Burnout Nakes dan Beban Administrasi: Apa yang Bisa AI Lakukan untuk Klinik Pratama?

Dalam diskusi bertajuk implementasi kecerdasan buatan (AI) di sektor kesehatan yang diselenggarakan Organisasi Perburuhan Internasional (ILO) di Jakarta pada 24 Juni 2026, Kepala Pusat Data dan Informasi Kementerian Kesehatan (Kemenkes), Eko Sulistijo, mengungkap sebuah data yang seharusnya sudah tidak mengejutkan — tetapi tetap perlu didengar dengan serius: satu dari tiga tenaga kesehatan mengalami burnout. Dan penyebab utamanya bukan jumlah pasien yang terlalu banyak, melainkan 20 hingga 30 persen waktu kerja mereka yang habis bukan untuk pasien, melainkan untuk kegiatan administratif.

Angka ini bukan situasi unik Indonesia. Studi global menunjukkan pola serupa. Namun di Indonesia, beban administratif di fasyankes primer — terutama klinik pratama dan tempat praktik mandiri dokter (TPMD) — bertambah berat karena sistem yang belum sepenuhnya terintegrasi. Indonesia, menurut data Kemenkes, memiliki lebih dari 10.300 puskesmas, sekitar 3.000 rumah sakit, dan lebih dari 16.000 klinik yang masih beroperasi dengan berbagai sistem berbeda. Duplikasi penginputan data, ketidaksesuaian format antar platform, dan klaim BPJS yang memerlukan dokumen berlapis-lapis menjadi rutinitas yang menguras energi dokter setiap hari.

AI Bukan Soal Robot Dokter, Tapi Soal Waktu yang Dikembalikan

Framing yang paling tepat untuk AI di fasyankes primer bukan "AI menggantikan dokter" — melainkan "AI mengembalikan waktu dokter untuk pasien." Ketika sistem berbasis AI mampu membantu input rekam medis elektronik (RME), merangkum catatan kunjungan, menyusun draft surat rujukan, atau mendeteksi ketidaksesuaian kode diagnosis ICD-10 sebelum klaim dikirim ke BPJS, maka dua hingga tiga jam per hari yang biasanya tersita bisa dialihkan ke konsultasi klinis yang lebih berkualitas.

Kemenkes sendiri telah menetapkan target integrasi 100% fasyankes ke platform Satusehat pada 2026. Platform ini menjadi fondasi yang memungkinkan AI bekerja — karena tanpa data yang terstandar dan terintegrasi, algoritma apa pun tidak bisa berfungsi optimal. Saat ini hampir seluruh fasyankes dilaporkan sudah terhubung, meskipun tingkat kelengkapan dan konsistensi data antarfasyankes masih bervariasi.

Apa yang Sudah Berjalan dan Apa yang Belum Sampai ke Klinik Pratama

Di level sistem nasional, AI sudah mulai diterapkan. BPJS Kesehatan, misalnya, telah menggunakan AI dalam beberapa inisiatif: Siska JKN untuk layanan informasi peserta, Smart Claim untuk mempercepat verifikasi klaim, dan analisis data berbasis algoritma untuk deteksi fraud. Kemenkes juga telah membentuk Komite AI yang melibatkan akademisi, dokter, regulator, dan praktisi teknologi untuk menyusun arah kebijakan.

Namun yang perlu dicatat, adopsi AI di level sistem nasional belum tentu menyentuh operasional harian klinik pratama. Pemanfaatan AI oleh BPJS untuk verifikasi klaim, misalnya, tidak secara langsung meringankan beban input data di sisi fasyankes. Klinik pratama swasta, yang tidak selalu memiliki staf IT atau manajer sistem, tetap menghadapi tantangan integrasi yang sama — bahkan setelah platform Satusehat tersambung sekalipun.

"AI fungsinya akan supporting, dan menjadi enabler juga untuk beberapa kondisi. Mudah-mudahan inisiasi ini akan membantu kami sebagai regulator untuk bisa meningkatkan kesetaraan layanan kesehatan di seluruh lini." — Eko Sulistijo, Kepala Pusdatin Kemenkes, ILO Jakarta, 24 Juni 2026.

Risiko yang Tidak Boleh Diabaikan

Optimisme terhadap AI di layanan kesehatan harus diimbangi dengan kewaspadaan terhadap risikonya. Dewan Pengawas BPJS Kesehatan dari unsur pekerja, Afif Johan, dalam forum yang sama mengingatkan tiga hal kritis: perlindungan data pribadi peserta JKN, transparansi penggunaan algoritma, dan mekanisme audit independen untuk mencegah bias sistemik. Ia secara tegas menyatakan bahwa AI harus diposisikan sebagai pendukung, bukan pengganti pengambilan keputusan profesional oleh tenaga kesehatan.

Bagi klinik pratama, risiko ini memiliki dimensi tambahan. Ketika sebuah klinik mengadopsi aplikasi berbasis AI — entah untuk diagnosis bantu, manajemen jadwal, atau pengelolaan klaim — pertanyaan mendasar perlu dijawab terlebih dahulu: siapa yang bertanggung jawab jika rekomendasi AI keliru? Bagaimana data pasien diperlakukan oleh vendor aplikasi? Apakah algoritma yang digunakan sudah divalidasi pada populasi Indonesia, bukan sekadar dikembangkan di negara lain?

Posisi HIFDI

HIFDI memandang AI bukan sebagai ancaman bagi dokter yang berpraktik di fasyankes primer, melainkan sebagai alat yang — jika diimplementasikan dengan benar — dapat secara nyata meringankan beban kerja administratif dan memperluas kapasitas layanan. Namun "jika diimplementasikan dengan benar" adalah frasa yang krusial dan tidak boleh diabaikan.

HIFDI mendorong tiga hal konkret dalam agenda adopsi AI di fasyankes primer. Pertama, regulasi yang jelas dan spesifik untuk pemanfaatan AI di FKTP — bukan hanya regulasi umum yang berlaku untuk rumah sakit besar. Kedua, standar keamanan data pasien yang mengikat seluruh vendor aplikasi kesehatan yang beroperasi di Indonesia, termasuk yang menyasar klinik pratama dan TPMD. Ketiga, program literasi AI bagi dokter dan tenaga kesehatan di fasyankes primer, agar mereka dapat mengevaluasi, mengadopsi, sekaligus mengawasi sistem AI yang masuk ke klinik mereka — bukan sekadar menjadi pengguna pasif teknologi yang tidak mereka pahami.

Kemenkes menargetkan AI sebagai enabler kesetaraan layanan kesehatan di seluruh lini. Agar target itu tidak berhenti di level rumah sakit besar dan puskesmas model, klinik pratama swasta perlu dilibatkan aktif dalam penyusunan kebijakan, bukan hanya menjadi objek implementasi.

Penutup

Satu dari tiga nakes burnout bukan karena terlalu banyak merawat pasien — itu adalah indikasi sistem yang tidak efisien, bukan tenaga yang tidak memadai. AI yang dirancang dan diimplementasikan dengan tepat bisa menjadi jawaban atas inefisiensi ini. Tetapi jawaban yang tepat hanya bisa datang dari kebijakan yang melibatkan fasyankes primer sejak awal perancangannya — bukan sebagai penerima akhir dari kebijakan yang dibuat untuk rumah sakit besar.