambil isi tiket support dari tabel tickets, minta model membuat ringkasannya, lalu simpan ringkasan itu di sebelah tiket. Code review-nya selesai dalam satu pagi karena memang tidak ada yang perlu ditinjau: tidak ada tabel baru, tidak ada endpoint baru, tidak ada dependency baru. Pertanyaan yang menghentikannya justru datang dari orang yang sama sekali tidak membaca diff-nya. Teks keluhan itu berakhir di negara mana, dan siapa yang menyimpan salinannya?

Saya engineer, bukan pengacara, dan tulisan ini bukan nasihat hukum - keputusan yang membawa risiko tetap harus dibawa ke penasihat hukum. Yang ada di bawah ini adalah checklist yang sekarang saya jalankan sebelum sebuah fitur AI menyentuh data pribadi orang Indonesia, disusun berdasarkan teks Undang-Undang Nomor 27 Tahun 2022 dan dokumentasi retensi yang memang dipublikasikan para provider. Saya berasumsi Anda sudah tahu bentuk umum UU PDP. Panduan developer yang lebih umum di situs ini sudah membahas consent management, enkripsi dan notifikasi kebocoran, jadi saya tidak akan mengulangnya; tulisan ini khusus tentang permukaan baru yang dibawa fitur AI.

Prompt itu pengungkapan, bukan sekadar baca database

Pasal 16 ayat 1 mendefinisikan pemrosesan sebagai sebuah daftar, dan daftar itu lebih panjang daripada dugaan kebanyakan engineer. Isinya pemerolehan dan pengumpulan, pengolahan dan penganalisisan, penyimpanan, perbaikan dan pembaruan, penampilan, pengumuman, transfer, penyebarluasan atau pengungkapan, serta penghapusan atau pemusnahan. Dua entri dalam daftar itulah alasan fitur AI bukan fitur CRUD biasa.

• Penganalisisan adalah pemrosesan tersendiri. Meminta model meringkas, mengklasifikasi atau memberi skor pada data pelanggan bukan pembacaan data yang sudah ada - itu aktivitas pemrosesan baru dengan tujuannya sendiri.
• Transfer dan pengungkapan juga pemrosesan. Begitu service Anda men-serialisasi sebuah record menjadi prompt dan mengirimkannya ke endpoint milik pihak lain, data itu sudah diungkapkan kepada pihak ketiga yang bukan Anda.
• Penjelasan resmi Pasal 46 menyebut kegagalan pelindungan data pribadi mencakup data yang dikirim, disimpan, atau diproses. Kata dikirim disebut lebih dulu, dan prompt adalah pengiriman.
• Tidak ada bagian dari daftar itu yang mengecualikan data yang hanya sempat ada di memori, hanya sedetik, atau hanya dibaca mesin.

Di situlah seluruh perbedaannya. Checklist kepatuhan database punya baris untuk tabel, backup, enkripsi at rest dan access log. Tidak ada barisnya untuk request HTTPS keluar yang membawa kalimat milik pelanggan ke perusahaan di yurisdiksi lain, karena waktu checklist itu ditulis, aplikasi bisnis biasa memang tidak rutin melakukannya. Sekarang aplikasi seperti itu melakukannya satu kali per tiket.

Inference dan training adalah dua pertanyaan berbeda

Pasal 20 ayat 1 menyatakan Pengendali Data Pribadi wajib memiliki dasar pemrosesan, dan ayat 2 menyebut enam pilihan: persetujuan eksplisit untuk satu atau beberapa tujuan tertentu, pemenuhan kewajiban perjanjian atau permintaan sebelum perjanjian dibuat, kewajiban hukum, pelindungan kepentingan vital, pelaksanaan tugas untuk kepentingan umum, dan kepentingan sah lainnya yang ditimbang terhadap hak Subjek Data Pribadi. Anda memilih satu per tujuan, bukan satu per sistem.

Menjalankan inference atas sebuah tiket support supaya agent yang menanganinya mendapat ringkasan masih masuk akal disebut tujuan yang sama dengan penanganan tiket itu, sehingga dasar perjanjian atau kepentingan sah yang sudah Anda pakai bisa menaunginya. Memakai tiket yang sama sebagai training data untuk model yang Anda fine-tune adalah tujuan yang berbeda sama sekali - kalimat pelanggan berhenti menjadi input bagi kasusnya sendiri dan berubah menjadi aset yang memperbaiki produk Anda untuk semua orang lain. Pasal 28 mewajibkan pemrosesan dilakukan sesuai tujuannya, jadi penggunaan kedua ini butuh jawabannya sendiri, dan pada sebagian besar desain jawabannya harus persetujuan. Pasal 21 lalu menyebut apa saja yang wajib disampaikan: legalitas pemrosesan, tujuannya, jenis dan relevansi data, jangka waktu retensi dokumen yang memuatnya, jangka waktu pemrosesan, dan hak Subjek Data Pribadi.

Konsekuensi praktisnya, kalimat kami sudah punya persetujuan hampir tidak pernah menjadi jawaban lengkap untuk fitur yang melakukan training. Tulis kedua pertanyaan itu terpisah. Dan ketika pertanyaan kedua ternyata sulit, sadari bahwa Anda boleh menjawabnya dengan tidak - training di atas teks pelanggan itu opsional dengan cara yang tidak berlaku untuk inference, dan menolaknya menghapus kewajiban, bukan menundanya.

Di mana inference terjadi, bukan di mana penyimpanannya

Pasal 56 menyusun uji bertingkat untuk mengirim data pribadi ke luar wilayah hukum Indonesia, dan tingkatnya berurutan: Anda baru sampai ke tingkat kedua karena yang pertama gagal, dan ke tingkat ketiga karena keduanya gagal.

Ayat 5 menyerahkan rinciannya kepada Peraturan Pemerintah. Mahkamah Konstitusi meninjau kerangka ini dalam Putusan 137 PUU-XXIII 2025 yang dibacakan pada Januari 2026 dan menguatkannya, sekaligus menegaskan bahwa penilaian adequacy berada di ranah eksekutif, bukan parlemen. Itu menjawab siapa yang memutuskan. Itu tidak menghasilkan daftarnya, dan selama daftar itu belum ada, posisi paling jujur bagi sebagian besar tim di Indonesia adalah mengakui bahwa mereka bersandar pada ayat 3 dan sebaiknya sanggup menjelaskan pengamannya dengan lantang.

Menjelaskannya berarti menyebut di mana inference terjadi, dan di sinilah engineer sering terjebak, karena dokumentasi vendor memisahkan dua hal yang terdengar seperti satu. Data residency controls milik OpenAI mencantumkan Singapura sebagai sg.api.openai.com dengan regional storage didukung tetapi regional processing tidak didukung - hanya Amerika Serikat dan Eropa yang saat ini mendukung keduanya, dan Indonesia sama sekali tidak ada di daftar itu. Azure menarik garis yang sama dari sisi sebaliknya: prompt dan response diproses di dalam geography yang dipilih pelanggan kecuali deployment type-nya Global atau DataZone, dan deployment Global boleh diproses di geography mana pun tempat model itu tersedia. Memilih region penyimpanan terdekat lalu menganggap token-nya ikut berhenti di sana adalah kesalahannya.

Minimalkan di batas prompt, bukan di database

Pasal 27 mewajibkan pemrosesan dilakukan secara terbatas dan spesifik, sah secara hukum, dan transparan. Di batas prompt, kalimat itu berhenti menjadi abstraksi dan berubah menjadi keputusan serialisasi. Yang praktis adalah men-stringify seluruh record, karena cuma satu ekspresi dan model memang membaca lebih baik dengan konteks. Yang patuh adalah allowlist per field, karena hanya versi itulah yang bisa Anda ceritakan dengan jujur di dalam record pemrosesan.

// Wrong: the whole row leaves, including columns nobody asked for.
const prompt = "Summarise this complaint:\n" + JSON.stringify(ticket);
// ticket also carries nik, phone, address, internal notes and an audit trail.

// Right: a field allowlist you can quote in the processing record, plus
// redaction for the free text you genuinely cannot drop.
const AI_SUMMARY_FIELDS = ["subject", "body", "productCode", "createdAt"] as const;

const REDACTIONS: Array<[RegExp, string]> = [
  [/\b\d{16}\b/g, "[NIK]"],                    // 16-digit Indonesian national ID
  [/\b(?:\+62|0)8\d{8,11}\b/g, "[PHONE]"],     // Indonesian mobile numbers
  [/\b[\w.+-]+@[\w-]+\.[\w.]{2,}\b/g, "[EMAIL]"],
];

const redact = (text: string) =>
  REDACTIONS.reduce((s, [re, tag]) => s.replace(re, tag), text);

// The allowlist is the contract. Adding a field is a change to the
// processing record, not a one-line commit.
export function summaryPayload(ticket: Ticket) {
  return Object.fromEntries(
    AI_SUMMARY_FIELDS.map((f) => {
      const v = ticket[f];
      return [f, typeof v === "string" ? redact(v) : v];
    }),
  );
}

Dua hal yang perlu Anda tahu sebelum bersandar pada ini. Redaction bukan pengganti allowlist - regular expression yang meleset pada format nomor telepon tak lazim tetap mengirim nomor itu, sementara field yang memang tidak pernah dipilih tidak mungkin bocor sama sekali. Dan allowlist itulah yang membuat catatan Pasal 31 bisa ditulis: Anda dapat menyebut persis kategori data pribadi mana yang keluar dari sistem untuk fitur ini, kalimat yang mustahil ditulis siapa pun kalau payload-nya adalah apa pun yang kebetulan dikembalikan ORM.

Prompt log Anda sekarang juga data pribadi

Pasal 43 ayat 1 mewajibkan penghapusan ketika data tidak lagi diperlukan untuk tujuannya, ketika persetujuan ditarik, ketika Subjek Data Pribadi memintanya, atau ketika data diperoleh secara melawan hukum. Pasal 44 mengatur pemusnahan, dan penjelasan resminya mendefinisikan memusnahkan sebagai tindakan menghilangkan, melenyapkan atau menghancurkan data pribadi sehingga tidak lagi dapat dipakai mengidentifikasi Subjek Data Pribadi. Itu definisi tentang hasil akhir, bukan tentang satu perintah DELETE, dan kalimat itulah yang membuat penyimpanan sebuah fitur AI jadi merepotkan. Tiga tempat penyimpanan biasanya terlupakan.

• Log di sisi provider. Dokumentasi OpenAI menyebut log abuse monitoring disimpan 30 hari secara default kecuali Anda disetujui memakai zero data retention, dan Azure menyimpan abuse monitoring store per geography yang bisa dijangkau reviewer manusia berwenang kecuali Anda sudah disetujui memakai modified abuse monitoring. Keduanya bukan tempat yang bisa Anda kirimi perintah penghapusan.
• Prompt log dan response log milik Anda sendiri. Tabel yang Anda tambahkan untuk debugging memuat data pribadi yang sama dengan record asalnya, ditambah apa pun yang disimpulkan model tentangnya. Itu salinan baru dengan jangka waktu retensinya sendiri, dan hampir tidak ada yang menetapkannya.
• Embeddings. Vektor yang diturunkan dari teks pelanggan adalah turunan dari data pribadi, dan payload yang disimpan di sebelahnya biasanya memuat teks aslinya. Catatan retensi OpenAI menyebut objek vector store dihapus dari server mereka 30 hari setelah Anda menghapusnya lewat API, dan disimpan tanpa batas waktu kalau Anda tidak pernah melakukannya.

Bagian yang merepotkan bukan keberadaan penyimpanan-penyimpanan itu. Yang merepotkan adalah masing-masing dibuat oleh bagian kode yang berbeda, pada waktu yang berbeda, sering oleh orang yang berbeda, sementara rutin penghapusannya ditulis sekali oleh siapa pun yang membangun yang pertama dan jarang ditengok lagi.

Apa saja yang harus dijangkau satu permintaan penghapusan

Mulai dari haknya dulu, karena tenggatnya pendek. Pasal 7 memberi Subjek Data Pribadi hak akses dan salinan datanya, dan Pasal 32 ayat 2 mewajibkan akses itu diberikan paling lambat 3 x 24 jam sejak permintaan diterima. Pasal 30 ayat 1 memberi tenggat 3 x 24 jam yang sama untuk memperbaiki data yang tidak akurat. Pasal 8 memberi hak mengakhiri pemrosesan, menghapus dan memusnahkan. Pasal 10 ayat 1 memberi hak mengajukan keberatan atas keputusan yang hanya didasarkan pada pemrosesan otomatis, termasuk pemrofilan, yang menimbulkan akibat hukum atau dampak signifikan - hak yang ada justru karena fitur seperti yang sedang Anda rilis.

// One function knows every store that ever saw this subject's data.
// The list grows; the function is the only place that has to know.
async function eraseSubject(subjectId: string) {
  await db.transaction(async (tx) => {
    await tx.delete(tickets).where(eq(tickets.customerId, subjectId));
    await tx.delete(aiPromptLog).where(eq(aiPromptLog.subjectId, subjectId));
    await tx.delete(aiResponseLog).where(eq(aiResponseLog.subjectId, subjectId));
  });

  // Embeddings are derived personal data. Deleting the source row does not
  // touch them, and the payload stored beside the vector still holds the text.
  await qdrant.delete("tickets", {
    filter: { must: [{ key: "subjectId", match: { value: subjectId } }] },
  });

  // Provider-side objects you created yourself: files, vector stores,
  // stored responses. These are yours to delete and nobody else's job.
  for (const fileId of await listProviderFiles(subjectId)) {
    await openai.files.del(fileId);
  }

  // What this function CANNOT reach. Record it, because Article 45 makes you
  // tell the data subject that deletion happened, and this is the footnote.
  await eraseAudit.record(subjectId, [
    "provider abuse-monitoring copies",
    "weights of any model fine-tuned on this text",
  ]);
}

Pasal 45 kemudian mewajibkan Anda memberitahukan kepada Subjek Data Pribadi bahwa penghapusan atau pemusnahan itu sudah dilakukan, dan ternyata itu forcing function yang berguna. Anda tidak bisa mengirim pemberitahuan itu dengan jujur selama Anda tahu ada model hasil fine-tune yang masih membawa teks orang tersebut di dalam bobotnya.

Hak akses menurut Pasal 7 berbentuk sama dan layak dipikirkan terpisah. Anda bisa menjawab permintaan akses untuk database, log dan vector store Anda, karena ketiganya bisa di-query per subjek. Anda tidak bisa menjawabnya untuk sekumpulan bobot model - model hasil fine-tune tidak punya index, tidak punya baris untuk dikembalikan, dan tidak punya cara andal untuk menyatakan apakah teks orang tertentu ikut memengaruhinya. Ketimpangan itulah argumen praktis terkuat untuk tidak melakukan training di atas data pribadi sama sekali: ia mengubah pekerjaan teknis dua jam menjadi pekerjaan yang tidak terjawab, secara permanen.

Tulis catatannya sebelum rilis, bukan setelah ada permintaan

Pasal 31 hanya satu kalimat: Pengendali Data Pribadi wajib melakukan perekaman terhadap seluruh kegiatan pemrosesan data pribadi. Seluruhnya. Pasal 47 mewajibkan Pengendali bertanggung jawab atas pemrosesan sekaligus mampu menunjukkan pertanggungjawaban itu, yaitu prinsip akuntabilitas yang punya gigi. Pasal 34 menambahkan penilaian dampak pelindungan data pribadi bila pemrosesan berpotensi risiko tinggi, dan daftar pemicunya terbaca seperti deskripsi sebuah fitur AI - pengambilan keputusan otomatis dengan akibat hukum atau dampak signifikan, pemrosesan dalam skala besar, evaluasi, penskoran atau pemantauan sistematis, pencocokan atau penggabungan kelompok data, dan penggunaan teknologi baru.

# processing-records/ai-ticket-summary.yaml
# One file per AI feature, in the repo, reviewed in the same pull request
# that changes the prompt.
feature: ai-ticket-summary
purpose: Summarise an inbound support ticket for the agent handling it
lawful_basis: contract          # Art 20(2)(b) - handling the customer's own ticket
training_on_this_data: false    # a separate purpose, deliberately not taken

data_sent:
  fields: [subject, body, productCode, createdAt]
  redacted_in_body: [nik, phone, email]
  never_sent: [name, address, nik, payment_history]

provider:
  endpoint: TODO
  storage_region: TODO
  inference_region_guaranteed: false   # storage region is NOT processing region
  transfer_basis: Art 56(3) binding safeguards, DPA signed TODO
  provider_retention: abuse-monitoring logs, 30 days by default

our_stores:
  prompt_log: 30 days, erased by eraseSubject
  response_log: 30 days, erased by eraseSubject
  embeddings: qdrant collection tickets, erased by eraseSubject

unreachable_by_erasure:
  - provider abuse-monitoring copies

dpia_required: true             # Art 34(2)(f) - use of new technology

Menyimpan catatan itu di dalam repository dan bukan di spreadsheet adalah satu-satunya versi yang tetap benar. Prompt berubah lewat pull request, catatannya berubah lewat pull request yang sama, dan reviewer yang melihat ada field baru di allowlist adalah reviewer yang sama yang melihat catatannya belum ikut diperbarui. Ketika akhirnya ada yang bertanya data pribadi apa yang dikirim fitur ini ke luar negeri dan atas dasar apa, jawabannya adalah sebuah file dengan riwayat git di belakangnya, bukan sebuah rapat.

Aturan yang saya bawa sekarang cukup pendek untuk diucapkan saat review: perlakukan prompt sebagai batas sistem. Semua yang melewatinya adalah pengungkapan yang Anda pilih untuk lakukan, kepada pihak yang harus Anda sebut namanya, di negara yang harus Anda identifikasi, ke dalam log yang sebagian besar tidak bisa Anda jangkau lagi setelahnya. Bangun fiturnya dengan cara itu dan pertanyaan UU PDP berhenti menjadi gerbang di ujung, lalu berubah menjadi dua file kecil yang memang akan Anda tulis - allowlist dan catatannya.