Kalau negara bilang mau punya “LLM lokal”, pertanyaan pertama gua bukan: modelnya bisa ngalahin ChatGPT nggak?
Pertanyaan pertama gua: datanya dari mana, training-nya bisa diaudit nggak, dan siapa yang harus dipercaya kalau model itu dipakai buat layanan publik, riset, atau bisnis?
Apertus, model foundation dari Swiss AI Initiative, menarik karena dia menggeser obrolan dari “siapa paling pintar” ke “siapa paling terbuka dan bisa dipercaya”. Buat developer dan builder, ini penting karena masa depan AI kemungkinan nggak cuma diisi model proprietary besar, tapi juga model terbuka yang bisa diaudit, di-deploy sendiri, dan disesuaikan dengan aturan lokal. Tapi jangan salah baca: sovereign AI bukan berarti semua negara wajib bikin LLM raksasa sendiri. Yang lebih penting adalah punya kontrol, pilihan, dan governance yang jelas.
Apa itu Apertus?
Apertus adalah foundation model yang dikembangkan oleh Swiss AI Initiative, kolaborasi EPFL, ETH Zurich, dan Swiss National Supercomputing Centre atau CSCS. Dari situs resminya, Apertus diposisikan sebagai model untuk sovereign AI dengan pendekatan “fully open”: bobot model, data training, kode, metode, dan prinsip alignment didokumentasikan agar bisa direproduksi.
Di Hugging Face, model swiss-ai/Apertus-70B-Instruct-2509 tersedia sebagai model text-generation berbasis Transformers, memakai safetensors, berlisensi Apache-2.0, dan diberi tag multilingual serta compliant. Model card-nya juga menyebut dukungan bahasa yang sangat luas dan klaim bahwa proses training memperhatikan opt-out pemilik data serta pencegahan memorization.
Dengan kata lain, Apertus bukan cuma “ada file weight yang bisa di-download”. Narasi utamanya adalah transparansi lapisan penuh: dari data, cara training, sampai dokumentasi compliance.
Sovereign AI itu apa?
Sovereign AI adalah kemampuan sebuah negara, institusi, atau ekosistem untuk membangun, menjalankan, mengaudit, dan mengatur sistem AI tanpa sepenuhnya bergantung pada vendor asing atau API tertutup. Ini bukan berarti anti-ChatGPT, anti-Claude, atau anti-model proprietary. Lebih tepatnya: jangan sampai semua capability penting cuma bisa berjalan kalau satu provider global mengizinkan.
Contoh gampangnya begini. Kalau sebuah kementerian, rumah sakit, kampus, atau perusahaan strategis ingin memakai AI untuk data sensitif, mereka perlu menjawab beberapa pertanyaan:
- Data apa yang boleh masuk ke model?
- Di mana inferensi dijalankan?
- Siapa yang bisa audit perilaku model?
- Apa yang terjadi kalau provider mengubah policy, harga, atau akses?
- Apakah model paham bahasa dan konteks lokal dengan cukup baik?
Kalau semua jawaban bergantung pada vendor eksternal, berarti kontrolnya terbatas. Di situlah sovereign AI jadi relevan.
Open weights aja belum cukup
Banyak orang menyamakan “open model” dengan “open weights”. Padahal open weights cuma satu lapisan. Lu bisa punya bobot model, tapi tetap nggak tahu data apa yang dipakai, metode filtering-nya gimana, bagian mana yang berisiko mengandung PII, dan apakah training recipe-nya bisa direproduksi.
Apertus menarik karena klaimnya lebih luas: open weights, open data, open science. Situs resminya menyebut training data, code, weights, methods, dan alignment principles didokumentasikan dan reproducible. Ini level keterbukaan yang lebih berguna untuk riset, audit, dan governance dibanding sekadar “nih weight-nya”.
Buat developer, bedanya terasa di tiga hal:
- Auditability: tim bisa memeriksa asal-usul data dan pendekatan training, bukan cuma benchmark akhir.
- Reproducibility: komunitas punya peluang menguji ulang atau memperbaiki proses, bukan cuma memakai hasil jadi.
- Compliance: organisasi bisa mengevaluasi apakah model cocok dengan aturan internal, hak cipta, privasi, dan regulasi.
Ini bukan bagian yang seksi buat demo. Tapi saat AI masuk sistem produksi, bagian inilah yang menentukan apakah model bisa dipakai dengan tenang atau cuma jadi eksperimen yang susah dipertanggungjawabkan.
Kenapa data dan compliance lebih susah daripada benchmark?
Benchmark bisa viral. Angka leaderboard gampang diposting. Tapi data governance itu kerja panjang, membosankan, dan mahal.
Apertus mengklaim dibangun untuk memenuhi kebutuhan EU AI Act, menghormati opt-out, menghapus PII, dan mencegah memorization. Di model card Hugging Face, ada juga bagian legal tentang dokumentasi transparansi EU AI Act, request penghapusan PII atau konten copyrighted, dan catatan bahwa belum ada output filter PII yang disediakan saat itu sehingga user perlu mengecek pembaruan filter secara berkala.
Catatan kecil ini justru penting. Model terbuka bukan berarti bebas risiko. Bahkan saat tim pembuatnya serius soal compliance, pengguna tetap harus membaca batasan, menjalankan evaluasi sendiri, dan tidak menganggap label “open” sebagai jaminan aman otomatis.
Menurut gua, ini pelajaran penting buat diskusi AI lokal di Indonesia. Kalau obrolannya cuma “kita perlu LLM Indonesia”, gampang jatuh ke branding. Yang lebih susah adalah:
- membangun dataset bahasa Indonesia dan bahasa daerah yang legal serta berkualitas,
- mendokumentasikan proses pembersihan data,
- membuat mekanisme opt-out dan penghapusan data,
- menyiapkan evaluasi untuk konteks lokal,
- dan menjelaskan siapa yang bertanggung jawab saat model dipakai di layanan nyata.
Pelajaran buat Indonesia: jangan cuma jual label “lokal”
Indonesia punya alasan kuat untuk peduli sovereign AI: bahasa, regulasi, data publik, pendidikan, layanan kesehatan, dan kebutuhan bisnis lokal. Tapi label “lokal” saja nggak cukup. Model yang benar-benar berguna harus punya use case jelas dan trust yang bisa diuji.
Kalau Indonesia ingin serius, gua lebih pengin lihat hal-hal seperti ini:
- Dataset terbuka yang legal. Bukan scraping asal banyak, tapi kumpulan data yang hak pakainya jelas.
- Dokumentasi training yang bisa dibaca. Developer dan peneliti perlu tahu model dilatih dengan cara apa.
- Evaluasi lokal. Jangan cuma MMLU atau benchmark global. Perlu evaluasi bahasa Indonesia, konteks pemerintahan, hukum, pendidikan, dan domain lain.
- Deployment yang realistis. Model besar mahal. Kadang model kecil yang bagus untuk task spesifik lebih masuk akal.
- Governance publik. Siapa yang bisa audit? Siapa yang mengelola laporan masalah? Siapa yang bertanggung jawab?
Tanpa itu, “LLM lokal” berisiko jadi slogan. Dengan itu, AI lokal bisa jadi infrastruktur yang beneran membantu.
Apa dampaknya buat developer dan builder?
Buat developer, tren seperti Apertus ngasih sinyal bahwa skill AI ke depan nggak cuma soal prompt. Lu perlu mulai paham lapisan infrastruktur AI:
- cara membaca model card,
- cara mengecek lisensi model,
- cara menilai dataset dan batasannya,
- cara menjalankan evaluasi task-specific,
- dan cara memilih antara API proprietary, open model hosted, atau self-hosted model.
Untuk side project, mungkin Claude atau GPT tetap paling praktis. Untuk workflow internal yang repetitif, open model bisa jadi cukup. Untuk data sensitif, self-hosted atau private deployment mulai lebih menarik. Intinya bukan memilih kubu. Intinya memilih alat berdasarkan risiko dan kebutuhan.
Gua sendiri makin melihat AI sebagai stack, bukan satu aplikasi. Ada layer model, data, eval, observability, policy, cost, dan UX. Apertus memperjelas bahwa open AI yang serius harus menjawab semua layer itu, bukan cuma merilis weight lalu selesai.
Checklist cepat sebelum lu pakai open model
- Lisensi: boleh dipakai untuk produk komersial atau cuma riset?
- Model card: jelas nggak data, batasan, dan rekomendasi pemakaiannya?
- Compliance: ada dokumentasi privasi, hak cipta, dan request penghapusan data?
- Evaluasi: sudah dites di task nyata lu, bukan cuma percaya benchmark?
- Serving: lu jalanin lokal, di cloud sendiri, atau lewat provider pihak ketiga?
- Fallback: kalau model gagal, ada workflow manual atau provider cadangan?
Kesimpulan: sovereign AI itu soal kontrol, bukan gengsi
Apertus menarik bukan karena otomatis mengalahkan model frontier. Nilainya ada di arah yang dia tunjukkan: AI yang lebih terbuka, bisa diaudit, dan lebih sadar regulasi.
Buat negara, institusi, dan perusahaan, sovereign AI adalah cara mengurangi ketergantungan total pada provider tertutup. Buat developer, ini reminder bahwa masa depan AI bukan cuma “model mana paling pintar”, tapi “model mana yang cukup bagus, legal dipakai, bisa dijelaskan, dan cocok dengan risiko task”.
Kalau ada satu takeaway, ini: LLM lokal yang bagus bukan dimulai dari klaim nasionalisme teknologi. Dia dimulai dari data yang jelas, dokumentasi yang jujur, evaluasi yang realistis, dan trust yang bisa diuji.
FAQ singkat
Apakah sovereign AI berarti harus meninggalkan ChatGPT atau Claude?
Nggak. Sovereign AI lebih soal punya opsi dan kontrol. Untuk banyak task harian, model proprietary tetap praktis. Tapi untuk data sensitif, compliance, atau kebutuhan strategis, model terbuka dan deployment privat bisa lebih masuk akal.
Apakah open weights sama dengan open source AI?
Belum tentu. Open weights berarti bobot model tersedia. Open source AI yang lebih serius perlu menjelaskan data, kode, metode training, lisensi, dan batasan penggunaan.
Apakah Indonesia perlu bikin LLM sendiri?
Mungkin iya untuk use case tertentu, tapi jangan mulai dari gengsi. Mulai dari problem nyata: bahasa, layanan publik, pendidikan, kesehatan, atau workflow bisnis yang butuh kontrol data dan trust lokal.
