Kiren Kumar, wakil CEO otoritas pengembangan media dan komunikasi Infocomm Singapura (IMDA), berpendapat bahwa regulasi AI terlalu dini adalah kesalahan yang menghambat pertumbuhan digital dan menghalangi inovasi sebelum teknologi tersebut benar-benar berkembang. Alih-alih membuat undang-undang yang kaku, IMDA menganggap kepercayaan regulatif sebagai aset ekonomi, dengan ikut mengoordinasikan sandbox pengujian sukarela bersama perusahaan teknologi untuk membimbing perilaku secara organik. Kumar menekankan, "Kami tidak percaya bahwa mengaturnya sekarang adalah jawabannya." Pendekatan Singapura memanfaatkan reputasi globalnya soal stabilitas—yang dibangun selama puluhan tahun di kedirgantaraan dan semikonduktor—sebagai landasan untuk memosisikan diri sebagai tempat pengujian yang aman bagi industri AI yang sedang muncul.
Filsafat Regulasi: Kepercayaan sebagai Aset Ekonomi
Singapura secara sengaja menolak dua ekstrem regulasi. Alih-alih memberlakukan undang-undang yang kaku, IMDA membangun sandbox pengujian sukarela untuk membimbing perilaku korporasi sebelum pelanggaran aturan menjadi krisis.
Kumar mencatat bahwa merek Singapura sepenuhnya bergantung pada kepercayaan. Negara ini memposisikan diri sebagai tempat pengujian yang aman bagi industri yang sedang berkembang dengan bekerja langsung dengan perusahaan untuk membangun kerangka tata kelola. "Beberapa negara mengatur teknologi, yang lain tidak," kata Kumar, menunjuk pada pendekatan IMDA yang berada di titik tengah.
Penerjemahan Kebijakan: Dari Kerangka ke Kode
Agar kerangka tata kelola menjadi berguna, kebijakan harus diterjemahkan menjadi kode yang benar-benar bisa dijalankan. IMDA meluncurkan alat pengujian seperti Moonshot, yang memungkinkan pengembang mengevaluasi model mereka terhadap kerangka tata kelola sebelum diterjunkan. Hasilnya kemudian dipublikasikan untuk mendidik ekosistem global.
Agentic AI: Risiko Baru Menuntut Peninjauan Ulang Tata Kelola
Pendekatan kolaboratif ini mendapat tekanan dari meningkatnya agentic AI—perangkat lunak otonom yang menjalankan rencana multi-langkah tanpa persetujuan manusia. Kumar menjelaskan bahwa karena agentic AI dapat bernalar dan mengambil tindakan tanpa melibatkan manusia dalam loop, ia menghadirkan risiko baru terkait keselamatan dan keandalan yang tidak bisa ditangani secara efektif oleh hukum statis.
"Dengan sistem [agentic], Anda akan memiliki banyak agen yang bekerja sama, dan menurut saya saat itu kita perlu memikirkan ulang bagaimana kita membingkai kerangka tata kelola model," kata Kumar, menekankan bahwa pengawasan harus dibangun mengelilingi skenario penggunaan multi-agen.
Keselamatan Produksi: Tambalan Pasca-Peluncuran yang Berkelanjutan
Memindahkan AI dari program percontohan ke produksi langsung adalah tahap ketika kesalahan menjadi kritis. Kumar mengharapkan dan menuntut tambalan pasca-peluncuran yang berkelanjutan. "Model pikirannya adalah akan ada kesalahan, akan ada kekeliruan," katanya.
Kunci untuk bertahan adalah memiliki mekanisme dan respons bisnis yang siap untuk terus meningkatkan serta menyesuaikan sistem bahkan setelah sistem tersebut mencapai publik. Menghubungkan model cerdas ke basis data warisan justru di sinilah kebocoran data dan pelanggaran keamanan sering terjadi. Kumar percaya perusahaan "perlu sebuah sandbox" untuk memastikan data, arsitektur, dan koneksi perangkat lunak mereka ditangani dengan aman dan andal sebelum sistem masuk ke produksi.
Ia mendesak dewan direksi untuk memperlakukan penerapan perangkat lunak seperti rekayasa fisik: "Percontohan ke produksi tidak berbeda dari cara produsen mesin akan menguji mesinnya sebelum memasangnya ke pesawat."
Kepemimpinan dan Talenta: Hambatan Terakhir
Eksekutif yang ragu dan kekurangan talenta khusus secara global masih menjadi hambatan adopsi AI. "Ini pertanyaan kepemimpinan," kata Kumar, menyoroti bahwa dorongan eksekutif untuk memaksa perubahan organisasi lebih penting daripada kebijakan pemerintah.
Kesenjangan ini diperparah oleh minimnya sumber daya teknis. Banyak perusahaan berukuran menengah dan kecil memahami domain bisnis mereka, tetapi tidak memiliki tim internal untuk membangun dan menerapkan solusi AI kustom. Akibatnya, "insinyur yang ditempatkan di depan (forward-deployed) menjadi komoditas langka secara global karena mereka perlu bekerja berdampingan dengan klien, memahami alur kerja, dan menerapkan teknologinya."
Strategi Penerapan Singapura
Untuk mengatasi kekurangan talenta, Singapura mengabaikan perlombaan membangun model frontier dari nol. Sebaliknya, negara ini mengimpor algoritma global dan menempatkannya di industri yang sangat diatur.
Kumar berpendapat, "Kami sangat yakin bahwa Singapura diposisikan untuk menjadi pihak yang menerapkan teknologi-teknologi ini dalam skala, dengan cara yang bertanggung jawab dan terpercaya."
IMDA mengidentifikasi manufaktur lanjutan, keuangan, konektivitas, dan kesehatan sebagai target utama. Karena kegagalan di bidang-bidang ini mahal, mereka menuntut standar yang lebih tinggi untuk kepercayaan, keandalan, dan penilaian manusia.
Di Luar Efisiensi: Mencapai Transformasi Bisnis
Bertahan dalam pergeseran AI membutuhkan lebih dari sekadar pemotongan biaya kecil. "Banyak dari percontohan ini… [dirancang untuk] mendorong produktivitas sebesar 10% hingga 20%… yang bernilai. Tapi bagaimana kita mencapai 10x?" tanya Kumar.
Mencapai pengali tersebut mensyaratkan transformasi alur kerja bisnis untuk menciptakan produk dan layanan yang benar-benar baru.
Peningkatan Kapasitas Tenaga Kerja: Dari Teori ke Tugas Harian
Untuk mewujudkan transformasi ini, teknologi harus keluar dari departemen teknik dan masuk ke tangan pekerja biasa. Kumar berpendapat bahwa nilai ekonomi yang sesungguhnya hanya terbuka ketika para profesional sehari-hari—mulai dari pengacara hingga pemasar hingga staf HR—diberdayakan untuk mengintegrasikan AI ke rutinitas harian mereka.
Untuk mendorong adopsi, Singapura meluncurkan inisiatif nasional untuk meningkatkan kapasitas 100.000 pekerja. Alih-alih menawarkan kelas ilmu komputer yang abstrak, program ini berfokus pada "kursus online dan sertifikasi untuk alur kerja mereka masing-masing… Ini pelatihan di tempat kerja; kontekstual, bukan teoritis."
Pendekatan ini juga diterapkan pada mahasiswa tahun terakhir, yang didaftarkan ke program yang sama seperti para profesional yang bekerja. Tujuannya adalah menutup kesenjangan "dan membuat mereka siap bekerja atau siap menghadapi AI."
Konteks Lebih Luas
Kehati-hatian Kumar terhadap regulasi AI terlalu dini mencerminkan filosofi yang berbeda dari arah regulasi global. Undang-Undang AI Uni Eropa (EU AI Act) sudah menetapkan kewajiban yang mengikat berbasis risiko bagi pengembang dan penerap AI, sementara negara-negara anggota UE diharuskan membentuk sandbox regulasi AI di bawah aturan tersebut. Ini menunjukkan bahwa sandbox berguna sebagai pelengkap aturan keras, bukan pengganti legislasi.
Survei State of AI 2025 dari McKinsey menemukan bahwa adopsi AI sudah meluas, tetapi sebagian besar organisasi masih kesulitan beralih dari percontohan ke dampak berskala. Laporan AI di tempat kerja 2025 miliknya menemukan bahwa hanya 1% perusahaan yang menggambarkan diri mereka matang dalam penerapan AI, yang menunjukkan bahwa infrastruktur kepercayaan itu penting—namun kepemimpinan, model operasi, kesiapan data, dan redesain alur kerja tetap menjadi hambatan yang lebih besar bagi banyak perusahaan.
Fokus Kumar pada insinyur yang ditempatkan di depan juga menunjukkan adanya batasan yang tidak bisa diselesaikan kebijakan dengan cepat. Business Insider melaporkan pada Mei 2026 bahwa lowongan kerja forward-deployed engineer naik 729% dibanding tahun sebelumnya, mencerminkan lonjakan permintaan bagi orang-orang yang mampu menerjemahkan AI menjadi alur kerja enterprise yang nyata.
