Document AI dan OCR untuk Dokumen Nasabah, Tanpa Data Keluar Indonesia

Document AI untuk dokumen nasabah bisa dibangun dengan seluruh pemrosesan tetap di Indonesia: penyimpanan, OCR, ekstraksi dengan model open-weight, validasi, sampai log. Yang menentukan bukan hanya lokasi server, tetapi apakah setiap komponen pendukung, termasuk logging, tracing dan fallback, juga berjalan di dalam negeri.

Artikel ini adalah pola arsitektur yang bisa dibangun di IONext oleh system integrator, software house dan tim AI internal yang mengotomatiskan onboarding, KYC atau verifikasi dokumen untuk bank, multifinance, asuransi dan BUMN. Ini bukan studi kasus proyek tertentu.

Masalah apa yang diselesaikan Document AI untuk dokumen nasabah?

Document AI mengubah foto dan PDF dokumen nasabah, seperti KTP, NPWP, kartu keluarga, slip gaji dan rekening koran, menjadi data terstruktur yang bisa divalidasi dan dimasukkan ke sistem inti. Masalahnya, dokumen ini berisi data pribadi, dan sebagian termasuk data keuangan pribadi yang menurut UU PDP berstatus data pribadi spesifik.

Tim operasional biasanya masih mengetik ulang isi dokumen secara manual. Banyak tim lalu mencoba API OCR atau LLM global karena mudah dipasang. Di sinilah proyek sering berhenti di meja tim risiko dan kepatuhan klien, bukan di meja tim teknis.

Per Oktober 2026, ada tiga dasar yang biasanya diangkat klien:

• UU No. 27/2022 (UU PDP) Pasal 4 ayat (2) memasukkan "data keuangan pribadi" ke dalam data pribadi spesifik.
• UU PDP Pasal 34 mewajibkan pengendali melakukan penilaian dampak pelindungan data pribadi (DPIA) untuk pemrosesan berisiko tinggi, termasuk pemrosesan data pribadi spesifik, skala besar, dan penggunaan teknologi baru.
• POJK No. 11/POJK.03/2022 mewajibkan bank umum menempatkan sistem elektronik di Indonesia. Penempatan di luar negeri hanya untuk kriteria tertentu dan dengan persetujuan OJK.

Untuk transfer data pribadi ke luar negeri, lihat juga ulasan IONext tentang dampak PP 33/2026 untuk proyek AI.

Seperti apa arsitekturnya di IONext?

Pola ini terdiri dari tujuh lapis yang semuanya berjalan di infrastruktur IONext di Jakarta: penyimpanan dokumen, pra-pemrosesan, OCR dan analisis tata letak, ekstraksi dengan LLM atau vision-language model, validasi aturan, antrean review manusia, dan observabilitas. Tidak ada lapis yang memanggil layanan di luar negeri.

Lapis	Fungsi	Komponen yang umum dipakai	Di IONext
1. Ingest	Terima foto atau PDF dari aplikasi, portal atau scanner cabang	Bucket privat, enkripsi, URL unggah bertanda tangan	Object storage S3-compatible di Indonesia
2. Pra-pemrosesan	Rotasi, deskew, pisah halaman, klasifikasi jenis dokumen	OpenCV, classifier ringan	VM atau Kubernetes di ORBIT
3. OCR dan layout	Baca teks, tabel dan posisi field	PaddleOCR (PP-OCRv5, PP-StructureV3), Docling	GPU VM, lihat pilihan GPU IONext
4. Ekstraksi	Ubah teks atau gambar menjadi JSON sesuai skema	LLM open-weight via API kompatibel OpenAI, atau vision-language model seperti Granite-Docling	Managed inference atau model self-hosted di GPU VM
5. Validasi	Cek format NIK 16 digit, konsistensi tanggal, saldo awal dan akhir rekening koran	Rule engine di kode aplikasi	Aplikasi milik SI
6. Review manusia	Field dengan confidence rendah masuk antrean petugas	Aplikasi review internal	Jaringan privat, tanpa ekspor ke spreadsheet
7. Observabilitas	Pantau resource, model dan pipeline, deteksi resource yang terbuka ke publik	IONA dan tampilan topologi ORBIT	Log tersimpan di Indonesia

ORBIT adalah workspace untuk membangun dan menjalankan infrastruktur, pipeline dan model. Tampilan topologinya menunjukkan resource mana yang publik dan mana yang privat. IONA membaca sinyal infrastruktur, model dan pipeline, menandai resource yang terbuka padahal seharusnya privat, dan merekomendasikan konfigurasi VM dan model per use case.

Kalau aplikasi sudah memakai OpenAI SDK, langkah ekstraksi bisa diarahkan ke endpoint IONext. Caranya dibahas di panduan API yang kompatibel dengan OpenAI.

Keputusan infrastruktur apa yang paling menentukan?

Ada tiga keputusan yang paling memengaruhi kepatuhan dan biaya operasional: OCR klasik atau vision-language model, GPU mana yang dipakai, dan di mana log disimpan. Keputusan ketiga paling sering terlupa, padahal log OCR berisi isi dokumen nasabah dalam bentuk teks.

OCR klasik, VLM, atau keduanya. Pola hybrid biasanya paling aman untuk dokumen nasabah.

Pendekatan	Cocok untuk	Risiko utama
OCR klasik + LLM teks	KTP, NPWP, formulir dengan tata letak tetap	Tabel panjang seperti rekening koran perlu analisis layout tambahan
Vision-language model langsung	Dokumen bervariasi, foto berkualitas rendah	Model bisa mengisi field yang sebenarnya tidak terbaca
Hybrid: OCR dulu, VLM untuk kasus sulit	Campuran jenis dokumen dalam satu alur onboarding	Lebih banyak komponen untuk dipantau

Pilihan GPU. Per Oktober 2026, armada IONext memakai NVIDIA L40S 48GB dan NVIDIA RTX PRO 6000 Blackwell Server Edition 96GB. Pipeline OCR dengan model kecil umumnya cukup di kelas 48GB. Kelas 96GB memberi ruang untuk vision-language model yang lebih besar atau beberapa model dalam satu GPU. Ukur dengan dokumen klien sendiri sebelum memilih.

Residensi log. Simpan log aplikasi, tracing dan hasil evaluasi di Indonesia, dan masking NIK serta nomor rekening sebelum masuk log.

Apa yang biasanya rusak?

Yang paling sering rusak bukan akurasi OCR, tetapi jalur data sampingan. Data nasabah keluar lewat layanan pendukung yang dipasang tanpa review: error tracking, LLM tracing, atau fallback ke API asing saat antrean lokal penuh. Masalah kedua adalah model yang "mengarang" isi field yang tidak terbaca.

1. Fallback diam-diam. Kode memanggil API global ketika endpoint lokal lambat. Matikan fallback lintas negara di konfigurasi, bukan hanya di dokumentasi.
2. Log berisi teks dokumen. Teks OCR mentah ikut terkirim ke layanan observabilitas SaaS di luar negeri.
3. Halusinasi field. VLM mengisi tanggal lahir atau nomor rekening yang buram. Wajibkan nilai null untuk field yang tidak terbaca dan arahkan ke review manusia.
4. Format rekening koran baru. Setiap bank punya tata letak berbeda. Siapkan set evaluasi per format dan jalankan ulang setiap kali model diganti.
5. Bucket atau vector store terbuka. Resource dibuat publik saat pengujian lalu terlupa. Tampilan topologi ORBIT dan peringatan IONA membantu menemukannya.
6. Retensi tanpa batas. Gambar asli dan hasil ekstraksi disimpan selamanya. Tetapkan masa simpan bersama klien sebagai pengendali data.
7. DPIA terlambat. Penilaian dampak baru dikerjakan setelah sistem jadi, lalu menemukan alur data yang harus dibongkar.

Checklist replikasi untuk SI

Gunakan checklist ini saat menyusun proposal dan saat kickoff. Setiap baris harus punya pemilik: klien, SI, atau penyedia infrastruktur. Pembagian perannya dibahas lebih rinci di artikel siapa memegang apa dalam proyek AI.

• Daftar jenis dokumen dan field yang diekstrak, ditandai mana yang data pribadi spesifik
• DPIA dimulai sebelum desain final, dipimpin klien sebagai pengendali
• Peta alur data: setiap komponen, lokasinya, dan apakah memanggil layanan eksternal
• Semua penyimpanan (dokumen asli, hasil OCR, log, backup) berada di Indonesia
• Fallback ke API luar negeri dinonaktifkan di konfigurasi
• Masking NIK dan nomor rekening di log dan tracing
• Skema JSON output dengan null untuk field tidak terbaca
• Ambang confidence dan antrean review manusia
• Set evaluasi per jenis dokumen dan per format bank
• Masa retensi dan prosedur penghapusan disepakati tertulis
• Daftar sub-prosesor, termasuk penyedia infrastruktur, siap untuk lampiran kontrak
• Bukti sertifikasi penyedia infrastruktur dilampirkan (lihat halaman Keamanan dan Kepatuhan)

Di mana IONext berperan

IONext menyediakan lapisan infrastruktur untuk pola ini: GPU as a Service, managed inference melalui API yang kompatibel dengan OpenAI, hosting model open-weight, object storage, dan Kubernetes, semuanya di Indonesia. ORBIT dipakai untuk membangun dan menjalankan pipeline, IONA untuk memantau dan menandai resource yang terbuka.

Batasnya juga perlu jelas. IONext tidak menulis aplikasi KYC, tidak menentukan aturan validasi bisnis, dan tidak menggantikan DPIA klien. Sertifikasi infrastruktur tidak otomatis membuat sistem klien patuh UU PDP. Kepatuhan tetap bergantung pada desain aplikasi, kontrak dan proses yang dijalankan SI dan klien.

Untuk mencoba ORBIT dan IONA, buat akun di console IONext. Untuk SI yang sedang menyiapkan proposal Document AI bagi klien, bicarakan lewat Program Mitra IONext.

Pertanyaan yang sering diajukan

Apakah foto KTP dan rekening koran termasuk data pribadi spesifik? Rekening koran dan slip gaji umumnya masuk "data keuangan pribadi", yang menurut UU PDP Pasal 4 ayat (2) termasuk data pribadi spesifik. KTP berisi data pribadi umum, dan bisa memuat foto wajah. Pemrosesan untuk pencocokan wajah biometrik masuk kategori spesifik. Konfirmasi klasifikasi akhir dengan tim hukum klien.

Apakah cukup menyimpan dokumen di Jakarta lalu memanggil API OCR asing? Tidak. Saat gambar atau teks dikirim ke API di luar negeri, terjadi transfer data pribadi ke luar wilayah hukum Indonesia, dengan kewajiban tambahan untuk pengendali. Untuk bank, POJK 11/2022 juga mengatur penempatan sistem elektronik di Indonesia.

Apakah model open-weight cukup akurat untuk dokumen berbahasa Indonesia? Tergantung jenis dokumen dan kualitas foto. Pustaka seperti PaddleOCR mendukung banyak bahasa beraksara Latin, dan LLM open-weight bisa dipandu dengan skema output yang ketat. Jawaban yang dapat dipertanggungjawabkan hanya datang dari evaluasi dengan sampel dokumen klien sendiri.

Sumber

• UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi, JDIH Kementerian Keuangan
• UU No. 27 Tahun 2022, teks per pasal di Pasal.id
• POJK No. 11/POJK.03/2022 tentang Penyelenggaraan Teknologi Informasi oleh Bank Umum
• Ringkasan POJK 11/POJK.03/2022, OJK
• Bisnis.com: Ada POJK Penyelenggara Teknologi Informasi, Pusat Data Diatur Ulang (31 Juli 2022)
• PaddleOCR 3.0 Technical Report, arXiv 2507.05595
• Dokumentasi PaddleOCR 3.x
• IBM Granite-Docling, DBTA (September 2025)
• IONext Signals: Arsitektur RAG yang Datanya Tetap di Indonesia
• IONext Signals: Memakai LLM untuk data pelanggan, apa kata UU PDP
• IONext: Keamanan dan Kepatuhan

Artikel ini adalah informasi umum, bukan nasihat hukum. Konsultasikan penerapan UU PDP, PP 33/2026 dan POJK dengan penasihat hukum Anda.

IONext adalah infrastruktur AI berdaulat yang di-host di Indonesia, dioperasikan oleh PT Data Awan Nusantara di Jakarta. IONext menyediakan GPU as a Service, managed inference melalui API yang kompatibel dengan OpenAI, dan hosting model open-weight, bersertifikat ISO/IEC 27001:2022 oleh TÜV NORD.