AI untuk Praktisi Hukum

Kata Pengantar

Setiap generasi advokat menghadapi satu teknologi yang mengubah cara mereka bekerja. Generasi sebelumnya menghadapi mesin ketik listrik, lalu komputer pribadi, lalu email dan mesin pencari putusan. Generasi kita menghadapi kecerdasan buatan generatif — teknologi yang untuk pertama kalinya tidak sekadar menyimpan atau mengirim dokumen hukum, melainkan membaca, meringkas, membandingkan, dan menulis dokumen hukum. Perubahan kali ini berbeda kelasnya.

Namun ada satu hal yang tidak berubah sejak sumpah advokat pertama kali diucapkan: kewajiban menjaga rahasia klien. Justru di sinilah letak paradoks buku ini. Profesi hukum adalah salah satu profesi yang paling banyak diuntungkan oleh AI — pekerjaan kita adalah pekerjaan bahasa, dan AI generatif adalah mesin bahasa. Tetapi profesi hukum juga profesi yang paling berbahaya jika memakai AI secara sembrono, karena bahan baku pekerjaan kita adalah rahasia orang lain: sengketa warisan yang memalukan, rencana akuisisi yang belum diumumkan, dokumen keuangan tersangka, riwayat rumah tangga yang hancur.

Buku ini ditulis untuk satu tujuan sederhana: agar Anda bisa memetik manfaat produktivitas AI tanpa sekali pun mengorbankan kerahasiaan klien, martabat profesi, dan tanggung jawab etik Anda. Buku ini bukan buku teknologi yang kebetulan menyinggung hukum, melainkan buku praktik hukum yang memperlakukan AI sebagaimana kita memperlakukan alat kerja lain: dengan protokol, dengan disiplin, dan dengan kecurigaan yang sehat.

Separuh pertama buku ini (Bab 1–5) membangun fondasi keamanan: mengapa risiko itu nyata, aturan emas soal akun gratisan versus akun bisnis, tutorial mengunci setelan privasi di empat platform besar, dan teknik anonimisasi dokumen. Separuh kedua (Bab 6–10) baru berbicara produktivitas: tujuh alur kerja advokat dengan AI, disiplin verifikasi anti-halusinasi, pustaka lebih dari tiga puluh prompt siap pakai, dan kepatuhan firma terhadap UU Pelindungan Data Pribadi. Urutan ini disengaja. Keamanan dulu, kecepatan kemudian.

Selamat membaca, dan selamat bekerja lebih cepat — dengan aman.

Jakarta, Juli 2026
Galih Prasetyo

Cara Membaca Buku Ini

• Jika Anda hanya punya 30 menit: baca Bab 3 (Aturan Emas), lalu lompat ke checklist satu halaman di § 10.3. Dua bagian itu mencegah 90% kecelakaan.
• Jika Anda pengambil keputusan di firma: Bab 2, 3, 4, dan 9 adalah bahan rapat partner Anda — peta risiko, kebijakan langganan, evaluasi vendor, dan kepatuhan UU PDP.
• Jika Anda praktisi harian: Bab 5, 6, 7, dan 8 adalah meja kerja Anda — anonimisasi, workflow, verifikasi, dan pustaka prompt.
• Penomoran pasal: setiap subbab diberi nomor klausul (misalnya § 3.2) agar mudah dirujuk dalam SOP internal firma Anda — silakan kutip nomor klausul ini dalam kebijakan tertulis kantor.
• Blok prompt ditampilkan dalam huruf mesin ketik dengan tombol Salin. Teks dalam [KURUNG SIKU] adalah placeholder yang Anda ganti sendiri — dan bab 5 menjelaskan data apa yang tidak boleh ikut masuk.
• Kotak gelap "PERINGATAN ETIK" menandai titik-titik di mana kesalahan bukan sekadar tidak efisien, melainkan bisa berujung pelanggaran kode etik atau hukum. Jangan lewati kotak-kotak itu.

Injustice anywhere is a threat to justice everywhere.— Martin Luther King Jr.

§ 1.1Profesi Bahasa Bertemu Mesin Bahasa

Pekerjaan advokat, jika dipreteli sampai ke intinya, adalah pekerjaan mengolah bahasa dalam kerangka otoritas. Kita membaca peraturan, putusan, kontrak, dan keterangan saksi; kita menimbang; lalu kita menulis — gugatan, legal opinion, klausul, somasi, memori banding. Hampir tidak ada profesi lain yang porsi kerjanya sedemikian didominasi oleh teks. Menurut berbagai studi ekonomi tenaga kerja yang terbit sejak 2023, jasa hukum secara konsisten masuk daftar teratas sektor yang paling besar tingkat paparannya (exposure) terhadap AI generatif — bukan karena pekerjaan hukum akan hilang, melainkan karena porsi besar dari jam kerjanya dapat dipercepat oleh mesin yang mahir membaca dan menulis.

Model bahasa besar (large language model, LLM) seperti yang menjadi otak ChatGPT, Claude, Gemini, dan Copilot pada dasarnya adalah mesin statistik teks raksasa: ia dilatih pada triliunan kata sehingga mampu melanjutkan, meringkas, menerjemahkan, membandingkan, dan menyusun teks dengan kefasihan yang menyerupai manusia terpelajar. Untuk advokat, kemampuan itu diterjemahkan menjadi hal-hal yang sangat konkret: meringkas putusan 120 halaman menjadi dua halaman dalam satu menit; membaca draf perjanjian pihak lawan dan mengusulkan daftar keberatan; menyusun kerangka gugatan dari kronologi; merapikan bahasa somasi; membuat tabel perbandingan tiga versi kontrak.

Kecepatan itu bukan kemewahan. Ia mulai menjadi ekspektasi pasar. Klien korporasi yang tim in-house-nya sudah memakai AI akan bertanya-tanya mengapa firma eksternal menagih delapan jam untuk pekerjaan yang mereka tahu bisa dikerjakan dua jam. Advokat muda yang menguasai alat ini menyelesaikan riset awal sebelum rekan seangkatannya selesai membuka buku. Dalam lima tahun ke depan, pertanyaannya bagi kebanyakan firma bukan lagi "apakah kita memakai AI", melainkan "apakah kita memakainya dengan benar".

AI tidak akan menggantikan advokat. Tetapi advokat yang memakai AI dengan disiplin akan menggantikan advokat yang tidak — dan advokat yang memakainya tanpa disiplin akan digantikan oleh sanksi etik.

Tesis buku ini

§ 1.2Bahan Baku Kita Adalah Rahasia Orang Lain

Di sinilah profesi hukum berbeda dari hampir semua profesi lain yang bergegas mengadopsi AI. Seorang copywriter yang menempelkan draf iklannya ke chatbot mempertaruhkan paling banter rahasia dagang majikannya sendiri. Seorang advokat yang menempelkan dokumen perkara mempertaruhkan rahasia orang lain yang dilindungi oleh sumpah, undang-undang, dan kode etik — dan yang pemiliknya tidak pernah menyetujui datanya dikirim ke server pihak ketiga di yurisdiksi lain.

Mari kita inventarisasi kerangka kewajibannya satu per satu, karena kerangka inilah yang menjadi tulang punggung seluruh protokol dalam buku ini.

§ 1.2.1UU Advokat: rahasia jabatan adalah kewajiban hukum

Undang-Undang Nomor 18 Tahun 2003 tentang Advokat menempatkan kerahasiaan bukan sebagai etiket, melainkan sebagai hak sekaligus kewajiban hukum. Pasal 19 ayat (1) menyatakan advokat wajib merahasiakan segala sesuatu yang diketahui atau diperoleh dari kliennya karena hubungan profesinya, kecuali ditentukan lain oleh undang-undang. Ayat (2) memperluas perlindungan itu ke berkas dan dokumen: advokat berhak atas kerahasiaan hubungannya dengan klien, termasuk perlindungan atas berkas dan dokumennya terhadap penyitaan atau pemeriksaan, serta perlindungan terhadap penyadapan atas komunikasi elektroniknya.

Perhatikan arsitektur pasal itu: perlindungan terhadap penyitaan dan penyadapan dirancang untuk komunikasi dan berkas yang berada dalam penguasaan advokat. Ketika Anda menyalin isi berkas ke layanan pihak ketiga yang servernya berada di luar penguasaan Anda — apalagi layanan konsumen gratisan yang syarat layanannya memberi hak kepada penyedia untuk memakai masukan Anda — Anda sedang memindahkan berkas itu keluar dari benteng perlindungan yang dibangun Pasal 19. Persoalan hukumnya bukan sekadar "apakah vendor bisa dipercaya", melainkan "apakah tindakan pemindahan itu sendiri konsisten dengan kewajiban merahasiakan".

§ 1.2.2Kode Etik Advokat Indonesia: memegang rahasia jabatan bahkan setelah hubungan berakhir

Kode Etik Advokat Indonesia (KEAI) — yang berlaku bagi advokat di bawah naungan PERADI dan organisasi advokat lainnya — mempertegas kewajiban itu pada Pasal 4 huruf h: advokat wajib memegang rahasia jabatan tentang hal-hal yang diberitahukan oleh klien secara kepercayaan, dan wajib tetap menjaga rahasia itu setelah berakhirnya hubungan antara advokat dan klien. Dua hal patut digarisbawahi. Pertama, standarnya adalah "diberitahukan secara kepercayaan" — mencakup bukan hanya dokumen bertanda rahasia, tetapi seluruh informasi yang mengalir dalam hubungan kepercayaan itu, termasuk fakta bahwa seseorang menjadi klien Anda. Kedua, kewajiban itu tidak berakhir ketika perkara selesai. Dokumen perkara lama yang Anda tempelkan ke chatbot hari ini tetap dokumen rahasia, meskipun perkaranya sudah inkracht sepuluh tahun lalu.

Pelanggaran kode etik diperiksa oleh Dewan Kehormatan organisasi advokat, dengan sanksi berjenjang mulai dari teguran, peringatan keras, pemberhentian sementara, hingga pemecatan dari keanggotaan. Dalam praktik, kerusakan terbesar sering kali bukan sanksi formalnya, melainkan hancurnya reputasi: firma hukum menjual satu hal di atas segalanya, yaitu kepercayaan.

§ 1.2.3Privilege dan konsep "pihak ketiga"

Dalam tradisi common law, komunikasi advokat–klien dilindungi doktrin attorney–client privilege: komunikasi rahasia untuk tujuan meminta nasihat hukum tidak dapat dipaksa dibuka di persidangan. Salah satu cara klasik privilege menjadi gugur adalah pengungkapan kepada pihak ketiga (waiver by disclosure). Hukum acara Indonesia tidak memakai doktrin privilege dalam bentuk yang sama, tetapi memiliki padanan fungsional: hak undur diri saksi karena jabatan (Pasal 170 KUHAP, Pasal 1909 KUHPerdata), kewajiban rahasia jabatan Pasal 19 UU Advokat, dan ancaman pidana pembukaan rahasia jabatan (Pasal 322 KUHP lama; padanannya dalam KUHP baru, UU No. 1 Tahun 2023, yang mulai berlaku 2026).

Mengapa doktrin asing ini relevan bagi praktisi Indonesia? Tiga alasan. Pertama, banyak firma Indonesia menangani transaksi lintas yurisdiksi di mana pertanyaan "apakah dokumen ini pernah dibuka ke pihak ketiga" akan diajukan oleh konsulen asing dalam discovery. Kedua, argumen konseptualnya universal: layanan AI konsumen adalah pihak ketiga komersial, bukan perpanjangan tangan firma — berbeda dengan layanan enterprise yang diikat kontrak kerahasiaan dan DPA, yang lebih mudah dikualifikasikan sebagai pemroses data atas nama firma. Ketiga, regulator dan asosiasi advokat di berbagai negara (American Bar Association melalui Formal Opinion 512 tahun 2024, Law Society di Inggris, serta berbagai bar Eropa) telah menerbitkan panduan yang seragam arahnya: boleh memakai AI generatif, dengan kewajiban kompetensi, kerahasiaan, pengawasan, dan kejujuran terhadap pengadilan. Arah angin global itu cepat atau lambat akan menjadi standar kepatutan di Indonesia juga.

§ 1.2.4UU PDP: lapisan kewajiban yang baru

Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi (UU PDP), yang masa transisinya berakhir pada Oktober 2024, menambahkan lapisan kewajiban yang sama sekali baru: firma hukum adalah pengendali data pribadi atas data klien, pihak lawan, saksi, dan karyawannya sendiri. Mengirim data pribadi ke layanan AI berarti melakukan "pemrosesan" dan berpotensi "transfer data pribadi ke luar wilayah hukum Indonesia" — dua hal yang oleh UU PDP diikat dengan syarat dasar pemrosesan, kewajiban keamanan, dan tanggung jawab atas pemroses yang ditunjuk. Bab 9 membedah kewajiban ini secara khusus; untuk sekarang cukup dicatat bahwa sejak 2024, menempelkan data klien ke chatbot bukan lagi semata persoalan etik profesi, melainkan juga persoalan kepatuhan terhadap undang-undang dengan sanksi administratif dan pidana.

§ 1.3Dua Kegagalan yang Sama Buruknya

Buku ini menolak dua sikap ekstrem yang sama-sama merugikan klien.

Kegagalan pertama: sembrono. Advokat yang menempelkan perjanjian kredit sindikasi klien — lengkap dengan nama debitor, angka fasilitas, dan jaminan — ke akun chatbot gratisan yang didaftarkan dengan email pribadi. Ia mendapat ringkasan bagus dalam tiga menit, dan pada saat yang sama kehilangan kendali atas dokumen itu selamanya. Bab 2 memetakan dengan presisi apa saja yang bisa terjadi pada dokumen tersebut.

Kegagalan kedua: menolak total. Firma yang melarang AI sepenuhnya karena takut, tanpa menyediakan alternatif yang aman. Larangan buta hampir selalu melahirkan shadow AI: asosiat yang diam-diam memakai akun pribadi di ponsel karena tenggat pukul sembilan malam tidak peduli pada kebijakan kantor. Survei industri teknologi hukum secara konsisten menunjukkan pemakaian AI "di bawah meja" justru paling tinggi di organisasi yang melarangnya tanpa menyediakan jalur resmi. Larangan tanpa alternatif bukan mitigasi risiko; ia hanya memindahkan risiko ke tempat yang tidak bisa Anda awasi.

Jalan tengahnya — jalan yang diambil buku ini — adalah adopsi yang diprotokolkan: langganan bisnis yang layak, setelan privasi yang dikunci, teknik anonimisasi yang dilatihkan, alur kerja dengan titik verifikasi manusia yang eksplisit, dan kebijakan tertulis yang ditandatangani semua orang di firma, dari partner senior sampai staf magang.

§ 1.4Peta Perjalanan Buku Ini

Sepuluh bab buku ini tersusun sebagai satu protokol utuh. Bab 2 membedah anatomi risiko: apa yang secara teknis dan hukum terjadi ketika dokumen klien masuk ke chatbot, dengan dua studi kasus yang sudah menjadi legenda peringatan — insiden kebocoran internal Samsung dan sanksi terhadap pengacara dalam perkara Mata v. Avianca. Bab 3 menegakkan aturan emas: pekerjaan klien hanya boleh menyentuh akun berbayar kelas bisnis, dan menjelaskan perbedaan nyata antara free, paid, dan Team/Enterprise. Bab 4 adalah tutorial teknis: mengunci setelan privasi di ChatGPT, Claude, Gemini, dan Copilot, membaca DPA, meminta ZDR, dan mengevaluasi vendor. Bab 5 mengajarkan anonimisasi dan redaksi. Bab 6 — bab terpanjang — membangun tujuh alur kerja advokat dengan AI, masing-masing dengan diagram, prompt, dan titik verifikasi manusia. Bab 7 membahas halusinasi dan kewajiban verifikasi ke sumber resmi. Bab 8 adalah pustaka lebih dari tiga puluh prompt siap salin. Bab 9 membahas kepatuhan UU PDP di tingkat firma. Bab 10 menutup dengan glosarium dan checklist satu halaman.

Satu catatan terakhir sebelum kita masuk ke peta risiko. Buku ini memakai kata "AI" terutama untuk AI generatif berbasis model bahasa besar yang diakses melalui antarmuka percakapan atau API — karena itulah bentuk yang paling banyak dipakai (dan paling banyak disalahgunakan) praktisi hukum hari ini. Prinsip-prinsipnya, bagaimanapun, berlaku juga untuk alat AI hukum khusus (legal research assistant, contract review tool) yang pada dasarnya adalah model yang sama dengan jubah produk berbeda.

The right to be let alone is the most comprehensive of rights and the right most valued by civilized men.— Louis Brandeis

§ 2.1Perjalanan Sebuah Dokumen yang Ditempel

Bayangkan tindakan yang setiap hari dilakukan jutaan orang: Anda membuka chatbot gratisan di browser, menempelkan lima halaman perjanjian jual beli saham milik klien, dan mengetik "ringkas perjanjian ini". Tiga puluh detik kemudian ringkasan yang rapi muncul di layar. Apa yang sebenarnya baru saja terjadi pada dokumen itu?

Secara teknis, dokumen tersebut telah: (1) dikirim melalui internet ke server penyedia layanan — hampir pasti berada di luar wilayah Indonesia; (2) disimpan sebagai bagian dari riwayat percakapan akun Anda, dalam banyak kasus tanpa batas waktu yang Anda kendalikan; (3) menjadi tunduk pada syarat layanan (terms of service) konsumen yang Anda setujui dengan satu klik saat mendaftar — dokumen yang hampir tidak pernah dibaca siapa pun; dan (4) pada banyak layanan gratisan, menjadi kandidat bahan pelatihan model berikutnya, kecuali Anda secara aktif mematikan opsi itu — kalau opsinya tersedia.

Tidak satu pun dari empat hal itu terlihat di layar. Yang terlihat hanyalah ringkasan yang membantu. Justru karena itulah risiko ini berbahaya: biayanya tak kasatmata dan tertunda, manfaatnya kasatmata dan seketika. Mari kita bedah biaya tak kasatmata itu satu per satu.

§ 2.2Enam Vektor Risiko

§ 2.2.1Data dipakai melatih model

Pada layanan AI konsumen, konfigurasi bawaannya sering kali mengizinkan penyedia memakai isi percakapan untuk melatih dan menyempurnakan model. Kebijakan tiap vendor berbeda dan berubah dari waktu ke waktu — ada yang default-nya ikut pelatihan dengan opsi keluar (opt-out), ada yang meminta pilihan pengguna saat pendaftaran — tetapi polanya konsisten: pada tingkatan gratis dan konsumen, Andalah yang harus aktif melindungi data; pada tingkatan bisnis, perlindungan adalah bawaan kontrak. Apa artinya "dipakai melatih"? Isi percakapan Anda dapat diproses, ditinjau, dan dijadikan bagian dari data yang membentuk perilaku model berikutnya. Risiko regurgitasi verbatim terhadap satu dokumen tunggal secara statistik kecil, tetapi itu bukan ukuran yang relevan bagi advokat: standar Anda bukan "kemungkinan bocor kecil", melainkan "saya wajib merahasiakan". Kewajiban Pasal 19 UU Advokat tidak mengenal ambang probabilitas.

§ 2.2.2Retensi: data tinggal lebih lama daripada yang Anda kira

Menghapus percakapan dari layar tidak serta-merta menghapusnya dari sistem penyedia. Layanan pada umumnya menyimpan data yang telah "dihapus" selama jangka waktu tertentu (lazimnya sekitar 30 hari) untuk keperluan operasional dan pemantauan penyalahgunaan, dan dapat menyimpannya lebih lama jika diwajibkan hukum — termasuk jika ada perintah pengadilan yang melarang penghapusan. Pada 2025, publik menyaksikan contoh nyatanya: dalam litigasi hak cipta antara The New York Times dan OpenAI, pengadilan federal AS sempat memerintahkan OpenAI mempertahankan log percakapan ChatGPT yang seharusnya sudah dihapus, sebagai bukti potensial. Pesan moralnya tajam: data yang Anda kirim ke pihak ketiga dapat diawetkan oleh proses hukum pihak lain, di yurisdiksi lain, untuk sengketa yang tidak ada urusannya dengan Anda — kecuali akun Anda dilindungi komitmen kontraktual seperti Zero Data Retention yang membuat log semacam itu tidak pernah ada.

§ 2.2.3Risiko paksaan hukum (subpoena) dan akses pemerintah asing

Server penyedia AI besar berada dalam jangkauan hukum acara negara tempatnya beroperasi. Penegak hukum atau pihak berperkara di yurisdiksi tersebut dapat memaksa penyedia menyerahkan data melalui subpoena, perintah pengadilan, atau instrumen semacam CLOUD Act di Amerika Serikat. Perlindungan Pasal 19 ayat (2) UU Advokat terhadap penyitaan berkas advokat tidak menjangkau server pihak ketiga di California. Sekali lagi: dokumen yang tidak pernah dikirim tidak bisa di-subpoena; dokumen yang dikirim di bawah rezim ZDR tidak tersimpan untuk diserahkan; dokumen di akun gratisan adalah sasaran empuk.

§ 2.2.4Kebocoran teknis dan insiden keamanan

Penyedia AI adalah perusahaan perangkat lunak, dan perangkat lunak punya bug. Maret 2023 memberi contoh dini: sebuah kesalahan pada pustaka sumber terbuka yang dipakai ChatGPT menyebabkan sebagian pengguna dapat melihat judul riwayat percakapan pengguna lain, dan untuk sebagian kecil pelanggan, potongan informasi tagihan. Insiden itu ditangani dan diumumkan secara terbuka — tetapi ia membuktikan bahwa riwayat percakapan adalah aset yang bisa bocor sebagaimana basis data mana pun. Tambahkan pula vektor yang lebih membumi: kredensial akun yang dicuri lewat malware pencuri kata sandi (ribuan kredensial akun chatbot terbukti diperjualbelikan di pasar gelap sejak 2023), akun tanpa autentikasi dua faktor, dan perangkat pribadi yang dipakai bersama keluarga.

§ 2.2.5Peninjauan oleh manusia

Kebijakan privasi layanan konsumen umumnya mengizinkan personel penyedia atau kontraktornya meninjau sampel percakapan — untuk keselamatan, penegakan kebijakan, atau peningkatan kualitas. Artinya, kalimat "hanya mesin yang membaca" tidak selalu benar. Bagi dokumen biasa itu mungkin bisa diterima; bagi strategi litigasi klien, tidak.

§ 2.2.6Jejak organisasi yang tak terkelola

Risiko terakhir jarang dibahas: akun pribadi tidak bisa diaudit firma. Ketika asosiat memakai akun gratisan pribadinya untuk pekerjaan klien, firma tidak tahu data apa yang keluar, tidak bisa menghapusnya saat asosiat pindah kantor (riwayat itu ikut bersama akun pribadinya ke firma pesaing!), dan tidak bisa menjawab jujur ketika klien atau regulator bertanya "bagaimana firma memproses data kami". Kepatuhan yang tidak bisa dibuktikan, dalam praktik, sama dengan tidak patuh.

§ 2.3Dua Kasus yang Menjadi Pelajaran Industri

Dua insiden pada tahun 2023 — satu di industri teknologi, satu di ruang sidang — kini menjadi rujukan baku dalam setiap diskusi tentang AI dan kerahasiaan profesional. Keduanya layak diceritakan dengan akurat, karena versi yang beredar dari mulut ke mulut sering melebih-lebihkan atau justru mengecilkan faktanya.

§ 2.4Membaca Peta: Risiko Berbanding Kendali

Jika enam vektor risiko pada § 2.2 tampak menakutkan, perhatikan benang merahnya: hampir semuanya adalah fungsi dari tingkat kendali Anda atas layanan, bukan fungsi dari teknologi AI itu sendiri. Data dipakai melatih model? Hanya jika rezim akun Anda mengizinkannya. Retensi tak terkendali? Akun enterprise bisa mengatur periode retensi, dan ZDR meniadakannya. Subpoena atas log? Log yang tidak pernah disimpan tidak bisa diserahkan. Ditinjau manusia? Kontrak enterprise membatasinya. Jejak tak bisa diaudit? Workspace bisnis justru memberi firma log audit terpusat.

Dengan kata lain, peta risiko ini bukan argumen untuk menjauhi AI — ia argumen untuk naik kelas: dari akun konsumen tanpa kontrak ke layanan bisnis dengan jaminan kontraktual, dan dari kebiasaan menempel mentah ke disiplin anonimisasi. Dua bab berikutnya membangun persis dua hal itu.

Privacy is not something that I'm merely entitled to, it's an absolute prerequisite.— Marlon Brando

§ 3.1Aturan yang Tidak Bisa Ditawar

Jika dari seluruh buku ini Anda hanya mengingat satu kalimat, ingatlah kalimat ini: akun AI gratisan bukan tempat untuk pekerjaan klien. Titik. Bukan "sebaiknya tidak", bukan "kecuali terpaksa", bukan "asal dokumennya tidak terlalu sensitif". Tidak pernah. Akun gratisan boleh Anda pakai untuk hal yang boleh dibaca orang asing di kereta: belajar konsep hukum umum, merangkum artikel publik, melatih kemampuan menulis prompt, membuat kuis untuk presentasi internal tentang materi publik. Begitu ada satu byte informasi yang berasal dari hubungan kepercayaan dengan klien — nama, fakta, angka, draf, bahkan pola fakta yang bisa dikenali — jendela chatbot gratisan harus ditutup.

Mengapa aturan ini mutlak, padahal bab 5 nanti mengajarkan anonimisasi? Karena aturan keamanan yang baik harus tahan terhadap hari terburuk Anda: hari ketika Anda lelah, dikejar tenggat, dan yakin "sekali ini saja tidak apa-apa". Anonimisasi yang dikerjakan tergesa oleh orang lelah adalah anonimisasi yang bocor. Garis yang paling mudah dipatuhi adalah garis yang tidak memiliki pengecualian: pekerjaan klien hanya di akun firma yang berbayar dan terkonfigurasi. Di akun yang benar, anonimisasi menjadi lapisan pertahanan kedua, bukan satu-satunya.

§ 3.2Tiga Kasta Akun AI

Hampir semua penyedia AI besar menjual produknya dalam tiga kasta yang secara hukum sangat berbeda, meskipun jendela chat-nya terlihat sama persis:

Kasta pertama — gratisan (free tier). Anda bukan pelanggan; Anda adalah sumber data dan calon pelanggan. Hubungan hukum Anda dengan penyedia adalah syarat layanan konsumen yang bisa diubah sepihak. Pada banyak layanan, percakapan dapat dipakai untuk melatih model (dengan mekanisme opt-out yang bervariasi), dapat ditinjau manusia, dan retensinya mengikuti kebijakan umum penyedia. Tidak ada DPA. Tidak ada jaminan. Tidak ada nomor telepon yang bisa dihubungi ketika terjadi insiden.

Kasta kedua — berbayar pribadi (Plus/Pro). Anda pelanggan, tetapi tetap konsumen. Anda mendapat model yang lebih pintar, kuota lebih besar, dan pada beberapa penyedia, kontrol privasi yang lebih baik. Namun fondasi hukumnya masih perjanjian konsumen: umumnya tetap tanpa DPA yang bisa dinegosiasikan, tanpa log audit organisasi, tanpa manajemen terpusat. Akun Pro pribadi milik asosiat tetap akun pribadi — riwayatnya ikut orangnya, bukan firmanya. Untuk praktisi solo dengan disiplin tinggi, akun berbayar pribadi dengan pelatihan model dimatikan dan anonimisasi ketat adalah batas bawah minimum yang masih bisa diperdebatkan; untuk firma, ia belum memadai sebagai kebijakan.

Kasta ketiga — bisnis (Team/Business/Enterprise). Di sinilah hubungannya berubah dari konsumen menjadi kontraktual antar-usaha. Ciri-cirinya: data pelanggan secara default tidak dipakai melatih model; tersedia DPA yang menempatkan penyedia sebagai pemroses data atas instruksi Anda; kontrol retensi (dan pada tingkat tertentu, ZDR); sertifikasi audit keamanan seperti SOC 2; SSO dan autentikasi terpusat; konsol admin dengan log audit; serta dukungan kontraktual saat insiden. Inilah kasta yang layak untuk pekerjaan klien.

§ 3.3Kamus Jaminan: Training Opt-out, Retensi, DPA, ZDR, SOC 2, Enkripsi

Ketika Anda membandingkan paket dan membaca dokumen vendor, enam istilah ini akan terus muncul. Pahami artinya secara presisi, karena tim penjualan vendor kadang memakainya longgar.

§ 3.3.1Training opt-out — dan bedanya dengan "tidak dilatih secara default"

Opt-out berarti data Anda dipakai untuk pelatihan kecuali Anda mematikannya — beban aktif ada di Anda, dan setiap anggota tim harus melakukannya sendiri-sendiri, di setiap akun, dan mengulanginya bila kebijakan berubah. Not trained by default (bawaan paket bisnis) berarti kebalikannya: data tidak dipakai kecuali organisasi secara eksplisit mengizinkan. Untuk firma, hanya yang kedua yang bisa dijadikan fondasi kebijakan, karena ia tidak bergantung pada kerajinan tiap individu. Perhatikan juga cakupannya: opt-out pelatihan tidak serta-merta menghentikan penyimpanan percakapan atau peninjauan untuk keamanan — ia hanya mengeluarkan data Anda dari pipeline pelatihan.

§ 3.3.2Retensi data

Retensi adalah berapa lama data Anda hidup di sistem penyedia: percakapan aktif, percakapan terhapus (lazimnya masih ~30 hari di backend), log API, dan cadangan (backup). Paket enterprise yang baik memberi organisasi kendali: periode retensi yang bisa disetel, penghapusan yang bisa dibuktikan, dan kejelasan tentang pengecualian (kewajiban hukum, investigasi penyalahgunaan). Pertanyaan yang wajib Anda ajukan ke vendor: berapa lama data hidup setelah dihapus pengguna; apakah backup ikut terhapus dan dalam berapa lama; pengecualian apa yang membuat retensi diperpanjang.

§ 3.3.3DPA — Data Processing Agreement

DPA adalah perjanjian yang menetapkan penyedia AI sebagai pemroses data yang hanya boleh memproses data pribadi sesuai instruksi terdokumentasi dari Anda selaku pengendali data — persis struktur hubungan yang diwajibkan UU PDP (dan GDPR untuk data Eropa). DPA yang layak memuat: ruang lingkup dan tujuan pemrosesan; kewajiban kerahasiaan personel; langkah keamanan teknis-organisatoris; daftar subpemroses dan hak Anda menolak perubahannya; bantuan saat ada permintaan subjek data; kewajiban notifikasi pelanggaran data (dengan tenggat); aturan transfer internasional; audit; dan penghapusan/pengembalian data saat kontrak berakhir. § 4.5 membahas cara meminta dan membacanya.

§ 3.3.4ZDR — Zero Data Retention

ZDR adalah komitmen kontraktual bahwa penyedia tidak menyimpan masukan dan keluaran Anda setelah permintaan selesai diproses — tidak ada log isi, sehingga tidak ada yang bisa bocor, ditinjau, atau di-subpoena di kemudian hari. ZDR umumnya ditawarkan pada akses API (untuk perusahaan yang membangun aplikasi di atas model) dan pada perjanjian enterprise tertentu, biasanya berdasarkan permintaan dan persetujuan vendor, bukan sekadar mencentang kotak. Konsekuensinya juga perlu dipahami: tanpa retensi, fitur yang bergantung pada penyimpanan (riwayat percakapan, memori) tidak tersedia pada jalur itu. ZDR adalah standar emas untuk kategori dokumen paling sensitif; § 5.6 membahas kapan ia benar-benar diperlukan.

§ 3.3.5SOC 2 dan kawan-kawannya

SOC 2 adalah laporan audit pihak ketiga (standar AICPA, Amerika Serikat) atas kontrol keamanan organisasi jasa — mencakup keamanan, ketersediaan, kerahasiaan, dan privasi. Type I memotret desain kontrol pada satu titik waktu; Type II menguji efektivitas operasinya selama suatu periode (yang ini yang bernilai). Padanan yang sering muncul: ISO/IEC 27001 (sistem manajemen keamanan informasi). Kehadiran SOC 2 Type II tidak menjamin vendor tidak akan bocor — ia menjamin vendor punya kontrol yang diaudit secara independen, dan itu jauh lebih baik daripada janji halaman marketing. Vendor serius menyediakan laporan ini melalui trust center mereka, biasanya dengan NDA.

§ 3.3.6Enkripsi — perlu, tetapi paling sering disalahpahami

Semua penyedia besar mengenkripsi data in transit (TLS saat data berjalan) dan at rest (mis. AES-256 saat data disimpan). Itu melindungi dari penyadap jaringan dan pencuri harddisk — bukan dari penyedia itu sendiri, yang tentu harus mendekripsi masukan Anda untuk memprosesnya di model. Maka jangan pernah menerima "data Anda terenkripsi" sebagai jawaban atas pertanyaan "apakah data saya dipakai untuk pelatihan atau ditinjau manusia" — keduanya soal yang sama sekali berbeda. Enkripsi menjawab siapa di luar yang tidak bisa membaca; kebijakan training/retensi/DPA menjawab apa yang boleh dilakukan pihak dalam.

§ 3.4Himbauan Terbuka: Berlanggananlah dengan Benar

Sekarang perhitungan bisnisnya, karena keberatan yang paling sering penulis dengar bukan soal prinsip melainkan soal biaya. Paket bisnis AI umumnya berharga sekitar US$25–60 per pengguna per bulan — kasarnya Rp400 ribu sampai Rp1 juta. Bandingkan dengan: satu jam saja tarif seorang asosiat; biaya satu perkara Dewan Kehormatan; biaya pemberitahuan insiden data kepada klien korporasi; atau nilai satu klien yang pergi karena kehilangan kepercayaan. Jika AI menghemat dua jam kerja per orang per bulan saja — angka yang sangat konservatif — langganan itu sudah membayar dirinya berkali-kali. Langganan bisnis bukan biaya teknologi; ia premi asuransi kerahasiaan yang sekaligus menaikkan produktivitas.

Maka himbauan buku ini eksplisit: jika firma Anda (atau Anda sebagai praktisi solo) berniat memakai AI untuk pekerjaan klien, berlangganan paket berbayar kelas bisnis adalah prasyarat, bukan opsi. Pilih vendor mana pun yang lolos checklist evaluasi di § 4.6 — buku ini tidak berkepentingan pada merek tertentu — tetapi jangan pernah membangun praktik di atas akun gratisan. Dan bagi firma: bayar dari kantong firma, kelola lewat konsol firma. Meminta asosiat "berlangganan sendiri kalau mau" hanya mengundang kembalinya akun pribadi tak terkelola yang justru ingin kita hapuskan.

Bab ini adalah bab "tangan di keyboard". Kita akan menelusuri empat platform yang paling mungkin dipakai firma Indonesia, lalu naik ke tingkat pengadaan: DPA dan ZDR. Satu peringatan sebelum mulai: nama menu dan letak tombol berubah lebih sering daripada undang-undang. Yang penulis berikan adalah peta konsep — setelan apa yang harus ada dan bagaimana kondisinya — dengan nama menu per awal 2026 sebagai penunjuk arah. Jika nama menunya sudah berganti saat Anda membaca, cari konsepnya di dokumentasi resmi vendor; konsepnya jauh lebih awet daripada letak tombolnya.

Trust arrives on foot and leaves on horseback.— Pepatah Belanda

§ 4.1ChatGPT (OpenAI) — Team/Enterprise

Untuk firma, tingkatan yang relevan adalah ChatGPT Team (workspace kecil-menengah, harga per kursi) atau Enterprise (kontrak, SSO penuh, kontrol retensi lebih dalam). Pada kedua tingkatan ini OpenAI menyatakan data bisnis pelanggan tidak dipakai melatih model secara default — inilah perbedaan kontraktual terpenting dari akun Free/Plus.

1. Bentuk workspace Team/Enterprise atas nama firma, dengan email domain firma. Jangan meng-upgrade akun pribadi partner menjadi "akun kantor".
2. Verifikasi status pelatihan data. Di workspace bisnis, buka halaman admin dan pastikan tidak ada setelan berbagi data yang diaktifkan. Untuk akun konsumen (Free/Plus) yang tetap dipakai untuk keperluan non-klien: buka Settings → Data Controls → Improve the model for everyone dan matikan.
3. Kenali "Temporary Chat" — percakapan yang tidak masuk riwayat dan tidak dipakai untuk pelatihan, dengan retensi singkat (dalam kisaran 30 hari untuk pemantauan keamanan). Berguna sebagai kebiasaan untuk pertanyaan sekali pakai, tetapi bukan pengganti workspace bisnis.
4. Kelola admin: aktifkan 2FA untuk semua anggota (Enterprise: wajibkan SSO/SAML), tinjau daftar anggota berkala, cabut akses karyawan yang keluar pada hari yang sama dengan akun email kantornya.
5. Tinjau fitur konektor dan GPTs pihak ketiga sebelum diizinkan — setiap konektor adalah pihak keempat yang menerima data. Matikan yang tidak dibutuhkan dari konsol admin.
6. DPA: OpenAI menyediakan DPA untuk pelanggan bisnis/API (tersedia untuk dieksekusi melalui halaman legal/privasi mereka). Tanda tangani sebelum go-live. Trust center OpenAI memuat dokumentasi SOC 2 Type II.
7. ZDR: tersedia pada akses API berdasarkan persetujuan untuk endpoint yang memenuhi syarat — relevan jika firma membangun alat internal di atas API, bukan untuk aplikasi chat biasa.

§ 4.2Claude (Anthropic) — Pro/Team/Enterprise + komitmen retensi

Anthropic membedakan tegas dua rezim: konsumen (Free/Pro/Max) dan komersial (Team, Enterprise, API). Pada rezim komersial, data pelanggan secara default tidak dipakai melatih model. Pada rezim konsumen, sejak pembaruan kebijakan 2025, pengguna diminta memilih apakah percakapannya boleh dipakai untuk pengembangan model — dan pilihan itu memengaruhi retensi: mengizinkan pelatihan berarti retensi diperpanjang (hingga lima tahun untuk percakapan yang dicakup), menolak berarti retensi standar yang jauh lebih singkat.

1. Untuk firma: pilih Team atau Enterprise. Ini menempatkan Anda di rezim komersial dengan jaminan "tidak dilatih" secara default plus konsol admin.
2. Untuk akun konsumen yang telanjur ada: buka Settings → Privacy dan pastikan opsi bantuan pengembangan model ("Help improve Claude" / sejenisnya) mati. Periksa ulang setelah setiap pengumuman perubahan kebijakan.
3. Pahami komitmen retensi: percakapan yang dihapus umumnya dibersihkan dari backend dalam kisaran 30 hari; API standar juga memakai jendela retensi singkat; pelanggaran kebijakan dapat memperpanjang retensi untuk investigasi. Enterprise dapat menegosiasikan pengaturan retensi khusus; ZDR tersedia untuk API berdasarkan perjanjian.
4. Projects & knowledge base: dokumen yang diunggah sebagai konteks proyek tunduk pada rezim akun — di Team/Enterprise ia aman dari pelatihan, tetapi tetap terapkan anonimisasi Bab 5 untuk berkas paling sensitif.
5. Admin: Enterprise menyediakan SSO, SCIM, log audit, dan kontrol domain. Aktifkan semuanya; wajibkan 2FA di Team.
6. DPA & kepatuhan: Anthropic menyediakan DPA untuk pelanggan komersial serta dokumentasi SOC 2 Type II melalui trust center-nya.

§ 4.3Gemini (Google) — gunakan lewat Workspace, bukan akun Gmail pribadi

Kesalahan paling umum di ekosistem Google: memakai Gemini dari akun Gmail pribadi. Pada akun konsumen, fitur "Gemini Apps Activity" dapat menyimpan percakapan dan — jika aktivitas ditinjau — sampel percakapan dapat dibaca peninjau manusia serta dipakai untuk peningkatan layanan. Rezim yang tepat untuk firma adalah Gemini melalui Google Workspace (paket Business/Enterprise), yang tunduk pada perjanjian Workspace: Google menyatakan interaksi Gemini pelanggan Workspace tidak dipakai melatih model di luar organisasi Anda dan mewarisi kontrol kepatuhan Workspace yang sudah dikenal firma (admin console, retensi Vault, wilayah data).

1. Pastikan firma memakai Google Workspace berbayar dengan domain sendiri, lalu aktifkan Gemini dari paket/add-on Workspace — bukan menyuruh staf login gemini.google.com dengan akun pribadi.
2. Di Admin Console: tinjau setelan layanan Gemini (siapa yang boleh memakai, fitur mana yang aktif), dan pastikan kebijakan perlindungan data enterprise berlaku untuk semua unit organisasi yang menangani pekerjaan klien.
3. Periksa akun pribadi yang bocor masuk: larang lewat kebijakan tertulis penggunaan Gemini akun konsumen untuk pekerjaan; di akun konsumen mana pun yang dipakai staf untuk belajar, ajarkan mematikan Gemini Apps Activity.
4. DPA: pelanggan Workspace sudah tercakup Google Cloud/Workspace Data Processing Addendum — tinjau dan arsipkan; tidak perlu negosiasi terpisah untuk fitur standar.
5. Nilai tambah: karena Gemini menyatu dengan Drive/Docs/Gmail firma, kontrol akses dokumen firma ikut berlaku — tetapi ini juga berarti kesalahan konfigurasi berbagi di Drive ikut terbawa ke AI. Rapikan izin Drive sebelum mengaktifkan AI di atasnya.

§ 4.4Microsoft Copilot — M365 dengan perlindungan data komersial

Dunia Microsoft punya dua makhluk berbeda dengan nama serupa: Copilot konsumen (di Windows/aplikasi gratis, terikat akun Microsoft pribadi) dan Microsoft 365 Copilot (lisensi berbayar di atas tenant M365 organisasi). Hanya yang kedua yang relevan untuk pekerjaan klien: ia beroperasi dalam batas kepatuhan tenant (Microsoft menyebutnya beroperasi di dalam "service boundary" M365), prompt dan respons tidak dipakai melatih model dasar, dan ia mewarisi kontrol Purview, retensi, serta eDiscovery organisasi. Pengguna Entra ID pada aplikasi Copilot umum juga mendapat "enterprise data protection" — perlindungan kontraktual yang sama atas prompt dan respons.

1. Pastikan lisensi: pekerjaan klien hanya lewat akun kerja (Entra ID) pada tenant firma, idealnya dengan lisensi Microsoft 365 Copilot. Blokir akun Microsoft pribadi di perangkat kantor bila memungkinkan.
2. Rapikan izin sebelum mengaktifkan: Copilot menampilkan apa pun yang boleh diakses penggunanya di SharePoint/OneDrive. Folder "Semua Karyawan" yang berisi berkas perkara adalah bom waktu — jalankan penataan izin (Purview/SharePoint Advanced Management membantu) sebelum peluncuran.
3. Di pusat admin: tinjau setelan Copilot (plugin/agent pihak ketiga, web grounding — apakah kueri boleh diperkaya pencarian web), aktifkan label sensitivitas Purview agar dokumen berlabel rahasia diperlakukan sesuai labelnya.
4. DPA: tercakup dalam Microsoft Products and Services DPA yang sudah berlaku untuk tenant M365 Anda — arsipkan versinya.
5. Catatan: justru karena Copilot melihat seluruh isi tenant, ia paling berguna untuk workflow internal (email, notulen, dokumen kantor) dan paling berbahaya bila higienitas izin buruk. Kekuatan dan risikonya satu paket.

§ 4.5Meminta dan Membaca DPA; Meminta ZDR

§ 4.5.1Cara meminta DPA

Untuk vendor besar, DPA biasanya bukan hasil negosiasi melainkan dokumen standar yang tinggal dieksekusi: cari di situs vendor halaman "Data Processing Agreement/Addendum", "Trust Center", atau "Legal", ikuti mekanisme eksekusinya (kadang otomatis tercakup dalam syarat bisnis, kadang perlu ditandatangani terpisah), lalu arsipkan salinan tereksekusi beserta tanggalnya di berkas kepatuhan firma. Untuk vendor kecil/legal-tech lokal, mintalah DPA secara tertulis; vendor yang kebingungan diminta DPA adalah sinyal merah nomor satu.

§ 4.5.2Delapan hal yang dicari saat membaca DPA

1. Peran para pihak: Anda pengendali, vendor pemroses — dan vendor hanya memproses sesuai instruksi terdokumentasi. Waspadai klausul yang memberi vendor hak memproses "untuk tujuan sendiri" secara luas.
2. Larangan pelatihan: pastikan ada pernyataan eksplisit data pelanggan tidak dipakai melatih/menyempurnakan model untuk pihak lain. Jika tidak eksplisit di DPA, cari di dokumen syarat bisnis yang dirujuknya.
3. Subpemroses: daftar terkini (biasanya tautan), kewajiban memberi tahu perubahan, dan hak Anda berkeberatan.
4. Keamanan: lampiran langkah teknis-organisatoris (TOMs) — enkripsi, kontrol akses, sertifikasi.
5. Notifikasi pelanggaran data: ada tenggat konkret ("tanpa penundaan yang tidak semestinya", idealnya dengan jam/hari) dan informasi yang akan diberikan. Ini krusial karena UU PDP memberi Anda tenggat 3×24 jam untuk memberi tahu subjek data dan lembaga (lihat § 9.4) — Anda butuh vendor yang memberi tahu Anda cukup cepat.
6. Transfer internasional: mekanisme apa yang dipakai (klausul kontrak standar, sertifikasi), di mana data disimpan/diproses, dan opsi residensi data bila ada.
7. Audit & laporan: hak mendapatkan laporan audit (SOC 2/ISO) dan, untuk kontrak besar, hak audit.
8. Akhir kontrak: penghapusan atau pengembalian data, dengan jangka waktu, termasuk dari backup.

§ 4.5.3Meminta ZDR

Jika firma menyimpulkan ada kategori pekerjaan yang menuntut Zero Data Retention (lihat § 5.6), prosesnya umumnya: ajukan permintaan melalui tim penjualan/akun enterprise vendor; jelaskan use case (vendor menilai kelayakan, karena ZDR mengurangi kemampuan mereka memantau penyalahgunaan); dan pahami bahwa ZDR paling lazim diberikan pada jalur API — artinya firma perlu aplikasi perantara (milik sendiri atau legal-tech yang dibangun di atas API dengan ZDR). Minta komitmen ZDR itu tertulis dalam perjanjian, bukan sekadar email penjual, dan pastikan cakupannya jelas: endpoint mana, fitur mana yang jadi nonaktif, dan pengecualian apa yang tersisa.

§ 4.6Checklist Evaluasi Vendor AI untuk Firma Hukum

Aturan kelulusannya sederhana: tujuh butir WAJIB harus terpenuhi semua — satu saja gagal, vendor gugur, berapa pun kecanggihan modelnya. Butir PENTING boleh dikompensasi antar-butir dengan catatan mitigasi tertulis. Butir NILAI TAMBAH untuk memilih di antara vendor yang sama-sama lulus. Simpan hasil evaluasi ini; ia sekaligus menjadi bukti kepatuhan Anda memilih pemroses yang layak menurut UU PDP (§ 9.3).

Confidentiality is the soul of the profession.— Adagium hukum

§ 5.1Prinsip: AI Butuh Pola, Bukan Identitas

Kabar baik yang jarang disadari praktisi: untuk hampir semua tugas hukum, AI sama sekali tidak membutuhkan identitas para pihak. Model tidak menjadi lebih pintar menganalisis wanprestasi karena tahu debitornya bernama PT Maju Bersama Sejahtera; ia hanya butuh tahu ada "penjual" dan "pembeli", nilai transaksinya "sekitar Rp40 miliar", dan pembayaran tahap kedua terlambat "kurang lebih 90 hari". Kualitas analisis hukum bergantung pada struktur fakta, bukan pada identitas subjek. Maka anonimisasi yang baik hampir tidak mengorbankan apa pun — ia hanya membuang muatan risiko dari kiriman Anda.

Kedudukan anonimisasi dalam protokol buku ini perlu ditegaskan: ia adalah lapisan pertahanan kedua, dipakai di atas akun bisnis yang benar (Bab 3–4) — bukan jimat yang membuat akun gratisan jadi halal. Berlapis itu penting karena tidak ada lapisan yang sempurna: akun bisa salah konfigurasi, dan anonimisasi bisa bocor. Dua lapisan yang masing-masing 95% aman menghasilkan perlindungan yang jauh lebih baik daripada satu lapisan yang "dijamin" 99%.

§ 5.2Teknik Tokenisasi: [PIHAK A], [PIHAK B], dan Kawan-kawan

Teknik dasar anonimisasi dokumen hukum adalah tokenisasi konsisten: setiap identitas diganti token dalam kurung siku, dan token yang sama selalu mengacu pada entitas yang sama di seluruh dokumen. Konsistensi itu penting — jika PT X kadang jadi [PIHAK A] dan kadang jadi [PERUSAHAAN], analisis AI akan kacau.

Simpan kamus tokennya. Buat catatan pemetaan (token ↔ identitas asli) di sistem internal firma — di dokumen lokal, bukan di AI — supaya Anda dapat "menerjemahkan kembali" keluaran AI. Kamus ini sendiri adalah dokumen rahasia; perlakukan seperti berkas perkara.

§ 5.3Membersihkan PII: Daftar Sapu Bersih

PII (personally identifiable information — padanan "data pribadi" dalam UU PDP) lebih luas daripada nama. Sebelum teks apa pun berpindah ke AI, sapu daftar ini:

• Identitas langsung: nama orang, nama badan hukum non-publik, alias, tanda tangan, foto.
• Nomor identitas: NIK, KK, NPWP, paspor, SIM, BPJS, nomor rekening, nomor polis, nomor sertifikat tanah.
• Kontak: alamat, email, nomor telepon, akun media sosial.
• Data spesifik UU PDP: data kesehatan, biometrik, genetika, catatan kejahatan, data anak, data keuangan pribadi, orientasi/kehidupan seksual — kategori ini diberi perlindungan lebih ketat oleh UU PDP dan sebaiknya tidak pernah dikirim, bahkan tertokenisasi, kecuali di bawah rezim § 5.6.
• Identitas tak langsung (quasi-identifier): jabatan unik ("CFO perusahaan tambang nikel yang IPO Maret lalu"), kombinasi tanggal+tempat+peristiwa yang diberitakan media, ciri fisik objek sengketa. Uji dengan pertanyaan: bisakah rekan seprofesi yang membaca koran menebak siapa ini?
• Metadata dokumen: jika mengunggah berkas (bukan menempel teks), bersihkan properti dokumen — author, track changes, komentar tersembunyi, header/footer firma. Fitur "Inspect Document" (Word) melakukannya sekali klik.

§ 5.4Teknik Fakta Hipotetis

Untuk konsultasi konseptual — jenis pemakaian AI paling umum bagi litigator — sering kali Anda tidak perlu dokumen sama sekali. Cukup tulis ulang inti persoalan sebagai soal ujian hipotetis, seperti dosen menyusun kasus posisi. Contohnya:

Anggap suatu kasus hipotetis di Indonesia. Sebuah perusahaan distribusi
[PIHAK A] menandatangani perjanjian pasokan eksklusif 5 tahun dengan
produsen [PIHAK B]. Tahun ketiga, [PIHAK B] mulai memasok produk yang
sama ke pesaing [PIHAK A] melalui anak usahanya, dengan dalih anak usaha
bukan pihak dalam perjanjian.

Pertanyaan:
1. Analisis apakah dalih tersebut dapat dipatahkan dengan doktrin
   penyalahgunaan keadaan atau prinsip itikad baik Pasal 1338 KUHPerdata.
2. Susun argumen terbaik untuk masing-masing pihak.
3. Sebutkan jenis bukti yang paling menentukan.

Jawab sebagai analisis akademik. Jangan mengarang putusan pengadilan;
jika merujuk yurisprudensi, nyatakan tingkat keyakinanmu dan tandai
sebagai "perlu verifikasi".

Teknik ini punya bonus tersembunyi: memaksa Anda mengabstraksikan persoalan sering kali memperjernih analisis Anda sendiri sebelum AI menjawab apa pun. Banyak praktisi melaporkan separuh nilai AI justru datang dari disiplin merumuskan pertanyaan.

§ 5.5Proses Redaksi yang Benar (dan Kesalahan Klasiknya)

1. Bekerja pada salinan. Jangan pernah meredaksi dokumen asli.
2. Redaksi = menghapus, bukan menutupi. Kesalahan klasik yang berulang kali mempermalukan firma besar dunia: kotak hitam di atas teks PDF yang teksnya masih bisa di-copy, atau highlight hitam Word yang tinggal di-select. Ganti teksnya dengan token, jangan diberi "stiker".
3. Gunakan cari-ganti (find & replace) untuk konsistensi — cari setiap varian nama (PT Maju Bersama Sejahtera; PT MBS; "MBS"; "Perseroan") satu per satu.
4. Pemeriksaan kedua oleh orang kedua untuk dokumen sensitif: reviewer membaca hasil redaksi tanpa tahu identitas asli dan mencoba menebak para pihak. Kalau tertebak, ulangi.
5. Catat di berkas: siapa meredaksi, kapan, dokumen apa, untuk dikirim ke layanan apa. Satu baris log per kiriman cukup — dan sangat berharga saat audit.

§ 5.6Kapan Anonimisasi Cukup, Kapan Butuh Enterprise ZDR

Tidak semua pekerjaan sama sensitifnya, dan memperlakukan semuanya dengan rezim tertinggi hanya akan membuat orang mencari jalan pintas. Buku ini menganjurkan tiga tingkat:

Logika garis T2/T3: anonimisasi cukup ketika (a) identitas benar-benar bisa dipisahkan dari analisis, (b) volume dokumen masih memungkinkan redaksi yang teliti, dan (c) dampak kebocoran sisa (residual) masih setara dokumen bisnis biasa. Ia tidak lagi cukup ketika identitas justru bagian dari persoalan (sengketa pemegang saham yang strukturnya unik), ketika volume membuat redaksi manual tidak realistis sehingga kualitasnya pasti merosot, atau ketika satu kebocoran kecil pun berdampak bencana (insider information emiten — yang menyentuh ranah pidana pasar modal). Pada titik itu naiklah ke rezim kontraktual tertinggi, atau kerjakan dengan cara lama. Tidak setiap pekerjaan harus memakai AI. Kalimat itu juga bagian dari melek AI.

Lima bab pertama membangun pagar; bab ini membangun jalannya. Ketujuh workflow berikut mencakup mayoritas jam kerja advokat pada umumnya. Setiap workflow disajikan dengan pola yang sama: diagram alur (kotak emas selalu menandai titik verifikasi manusia — titik yang tidak boleh dilewati), langkah kerja, prompt siap pakai, dan rambu-rambunya. Prasyarat semua workflow: akun firma sesuai Bab 3–4, dan bahan yang masuk sudah melewati saringan Bab 5. Prinsip perancangnya satu kalimat: AI mengerjakan draf dan struktur; manusia mengerjakan penilaian dan tanggung jawab.

It is not what a lawyer tells me I may do; but what humanity, reason, and justice tell me I ought to do.— Edmund Burke

§ 6.1Workflow A — Riset Hukum & Ringkasan Putusan

Pemakaian AI yang benar dalam riset hukum terbalik dari yang dilakukan pengacara dalam kasus Avianca. Yang keliru: bertanya "carikan putusan tentang X" lalu memakai jawabannya — itu meminta fakta dari mesin probabilistik. Yang benar: ambil sendiri bahan otoritatif (peraturan dari JDIH/peraturan.go.id, putusan dari Direktori Putusan MA), lalu gunakan AI untuk membaca cepat bahan itu — meringkas, memetakan pertimbangan hukum, membandingkan, menyusun kerangka analisis. AI sebagai pembaca super cepat atas bahan yang Anda pilih, bukan sebagai perpustakaan.

1. Rumuskan isu hukum sebagai pertanyaan hipotetis (§ 5.4).
2. Kumpulkan bahan primer sendiri: unduh peraturan dari JDIH kementerian terkait atau peraturan.go.id, putusan dari Direktori Putusan Mahkamah Agung. Simpan salinan asli di berkas.
3. Berikan bahan itu ke AI (di akun firma) dan minta ringkasan terstruktur, peta pertimbangan, atau perbandingan antar putusan.
4. Titik verifikasi: setiap pasal, nomor putusan, dan kutipan pada keluaran dicek kembali ke dokumen sumber. Yang tidak Anda temukan di sumber, dibuang.
5. Tulis memo final dengan sitasi dari dokumen sumber — bukan dari jawaban AI.

Berikut teks putusan pengadilan yang saya lampirkan (sumber: Direktori
Putusan MA). Buat ringkasan terstruktur:

1. Para pihak dan kedudukannya (pakai sebutan perannya saja).
2. Kasus posisi dalam maksimal 10 kalimat.
3. Petitum pokok penggugat/pemohon.
4. Pertimbangan hukum utama majelis — kutip frasa kuncinya persis,
   sebutkan halaman/paragrafnya.
5. Amar putusan.
6. Kaidah hukum yang dapat ditarik (ratio decidendi) vs pernyataan
   sampingan (obiter dictum).
7. Relevansi putusan ini untuk isu: [RUMUSAN ISU HIPOTETIS ANDA].

Jangan menambahkan informasi apa pun yang tidak ada dalam teks
terlampir. Jika suatu bagian tidak ditemukan, tulis "tidak ditemukan
dalam teks".

Saya melampirkan [JUMLAH] ringkasan putusan tentang isu [ISU HUKUM].
Buat tabel perbandingan dengan kolom: pengadilan & tahun | fakta kunci
yang membedakan | pertimbangan hukum inti | amar. Setelah tabel,
analisis: (a) benang merah pertimbangan, (b) faktor fakta yang tampak
menentukan arah putusan, (c) putusan mana yang fakta perkaranya paling
dekat dengan pola fakta berikut: [POLA FAKTA HIPOTETIS]. Dasarkan
seluruh analisis HANYA pada lampiran.

§ 6.2Workflow B — Review & Markup Kontrak

Review kontrak adalah tempat AI paling cepat terasa nilainya: draf pihak lawan setebal 60 halaman bisa dipetakan risikonya dalam beberapa menit — sebagai pembacaan pertama, bukan pengganti pembacaan Anda. AI unggul menemukan hal yang mudah terlewat mata lelah (definisi yang tidak konsisten, referensi silang yang putus, klausul yang timpang); AI tidak tahu konteks bisnis klien Anda, leverage negosiasi, dan apa yang lazim di industri itu di Indonesia. Pembagian kerjanya persis di garis itu.

Saya melampirkan draf [JENIS PERJANJIAN] (sudah dianonimkan). Saya
mewakili [PIHAK B / PEMBELI]. Hukum yang berlaku: Indonesia.

Lakukan review berlapis:
LAPIS 1 — Peta: daftar semua klausul dengan satu kalimat isi per klausul.
LAPIS 2 — Ketimpangan: klausul yang berat sebelah merugikan [PIHAK B],
  urutkan dari paling berisiko; jelaskan skenario konkret kerugiannya.
LAPIS 3 — Lubang: hal yang LAZIMNYA ada di perjanjian sejenis tapi
  tidak ada di draf ini (mis. batas ganti rugi, force majeure, mekanisme
  penyelesaian sengketa, bahasa yang mengesampingkan Pasal 1266
  KUHPerdata bila relevan).
LAPIS 4 — Konsistensi: definisi yang tidak terpakai/tidak konsisten,
  referensi silang yang keliru, penomoran ganda.

Untuk setiap temuan Lapis 2–3, usulkan redraft klausulnya dalam bahasa
Indonesia kontrak yang baku, dengan alternatif posisi keras dan posisi
kompromi.

§ 6.3Workflow C — Drafting: Kontrak, Somasi, Gugatan, Legal Opinion

Untuk drafting, aturan praktisnya: AI menulis draf nol, Anda menulis draf satu. Draf nol — kerangka lengkap dengan bahasa baku yang benar strukturnya — adalah 40% pekerjaan yang paling membosankan, dan AI mengerjakannya nyaris seketika. Sisa 60% — memasukkan fakta riil, menajamkan dalil, menyesuaikan strategi, memeriksa dasar hukum — tetap pekerjaan Anda, dan justru menjadi lebih ringan karena Anda bekerja di atas struktur, bukan halaman kosong. Rangkaian terbaiknya: minta kerangka dulu, sepakati kerangkanya, baru minta pengembangan per bagian — koreksi arah di tahap kerangka sepuluh kali lebih murah daripada di tahap teks jadi.

Susun draf somasi (peringatan) pertama dalam bahasa Indonesia hukum
yang tegas namun profesional, atas kasus hipotetis:

- Pengirim: kuasa hukum [PIHAK A], perusahaan [BIDANG USAHA].
- Penerima: [PIHAK B], rekanan berdasarkan [JENIS PERJANJIAN] tertanggal
  [TANGGAL PERJANJIAN].
- Wanprestasi: [URAIAN SINGKAT, mis. gagal menyerahkan barang tahap 2
  selama lebih dari 60 hari dari jadwal].
- Tuntutan: [PEMENUHAN PRESTASI / PEMBAYARAN ±NILAI] dalam [7/14] hari.

Struktur: identitas kuasa & dasar kuasa; uraian hubungan hukum; uraian
wanprestasi dengan rujukan pasal perjanjian [NOMOR PASAL]; dasar hukum
(Pasal 1238, 1243 KUHPerdata); tuntutan & tenggat; pernyataan langkah
hukum bila diabaikan. Beri tanda [ISI: ...] pada setiap tempat yang
harus saya isi data riil. Jangan mengarang fakta tambahan.

Saya akan menyusun legal opinion untuk klien [JENIS KLIEN, mis. bank]
tentang isu: [RUMUSAN ISU HIPOTETIS]. Susun DULU kerangka legal opinion
standar praktik Indonesia: (1) ruang lingkup & batasan; (2) dokumen
yang diperiksa; (3) asumsi; (4) ringkasan pendapat; (5) uraian fakta;
(6) analisis hukum per isu — sebutkan untuk tiap isu peraturan apa yang
kemungkinan relevan (beri tanda "VERIFIKASI" pada tiap rujukan);
(7) kualifikasi; (8) penutup. Untuk bagian 6, usulkan urutan argumen
dan counter-argument yang harus saya antisipasi. Jangan menulis teks
penuh dulu — kerangka beranotasi saja.

§ 6.4Workflow D — Due Diligence Dokumen Banyak

Uji tuntas adalah pekerjaan volume: ratusan perjanjian di ruang data virtual, dicari klausul change of control, pembatasan pengalihan, kewajiban yang membebani. Di sinilah pilihan arsitektur Bab 5 paling terasa: menganonimkan lima ratus dokumen satu per satu tidak realistis, sehingga due diligence bervolume besar adalah kandidat utama rezim T3 — alat enterprise/legal-tech di atas API dengan komitmen retensi ketat atau ZDR, di bawah DPA, idealnya dengan NDA transaksi yang mengizinkan pemakaian pemroses. Alternatifnya untuk transaksi kecil: pilih subset dokumen kunci, anonimkan secukupnya, proses di akun firma.

Dua disiplin membuat workflow ini bisa dipertanggungjawabkan. Pertama, uji sampel dua arah: ambil sampel acak dokumen yang AI nyatakan "bersih" dan baca manual (menguji false negative — temuan yang terlewat), dan baca semua yang AI tandai merah di dokumen sumbernya (menguji false positive). Bila tingkat luput pada sampel melebihi toleransi tim, perlebar sampel atau ubah metode. Kedua, laporan harus menunjuk lokasi: setiap temuan dalam laporan DD memuat nama dokumen dan halaman/pasal, sehingga siapa pun bisa memeriksa ulang tanpa bergantung pada AI.

Kamu membantu uji tuntas hukum. Untuk dokumen perjanjian terlampir,
isi tabel berikut dan JANGAN menyimpulkan apa pun yang tidak tertulis:

| Item | Jawaban | Kutipan persis | Pasal/halaman |
- Jenis perjanjian & para pihak (sebut perannya)
- Jangka waktu & perpanjangan otomatis
- Klausul change of control / pengalihan: ada/tidak; isinya
- Kewajiban finansial material (> [AMBANG]): sebutkan
- Klausul eksklusivitas / non-compete
- Peristiwa cidera janji & akibatnya
- Hukum yang berlaku & forum sengketa
- Persetujuan pihak ketiga yang disyaratkan
- Red flag lain menurut checklist: [TEMPEL CHECKLIST DD ANDA]

Jika suatu item tidak diatur, tulis "TIDAK DIATUR" — jangan menebak.
Akhiri dengan skor kelengkapan dokumen (halaman hilang? lampiran
dirujuk tapi tidak ada?).

§ 6.5Workflow E — Persiapan Sidang & Kronologi

Litigasi hidup dan mati oleh penguasaan fakta, dan penguasaan fakta dibangun dari kronologi. AI sangat baik dalam mengubah tumpukan bahan mentah — korespondensi, notulen, berita acara — menjadi kronologi tertata dengan penanda sumber, dan dalam stress-testing argumen: memerankan lawan yang menyerang dalil Anda. Yang tidak boleh dilakukan AI: menilai kredibilitas saksi, memilih strategi pembuktian, atau menjadi sumber "apa kata hukum acara" tanpa verifikasi.

Berikut kumpulan bahan yang sudah dianonimkan (email, notulen, berita
acara), masing-masing kuberi kode sumber [DOK-1], [DOK-2], dst.

Susun kronologi perkara dalam tabel: tanggal | peristiwa | sumber
(kode dokumen) | catatan. Aturan ketat:
1. Setiap baris WAJIB merujuk minimal satu kode dokumen.
2. Peristiwa yang hanya tersirat, tandai "(inferensi)" dan jelaskan
   dasarnya.
3. Setelah tabel, buat daftar CELAH: rentang waktu penting yang tidak
   ada dokumennya, dan kontradiksi antar dokumen (sebutkan kodenya).
4. Jangan menambahkan peristiwa yang tidak berasal dari bahan.

Berperanlah sebagai kuasa hukum lawan yang sangat teliti dan agresif
(hukum Indonesia). Ini dalil utama saya dalam kasus hipotetis:

[TEMPEL DALIL DALAM BENTUK ANONIM/HIPOTETIS]

Tugasmu:
1. Serang dalil ini dari sisi hukum: dasar hukum tandingan, penafsiran
   alternatif, eksepsi prosesual yang mungkin diajukan.
2. Serang dari sisi fakta: fakta apa yang jika terbukti akan meruntuhkan
   dalil ini; pertanyaan pemeriksaan apa yang paling berbahaya bagi
   saksi kami.
3. Beri skor 1–10 untuk kekuatan tiap seranganmu dan jelaskan.
4. Terakhir, keluar dari peran: sarankan cara memperkuat dalil saya
   terhadap tiga serangan terkuat.

§ 6.6Workflow F — Korespondensi Klien

Sebagian besar keluhan klien terhadap firma bukan soal kualitas hukum, melainkan soal komunikasi: jawaban lambat, bahasa yang tidak dipahami, kabar yang tidak datang. AI membantu tepat di situ — menerjemahkan analisis teknis menjadi bahasa klien, menyusun update perkara yang rapi, merapikan nada surat yang ditulis tergesa. Rambunya dua lapis: bahan yang masuk tetap dianonimkan (klien Anda pun tidak boleh jadi objek kebocoran), dan setiap surat keluar dibaca utuh oleh pengirimnya — surat adalah suara Anda, bukan suara mesin.

Tulis draf email update perkara untuk klien yang BUKAN orang hukum
(pemilik usaha menengah). Bahasa Indonesia yang hangat, jernih, tanpa
jargon; jika istilah hukum tak terhindarkan, jelaskan dalam kurung.

Isi yang harus tersampaikan:
1. Tahap yang baru selesai: [MIS. sidang jawaban tergugat].
2. Artinya bagi posisi klien: [RINGKASAN ANONIM, 2-3 POIN].
3. Langkah berikutnya & perkiraan waktunya: [TAHAP + ESTIMASI].
4. Yang kami butuhkan dari klien: [DOKUMEN/KEPUTUSAN + TENGGAT].

Aturan: jangan menjanjikan hasil atau peluang menang; jangan menyebut
angka biaya; panjang maksimal 250 kata; tutup dengan tawaran menelepon
bila ada yang kurang jelas. Beri tanda [ISI] pada bagian yang akan
kuisi sendiri.

§ 6.7Workflow G — Manajemen Firma: Timesheet, Intake, Konflik Kepentingan

Workflow terakhir sering dilupakan karena tidak glamor, padahal paling aman (datanya milik firma sendiri) dan pulangannya cepat. Tiga pemakaian utama:

Timesheet dan narasi tagihan. AI piawai mengubah catatan kerja telegrafis ("tel klien 20m, riv draf SPA 1.5j, email opposing 2x") menjadi narasi tagihan yang profesional dan konsisten formatnya — pekerjaan yang dibenci semua asosiat di dunia. Anonimkan nama klien/perkara dengan kode matter, dan pastikan narasi akhirnya jujur: AI merapikan bahasa, bukan menggelembungkan jam.

Intake klien baru. AI membantu menstrukturkan informasi calon klien menjadi ringkasan intake baku: para pihak, inti persoalan, urgensi, dokumen yang ada, potensi bidang hukum. Perhatian khusus: calon klien belum klien, tetapi informasi pra-penunjukan pun tunduk pada kerahasiaan — rezim datanya sama ketatnya.

Penapisan konflik kepentingan. Di sini kehati-hatian tertinggi: pemeriksaan konflik menyentuh daftar seluruh klien firma — data yang paling rahasia dari yang rahasia. Basis data konflik tidak boleh diunggah ke layanan AI eksternal mana pun; penapisan berjalan di sistem internal (pencarian database biasa sudah memadai untuk kebanyakan firma). Peran AI yang aman di sini terbatas pada: merancang prosedur dan taksonomi pemeriksaan konflik, menyusun formulir intake, dan menganalisis pola fakta hipotetis ("apakah situasi seperti ini lazim dikategorikan konflik berdasarkan Pasal 4 huruf j KEAI?").

Ubah catatan kerja telegrafis berikut menjadi entri timesheet
profesional berbahasa Indonesia (atau Inggris jika kutandai [EN]).
Format per entri: durasi (0,1 jam terdekat sesuai catatan — JANGAN
mengubah angka) + narasi 1-2 kalimat, kata kerja aktif, spesifik tapi
ringkas, tanpa menyebut strategi rahasia.

Kode matter: [KODE-123]. Catatan:
[TEMPEL CATATAN TELEGRAFIS, mis:
- 0.3 tel dgn PIC klien re jadwal ttd
- 1.5 riview draf SPA psl 6-9, markup
- 0.4 email ke notaris re AHU]

Konsistenkan gaya seluruh entri. Jika suatu catatan terlalu kabur untuk
dinarasikan jujur, tandai [PERLU KLARIFIKASI] — jangan mengarang detail.

With great power comes great responsibility.— Pepatah

§ 7.1Mengapa Mesin yang Sefasih Ini Bisa Mengarang

Halusinasi — keluaran yang salah namun disajikan dengan keyakinan penuh — bukan bug yang sedang menunggu perbaikan; ia konsekuensi langsung dari cara model bahasa bekerja. LLM tidak "mengingat" pasal dan putusan seperti database; ia memprediksi rangkaian kata yang paling mungkin berdasarkan pola statistik pelatihannya. Ketika pola menuntut adanya nomor putusan, model akan menghasilkan sesuatu yang berbentuk nomor putusan — dan bentuknya akan sempurna: format benar, nama pihak masuk akal, tahun konsisten. Kefasihan format itulah yang menjebak: keluaran palsu dan keluaran asli terlihat persis sama di layar.

Untuk konteks hukum Indonesia, risikonya lebih tinggi lagi dari rata-rata, karena tiga hal: korpus hukum Indonesia dalam data pelatihan model global relatif tipis dibanding korpus hukum Amerika; peraturan kita berubah cepat dan berlapis (undang-undang, peraturan turunan, perubahan lewat omnibus) sehingga pengetahuan model mudah kedaluwarsa; dan penomoran peraturan kita — "UU No. X Tahun YYYY" — sangat mudah "dipolakan" oleh model menjadi rujukan palsu yang tampak sah. Praktisi yang menguji chatbot umum dengan pertanyaan hukum Indonesia akan menemukan model bagus dalam konsep (asas, doktrin, struktur argumen) dan tidak dapat diandalkan dalam rujukan presisi (nomor pasal persis, bunyi ayat, nomor putusan, status berlakunya aturan). Gunakan sesuai kekuatannya.

§ 7.2AI Bukan Sumber Hukum

Dalam teori perundang-undangan kita terbiasa membedakan sumber hukum formal — peraturan perundang-undangan, yurisprudensi, kebiasaan, traktat, doktrin. Keluaran AI tidak masuk kategori mana pun; statusnya paling banter setara catatan diskusi dengan rekan yang banyak membaca tetapi kadang mengarang dengan yakin. Anda tidak akan pernah menulis "berdasarkan keterangan teman saya" dalam gugatan; jangan pula membiarkan proposisi hukum yang hanya bersumber dari AI masuk ke dokumen kerja tanpa dipijakkan ulang ke sumber formal.

Konsekuensi praktisnya, tetapkan di firma Anda hierarki verifikasi berikut untuk setiap jenis klaim dalam keluaran AI:

§ 7.3Protokol Verifikasi Tiga Lapis

Lapis 1 — Saat menulis prompt: perintahkan kejujuran epistemik. Tambahkan instruksi baku: "Jika tidak yakin, katakan tidak yakin. Tandai setiap rujukan peraturan/putusan dengan [VERIFIKASI]. Jangan mengarang nomor." Ini tidak menghilangkan halusinasi, tetapi menurunkan frekuensinya dan — lebih penting — membuat keluaran memisahkan sendiri mana konsep dan mana klaim faktual yang harus dicek.

Lapis 2 — Saat membaca keluaran: stabilo semua klaim yang bisa salah secara faktual: setiap nomor (pasal, putusan, tahun), setiap kutipan, setiap "menurut", setiap pernyataan status hukum ("masih berlaku", "telah dicabut"). Daftar stabilo itu adalah daftar kerja verifikasi Anda. Analisis dan struktur argumen tidak perlu diverifikasi ke sumber — ia perlu dinilai oleh nalar hukum Anda, dan itu pekerjaan berbeda.

Lapis 3 — Sebelum dokumen keluar: pemeriksaan sitasi final oleh manusia terhadap dokumen jadi (bukan terhadap keluaran AI): setiap rujukan dalam dokumen dibuka sumbernya sekali lagi. Di firma dengan lebih dari satu orang, lapis 3 idealnya dikerjakan orang yang bukan penyusun draf. Untuk dokumen pengadilan, jadikan ini syarat tanda tangan.

Bertanya kepada AI "apakah kamu yakin?" bukan verifikasi — Schwartz sudah mencobanya, dan mesin itu menjawab yakin. Verifikasi hanya terjadi ketika Anda meninggalkan jendela chat dan membuka sumber yang berwenang.

Pelajaran § 2.3, diulang dengan sengaja

§ 7.4Tanggung Jawab Tetap di Pundak Advokat

Segala diskusi teknis di atas bermuara pada satu prinsip hukum yang tidak berubah: tidak ada delegasi tanggung jawab kepada mesin. Advokat yang menandatangani dokumen bertanggung jawab atas isinya — kepada klien (perdata, atas dasar hubungan pemberian kuasa dan standar kehati-hatian profesi), kepada pengadilan (jangan sesatkan hakim dengan rujukan palsu; di sinilah kasus Avianca menjadi contoh sanksinya), dan kepada profesi (Dewan Kehormatan tidak akan menerima "AI yang menulisnya" sebagai pembelaan, sebagaimana ia tidak pernah menerima "paralegal saya yang menulisnya"). Menggunakan alat tidak pernah mengurangi standar kehati-hatian; alat yang lebih kuat justru menaikkan kewajiban pengawasan atasnya.

Ada pula sisi sebaliknya yang perlu dikatakan jujur: dalam beberapa tahun ke depan, tidak memakai alat bantu yang tersedia luas pun bisa mulai dipersoalkan — klien yang membayar per jam berhak bertanya mengapa pekerjaan yang bisa dibantu mesin dikerjakan dua kali lebih lama. Standar kompetensi profesi bergerak dua arah: wajib mengawasi alatnya, dan lama-kelamaan wajib pula menguasainya. Justru karena itulah protokol buku ini penting — ia membuat Anda bisa memenuhi kedua arah sekaligus.

Aturan pakai pustaka ini, singkat saja: (1) semua prompt dijalankan di akun firma (Bab 3–4); (2) teks dalam [KURUNG SIKU] diganti dengan versi anonim/hipotetis sesuai Bab 5 — catatan "jangan tempel" di bawah tiap prompt mengingatkan jebakan khasnya; (3) keluaran diverifikasi sesuai Bab 7 sebelum dipakai; (4) ubah dan gabungkan prompt sesuka Anda — ini resep dapur, bukan pasal undang-undang. Instruksi anti-halusinasi ("tandai [VERIFIKASI]", "jangan mengarang") sengaja ditulis berulang di banyak prompt; biarkan begitu, ia sabuk pengaman.

§ 8.1Riset & Analisis

Saya menghadapi persoalan hukum Indonesia berikut (hipotetis):
[URAIAN POLA FAKTA ANONIM, 5-10 KALIMAT].

Petakan: (1) isu-isu hukum yang terkandung, urut dari yang paling
menentukan; (2) untuk tiap isu, bidang hukum dan instrumen yang
kemungkinan mengaturnya — tandai tiap rujukan [VERIFIKASI]; (3) fakta
tambahan apa yang harus saya gali sebelum analisis bisa tuntas;
(4) tiga skenario penyelesaian dengan plus-minusnya. Jangan mengarang
nomor pasal; jika ragu, sebut nama undang-undangnya saja.

Berikut teks lengkap [NAMA PERATURAN] yang saya salin dari sumber
resmi. Bedah untuk kebutuhan praktisi:
1. Struktur besar dan logika peraturannya (3-5 kalimat).
2. Kewajiban baru: siapa wajib apa, sejak kapan, sanksinya — dalam
   tabel, dengan rujukan pasal dari teks terlampir.
3. Perbedaan dengan rezim sebelumnya [SEBUT ATURAN LAMA jika tahu],
   tandai bagian perbandingan ini [VERIFIKASI] karena bergantung
   pengetahuanmu di luar lampiran.
4. Klien tipe apa yang paling terdampak dan perlu diberi tahu segera.
Dasarkan butir 1, 2, 4 HANYA pada teks terlampir.

Isu hukum (hipotetis): [RUMUSAN ISU, mis. "apakah perjanjian yang
ditandatangani secara elektronik tanpa sertifikat elektronik tetap
sah sebagai alat bukti"].

Tulis dua memo singkat yang saling berlawanan: MEMO A membela posisi
[POSISI KLIEN], MEMO B membela posisi sebaliknya, masing-masing
maksimal 400 kata dengan argumen terkuatnya (dasar hukum ditandai
[VERIFIKASI]). Lalu, sebagai penilai netral, sebutkan argumen mana
yang menurutmu lebih kuat dan fakta apa yang bisa membalikkan
penilaian itu.

Jelaskan konsep [KONSEP HUKUM, mis. "actio pauliana"] dalam hukum
Indonesia untuk asosiat tahun pertama: (1) definisi dan dasar
pengaturannya [VERIFIKASI]; (2) unsur-unsurnya; (3) dua contoh kasus
ilustratif buatan (tandai jelas sebagai ilustrasi, bukan putusan
nyata); (4) kesalahan pemahaman yang paling umum; (5) lima pertanyaan
latihan beserta kunci jawabannya.

§ 8.2Kontrak & Transaksi

Susun draf nol [JENIS PERJANJIAN, mis. perjanjian distribusi] hukum
Indonesia, posisi berimbang, bahasa Indonesia kontrak baku. Para pihak
sebut [PIHAK PERTAMA]/[PIHAK KEDUA]. Wajib ada: definisi; ruang
lingkup; jangka waktu & perpanjangan; harga & pembayaran [SKEMA];
kewajiban para pihak; pernyataan & jaminan; kerahasiaan; force
majeure; pengakhiran (atur kesepakatan para pihak terkait ketentuan
Pasal 1266 KUHPerdata secara eksplisit); penyelesaian sengketa
[PILIH: pengadilan/arbitrase]; hukum yang berlaku; pemberitahuan.
Beri [ISI: ...] pada semua slot data komersial. Setelah draf, daftar
10 keputusan bisnis yang harus diputuskan klien sebelum draf ini
bisa difinalisasi.

Susun tiga varian klausul penyelesaian sengketa untuk perjanjian
[JENIS] antara perusahaan Indonesia dan [NEGARA MITRA]:
(A) arbitrase BANI berbahasa Indonesia; (B) arbitrase SIAC berbahasa
Inggris tempat duduk Singapura; (C) berjenjang: musyawarah 30 hari →
mediasi → arbitrase. Untuk tiap varian: teks klausul lengkap, lalu
plus-minus dari sisi biaya, eksekusi putusan di Indonesia (sentuh
kerangka Konvensi New York 1958 dan UU Arbitrase — tandai
[VERIFIKASI]), dan kerahasiaan proses.

Berikut klausul kontrak (anonim): [TEMPEL KLAUSUL]. Jelaskan kepada
klien non-hukum: (1) artinya dalam maksimal 3 kalimat sehari-hari;
(2) skenario konkret "apa yang terjadi jika" — dua contoh; (3) risiko
terbesar klausul ini bagi [POSISI KLIEN: pembeli/penyewa/dst];
(4) satu kalimat usulan perubahan yang bisa diminta dalam negosiasi.
Jangan menyederhanakan sampai maknanya bergeser; jika klausulnya
ambigu, katakan ambigu dan tunjukkan di mana.

Saya akan menegosiasikan [JENIS PERJANJIAN] mewakili [PERAN KLIEN].
Isu yang masih terbuka: [DAFTAR ISU ANONIM, mis. cap ganti rugi,
eksklusivitas, jangka waktu]. Untuk tiap isu buat kartu negosiasi:
posisi pembuka yang wajar | posisi mundur (fallback) | zona lazim
pasar untuk transaksi sejenis (tandai [PERIKSA DENGAN PENGALAMAN
ANDA] — ini wilayah penilaianmu yang paling lemah) | argumen penukar
(trade-off) yang bisa ditawarkan. Akhiri dengan urutan pembahasan
yang taktis: isu mana dibuka dulu dan alasannya.

§ 8.3Litigasi

Susun kerangka (bukan teks penuh) gugatan [WANPRESTASI/PMH] di
pengadilan negeri, dari pola fakta hipotetis: [URAIAN ANONIM].
Kerangka memuat: identitas para pihak (slot); dasar kedudukan hukum
penggugat; posita — urutan dalil fakta lalu dalil hukum, per dalil
sebutkan bukti macam apa yang mendukungnya; petitum primair &
subsidiair. Tandai dalil yang menurutmu paling rawan diserang eksepsi
atau bantahan, dan jelaskan kenapa. Rujukan pasal tandai [VERIFIKASI].

Saya mewakili tergugat (hipotetis). Ringkasan gugatan yang kami
terima: [RINGKASAN ANONIM]. Analisis peluang eksepsi satu per satu:
kompetensi absolut (adakah klausul arbitrase / ranah PTUN?);
kompetensi relatif; error in persona; obscuur libel; nebis in idem;
daluwarsa. Untuk tiap eksepsi: dasar argumennya dari fakta yang
tersedia, kekuatannya (kuat/sedang/lemah), dan informasi tambahan
yang bisa menguatkannya. Lalu sarankan urutan penyajian dalam jawaban.

Dalam perkara hipotetis [POLA FAKTA SINGKAT], pihak lawan mengajukan
saksi berlatar [PERAN SAKSI, mis. mantan manajer proyek] yang akan
menerangkan [POKOK KESAKSIAN]. Susun: (1) 15 pertanyaan pemeriksaan
bertingkat — mulai dari penggalian latar yang netral, lalu penguncian
fakta, lalu pertanyaan yang menguji konsistensi; (2) untuk tiap
pertanyaan, tuliskan jawaban yang kami harapkan dan jawaban yang
berbahaya; (3) tanda-tanda kesaksian hafalan yang harus saya
waspadai. Format tanya-jawab pemeriksaan perdata Indonesia (melalui
majelis).

Pengadilan tingkat pertama menolak gugatan kami (hipotetis) dengan
pertimbangan inti: [RINGKAS PERTIMBANGAN HAKIM SECARA ANONIM].
Susun kerangka memori banding: (1) rumuskan 3-5 keberatan utama
terhadap pertimbangan itu — pisahkan keberatan penerapan hukum dari
keberatan penilaian fakta; (2) untuk tiap keberatan, struktur
argumennya dan jenis dukungan yang dibutuhkan (pasal, doktrin,
bukti yang terabaikan) dengan tanda [VERIFIKASI]; (3) urutan
keberatan yang paling persuasif dan alasannya; (4) kelemahan posisi
kami yang harus diakui dan dinetralkan lebih dulu.

§ 8.4Corporate & Komersial

PT tertutup [PIHAK A] (hipotetis) akan [AKSI KORPORASI, mis.
menerbitkan saham baru yang mendilusi pemegang saham minoritas].
Susun peta langkah berdasarkan UU Perseroan Terbatas dan anggaran
dasar standar: organ yang harus menyetujui, jenis RUPS dan kuorumnya
[VERIFIKASI], hak pemegang saham minoritas yang bisa menghambat
(HMETD, hak menilai harga saham/appraisal, gugatan), dokumen yang
harus disiapkan, dan titik-titik yang lazim digugat kemudian.
Format: tabel langkah | dasar | risiko | mitigasi.

Berikut poin-poin term sheet investasi (anonim): [TEMPEL POIN INTI,
mis. investasi seri A, board seat 1, liquidation preference 1x,
anti-dilusi broad-based]. Uraikan: (1) dokumen transaksi apa saja
yang dibutuhkan untuk mengeksekusi term sheet ini di rezim hukum
Indonesia (PT PMA bila investor asing — tandai syarat [VERIFIKASI]);
(2) untuk tiap dokumen, klausul kunci yang menerjemahkan tiap poin
term sheet; (3) poin term sheet mana yang sulit dieksekusi dalam
kerangka UU PT dan bagaimana praktik pasar biasa menjembataninya
[PERIKSA DENGAN PENGALAMAN ANDA].

Perusahaan [BIDANG USAHA — sebut KBLI generiknya saja] akan
[TRANSAKSI, mis. mengakuisisi 60% saham pesaing]. Susun matriks
persetujuan & pelaporan yang PERLU DIPERIKSA: persetujuan internal
(RUPS/dewan komisaris), persetujuan kontraktual (change of control
di perjanjian kredit/kerja sama), dan rezim regulator yang mungkin
tersentuh — notifikasi merger KPPU, OSS/BKPM, sektor [SEKTOR].
Untuk tiap baris: pemicu | tenggat | sanksi keterlambatan — semua
bertanda [VERIFIKASI]. Ini daftar periksa awal untuk saya dalami,
bukan pendapat hukum.

§ 8.5Pidana

Klien (hipotetis) dilaporkan dengan [PASAL & UU, mis. Pasal 372 KUHP
penggelapan — sesuaikan penomoran bila memakai KUHP baru, tandai
[VERIFIKASI]]. Pola fakta anonim: [URAIAN]. Analisis unsur demi
unsur: sebutkan tiap unsur pasal, lalu petakan fakta yang tersedia
ke tiap unsur — terpenuhi / tidak terpenuhi / tergantung bukti apa.
Identifikasi unsur yang paling lemah bagi pelapor dan teori pembelaan
yang paling masuk akal (termasuk kemungkinan ranah perdata murni).
Jangan menilai kredibilitas orang; analisis normatif saja.

Saya akan mendampingi klien (saksi/tersangka — hipotetis) dalam
pemeriksaan penyidik tentang [POKOK PERKARA ANONIM]. Siapkan:
(1) daftar tema pertanyaan yang kemungkinan diajukan penyidik,
dikelompokkan dari administratif ke substantif; (2) prinsip menjawab
yang harus kuingatkan ke klien (jujur, tidak berspekulasi, meminta
pertanyaan diulang bila tak jelas, hak koreksi BAP sebelum tanda
tangan); (3) tanda-tanda pertanyaan menjerat yang harus kuwaspadai
sebagai pendamping; (4) hak-hak klien selama pemeriksaan menurut
KUHAP [VERIFIKASI]. Ini persiapan pendampingan, bukan skenario
jawaban palsu — jangan buatkan jawaban substantif untuk klien.

Susun kerangka permohonan penangguhan penahanan (hipotetis) kepada
penyidik/penuntut umum: struktur surat, dasar hukum KUHAP tentang
penangguhan dan jaminan [VERIFIKASI], argumen standar yang efektif
(kooperatif, tempat tinggal tetap, tanggungan keluarga, kondisi
kesehatan, tidak akan menghilangkan barang bukti/melarikan diri),
dan slot [ISI] untuk data pemohon & penjamin. Sertakan checklist
lampiran yang lazim diminta. Bahasa: formal, hormat, tidak
mendikte.

§ 8.6Ketenagakerjaan

Perusahaan (hipotetis, sektor [SEKTOR], [±JUMLAH] karyawan) berencana
PHK [±JUMLAH] orang dengan alasan [ALASAN: efisiensi/tutup
sebagian/dst]. Analisis dalam kerangka UU Ketenagakerjaan
sebagaimana diubah UU Cipta Kerja dan PP 35/2021 — semua rujukan
[VERIFIKASI]: (1) apakah alasan itu termasuk alasan PHK yang diakui;
(2) prosedur yang wajib: pemberitahuan, dialog, pencatatan/
perselisihan; (3) komponen kompensasi per kategori (pesangon, UPMK,
uang penggantian hak) — sebut RUMUSNYA saja, jangan hitung angka;
(4) risiko gugatan tersering pada skenario ini dan cara memitigasi
sejak awal.

Susun tiga klausul untuk perjanjian kerja karyawan [LEVEL: staf/
manajerial] perusahaan [SEKTOR]: (1) kerahasiaan & kekayaan
intelektual atas hasil kerja; (2) larangan rangkap pekerjaan yang
berbenturan kepentingan; (3) pasca-kerja: non-solicitation klien &
karyawan. Untuk tiap klausul, beri catatan keberlakuannya dalam
hukum Indonesia — khusus non-compete pasca-kerja, jelaskan
kontroversi keabsahannya dan alternatif yang lebih dapat ditegakkan
[VERIFIKASI]. Bahasa kontrak Indonesia baku, slot [ISI] untuk
variabel.

Saya mendampingi manajemen (hipotetis) dalam perundingan bipartit
tentang [ISU: perubahan struktur upah/PHK/mutasi]. Siapkan:
(1) agenda perundingan yang berimbang dan sesuai semangat PPHI
[VERIFIKASI dasar prosedurnya]; (2) untuk tiap butir agenda, posisi
pembuka manajemen yang tidak melanggar hukum dan tidak memprovokasi;
(3) keberatan yang paling mungkin diajukan pihak pekerja dan respons
yang menghormati; (4) daftar hal yang TIDAK boleh dijanjikan lisan
oleh manajemen selama perundingan; (5) format risalah bipartit yang
baik. Nada: mencari penyelesaian, bukan menang-menangan.

§ 8.7Keluarga & Waris

Tulis penjelasan tertulis untuk klien awam (hipotetis) tentang
prosedur perceraian di [PENGADILAN AGAMA / PENGADILAN NEGERI —
pilih sesuai agama pernikahan]: tahapan dari pendaftaran sampai
akta cerai, perkiraan rentang waktu tiap tahap (beri rentang, bukan
janji), dokumen yang harus disiapkan, apa itu mediasi wajib dan
bagaimana menyikapinya, serta isu yang biasanya paling alot (hak
asuh, nafkah, harta bersama) dengan penjelasan netral. Bahasa
empatik, tidak menghakimi, maksimal 600 kata. Tandai dasar prosedur
[VERIFIKASI].

Susun kerangka perjanjian perkawinan (pranikah atau pasca-nikah —
jelaskan bedanya pasca putusan MK 69/PUU-XIII/2015 [VERIFIKASI])
untuk pasangan hipotetis: satu WNI pengusaha, satu [WNI/WNA].
Muat: pemisahan harta; utang masing-masing; harta yang diperoleh
selama perkawinan; kedudukan tanah bagi pasangan WNI-WNA [VERIFIKASI
rezim ini dengan teliti]; klausul yang TIDAK boleh dimuat karena
bertentangan dengan hukum/kesusilaan. Sertakan catatan formalitas:
notaris, pencatatan pada catatan sipil/KUA.

Pola fakta hipotetis: pewaris meninggal [TAHUN RELATIF, mis. dua
tahun lalu], meninggalkan [KOMPOSISI AHLI WARIS ANONIM, mis. istri
kedua, tiga anak dari istri pertama] dan harta [JENIS HARTA
GENERIK]. Sistem waris yang mungkin berlaku: [ISLAM/KUHPERDATA/ADAT
— atau minta AI memetakan ketiganya]. Petakan: (1) siapa ahli waris
dan bagiannya menurut tiap sistem [VERIFIKASI]; (2) isu penentuan
hukum mana yang berlaku; (3) langkah penetapan ahli waris; (4) opsi
penyelesaian di luar pengadilan dan kapan gugatan tak terhindarkan.
Sajikan sebagai peta opsi untuk diskusi keluarga, bukan penentuan
final.

§ 8.8Properti & Pertanahan

Klien (hipotetis) akan membeli bidang tanah [JENIS HAK: SHM/HGB/
girik] untuk [PERUNTUKAN: pabrik/perumahan]. Susun checklist uji
tuntas pertanahan Indonesia yang bisa langsung kupakai: keabsahan
& riwayat hak (dokumen apa, dicek ke mana); kesesuaian tata ruang
(KKPR) [VERIFIKASI]; pemeriksaan sengketa/sita/blokir; hak pihak
ketiga di atas tanah (sewa, tanggungan, penggarap); isu khusus
tanah [girik/warisan/bekas HGU]; dan daftar pertanyaan wawancara
untuk penjual. Format: butir | dokumen sumber | pihak yang dicek |
red flag.

Susun kerangka Perjanjian Pengikatan Jual Beli (PPJB) tanah &
bangunan dengan pembayaran bertahap [JUMLAH TAHAP], dari sisi
kepentingan PEMBELI: syarat tangguh sebelum AJB (roya, lunas PBB,
persetujuan pasangan penjual); mekanisme penitipan dokumen; wanprestasi
& pengembalian dana bertingkat; kuasa yang lazim diberikan dan
batas keabsahannya [VERIFIKASI]; kapan PPJB lunas dianggap
memindahkan hak menurut praktik yurisprudensi [VERIFIKASI dengan
hati-hati — area ini sering di-halusinasi]. Slot [ISI] untuk semua
data objek dan angka.

Penyewa ruang komersial (hipotetis) berhenti membayar sejak [±BULAN]
dan menolak keluar; perjanjian sewa memuat [KLAUSUL RELEVAN ANONIM,
mis. pengakhiran sepihak oleh pemilik setelah 2 bulan tunggakan].
Saya mewakili [PEMILIK/PENYEWA]. Petakan: (1) opsi hukum bertingkat
dari somasi sampai gugatan pengosongan, dengan estimasi realistis
waktu & biaya relatifnya; (2) apakah pemutusan sepihak aman
dieksekusi tanpa putusan pengadilan — bahas risiko main hakim
sendiri dan kesepakatan mengesampingkan Pasal 1266 KUHPerdata
[VERIFIKASI]; (3) strategi negosiasi keluar yang paling sering
berhasil pada pola ini; (4) bukti yang harus diamankan sejak
sekarang.

§ 8.9Compliance & UU PDP

Berikut kebijakan privasi perusahaan (anonim, sudah kuhapus nama &
kontaknya): [TEMPEL TEKS]. Audit kesenjangannya terhadap UU No. 27
Tahun 2022 (UU PDP): (1) apakah semua informasi wajib bagi subjek
data sudah termuat — tujuan, dasar pemrosesan, retensi, hak subjek
data, mekanisme komplain [VERIFIKASI daftar kewajibannya ke teks
UU]; (2) dasar pemrosesan apa yang tampaknya diandalkan tiap
aktivitas, dan mana yang meragukan; (3) klausul yang bertentangan
dengan UU PDP; (4) daftar perbaikan diprioritaskan: wajib segera /
sebaiknya / kosmetik. Format laporan audit singkat.

Susun lampiran perjanjian pemrosesan data pribadi (gaya DPA) hukum
Indonesia antara [PENGENDALI] dan vendor [JENIS LAYANAN, mis. penyedia
CRM cloud], selaras UU PDP: instruksi pemrosesan; kerahasiaan
personel; keamanan teknis-organisatoris; subpemroses (persetujuan &
daftar); bantuan atas permintaan hak subjek data; notifikasi
kegagalan pelindungan data — selaraskan dengan tenggat notifikasi
3x24 jam pengendali dalam UU PDP [VERIFIKASI]; transfer ke luar
Indonesia; audit; pengakhiran & penghapusan. Slot [ISI] untuk
variabel komersial. Tambahkan catatan negosiasi untuk 3 klausul
yang paling sering ditolak vendor.

Susun runbook (prosedur tanggap) kegagalan pelindungan data pribadi
untuk perusahaan [SKALA & SEKTOR GENERIK] sesuai UU PDP: (1) definisi
insiden & contoh pemicunya; (2) tim tanggap dan perannya; (3) alur
jam-demi-jam menuju pemberitahuan tertulis 3x24 jam kepada subjek
data dan lembaga [VERIFIKASI isi minimum pemberitahuannya];
(4) template pemberitahuan (ke subjek data — bahasa manusiawi; ke
lembaga — formal); (5) log keputusan untuk pembelaan di kemudian
hari; (6) evaluasi pasca-insiden. Buat ringkas — maksimal 2 halaman
runbook + template.

Perusahaan (hipotetis, sektor [SEKTOR]) memproses data pribadi untuk
aktivitas berikut: [DAFTAR AKTIVITAS GENERIK, mis. rekrutmen, CCTV
kantor, newsletter, analitik aplikasi]. Untuk tiap aktivitas,
petakan dasar pemrosesan UU PDP yang paling tepat (persetujuan /
perjanjian / kewajiban hukum / kepentingan vital / tugas publik /
kepentingan sah) [VERIFIKASI daftar dasar ke Pasal 20 UU PDP],
jelaskan alasannya, tunjukkan aktivitas yang TIDAK cocok memakai
persetujuan (karena ketimpangan posisi), dan tandai aktivitas yang
menyentuh data spesifik sehingga butuh perlakuan lebih ketat.
Format: tabel pemetaan + catatan risiko per baris.

Sepanjang buku ini kita membahas kerahasiaan klien sebagai kewajiban etik. Bab terakhir sebelum penutup ini membaliknya menjadi kewajiban hukum positif: Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi berlaku untuk firma Anda sebagaimana ia berlaku untuk klien korporasi yang Anda nasihati. Berkas perkara berisi nama, NIK, alamat, riwayat sengketa, bahkan data kesehatan dan keuangan pihak-pihak — semuanya data pribadi dalam pengertian UU PDP, dan sebagian tergolong data pribadi yang bersifat spesifik. Ketika Anda menempelkan isi berkas itu ke layanan AI, secara hukum Anda sedang mengalihkan pemrosesan data pribadi kepada pihak ketiga — dan hukum menuntut lebih dari sekadar niat baik.

The first duty of society is justice.— Alexander Hamilton

§ 9.1Firma sebagai Pengendali Data

Dalam skema UU PDP, firma yang menentukan tujuan dan cara pemrosesan data pribadi kliennya berkedudukan sebagai pengendali data pribadi; penyedia AI yang memproses data atas instruksi firma berkedudukan sebagai prosesor data pribadi. Konsekuensi praktisnya tiga lapis:

• Tanggung jawab tidak ikut pindah. Menyerahkan pemrosesan ke vendor tidak memindahkan tanggung jawab pengendali. Jika vendor bocor, subjek data menuntut Anda.
• Vendor harus terikat. Pengendali wajib memastikan prosesor memproses hanya atas perintahnya dan dengan pengamanan memadai — inilah fungsi hukum DPA (Bab 4). Memakai layanan gratisan yang tidak menawarkan DPA berarti memproses lewat prosesor tanpa ikatan, posisi yang sulit dibela.
• Dasar pemrosesan harus ada. Pemrosesan untuk menjalankan perjanjian jasa hukum dengan klien umumnya berdiri di atas dasar pelaksanaan perjanjian atau kepentingan yang sah; tetapi data pihak lawan dan pihak ketiga dalam berkas menuntut analisis dasar yang lebih hati-hati [VERIFIKASI ke Pasal 20 UU PDP dan peraturan pelaksananya].

§ 9.2Kewajiban yang Paling Relevan dengan Pemakaian AI

§ 9.3Sanksi dan Cara Membacanya

UU PDP memuat sanksi administratif (peringatan tertulis, penghentian sementara pemrosesan, penghapusan data, hingga denda administratif) dan ketentuan pidana untuk perbuatan tertentu seperti mengungkapkan atau menggunakan data pribadi yang bukan miliknya secara melawan hukum [VERIFIKASI rincian pasal sanksi]. Bagi firma, kalkulasi sebenarnya bukan nominal dendanya — melainkan gabungan antara sanksi, gugatan perdata klien, dan kehancuran reputasi kerahasiaan yang menjadi barang dagangan utama firma. Di neraca itu, selisih biaya antara akun gratisan dan akun bisnis ber-DPA adalah premi asuransi termurah yang bisa Anda beli.

Perhatikan simetri yang menyenangkan: seluruh program di atas persis nasihat yang Anda jual kepada klien korporasi untuk kepatuhan UU PDP mereka. Firma yang menjalankannya sendiri bukan hanya patuh — ia punya bukti hidup untuk ditunjukkan kepada klien, dan pengalaman langsung yang membuat nasihatnya lebih tajam. Prompt Compliance · 28–31 di Bab 8 adalah alat bantunya.

§ 10.1Penutup — Kecepatan yang Tidak Menggadaikan Kepercayaan

Buku ini dibuka dengan dua kalimat yang tampak bertentangan: advokat yang menolak AI akan kalah cepat dari advokat yang memakainya, dan advokat yang memakainya secara ceroboh mempertaruhkan hal yang lebih mahal dari kecepatan — kepercayaan klien. Sepuluh bab kemudian, resolusinya sederhana untuk dirumuskan meski menuntut disiplin untuk dijalankan:

• Pisahkan alatnya. Akun bisnis berbayar dengan pelatihan mati, DPA, dan retensi terkendali untuk pekerjaan klien; akun pribadi hanya untuk hal yang boleh dibaca orang asing (Bab 3–4).
• Pisahkan datanya. Anonimkan, redaksi, atau hipotetiskan sebelum menempel; sensitivitas menentukan alat (Bab 5).
• Pisahkan perannya. AI menyusun draf, memetakan isu, dan mempercepat — advokat memverifikasi, memutuskan, dan bertanggung jawab (Bab 6–7).

Teknologi di buku ini akan usang; nama paket langganan akan berganti; angka retensi akan direvisi vendor. Tiga pemisahan di atas tidak. Selama profesi ini berdiri di atas rahasia yang dititipkan orang dalam keadaan paling rentan, cara Anda menjaga rahasia itu ketika tergoda jalan pintas adalah ukuran paling jujur dari mutu kepengacaraan Anda. Bekerjalah lebih cepat — dan pastikan tidak ada yang perlu Anda jelaskan dengan gugup ketika klien bertanya, "Dokumen saya ke mana saja?"

§ 10.2Glosarium

Anonimisasi anonymization

Menghilangkan atau mengganti unsur identitas sehingga subjek tidak dapat dikenali lagi, langsung maupun lewat gabungan petunjuk. Diuji dengan uji "tebak siapa" (§ 5.3).

DPA Data Processing Agreement

Perjanjian pemrosesan data antara pengendali (firma) dan prosesor (vendor AI): instruksi pemrosesan, kerahasiaan, keamanan, subpemroses, bantuan hak subjek data, notifikasi insiden, audit, penghapusan. Prasyarat memakai vendor untuk data klien (§ 4.5).

Data pribadi spesifik sensitive personal data

Kategori data pribadi yang oleh UU PDP diberi perlindungan lebih ketat — antara lain data kesehatan, biometrik, keuangan pribadi, dan catatan kejahatan [VERIFIKASI rinciannya] — yang justru rutin muncul di berkas perkara.

Halusinasi hallucination

Keluaran AI yang tersusun meyakinkan tetapi keliru atau fiktif — putusan yang tidak pernah ada, pasal yang salah kutip. Alasan kewajiban verifikasi di Bab 7 dan tanda [VERIFIKASI] di seluruh pustaka prompt.

Opt-out pelatihan training opt-out

Pengaturan yang menghentikan pemakaian percakapan Anda sebagai bahan pelatihan model. Bawaan pada paket bisnis; harus diperiksa dan didokumentasikan (§ 4.1–4.4).

Pengendali & prosesor controller & processor

Pengendali menentukan tujuan dan cara pemrosesan (firma); prosesor memproses atas instruksinya (vendor AI). Tanggung jawab utama melekat pada pengendali (§ 9.1).

PII personally identifiable information

Istilah umum untuk informasi yang dapat mengidentifikasi seseorang — padanan praktis "data pribadi" dalam UU PDP.

Privilese & kerahasiaan advokat legal professional privilege

Hak dan kewajiban advokat merahasiakan segala yang diketahuinya dari klien (UU Advokat, kode etik). Fondasi seluruh arsitektur kehati-hatian buku ini (Bab 1).

Retensi data retention

Berapa lama vendor menyimpan data Anda setelah pemrosesan. Makin pendek makin kecil permukaan risiko kebocoran dan permintaan paksa pihak ketiga (§ 3.3).

SOC 2 / ISO 27001

Atestasi dan sertifikasi keamanan informasi pihak ketiga atas kontrol vendor — indikator kedewasaan, bukan jaminan; tetap baca DPA-nya (§ 4.5).

Shadow AI

Pemakaian alat AI di luar saluran resmi firma — akun gratisan pribadi berisi pekerjaan klien. Musuh nomor satu program kepatuhan (§ 9.3, langkah 1).

ZDR Zero Data Retention

Komitmen vendor untuk tidak menyimpan prompt dan keluaran sama sekali setelah permintaan selesai. Standar untuk berkas paling sensitif; umumnya lewat perjanjian API/enterprise (§ 4.5).

§ 10.3Checklist Satu Halaman — Sebelum Menempel Apa Pun ke AI

Delapan kotak. Kalau ada satu saja yang tidak bisa Anda centang, berhenti — perbaiki dulu kotaknya, bukan diteruskan sambil berharap. Selamat bekerja cepat, dan selamat menjaga rahasia.

Jilid Pertama membangun fondasi yang berlaku untuk seluruh profesi: mengapa risiko itu nyata, akun mana yang boleh dipakai, cara mengunci privasi, teknik anonimisasi, tujuh alur kerja umum, disiplin verifikasi, dan kepatuhan UU PDP. Jilid Kedua menuruni tangga dari yang umum ke yang khusus. Tiap bidang praktik punya jenis dokumen, pola risiko data, dan titik godaan yang berbeda — litigator tergoda meminta AI "mencarikan yurisprudensi", corporate lawyer tergoda mengunggah seluruh data room, family lawyer memegang data paling privat yang pernah ada. Bab-bab berikut memperlakukan tiap bidang pada tingkat detailnya sendiri.

Aturan mainnya tidak berubah satu milimeter pun. Setiap prompt di jilid ini mengandaikan tiga hal yang sudah tuntas: akun firma yang benar (Bab 3–4), bahan yang sudah lolos saringan anonimisasi (Bab 5), dan kesiapan Anda memverifikasi setiap keluaran (Bab 7). Tanda [VERIFIKASI] di dalam prompt bukan hiasan — ia titik di mana tanggung jawab profesional Anda mengambil alih dari mesin. Nomor prompt melanjutkan pustaka Jilid Pertama; jilid ini menambah lebih dari lima puluh prompt baru sehingga total pustaka melampaui delapan puluh formula siap pakai.

Litigasi perdata adalah bidang di mana godaan terbesar dan bahaya terbesar bertemu di titik yang sama: yurisprudensi. Kasus Mata v. Avianca yang dibahas di Bab 2 lahir persis di sini — seorang litigator meminta chatbot "mencarikan putusan yang mendukung" lalu mengutipnya mentah ke majelis. Maka bab ini dibuka dengan penegasan yang tidak boleh dilupakan: dalam litigasi, AI tidak pernah menjadi sumber otoritas hukum. Ia pembaca cepat atas bahan yang Anda kumpulkan sendiri, penyusun draf yang Anda periksa kalimat demi kalimat, dan lawan tanding yang menguji argumen Anda sebelum hakim melakukannya.

Yang membuat litigasi perdata cocok untuk AI justru bukan pencarian hukum, melainkan tiga hal lain: menyusun struktur gugatan dan jawaban yang lengkap dan runut, membangun kronologi dari tumpukan bukti yang berantakan, dan menstres-tes posisi Anda dengan memainkan peran lawan. Ketiganya adalah pekerjaan bahasa dan penataan — keunggulan asli mesin bahasa — dan tak satu pun menuntut AI mengetahui fakta hukum yang otoritatif.

§ 11.1Workflow — Menyusun Kerangka Gugatan & Jawaban

Gugatan yang baik berdiri di atas anatomi yang ketat: identitas para pihak, kompetensi (relatif dan absolut), posita yang membangun hubungan hukum dan peristiwa hukum secara berurutan, hingga petitum yang selaras dengan posita. Kesalahan litigator pemula hampir selalu struktural — petitum yang tidak didukung posita, dalil yang melompat, dasar hukum yang tidak dirangkai. Di sinilah AI unggul sebagai arsitek kerangka: ia menata argumen yang Anda pasok menjadi bangunan yang lengkap dan konsisten, menandai posita yang menggantung tanpa petitum atau sebaliknya.

1. Rumuskan hubungan hukum, peristiwa hukum, dan kerugian sebagai pola fakta hipotetis yang sudah dianonimkan (§ 5.4).
2. Pasok sendiri dasar hukum yang relevan (pasal KUHPerdata, UU sektoral) yang telah Anda cek ke sumber resmi — jangan minta AI "mencari" pasal.
3. Minta AI menyusun kerangka gugatan penuh dan menguji keselarasan posita–petitum.
4. Titik verifikasi: setiap pasal, doktrin, dan pernyataan kompetensi diperiksa ke sumber; kompetensi relatif dihitung ulang manual.
5. Isi kerangka dengan fakta riil di lingkungan firma (bukan di AI), lalu finalisasi.

Bertindak sebagai litigator perdata senior di Indonesia. Susun kerangka
surat gugatan wanprestasi berdasar pola fakta hipotetis berikut:
[PENGGUGAT] adalah [PERAN, mis. pemberi kerja]; [TERGUGAT] adalah
[PERAN, mis. kontraktor]; terikat [JENIS PERJANJIAN] tertanggal
[TANGGAL RELATIF]; prestasi yang tak dipenuhi: [URAIAN GENERIK];
kerugian: [JENIS KERUGIAN, angka orde besaran saja].

Susun kerangka dengan urutan baku:
1. Identitas & kedudukan para pihak (pakai token peran).
2. Kompetensi absolut & relatif — sebutkan dasar penentuannya, tandai
   [VERIFIKASI] pada penentuan pengadilan yang berwenang.
3. Posita bernomor: hubungan hukum → peristiwa wanprestasi → somasi →
   kerugian, tiap paragraf satu peristiwa hukum.
4. Dasar hukum yang KUPASOK: [DAFTAR PASAL YANG SUDAH ANDA CEK].
   Jangan menambah pasal lain; jika kerangka butuh dasar tambahan,
   tulis "[usulan dasar — VERIFIKASI]".
5. Petitum: pastikan tiap butir petitum berakar pada posita bernomor;
   tandai petitum yang belum didukung posita.

Setelah kerangka, beri daftar "posita menggantung" dan "petitum tanpa
dasar" bila ada.

Saya mewakili TERGUGAT. Berikut ringkasan dalil gugatan (anonim):
[TEMPEL RINGKASAN POSITA]. Susun kerangka jawaban:
(1) EKSEPSI yang mungkin diajukan — kompetensi, error in persona,
    obscuur libel, ne bis in idem, nebis, daluwarsa — untuk tiap
    eksepsi jelaskan syarat & kekuatannya pada pola fakta ini, tandai
    [VERIFIKASI] pada dasar prosedurnya;
(2) JAWABAN POKOK PERKARA: bantahan per paragraf posita, tandai mana
    yang diakui, dibantah, dan tidak diketahui;
(3) usulan dalil rekonvensi bila ada dasar;
(4) daftar bukti & saksi yang perlu disiapkan untuk menopang tiap
    bantahan.
Jangan mengarang yurisprudensi. Fokus pada struktur argumen.

Berikut draf gugatan saya (anonim): [TEMPEL DRAF]. Lakukan audit
struktur, BUKAN audit isi hukum:
- Petakan tiap butir petitum ke paragraf posita yang mendukungnya.
- Tandai petitum yang tidak punya akar posita (risiko petitum kabur/
  tidak berdasar).
- Tandai posita yang tidak berujung pada petitum apa pun (dalil mubazir).
- Tandai lompatan logika antar paragraf posita.
- Periksa konsistensi penyebutan para pihak & token.
Sajikan sebagai tabel temuan + tingkat keparahan. Jangan menilai
kebenaran hukum dalilnya.

§ 11.2Workflow — Kronologi Bukti & Simulasi Argumen Lawan

Perkara perdata yang rumit sering kalah bukan karena hukumnya lemah, melainkan karena kronologinya kusut: ratusan email, kuitansi, dan berita acara yang tanggalnya berserakan. Menyusun timeline yang rapi adalah pekerjaan berjam-jam yang membosankan sekaligus rawan salah — dan justru itu yang paling dipercepat AI. Setelah kronologi jadi, teknik kedua yang jarang dipakai litigator Indonesia adalah red-teaming: menyuruh AI berperan sebagai kuasa hukum lawan yang paling galak, membongkar kelemahan posisi Anda sebelum lawan sungguhan melakukannya di ruang sidang.

Berikut daftar bukti yang sudah kuberi kode & kuanonimkan. Tiap baris:
[KODE BUKTI] | [JENIS DOKUMEN] | [TANGGAL] | [RINGKASAN ISI GENERIK].
[TEMPEL DAFTAR].

Tugas:
1. Susun kronologi peristiwa berurutan waktu; tiap peristiwa rujuk ke
   kode buktinya.
2. Buat tabel "fakta ↔ bukti pendukung"; tandai fakta penting yang
   BELUM ada buktinya (gap bukti).
3. Tandai inkonsistensi tanggal atau bukti yang saling bertentangan.
4. Identifikasi rentang daluwarsa/tenggat yang mungkin relevan
   [VERIFIKASI dasar hukumnya sendiri].
Jangan menambah peristiwa yang tidak didukung daftar bukti.

Berperanlah sebagai kuasa hukum pihak lawan yang paling agresif dan
teliti. Berikut ringkasan posisi & dalil pokok saya (anonim):
[TEMPEL RINGKASAN]. Serang posisi ini tanpa belas kasihan:
1. Titik terlemah argumen saya, diurut dari yang paling mematikan.
2. Eksepsi & bantahan prosedural terbaik yang akan kau ajukan.
3. Pertanyaan menjebak untuk saksi-saksiku saat pemeriksaan silang.
4. Bukti tandingan atau penafsiran alternatif atas faktaku.
5. Satu paragraf: bagaimana kau akan meyakinkan majelis bahwa
   gugatan ini harus ditolak.
Setelah itu, keluar dari peran dan beri 3 saran memperkuat posisiku
terhadap serangan tadi.

Sidang pembuktian selesai. Berikut ringkasan fakta yang terbukti,
bukti yang diterima (kode), dan keterangan saksi (anonim):
[TEMPEL RINGKASAN]. Susun kerangka kesimpulan/conclusie dari sisi
[PENGGUGAT/TERGUGAT]:
- ringkas dalil yang berhasil dibuktikan & buktinya;
- bantah dalil lawan yang tak terbukti;
- rangkai fakta terbukti ke unsur norma yang kupasok: [DAFTAR UNSUR];
- usulan penerapan hukum atas fakta, tandai tiap rujukan [VERIFIKASI];
- penutup yang menuntun majelis ke amar yang kuminta.
Susun sebagai kerangka bernomor untuk kuisi, bukan naskah jadi.

Tidak ada bidang praktik yang taruhannya lebih tinggi daripada pidana: yang dipertaruhkan bukan uang, melainkan kemerdekaan — kadang nyawa. Dua konsekuensi mengalir dari kenyataan itu. Pertama, toleransi terhadap halusinasi adalah nol; pasal yang salah kutip dalam pembelaan pidana bukan kesalahan teknis, melainkan kelalaian yang bisa merenggut tahun-tahun hidup klien. Kedua, berkas pidana adalah kelas data paling sensitif yang akan Anda pegang: identitas tersangka, riwayat kejahatan, data korban, kadang data anak dan data kesehatan — kategori yang UU PDP lindungi paling ketat, dan yang kebocorannya menghancurkan lebih dari satu perkara.

Karena itu bab ini menaikkan seluruh rambu. Banyak pekerjaan pidana masuk kategori T3 (§ 5.6) — sensitivitas ekstrem yang menuntut ZDR atau, sering kali, tidak memakai AI cloud sama sekali. Yang tersisa untuk AI adalah kerja konseptual dan struktural yang bisa sepenuhnya dihipotetiskan: menguraikan unsur delik, menyusun kerangka argumen, dan melatih pembacaan silang. Semua contoh prompt berikut sengaja dirancang agar berjalan pada fakta hipotetis murni.

§ 12.1Workflow — Analisis Unsur Delik & Peta Pembelaan

Jantung pembelaan pidana adalah analisis unsur: apakah setiap unsur pasal yang didakwakan benar-benar terpenuhi oleh fakta. Pembelaan yang efektif menyerang unsur yang paling lemah pembuktiannya, bukan berdebat pada semua unsur sekaligus. AI membantu memetakan unsur-per-unsur secara sistematis dan mengusulkan sudut serang — selama pasalnya Anda pasok sendiri dari sumber resmi (KUHP lama, atau UU 1/2023 KUHP baru yang berlaku 2026, sesuai waktu perbuatan) dan Anda verifikasi rumusannya.

Berikut rumusan pasal yang KUPASOK dari sumber resmi (sudah kuverifikasi):
[TEMPEL BUNYI PASAL]. Dan pola fakta hipotetis: [URAIAN FAKTA ANONIM].

Tugas sebagai penasihat hukum terdakwa:
1. Uraikan pasal ini menjadi unsur-unsur (objektif & subjektif).
2. Untuk tiap unsur: apakah fakta hipotetis memenuhinya? Nilai
   "terpenuhi / diragukan / tidak terpenuhi" + alasannya.
3. Tunjuk unsur yang paling lemah pembuktiannya = sasaran pembelaan.
4. Petakan kemungkinan alasan pembenar & pemaaf yang relevan.
5. Susun teori kasus pembelaan dalam 3 kalimat.
Jangan mengutip pasal lain atau yurisprudensi dari ingatanmu; jika
menyarankan dasar tambahan, tandai "[usulan — VERIFIKASI]".

Terdakwa (hipotetis) didakwa dengan dakwaan [BENTUK: primair-subsidair/
alternatif/kumulatif] atas pasal-pasal yang KUPASOK: [DAFTAR PASAL
TERVERIFIKASI]. Buat peta strategi:
- Untuk tiap lapis dakwaan: unsur inti & ancaman pidananya [VERIFIKASI
  ancaman].
- Urutan logis membongkar dakwaan (lapis mana diserang lebih dulu).
- Risiko "lolos primair tapi kena subsidair" dan cara mengantisipasinya.
- Poin yang harus dibuktikan penuntut untuk tiap lapis = beban yang
  bisa kutantang.
Format tabel + catatan strategi. Tanpa mengarang preseden.

§ 12.2Workflow — Pembacaan BAP, Eksepsi & Kerangka Pledoi

Berkas Acara Pemeriksaan (BAP) yang tebal adalah medan tempur pertama pembela. Di dalamnya tersembunyi kontradiksi antar keterangan saksi, keterangan yang diperoleh dengan cara meragukan, dan celah prosedural. Membaca ratusan halaman BAP untuk menemukan inkonsistensi adalah pekerjaan yang melelahkan mata — persis tugas yang AI percepat, asalkan BAP dianonimkan lebih dulu atau, untuk perkara sensitif, tidak keluar dari lingkungan firma sama sekali.

Berikut ringkasan keterangan beberapa saksi dalam BAP, sudah kuanonimkan
(saksi kuberi kode S-1, S-2, dst; identitas & alamat dihapus):
[TEMPEL RINGKASAN PER SAKSI]. Buat analisis:
1. Tabel titik-titik keterangan yang saling bertentangan antar saksi
   (siapa bilang apa tentang fakta yang sama).
2. Keterangan yang berubah antar tahap (bila kutandai).
3. Fakta yang hanya bersumber dari satu saksi (unus testis).
4. Pertanyaan pemeriksaan silang untuk menguji tiap kontradiksi.
Hanya berdasar ringkasan yang kuberikan; jangan berandai fakta di luar
itu. Tandai bila suatu kesimpulan butuh pengecekan ke BAP asli.

Susun kerangka nota keberatan (eksepsi) atas surat dakwaan hipotetis
berikut (anonim): [RINGKASAN DAKWAAN]. Petakan alasan keberatan yang
lazim & dasar prosedurnya [VERIFIKASI tiap dasar]:
- kewenangan mengadili (kompetensi absolut/relatif);
- dakwaan tidak cermat/jelas/lengkap (obscuur libel);
- dakwaan kabur soal waktu/tempat/perbuatan;
- error in persona; nebis in idem; kedaluwarsa penuntutan.
Untuk tiap alasan: syaratnya, kekuatannya pada fakta ini, dan risiko
ditolak. Susun sebagai kerangka argumen bernomor untuk kukembangkan.

Susun kerangka nota pembelaan (pledoi) dari sisi terdakwa berdasar
ringkasan hasil sidang berikut (anonim): fakta yang terbukti/tidak
terbukti [RINGKASAN], unsur yang kuserang [DAFTAR], keadaan yang
meringankan [DAFTAR]. Struktur:
1. Pendahuluan & teori kasus pembelaan.
2. Analisis pembuktian: unsur mana tidak terbukti & mengapa,
   rujuk alat bukti (kode).
3. Bantahan atas tuntutan penuntut umum.
4. Keadaan meringankan & pertimbangan kemanusiaan.
5. Permohonan (bebas/lepas/pidana minimal) — selaras analisis.
Kerangka bernomor yang manusiawi tapi tajam; tandai tiap rujukan
hukum [VERIFIKASI]. Jangan mengarang yurisprudensi.

M&A adalah bidang di mana AI menawarkan lompatan produktivitas paling dramatis — dan sekaligus menyimpan jebakan paling mahal. Godaannya jelas: sebuah data room berisi ribuan dokumen yang harus diperiksa dalam tenggat mustahil, dan AI menjanjikan membacanya dalam hitungan jam. Tetapi isi data room itu sering merupakan informasi material non-publik emiten — jenis informasi yang penyalahgunaannya menyentuh ranah pidana pasar modal, bukan sekadar pelanggaran etik. Rencana akuisisi yang bocor tidak hanya mempermalukan firma; ia bisa menggerakkan harga saham dan menyeret nama Anda ke penyidikan.

Karena itu M&A adalah contoh utama pekerjaan T3 (§ 5.6): volume yang membuat anonimisasi per dokumen tidak realistis, digabung dengan sensitivitas yang membuat kebocoran kecil pun berdampak bencana. Konsekuensinya, uji tuntas volume besar hanya boleh berjalan di atas rezim tertinggi — enterprise dengan ZDR dan, idealnya, di dalam platform yang firma kendalikan. Bab ini menunjukkan cara memakai AI di M&A tanpa menjadikan data room sebagai bahan latih model orang lain.

§ 13.1Workflow — Struktur Transaksi & Drafting Perjanjian

Sebelum menyentuh data room, banyak pekerjaan M&A bersifat konseptual dan dapat sepenuhnya dihipotetiskan: memetakan opsi struktur transaksi (akuisisi saham vs aset, merger, pemisahan), menyusun kerangka perjanjian jual beli saham (SPA/CSPA), dan merancang mekanisme perlindungan pembeli. Di ranah konseptual ini, AI aman dan sangat berguna — asalkan angka, nama target, dan sektor spesifik digeneralisasi.

Klien (hipotetis) ingin mengakuisisi sebuah perusahaan [SEKTOR GENERIK]
di Indonesia. Tujuan komersial: [mis. menguasai lini produk +
efisiensi pajak + membatasi warisan liabilitas]. Petakan opsi struktur:
1. Akuisisi saham vs akuisisi aset vs merger vs pemisahan — untuk tiap
   opsi: mekanisme, konsekuensi pengalihan liabilitas, implikasi
   perizinan & karyawan, dan gambaran beban pajak [VERIFIKASI aspek
   pajak dengan spesialis].
2. Isu persaingan usaha: kapan wajib notifikasi ke KPPU [VERIFIKASI
   ambang & tenggatnya].
3. Isu penanaman modal asing bila pembeli asing [VERIFIKASI DNI/
   positive list terbaru].
Sajikan tabel perbandingan + rekomendasi awal untuk didiskusikan.
Jangan memastikan angka/ambang dari ingatan; tandai semua [VERIFIKASI].

Susun kerangka Conditional Sale and Purchase Agreement (CSPA) saham,
hukum Indonesia, dari sisi PEMBELI. Muat kepala-kepala klausul lengkap:
- objek & harga (termasuk mekanisme penyesuaian harga/completion accounts);
- conditions precedent (persetujuan korporasi, perizinan, KPPU);
- representations & warranties penjual (korporasi, keuangan, pajak,
  ketenagakerjaan, litigasi, kepatuhan);
- indemnification: cap, de minimis, basket, survival period;
- material adverse change; covenants pra-closing;
- mekanisme closing & kondisi pasca-closing;
- pilihan hukum & forum sengketa (litigasi vs arbitrase).
Untuk 5 klausul yang paling sering dinegosiasikan, beri catatan posisi
pembeli vs penjual. Slot [ISI] untuk semua variabel komersial.
Tandai klausul yang implikasi pajaknya perlu [VERIFIKASI] spesialis.

Untuk akuisisi saham hipotetis [SEKTOR GENERIK], susun conditions
precedent checklist & closing checklist yang bisa langsung kupakai
sebagai alat manajemen deal:
- kolom: item | penanggung jawab (pembeli/penjual/bersama) | dokumen
  bukti | status | catatan risiko;
- kelompokkan: persetujuan korporasi, perizinan sektoral, persetujuan
  pihak ketiga (bank, mitra), ketenagakerjaan, pajak, KPPU;
- tandai item yang biasanya menjadi jalur kritis (critical path);
- tandai item yang butuh [VERIFIKASI] regulasi terbaru.
Format tabel yang rapi untuk dipakai tim.

§ 13.2Workflow — Due Diligence Volume Besar (Rezim T3)

Uji tuntas atas data room adalah pekerjaan yang paling ingin dipercepat dan paling berbahaya. Kuncinya adalah tidak menempelkan dokumen ke chatbot publik dalam bentuk apa pun. Bila firma memakai AI untuk due diligence, ia harus berjalan di dalam platform yang firma kendalikan dengan komitmen ZDR — baik alat e-discovery/DD berbasis AI yang tunduk DPA ketat, maupun deployment API enterprise di lingkungan tertutup. Yang berikut adalah pola kerja dan prompt yang mengandaikan lingkungan aman itu sudah ada.

Susun kerangka cakupan (scope) legal due diligence untuk akuisisi
saham perusahaan [SEKTOR GENERIK] di Indonesia. Buat daftar area
pemeriksaan lengkap + dokumen yang diminta per area:
- korporasi (anggaran dasar, RUPS, struktur pemegang saham);
- perizinan & kepatuhan sektoral;
- material contracts & klausul change of control;
- aset & jaminan (tanah, IP, tanggungan);
- ketenagakerjaan & BPJS;
- litigasi & sengketa (perdata, pidana, pajak, TUN);
- pajak & kepatuhan;
- lingkungan & perizinan khusus [bila relevan].
Untuk tiap area, tandai "temuan yang biasanya menjadi deal-breaker".
Format sebagai request list yang bisa langsung kukirim.

[Jalankan HANYA di platform DD firma ber-ZDR, bukan chatbot publik.]
Untuk tiap material contract terlampir, ekstrak ke tabel:
pihak (peran) | jenis | jangka waktu | nilai | klausul change of control
(ada/tidak, bunyinya) | pembatasan pengalihan | ketentuan pengakhiran |
hukum & forum | red flag. Tandai kontrak yang change of control-nya
memicu persetujuan/percepatan/pengakhiran — ini prioritas review manusia.
Jangan menyimpulkan di luar isi dokumen.

Susun kerangka Legal Due Diligence Report untuk pembeli, format
executive-friendly:
1. Executive summary: 5 temuan paling material + dampak deal.
2. Red flags diurut tingkat risiko (deal-breaker / material / minor).
3. Per area (korporasi, perizinan, kontrak, aset, HR, litigasi, pajak):
   temuan | dampak | rekomendasi (perbaikan CP / indemnity / adjustment
   harga / walk away).
4. Isu yang menuntut representations & warranties atau indemnity khusus.
5. Kondisi-kondisi yang sebaiknya menjadi conditions precedent.
Beri kerangka; isi temuan riil kuisi dari hasil review di lingkungan
aman. Tandai tiap kesimpulan hukum yang perlu [VERIFIKASI].

Hukum ketenagakerjaan Indonesia adalah medan yang regulasinya bergeser cepat: UU Cipta Kerja, putusan Mahkamah Konstitusi yang membatalkan dan memerintahkan perbaikannya, peraturan pemerintah pelaksana yang berubah, hingga skema pesangon yang koefisiennya direvisi. Justru karena itu, ketenagakerjaan adalah bidang di mana godaan mempercayai "ingatan" AI paling berbahaya — model dilatih pada data yang mungkin mencerminkan aturan lama. Angka koefisien pesangon, formula upah, dan tenggat prosedur perselisihan harus selalu Anda pasok dan verifikasi dari sumber terkini; jangan pernah menerimanya dari keluaran AI.

Yang tetap aman dan berguna: menyusun struktur argumen PHK, merapikan perhitungan hak berdasar angka dan formula yang Anda pasok, mengaudit konsistensi peraturan perusahaan, dan menyusun korespondensi hubungan industrial. Data karyawan — nama, NIK, gaji, riwayat medis dalam kasus PHK karena sakit — adalah data pribadi yang dilindungi; anonimkan sebelum menempel.

§ 14.1Workflow — Analisis PHK & Perhitungan Hak

Sengketa PHK berdiri di atas dua pertanyaan: apakah alasan PHK sah menurut hukum, dan berapa hak yang harus dibayar. Pertanyaan pertama adalah penalaran hukum yang bisa dihipotetiskan; pertanyaan kedua adalah aritmetika yang harus dijalankan di atas koefisien dan formula yang benar. AI berguna untuk keduanya asalkan Anda memasok angka dasar dan aturan yang berlaku, lalu memeriksa hasilnya.

Bertindak sebagai konsultan hubungan industrial. Pola fakta hipotetis:
[KARYAWAN 1] bekerja [MASA KERJA] sebagai [JABATAN GENERIK] di
perusahaan [SEKTOR]. Perusahaan hendak melakukan PHK dengan alasan
[ALASAN, mis. efisiensi/pelanggaran/mangkir]. Analisis:
1. Apakah alasan ini termasuk alasan PHK yang diakui hukum, dan
   koefisien pesangon/penghargaan/penggantian yang berlaku untuknya
   [VERIFIKASI koefisien ke PP terbaru — JANGAN pakai ingatanmu].
2. Prosedur yang wajib ditempuh (perundingan bipartit, pemberitahuan,
   dst) & risiko bila dilewati [VERIFIKASI tenggat].
3. Risiko gugatan ke PHI & kemungkinan hasilnya.
4. Opsi penyelesaian: bipartit, mediasi, PHI.
Tandai SETIAP angka & tenggat sebagai [VERIFIKASI].

Hitung hak PHK dengan formula & koefisien yang KUPASOK berikut (sudah
kuverifikasi ke sumber terbaru): [TEMPEL FORMULA & KOEFISIEN]. Data
karyawan (anonim): masa kerja [X], upah pokok+tetap [Rp ORDE], komponen
[DAFTAR]. Hitung:
- uang pesangon, penghargaan masa kerja, penggantian hak;
- total per skenario alasan PHK [DAFTAR SKENARIO];
- tunjukkan langkah aritmetikanya agar bisa kuperiksa.
Gunakan HANYA koefisien yang kuberikan. Jika suatu komponen tak jelas
dasarnya, tanya balik, jangan mengarang. Beri disclaimer bahwa hasil
harus kuhitung ulang manual.

§ 14.2Workflow — Audit Peraturan Perusahaan & PKB

Peraturan Perusahaan (PP) dan Perjanjian Kerja Bersama (PKB) sering menumpuk revisi selama bertahun-tahun sampai memuat klausul yang saling bertentangan atau tertinggal dari regulasi. Mengaudit dokumen tebal ini terhadap ketentuan wajib adalah pekerjaan yang AI percepat — sebagai pembaca pertama yang menandai kesenjangan untuk Anda periksa.

Berikut Peraturan Perusahaan (anonim, nama perusahaan & orang dihapus):
[TEMPEL TEKS]. Dan daftar ketentuan wajib yang KUPASOK dari regulasi
terkini: [DAFTAR KETENTUAN WAJIB TERVERIFIKASI]. Audit:
1. Ketentuan wajib yang belum termuat / termuat tapi tidak sesuai.
2. Klausul internal yang saling bertentangan.
3. Klausul yang lebih rendah dari hak minimum pekerja (batal demi hukum).
4. Rumusan yang ambigu & rawan sengketa.
5. Daftar perbaikan diprioritaskan: wajib / disarankan / kosmetik.
Dasarkan penilaian "wajib" HANYA pada daftar yang kupasok; jangan
menambah kewajiban dari ingatanmu — tandai bila perlu [VERIFIKASI].

Perselisihan PHK (hipotetis) gagal di bipartit & mediasi. Saya
mewakili [PEKERJA/PENGUSAHA]. Susun kerangka gugatan ke Pengadilan
Hubungan Industrial:
- kompetensi PHI & syarat formil (risalah mediasi sebagai lampiran)
  [VERIFIKASI syarat formil];
- posita: hubungan kerja, peristiwa PHK, alasan & prosedur,
  perhitungan hak yang dituntut (angka kupasok);
- petitum yang selaras posita;
- antisipasi bantahan pihak lawan.
Kerangka bernomor; tandai tiap dasar hukum & tenggat [VERIFIKASI].

Susun kerangka & contoh redaksional surat peringatan (SP) bertingkat
yang sah secara prosedur, dari sisi pengusaha, untuk pelanggaran
hipotetis [JENIS PELANGGARAN GENERIK]. Muat: uraian fakta pelanggaran
(slot [ISI]); ketentuan PP/PKB yang dilanggar (slot [ISI]); konsekuensi;
kesempatan pembelaan pekerja; masa berlaku SP [VERIFIKASI]. Tambahkan
catatan bukti apa yang harus didokumentasikan agar SP kuat bila
berlanjut ke PHK. Bahasa formal, tidak merendahkan.

Susun opsi klausul kerahasiaan dan pembatasan pasca-kerja untuk
perjanjian kerja hipotetis jabatan [GENERIK]. Untuk klausul non-kompetisi/
non-solicitation: bahas keberlakuannya di Indonesia — sejauh mana dapat
ditegakkan, batas kewajaran (durasi, wilayah, lingkup), dan risiko
klausul dianggap membatasi hak bekerja secara berlebihan [VERIFIKASI
dengan hati-hati — area ini sering di-overclaim]. Beri 2 versi:
konservatif (lebih aman ditegakkan) dan agresif (lebih protektif tapi
berisiko). Jelaskan trade-off-nya.

Hukum keluarga adalah bidang paradoks bagi AI: di satu sisi, ia penuh prosedur dan perhitungan yang dapat distandardisasi (syarat gugat cerai, pembagian harta bersama, bagian waris); di sisi lain, ia menyentuh data paling privat yang pernah dipegang seorang advokat — kekerasan dalam rumah tangga, perselingkuhan, kondisi psikologis anak, penyakit, aib keluarga. Kombinasi keprivatan ekstrem dengan komposisi keluarga yang khas membuat berkas keluarga sangat mudah teridentifikasi: "istri kedua, tiga anak dari istri pertama, satu anak berkebutuhan khusus" praktis adalah sidik jari.

Maka bab ini menuntut generalisasi yang paling agresif dan mengingatkan batas yang tidak boleh dilewati: AI bisa menyusun kerangka prosedur dan menghitung bagian, tetapi tidak boleh menjadi tempat menaruh cerita rumah tangga riil, dan tidak akan pernah menggantikan empati serta pertimbangan kepentingan terbaik anak yang menjadi inti pekerjaan ini. Data anak diberi perlindungan khusus oleh UU PDP; perlakukan sebagai kategori paling terlarang untuk ditempel.

§ 15.1Workflow — Prosedur Perceraian, Hak Asuh & Harta Bersama

Klien perceraian datang dalam keadaan emosional dan sering tidak paham peta jalan yang menantinya. AI membantu Anda menyiapkan penjelasan prosedur yang jernih dan menetralkan, memetakan opsi hak asuh dan harta bersama, serta menyusun perhitungan pembagian — semuanya di atas fakta yang dihipotetiskan sepenuhnya.

Susun penjelasan peta jalan perceraian di Indonesia untuk klien awam,
netral dan menenangkan, untuk pasangan hipotetis: [MUSLIM di Pengadilan
Agama / NON-MUSLIM di Pengadilan Negeri]. Muat:
- tahapan prosedur dari pendaftaran sampai putusan & akta cerai;
- dokumen yang perlu disiapkan;
- mediasi wajib & cara menyikapinya;
- isu yang biasanya paling alot: hak asuh, nafkah anak & istri,
  harta bersama — jelaskan prinsipnya secara netral [VERIFIKASI dasar];
- estimasi realistis rentang waktu.
Bahasa empatik, maksimal 600 kata, tidak menghakimi salah satu pihak.
Tandai tiap dasar prosedur [VERIFIKASI].

Untuk sengketa hak asuh hipotetis (anak usia [KELOMPOK UMUR, bukan
tanggal lahir]), petakan:
1. Prinsip penentuan hak asuh di Indonesia & faktor "kepentingan
   terbaik anak" yang biasa dipertimbangkan majelis [VERIFIKASI dasar];
2. Argumen yang memperkuat posisi [PIHAK YANG KUWAKILI] secara sah &
   bermartabat — TANPA menjelekkan pihak lain secara personal;
3. Isu nafkah anak: prinsip & faktor penentu besarannya;
4. Kemungkinan pengaturan yang paling melindungi anak (mis. pola
   pengasuhan, hak bertemu).
Sajikan sebagai bahan pertimbangan strategi, bukan penentuan final.
Ingatkan bahwa keputusan akhir mempertimbangkan kondisi konkret anak
yang tak bisa dinilai dari luar.

Bantu susun kerangka pembagian harta bersama (gono-gini) untuk kasus
hipotetis. Prinsip yang KUPASOK: [TEMPEL PRINSIP/DASAR TERVERIFIKASI].
Daftar harta (generik, nilai orde besaran): [DAFTAR JENIS HARTA].
Utang bersama: [DAFTAR GENERIK]. Tugas:
- pisahkan harta bawaan vs harta bersama menurut prinsip yang kupasok;
- hitung porsi tiap pihak & perlakuan utang;
- tandai harta yang statusnya rawan disengketakan (mis. harta yang
  bercampur, hibah, warisan yang diklaim bercampur) & isu hukumnya
  [VERIFIKASI];
- tunjukkan langkah perhitungan agar bisa kuperiksa.
Gunakan hanya prinsip yang kuberikan; jangan mengarang aturan.

§ 15.2Workflow — Waris & Perjanjian Perkawinan

Sengketa waris di Indonesia rumit karena pluralisme hukum: satu keluarga bisa berada di persimpangan hukum Islam, KUHPerdata, dan adat. Memetakan sistem mana yang berlaku dan konsekuensinya adalah pekerjaan analitis yang AI bantu susun — dengan verifikasi ekstra karena bagian waris adalah area yang sering di-halusinasi.

Pola fakta hipotetis: pewaris [AGAMA/LATAR yang relevan penentuan
sistem] meninggal, meninggalkan ahli waris [KOMPOSISI ANONIM, mis.
seorang istri, dua anak laki, satu anak perempuan, satu orang tua] dan
harta [JENIS GENERIK]. Petakan:
1. Sistem waris yang mungkin berlaku (Islam/KUHPerdata/adat) & faktor
   penentu mana yang dipakai [VERIFIKASI];
2. Untuk sistem yang paling mungkin: siapa ahli waris & bagian
   masing-masing — TUNJUKKAN dasar & langkah hitungnya, tandai
   [VERIFIKASI] karena bagian waris sering di-halusinasi;
3. Isu yang biasa memicu sengketa (ahli waris pengganti, wasiat,
   hibah semasa hidup, harta bercampur);
4. Opsi penyelesaian di luar pengadilan & kapan gugatan tak
   terhindarkan.
Sajikan sebagai peta untuk diskusi keluarga, bukan penetapan.

Susun kerangka perjanjian perkawinan untuk pasangan hipotetis
[KOMPOSISI GENERIK, mis. WNI pengusaha + WNI profesional / WNI + WNA].
Jelaskan lebih dulu beda perjanjian pranikah vs pasca-nikah pasca
putusan MK [VERIFIKASI rujukan]. Muat kepala klausul:
- pemisahan harta & pengaturan harta yang diperoleh selama perkawinan;
- tanggung jawab utang masing-masing;
- kedudukan kepemilikan tanah bila salah satu WNA [VERIFIKASI rezim ini
  dengan sangat teliti];
- klausul yang TIDAK boleh dimuat (bertentangan hukum/kesusilaan);
- formalitas: akta notaris & pencatatan.
Slot [ISI] untuk data pribadi & daftar harta. Ingatkan eksekusi wajib
via notaris.

Hukum pertanahan Indonesia adalah labirin: pluralisme alas hak (SHM, HGB, HGU, girik, tanah adat), tumpang tindih kewenangan, dan sistem pendaftaran yang belum sepenuhnya positif. Bidang ini cocok untuk AI karena banyak pekerjaannya berupa checklist prosedural dan analisis alas hak yang dapat distandardisasi. Tetapi ia menyimpan risiko kerahasiaan yang khas: sebuah objek tanah adalah quasi-identifier yang sangat kuat. Lokasi + luas + jenis hak sering cukup untuk mengenali persis bidang tanah mana dan siapa pemiliknya — jauh lebih mudah ditebak daripada nama yang disamarkan.

Karena itu bab ini menekankan generalisasi objek, bukan sekadar penyamaran nama. "Sebidang tanah komersial di CBD Jakarta seluas beberapa ribu meter" aman; "SHM No. 1234 seluas 3.750 m² di Jl. Sudirman kav 21" adalah identitas telanjang. Nomor sertifikat riil bahkan dapat ditelusuri publik. Perlakukan data objek dengan disiplin yang sama seperti data pribadi.

§ 16.1Workflow — Uji Tuntas Tanah & Struktur Transaksi

Sebelum klien membeli tanah atau membangun proyek, uji tuntas pertanahan menentukan apakah transaksi aman. AI membantu menyusun checklist yang komprehensif dan memetakan risiko per jenis alas hak — pekerjaan penataan yang tak butuh identitas objek.

Klien (hipotetis) akan membeli tanah dengan alas hak [SHM/HGB/HGU/
girik/tanah adat] untuk [PERUNTUKAN: rumah/pabrik/proyek]. Susun
checklist uji tuntas pertanahan Indonesia yang bisa langsung kupakai:
- keabsahan & riwayat hak: dokumen apa, dicek ke mana;
- kesesuaian tata ruang & perizinan (KKPR) [VERIFIKASI istilah &
  prosedur terbaru];
- pemeriksaan sengketa/sita/blokir/tanggungan;
- hak pihak ketiga (sewa, penggarap, hak tanggungan bank);
- isu khas alas hak ini [mis. girik belum bersertifikat / HGU berakhir /
  tanah adat] & cara menanganinya [VERIFIKASI];
- daftar pertanyaan wawancara penjual.
Format: butir | dokumen sumber | pihak yang dicek | red flag.

Klien memiliki tanah dengan alas hak [JENIS, mis. girik/HGB akan
berakhir] dan ingin [meningkatkan ke SHM / memperpanjang HGB /
mengubah peruntukan]. Petakan:
1. Prosedur & syarat yang berlaku [VERIFIKASI ke aturan BPN terbaru —
   sering berubah];
2. Dokumen yang diperlukan & instansi terkait;
3. Risiko & hambatan yang lazim (sengketa riwayat, tumpang tindih,
   pajak/BPHTB);
4. Estimasi realistis tahapan & waktu;
5. Hal yang bisa membatalkan permohonan.
Tandai SETIAP prosedur & syarat sebagai [VERIFIKASI] karena regulasi
pertanahan sering diperbarui.

§ 16.2Workflow — PPJB, Jual Beli & Sengketa Penguasaan

Transaksi properti bertahap dan sengketa penguasaan (sewa, gugatan pengosongan, tumpang tindih klaim) adalah pekerjaan yang menuntut kerangka perjanjian yang protektif dan strategi bertingkat. AI membantu menyusun keduanya, dengan kehati-hatian ekstra pada area yurisprudensi yang sering di-halusinasi (kapan PPJB dianggap memindahkan hak, pengesampingan Pasal 1266 KUHPerdata).

Susun kerangka Perjanjian Pengikatan Jual Beli (PPJB) tanah & bangunan
dengan pembayaran bertahap [JUMLAH TAHAP], dari sisi PEMBELI:
- syarat tangguh sebelum AJB (roya hak tanggungan, lunas PBB,
  persetujuan pasangan penjual, bebas sengketa);
- mekanisme penitipan dokumen & jaminan;
- wanprestasi & pengembalian dana bertingkat;
- kuasa yang lazim diberikan & batas keabsahannya [VERIFIKASI];
- KAPAN PPJB lunas dianggap memindahkan hak menurut praktik [VERIFIKASI
  dengan sangat hati-hati — area ini sering di-halusinasi];
- peralihan risiko & kewajiban pajak (BPHTB/PPh).
Slot [ISI] untuk data objek & angka. Ingatkan AJB via PPAT.

Penyewa/penguasa (hipotetis) menolak keluar dari [JENIS PROPERTI
GENERIK]; dasar penguasaan [SEWA HABIS / TANPA ALAS HAK / TUMPANG
TINDIH KLAIM]. Saya mewakili [PEMILIK/PENGUASA]. Petakan:
1. Opsi hukum bertingkat dari somasi → gugatan pengosongan/perbuatan
   melawan hukum → eksekusi, dengan estimasi realistis waktu & biaya
   relatif;
2. Apakah tindakan sepihak (mengunci, mengeluarkan) aman — bahas
   risiko perbuatan main hakim sendiri & pidana [VERIFIKASI];
3. Pengesampingan Pasal 1266 KUHPerdata bila relevan [VERIFIKASI];
4. Bukti yang harus diamankan sejak sekarang;
5. Strategi negosiasi keluar yang sering berhasil pada pola ini.
Tanpa mengarang yurisprudensi.

Klien pengembang (hipotetis) merencanakan proyek [JENIS: perumahan/
komersial/industri] di lahan [ALAS HAK GENERIK] kawasan [TIPE KAWASAN,
bukan lokasi persis]. Susun peta perizinan & kepatuhan yang diperlukan:
- kesesuaian tata ruang (KKPR/PKKPR) & urutannya [VERIFIKASI];
- persetujuan lingkungan (AMDAL/UKL-UPL) & ambang pemicunya [VERIFIKASI];
- PBG/SLF sebagai pengganti IMB [VERIFIKASI istilah terbaru];
- perizinan sektoral khusus bila ada;
- risiko hukum yang sering menunda proyek serupa.
Format: izin | dasar | prasyarat | instansi | estimasi tahap. Tandai
seluruh dasar & istilah [VERIFIKASI] karena rezim perizinan berubah.

Kekayaan intelektual adalah bidang yang paling cepat ditransformasi AI, dan bukan hanya sebagai alat kerja — AI generatif sendiri menjadi objek sengketa KI yang baru. Dua pertanyaan menghantui: apakah karya yang dihasilkan AI dapat memperoleh perlindungan hak cipta, dan apakah pelatihan model atas jutaan karya berhak cipta merupakan pelanggaran? Bagi praktisi KI, ini bukan wacana akademik melainkan pertanyaan klien yang nyata. Bab ini menutup dua sisi: memakai AI untuk pekerjaan KI konvensional, dan menasihati klien tentang KI di era AI.

Risiko data di bidang ini punya wajah khusus: rahasia dagang. Formula, source code, algoritma, dan strategi produk klien yang belum dipatenkan adalah aset yang nilainya justru terletak pada kerahasiaannya. Menempelkannya ke AI publik bisa menghancurkan status "rahasia" yang menjadi dasar perlindungan hukumnya. Perlakukan rahasia dagang seperti data room M&A: lingkungan terkendali atau tidak sama sekali.

§ 17.1Workflow — Strategi Merek & Analisis Kemiripan

Pendaftaran merek dan sengketa kemiripan adalah roti-mentega praktik KI. AI membantu menyusun strategi kelas Nice, menganalisis persamaan pada pokoknya secara terstruktur, dan menyiapkan argumen keberatan — meski penilaian akhir "membingungkan konsumen atau tidak" tetap penilaian manusia yang kontekstual.

Klien (hipotetis) memiliki merek untuk [JENIS PRODUK/JASA GENERIK, mis.
minuman kemasan + kafe]. Susun strategi pendaftaran merek Indonesia:
1. Kelas Nice yang relevan & alasannya [VERIFIKASI klasifikasi terbaru];
2. Cakupan barang/jasa yang optimal (cukup luas untuk proteksi, cukup
   spesifik untuk lolos);
3. Risiko penolakan: unsur deskriptif, bertentangan ketertiban umum,
   persamaan dengan merek terkenal [VERIFIKASI dasar];
4. Strategi merek defensif (variasi, kelas tambahan);
5. Langkah bila diajukan keberatan/oposisi.
Ingatkan bahwa penelusuran merek terdaftar wajib kulakukan sendiri ke
PDKI — jangan mengarang daftar merek yang sudah ada.

Bantu strukturkan analisis "persamaan pada pokoknya" antara dua merek
hipotetis pada kelas/jenis barang [GENERIK]. Uraikan kerangka penilaian
yang lazim: kemiripan visual, fonetik, konseptual; kesamaan/keterkaitan
barang; potensi kebingungan konsumen; itikad [VERIFIKASI faktor ke
dasar hukum/pedoman]. Susun sebagai daftar faktor + panduan menilai
tiap faktor, agar kuisi dengan perbandingan konkret. Ingatkan bahwa
penilaian akhir sangat kontekstual dan bergantung persepsi pasar
sasaran yang harus kunilai sendiri.

§ 17.2Workflow — Hak Cipta, Paten & KI di Era AI

Selain pekerjaan konvensional (perjanjian lisensi, analisis pelanggaran hak cipta, kerangka klaim paten), praktisi KI kini harus menjawab pertanyaan klien tentang AI itu sendiri: kepemilikan karya buatan AI, keabsahan pemakaian output AI dalam produk, dan risiko pelanggaran dari data pelatihan. AI membantu menyusun analisis dan opsi — dengan pengakuan jujur bahwa banyak dari ini adalah area hukum yang belum mapan.

Klien (hipotetis) menghasilkan [JENIS KARYA: desain/teks/musik/kode]
dengan bantuan AI generatif dan ingin tahu status hak ciptanya di
Indonesia. Susun analisis:
1. Prinsip perlindungan hak cipta & syarat "pencipta"/orisinalitas
   dalam UU Hak Cipta [VERIFIKASI];
2. Bagaimana karya buatan/berbantuan AI dinilai — bedakan "dibuat
   sepenuhnya AI" vs "AI sebagai alat dengan kontribusi kreatif
   manusia" — dan ketidakpastian hukumnya;
3. Langkah praktis memperkuat klaim (dokumentasi proses kreatif
   manusia, kontrak);
4. Risiko: output AI mungkin mengandung materi pihak ketiga.
NYATAKAN dengan jujur di mana hukum belum jelas; jangan memberi
kepastian yang tidak ada. Tandai [VERIFIKASI].

Susun kerangka perjanjian lisensi [HAK CIPTA/MEREK/PATEN] hukum
Indonesia dari sisi [PEMBERI/PENERIMA lisensi]. Muat kepala klausul:
- objek & ruang lingkup lisensi (eksklusif/non-eksklusif, wilayah,
  jangka waktu, sublisensi);
- royalti & mekanisme audit;
- kewajiban pemeliharaan & penegakan hak;
- jaminan kepemilikan & indemnifikasi pelanggaran pihak ketiga;
- pencatatan lisensi [VERIFIKASI kewajiban pencatatan];
- pengakhiran & akibatnya.
Untuk 4 klausul yang paling sering dinegosiasikan, beri catatan posisi
kedua pihak. Slot [ISI] untuk variabel komersial.

Klien (hipotetis) memiliki [JENIS ASET: formula/algoritma/daftar
pelanggan/proses] yang ingin dilindungi sebagai rahasia dagang di
Indonesia — BUKAN dipatenkan. Susun program perlindungan:
1. Syarat suatu informasi dilindungi sebagai rahasia dagang &
   konsekuensi bila kerahasiaan gagal dijaga [VERIFIKASI];
2. Langkah organisatoris: klasifikasi, akses terbatas, NDA, klausul
   kerja, penandaan dokumen;
3. Langkah bila terjadi kebocoran/pembajakan (opsi hukum);
4. Trade-off rahasia dagang vs paten untuk aset semacam ini.
JANGAN minta aku menempelkan isi rahasia dagangnya — bahas program
perlindungannya secara generik. Justru itu inti pelajarannya.

Arbitrase dipilih para pihak sering justru karena kerahasiaannya — berbeda dari pengadilan yang putusannya terbuka, proses dan putusan arbitrase pada dasarnya tertutup. Ini menaikkan taruhan data: membocorkan isi sengketa arbitrase tidak hanya melanggar kerahasiaan klien, tetapi bisa melanggar kesepakatan kerahasiaan dan aturan lembaga arbitrase yang mengikat para pihak. Advokat arbitrase yang menempelkan dokumen ke AI publik menabrak dua lapisan kewajiban sekaligus.

Namun banyak pekerjaan ADR bersifat struktural dan konseptual — merancang klausul penyelesaian sengketa, menyusun kerangka permohonan, memetakan strategi mediasi — yang dapat sepenuhnya dihipotetiskan. Bab ini menunjukkan cara memakai AI di ranah aman itu, sambil menegaskan bahwa dokumen sengketa arbitrase yang riil termasuk kategori paling terlindung.

§ 18.1Workflow — Klausul, Permohonan & Jawaban Arbitrase

Sengketa arbitrase sering ditentukan sejak klausul arbitrasenya dirancang — pilihan lembaga, jumlah arbiter, seat, bahasa, dan hukum. AI membantu merancang klausul yang solid dan menyusun kerangka permohonan/jawaban, pekerjaan penataan yang tak butuh identitas para pihak riil.

Susun beberapa opsi klausul penyelesaian sengketa untuk kontrak
[JENIS GENERIK] antara [pihak domestik/lintas negara]. Untuk tiap opsi
(pengadilan; arbitrase BANI; arbitrase internasional; klausul bertingkat
negosiasi→mediasi→arbitrase), jelaskan:
- elemen yang harus ada (lembaga, jumlah arbiter, seat, bahasa, hukum
  yang mengatur) [VERIFIKASI ke aturan lembaga terkait];
- kelebihan/kekurangan untuk klien di posisi [PIHAK KUWAKILI];
- isu keberlakuan & eksekusi putusan (termasuk Konvensi New York bila
  lintas negara) [VERIFIKASI];
- kesalahan perancangan klausul yang sering membuat klausul cacat.
Beri contoh redaksional untuk opsi yang kaurekomendasikan.

Susun kerangka [permohonan arbitrase / jawaban] untuk sengketa
hipotetis [JENIS, mis. konstruksi/keagenan] di bawah aturan [LEMBAGA].
Muat:
- dasar yurisdiksi arbitrase (klausul) & potensi tantangannya;
- ringkasan sengketa & dasar tuntutan/bantahan;
- tuntutan (relief) yang diminta & dasarnya;
- usulan penunjukan arbiter & isu independensi;
- peta bukti & saksi ahli yang diperlukan;
- isu prosedural awal (bahasa, seat, jadwal).
Tandai tiap rujukan aturan lembaga & hukum [VERIFIKASI]. Kerangka
bernomor untuk kukembangkan; jangan mengarang preseden.

§ 18.2Workflow — Strategi Mediasi & Negosiasi

Mediasi dan negosiasi adalah seni membaca kepentingan di balik posisi. AI membantu menyiapkan peta kepentingan para pihak, opsi penyelesaian kreatif (memperbesar kue sebelum membaginya), dan skenario tawar-menawar — persiapan yang membuat mediator manusia jauh lebih efektif tanpa perlu mengungkap identitas.

Bantu aku bersiap mediasi sengketa hipotetis [JENIS]. Posisi terbuka
para pihak: [PIHAK 1 menuntut X, PIHAK 2 menawarkan Y]. Bantu:
1. Petakan KEPENTINGAN di balik posisi masing-masing (mengapa mereka
   sebenarnya menuntut itu — uang, reputasi, hubungan, waktu);
2. Perkirakan BATNA tiap pihak (apa yang terjadi bila mediasi gagal) &
   ZOPA (zona kesepakatan yang mungkin);
3. Usulkan opsi penyelesaian kreatif yang "memperbesar kue" sebelum
   membaginya (pembayaran bertahap, kerja sama lanjutan, permintaan
   maaf, non-moneter);
4. Skenario pembukaan & urutan konsesi.
Sajikan sebagai bahan persiapanku, bukan naskah kaku.

Klien memegang putusan arbitrase [DOMESTIK/ASING] dan pihak lawan tak
sukarela melaksanakan. Susun peta jalan pelaksanaan (eksekusi) di
Indonesia:
1. Prosedur pendaftaran & permohonan eksekusi [VERIFIKASI ke UU
   Arbitrase & ketentuan pengadilan];
2. Untuk putusan asing: syarat pengakuan & pelaksanaan, peran
   Pengadilan Negeri Jakarta Pusat, & alasan penolakan yang mungkin
   diajukan lawan (ketertiban umum, dll) [VERIFIKASI];
3. Estimasi realistis tahapan & hambatan yang lazim;
4. Langkah mengamankan aset agar putusan tak menjadi kemenangan kosong.
Tandai seluruh dasar prosedur [VERIFIKASI]. Tanpa mengarang preseden.

Hukum pajak adalah bidang yang penuh angka, tenggat, dan aturan teknis yang berlapis — persis lingkungan di mana halusinasi AI paling merusak dan paling sulit terdeteksi. Tarif yang salah, tenggat keberatan yang meleset, atau formula perhitungan yang keliru bukan kesalahan akademik; ia bisa membuat klien kehilangan hak atau menanggung sanksi. Prinsip bab ini karena itu keras: AI tidak pernah menjadi sumber tarif, tenggat, atau angka. Semua itu Anda pasok dari peraturan terkini dan Anda hitung ulang manual.

Data pajak juga sangat sensitif: SPT, laporan keuangan, dan struktur penghasilan klien adalah informasi yang kerahasiaannya dilindungi undang-undang perpajakan itu sendiri, di atas kerahasiaan advokat. Anonimkan angka ke orde besaran dan hapus identitas sebelum menempel. Yang tersisa untuk AI — penataan argumen sengketa, kerangka keberatan/banding, dan pemetaan opsi — cukup luas untuk bermanfaat besar.

§ 19.1Workflow — Sengketa Pajak: Keberatan & Banding

Sengketa pajak mengikuti jalur formal yang ketat: dari surat ketetapan, keberatan ke DJP, hingga banding ke Pengadilan Pajak. Kekalahan sering terjadi bukan karena substansi lemah, melainkan karena syarat formal dan tenggat terlewat. AI membantu menyusun argumen dan memetakan syarat — dengan verifikasi tenggat yang tak boleh ditawar.

Wajib pajak (hipotetis) menerima ketetapan dengan koreksi atas
[JENIS KOREKSI GENERIK, mis. biaya yang tidak diakui / peredaran usaha].
Dasar koreksi fiskus: [RINGKASAN]. Argumen wajib pajak: [RINGKASAN].
Susun kerangka surat keberatan:
1. Syarat formal keberatan (tenggat, kelengkapan) — tandai [VERIFIKASI
   tenggat, JANGAN pakai ingatanmu];
2. Uraian pokok sengketa per item koreksi;
3. Argumen hukum & dasar yang KUPASOK: [DAFTAR PASAL/PMK TERVERIFIKASI];
4. Bukti pendukung yang harus dilampirkan per argumen;
5. Perhitungan pajak menurut versi wajib pajak (angka kupasok, tunjukkan
   langkahnya untuk kuperiksa).
Jangan menambah dasar hukum dari ingatan; tandai [VERIFIKASI].

Keberatan wajib pajak ditolak/dikabulkan sebagian. Susun kerangka
surat banding ke Pengadilan Pajak:
- syarat formal banding (tenggat, pembayaran sebagian bila
  dipersyaratkan) [VERIFIKASI — kritis];
- ringkasan sengketa & keputusan keberatan yang dibanding;
- pokok-pokok banding per item, dengan argumen hukum (dasar kupasok);
- alat bukti & ahli yang perlu disiapkan;
- petitum banding.
Susun kerangka bernomor. Tandai SETIAP tenggat & syarat pembayaran
[VERIFIKASI]; salah di sini bisa menggugurkan banding.

§ 19.2Workflow — Perencanaan Pajak & Analisis Transaksi

Perencanaan pajak yang sah (tax planning, bukan tax evasion) menuntut pemetaan opsi struktur dan konsekuensi pajaknya. AI membantu memetakan opsi dan isu, dengan garis tegas: ia menyusun kerangka analisis, tetapi angka final dan kepastian tarif selalu diverifikasi, dan garis antara penghindaran sah dan pengelakan ilegal adalah penilaian profesional Anda.

Klien (hipotetis) merencanakan [JENIS TRANSAKSI: restrukturisasi/
penjualan aset/dividen lintas negara]. Petakan konsekuensi pajak
Indonesia:
1. Jenis pajak yang terpicu (PPh, PPN, BPHTB, bea materai) & peristiwa
   pemicunya [VERIFIKASI tiap tarif & ketentuan — JANGAN dari ingatan];
2. Opsi struktur yang sah beserta beban pajak indikatifnya (angka orde
   besaran, tandai perlu hitung ulang);
3. Isu tax treaty bila lintas negara (P3B) & syarat pemanfaatannya
   [VERIFIKASI];
4. Risiko ketentuan anti-penghindaran & uji substansi ekonomi.
Untuk tiap opsi, tandai garis mana yang sah (planning) vs berisiko
dianggap pengelakan. Seluruh tarif & angka [VERIFIKASI] & hitung ulang.

Klien (hipotetis) menghadapi pemeriksaan pajak atas [JENIS: PPh Badan/
PPN]. Susun panduan persiapan:
1. Hak & kewajiban wajib pajak selama pemeriksaan [VERIFIKASI];
2. Dokumen yang biasanya diminta & cara menatanya;
3. Area yang lazim menjadi temuan pemeriksa untuk transaksi jenis ini
   & cara menjelaskannya;
4. Prosedur bila tidak setuju (pembahasan akhir, quality assurance)
   [VERIFIKASI];
5. Kesalahan komunikasi yang memperburuk posisi wajib pajak.
Format panduan praktis. Tandai tiap dasar prosedur [VERIFIKASI].
Jangan menyarankan tindakan yang menyembunyikan fakta dari pemeriksa.

Perbankan dan fintech adalah bidang di mana hukum bertemu regulasi teknis yang sangat rinci: ketentuan OJK dan Bank Indonesia, aturan APU-PPT (anti pencucian uang), pelindungan konsumen sektor keuangan, dan — untuk fintech — rezim yang berubah nyaris tiap tahun (P2P lending, payment, aset kripto yang pindah pengawasan ke OJK). Ini adalah bidang di mana "ingatan" AI paling cepat kedaluwarsa; peraturan yang dilatih model tahun lalu mungkin sudah dicabut. Setiap ketentuan regulator harus Anda pasok dan verifikasi ke sumber terbaru.

Risiko data punya dimensi ganda: data nasabah dilindungi rahasia bank dan UU PDP sekaligus, dan struktur produk keuangan klien fintech sering merupakan rahasia bisnis kompetitif. Anonimkan data nasabah tanpa kompromi; generalisasi arsitektur produk. Yang tersisa untuk AI — kerangka perjanjian, peta kepatuhan, dan analisis perizinan — sangat berharga karena kompleksitas regulasi bidang ini justru yang paling melelahkan dipetakan manual.

§ 20.1Workflow — Perjanjian Kredit & Jaminan

Perjanjian kredit dan pengikatan jaminan (hak tanggungan, fidusia, gadai, cessie) adalah tulang punggung praktik perbankan. AI membantu menyusun kerangka yang lengkap dan memetakan risiko pengikatan jaminan — pekerjaan penataan yang tak butuh identitas nasabah.

Susun kerangka perjanjian kredit [JENIS FASILITAS: modal kerja/
investasi/KPR] hukum Indonesia dari sisi KREDITUR (bank). Muat kepala
klausul lengkap:
- fasilitas, tujuan penggunaan, jangka waktu, bunga/margin;
- penarikan & syarat penarikan (CP);
- jaminan & pengikatannya (hak tanggungan/fidusia/gadai/cessie) —
  sebutkan formalitas & pendaftaran tiap jenis [VERIFIKASI];
- representasi & janji debitur (financial covenants);
- peristiwa cedera janji (event of default) & akibatnya;
- pelunasan dipercepat & eksekusi jaminan;
- kepatuhan (APU-PPT, pelindungan konsumen) [VERIFIKASI ketentuan OJK].
Slot [ISI] untuk variabel komersial. Untuk 4 klausul paling sering
dinegosiasikan debitur korporasi, beri catatan posisi.

Fasilitas kredit (hipotetis) macet; jaminan berupa [JENIS: hak
tanggungan atas tanah / fidusia atas kendaraan-persediaan]. Susun peta
opsi eksekusi bagi kreditur:
1. Mekanisme eksekusi per jenis jaminan (parate eksekusi, lelang,
   titel eksekutorial) & syaratnya [VERIFIKASI];
2. Hambatan yang lazim (gugatan perlawanan debitur, objek tak
   ditemukan, nilai turun) & antisipasinya;
3. Isu perlindungan konsumen & larangan penarikan paksa fidusia tanpa
   prosedur [VERIFIKASI — sensitif pasca putusan MK];
4. Estimasi realistis waktu & biaya tiap jalur.
Tandai seluruh dasar hukum [VERIFIKASI]. Tanpa mengarang preseden.

§ 20.2Workflow — Perizinan & Kepatuhan Fintech

Klien fintech menghadapi rezim perizinan yang padat dan bergerak: P2P lending, payment system, e-money, dan aset kripto masing-masing punya regulator dan syarat berbeda, yang direvisi hampir tiap tahun. AI membantu memetakan persyaratan dan kewajiban kepatuhan — dengan penekanan mutlak bahwa setiap ketentuan harus diverifikasi ke aturan terbaru karena inilah bidang tempat pengetahuan AI paling cepat basi.

Klien (hipotetis) membangun produk keuangan digital: [DESKRIPSI FUNGSI
GENERIK, mis. menghubungkan pemberi & penerima dana / dompet digital /
platform perdagangan aset kripto]. Bantu:
1. Klasifikasikan ke rezim perizinan Indonesia yang mungkin berlaku
   (P2P lending, penyelenggara sistem pembayaran, e-money, aset kripto)
   & regulatornya (OJK/BI) [VERIFIKASI — rezim ini sering berubah &
   pindah pengawasan];
2. Untuk rezim yang paling mungkin: syarat perizinan pokok, modal,
   tata kelola;
3. Kewajiban kepatuhan berjalan (APU-PPT, pelindungan konsumen,
   pelindungan data, pelaporan);
4. Risiko beroperasi tanpa izin.
Tandai SETIAP ketentuan [VERIFIKASI ke aturan terbaru]; jangan
memastikan syarat dari ingatan yang mungkin usang.

Berikut syarat & ketentuan / perjanjian pengguna platform fintech
(anonim, nama & kontak dihapus): [TEMPEL TEKS]. Audit terhadap prinsip
pelindungan konsumen sektor jasa keuangan & UU PDP:
1. Klausul yang berpotensi merugikan/berat sebelah bagi konsumen
   [VERIFIKASI standar pelindungan konsumen OJK];
2. Kepatuhan pemberitahuan pemrosesan data pribadi & dasar
   pemrosesannya (kaitkan Bab 9);
3. Transparansi biaya, bunga, & risiko;
4. Klausul baku yang dilarang [VERIFIKASI daftar larangan];
5. Rekomendasi perbaikan diprioritaskan.
Dasarkan penilaian standar pada ketentuan yang kupasok/berlaku;
tandai bila perlu [VERIFIKASI].

Prinsip diingat lewat aturan; kebijaksanaan diingat lewat cerita. Delapan studi kasus berikut adalah rekaan — nama firma, orang, dan perkara sepenuhnya fiktif dan kemiripan dengan pihak nyata adalah kebetulan. Namun tiap skenario dibangun dari pola kecelakaan dan keberhasilan yang benar-benar mungkin terjadi di firma Indonesia mana pun. Bacalah bukan untuk menghakimi tokohnya, melainkan untuk mengenali diri Anda sendiri di persimpangan keputusannya. Sebagian besar kecelakaan data tidak lahir dari kejahatan, melainkan dari satu keputusan kecil yang tampak masuk akal saat tenggat menekan.

§ 21.1Kasus 1 — Tenggat Tengah Malam

Asosiat muda di sebuah firma korporasi menerima draf perjanjian pemegang saham setebal 80 halaman pukul sepuluh malam, harus dikomentari sebelum rapat pukul delapan pagi. Lelah, ia membuka chatbot gratisan di laptop pribadi, menyalin seluruh draf — lengkap dengan nama para pihak dan struktur kepemilikan yang belum diumumkan — dan mengetik "temukan klausul yang merugikan klien saya".

§ 21.2Kasus 2 — Yurisprudensi yang Tak Pernah Ada

Seorang litigator senior, percaya diri dengan alat baru, meminta chatbot "carikan tiga putusan Mahkamah Agung yang mendukung argumen daluwarsa saya". AI menyodorkan tiga putusan lengkap dengan nomor, tahun, dan kutipan pertimbangan yang terdengar meyakinkan. Ia menyalinnya ke memori banding tanpa mengecek.

§ 21.3Kasus 3 — Firma yang Melakukannya dengan Benar

Sebuah firma menengah memutuskan mengadopsi AI secara serius. Sebelum satu pun asosiat memakainya untuk perkara, managing partner menjalankan program empat minggu: memilih satu vendor bisnis, menandatangani DPA, mematikan pelatihan, mengaktifkan SSO, menerbitkan kebijakan satu halaman, dan melatih seluruh staf. Anonimisasi dijadikan refleks lewat latihan tim 30 menit (§ 5.6).

§ 21.4Kasus 4 — Anonimisasi yang Setengah Jadi

Seorang asosiat teliti mengganti semua nama di dokumen sengketa dengan [PIHAK A] dan [PIHAK B] sebelum menempel ke akun firma. Ia merasa aman. Tetapi ia lupa satu hal: perkara itu melibatkan "satu-satunya pabrik semen di kabupaten itu yang terbakar Maret lalu" — deskripsi yang tinggal di dalam teks.

§ 21.5Kasus 5 — Data Room di Chatbot

Dalam transaksi M&A dengan tenggat ketat, seorang partner meminta timnya "percepat due diligence dengan AI". Seorang anggota tim, tanpa arahan rinci, mengunggah ratusan dokumen data room emiten publik ke akun berbayar biasa — bukan lingkungan ZDR — merasa "berbayar berarti aman".

§ 21.6Kasus 6 — Notulen yang Terlalu Membantu

Sebuah firma memasang asisten AI perekam-rapat yang otomatis mentranskrip dan meringkas setiap pertemuan. Praktis — sampai seorang partner menyadari alat itu diam-diam ikut merekam sesi strategi rahasia dengan klien dan menyimpan transkripnya di cloud pihak ketiga tanpa DPA yang memadai.

§ 21.7Kasus 7 — Terjemahan yang Membocorkan

Untuk klien asing, seorang paralegal perlu menerjemahkan kontrak sensitif ke bahasa Inggris dengan cepat. Ia menempelkannya ke situs penerjemah AI gratis di internet — situs yang, di syarat layanannya, menyatakan berhak menyimpan dan memakai teks yang dimasukkan.

§ 21.8Kasus 8 — Insiden yang Ditangani dengan Benar

Sebuah firma menemukan bahwa seorang staf, melanggar kebijakan, sempat menempel berkas berisi data pribadi klien ke akun gratisan selama beberapa minggu sebelum ketahuan. Alih-alih menutupinya, firma menjalankan runbook insiden yang sudah disiapkan (Bab 24).

Perhatikan benang merah delapan kasus: nyaris tak satu pun lahir dari niat jahat. Semuanya lahir dari tenggat, arahan kabur, alat "membantu", atau asumsi bahwa satu lapisan cukup. Itulah mengapa buku ini bersikeras pada sistem — kebijakan, pelatihan, refleks anonimisasi, runbook — bukan sekadar imbauan berhati-hati. Kehati-hatian menguap saat lelah; sistem tetap berdiri.

Pertanyaan "vendor AI mana yang terbaik untuk firma?" hampir selalu salah kaprah, karena ia biasanya berarti "model mana yang paling pintar" — padahal untuk firma hukum, kecerdasan model adalah pertimbangan kesekian. Yang menentukan adalah postur perlindungan data: apakah data Anda dipakai melatih model, berapa lama disimpan, apakah tersedia DPA yang mengikat, apakah ada opsi retensi nol, sertifikasi keamanan apa yang dimiliki, dan di negara mana data diproses. Bab ini membandingkan vendor besar pada dimensi-dimensi itu — bukan pada kepintarannya.

§ 22.1Dimensi yang Benar-benar Menentukan

Sebelum menatap tabel, pahami tujuh dimensi ini — mereka kerangka menilai vendor apa pun, termasuk yang belum ada saat buku ini ditulis:

• Pelatihan atas data Anda. Apakah prompt & keluaran dipakai melatih/meningkatkan model? Pada produk konsumen sering ya secara bawaan; pada produk bisnis/enterprise umumnya tidak. Ini garis pemisah paling fundamental.
• Retensi. Berapa lama data disimpan setelah diproses? Makin pendek makin kecil permukaan risiko kebocoran dan permintaan paksa pihak ketiga.
• DPA. Apakah vendor menawarkan perjanjian pemrosesan data yang mengikat? Tanpa DPA, firma memproses lewat prosesor tanpa ikatan hukum (Bab 9) — posisi yang sulit dibela.
• ZDR (retensi nol). Tersediakah komitmen tidak menyimpan sama sekali? Standar untuk kelas T3; umumnya lewat jalur API/enterprise.
• Sertifikasi. SOC 2 Type II, ISO 27001, dan sejenisnya — indikator kedewasaan kontrol, bukan jaminan; tetap baca DPA-nya.
• Residensi data. Di negara/wilayah mana data diproses & disimpan? Relevan untuk ketentuan transfer lintas negara UU PDP dan kenyamanan klien tertentu.
• Model komersial & kontrol admin. Adakah kontrol organisasi (SSO, manajemen kursi, kebijakan retensi terpusat, larangan pelatihan tingkat organisasi)? Ini yang mengubah alat pribadi menjadi alat firma.

Perhatikan bahwa tabel ini disusun per kategori produk, bukan per merek — dan itu disengaja. Garis keamanan yang menentukan bukan "ChatGPT vs Claude vs Gemini vs Copilot", melainkan "paket konsumen vs paket bisnis/enterprise/API". Merek besar mana pun menawarkan spektrum ini; kesalahan fatal hampir selalu memakai paket konsumen untuk pekerjaan klien, bukan memilih merek yang keliru.

§ 22.2Harga: Membaca Biaya Sebenarnya

Perbandingan harga vendor sering menyesatkan karena membandingkan angka langganan bulanan, padahal biaya sebenarnya bagi firma jauh lebih dari itu. Buku ini sengaja tidak mencantumkan angka rupiah — angka pasti kedaluwarsa dalam hitungan bulan dan berbeda per wilayah — tetapi memberi kerangka menghitung biaya total kepemilikan:

• Biaya langganan per kursi untuk paket bisnis/enterprise — bandingkan pada tingkat fitur yang setara (yang menyertakan DPA & kontrol admin), bukan paket termurah.
• Biaya API berbasis pemakaian bila memilih jalur API/ZDR — dihitung per token, bisa lebih murah atau lebih mahal tergantung volume; butuh integrasi.
• Biaya integrasi & administrasi — SSO, manajemen kursi, pelatihan staf, perawatan kebijakan & pustaka prompt.
• Biaya risiko yang dihindari — selisih premi antara paket konsumen "gratis" dan paket bisnis ber-DPA adalah asuransi terhadap kebocoran yang biayanya bisa menghancurkan firma. Inilah pos yang paling sering diabaikan dan paling penting.

Paket gratis adalah paket termahal yang bisa dibeli firma hukum — biayanya hanya tidak muncul di tagihan, melainkan di neraca kepercayaan yang runtuh saat data klien bocor.

Aksioma Pengadaan AI Firma

§ 22.3Membaca DPA Klausul demi Klausul

DPA (Data Processing Agreement) adalah dokumen hukum yang, ironisnya, sering ditandatangani firma hukum tanpa dibaca seperti firma menasihati klien agar tidak melakukannya. Berikut peta membaca DPA vendor AI klausul demi klausul — apa yang dicari, dan tanda bahaya pada tiap klausul:

Kode etik advokat ditulis jauh sebelum AI ada, tetapi prinsip-prinsipnya justru menemukan ujian baru yang tajam di hadapannya. Bab ini menuruni lima pertanyaan etik yang tak bisa dijawab dengan mengunci setelan privasi: apakah menolak memahami AI kini termasuk tidak kompeten; bolehkah menagih klien untuk pekerjaan yang dipercepat mesin; siapa yang bertanggung jawab saat AI keliru; haruskah Anda memberi tahu klien bahwa Anda memakai AI; dan bisakah AI menciptakan konflik kepentingan yang tak terlihat. Ini bukan wilayah "aman/tidak aman" yang teknis, melainkan wilayah "benar/tidak benar" yang menuntut pertimbangan.

§ 23.1Kompetensi Teknologi — Ketika Menolak Tahu Menjadi Lalai

Kompetensi advokat secara tradisional berarti menguasai hukum dan keterampilan beracara. Tetapi kompetensi selalu punya dimensi yang bergerak: advokat yang tak bisa memakai email atau mesin pencari putusan hari ini akan merugikan kliennya, betapapun brilian analisis hukumnya. AI menambah lapisan baru pada kompetensi itu — bukan kewajiban menjadi ahli teknologi, melainkan kewajiban memahami cukup untuk (a) memanfaatkan alat yang membuat layanan lebih baik & efisien, dan (b) mengenali risikonya agar tidak membahayakan klien.

Kompetensi teknologi di era AI karena itu bermata dua. Advokat yang menolak memakai AI sama sekali berisiko memberi layanan yang lebih lambat dan lebih mahal dari yang seharusnya. Advokat yang memakai AI tanpa memahami batasnya berisiko membahayakan klien dengan halusinasi dan kebocoran. Kompetensi sejati berdiri di tengah: memakai dengan memahami. Menolak memahami — di kedua arah — kini adalah bentuk kelalaian yang halus.

§ 23.2Biaya & Penagihan AI — Etika Jam yang Menghilang

Inilah pertanyaan yang membuat banyak firma gelisah: bila sebuah tugas yang dulu memakan delapan jam kini selesai dalam satu jam berkat AI, berapa yang boleh ditagih ke klien? Menagih delapan jam untuk pekerjaan satu jam adalah penipuan; tetapi tidak menagih apa pun atas nilai yang tercipta juga tidak masuk akal secara bisnis. Ketegangan ini memaksa profesi memikirkan ulang apa sebenarnya yang dibayar klien: waktu, atau nilai.

• Jangan menagih waktu yang tidak dikeluarkan. Bila menagih berbasis jam, tagih jam yang benar-benar dihabiskan — termasuk waktu memverifikasi keluaran AI, yang nyata dan berharga.
• Pertimbangkan penagihan berbasis nilai/hasil. Untuk pekerjaan yang dipercepat AI, tarif tetap per keluaran (fixed fee) sering lebih jujur daripada tarif jam — klien membayar hasil, bukan lamanya.
• Transparansi biaya alat. Bila membebankan biaya langganan AI ke klien sebagai disbursement, lakukan secara terbuka & wajar, bukan diselipkan.
• Bagikan sebagian efisiensi ke klien. Firma yang meneruskan sebagian penghematan AI kepada klien membangun loyalitas yang nilainya melampaui selisih tagihan — sementara yang menyembunyikannya berisiko kehilangan kepercayaan saat klien sadar.

§ 23.3Tanggung Jawab atas Kesalahan AI — "Mesinnya yang Salah" Bukan Pembelaan

Ketika sebuah memo yang disusun berbantuan AI memuat sitasi palsu dan merugikan klien, siapa yang bertanggung jawab? Jawaban hukum dan etiknya tidak ambigu: advokat yang menandatanganinya. AI tidak memiliki lisensi, tidak mengucapkan sumpah, dan tidak bisa dituntut ke dewan kehormatan. Ia alat, seperti pena atau komputer; dan seperti advokat bertanggung jawab atas apa yang ditulis penanya, ia bertanggung jawab atas apa yang dihasilkan mesinnya lalu ia adopsi sebagai karyanya.

Prinsip ini membebaskan sekaligus membebani. Membebaskan, karena ia sederhana: tak ada wilayah abu-abu tentang "salah siapa". Membebani, karena ia berarti setiap keluaran AI yang Anda pakai harus Anda periksa seolah-olah ditulis asisten junior yang cerdas tetapi kadang mengarang dengan percaya diri — karena persis itulah AI. "Mesinnya yang salah" berdiri sejajar dengan "asisten saya yang salah": penjelasan, bukan pembelaan.

§ 23.4Keterbukaan kepada Klien — Haruskah Anda Memberi Tahu?

Apakah advokat wajib memberi tahu klien bahwa ia memakai AI? Pertanyaan ini belum memiliki jawaban seragam lintas yurisdiksi, tetapi kerangka berpikirnya dapat dirumuskan. Memakai AI sebagai alat internal untuk mempercepat riset atau menyusun draf — sebagaimana memakai komputer atau basis data putusan — umumnya tidak menuntut pengungkapan khusus, sepanjang kerahasiaan terjaga dan hasilnya diverifikasi. Yang menuntut keterbukaan adalah situasi di mana pemakaian AI memengaruhi kepentingan klien secara material.

• Ketika data klien akan dikirim ke pihak ketiga. Bila pekerjaan menuntut menempel data klien ke layanan AI eksternal, keterbukaan & persetujuan klien adalah praktik yang bijak — dan sering diperlukan untuk memenuhi dasar pemrosesan UU PDP.
• Ketika klien bertanya. Bila klien menanyakan apakah Anda memakai AI, jawablah jujur. Berbohong tentang metode kerja merusak kepercayaan yang menjadi inti hubungan.
• Ketika klien menetapkan batasan. Sebagian klien korporasi kini mensyaratkan dalam engagement letter bagaimana AI boleh/tak boleh dipakai atas berkas mereka. Hormati & dokumentasikan.
• Ketika hasil AI menjadi bagian produk yang diserahkan. Transparansi menjaga Anda dari tuduhan menyembunyikan metode bila kelak ada persoalan.

§ 23.5Konflik Kepentingan di Era AI

AI memunculkan bentuk konflik kepentingan yang halus dan baru. Yang paling nyata: bila firma memakai alat AI yang belajar dari data yang dimasukkan (akun konsumen dengan pelatihan aktif), maka secara teori informasi dari perkara Klien A dapat memengaruhi keluaran saat mengerjakan perkara Klien B yang berlawanan — sebuah "kebocoran silang" yang tak terlihat dan sulit dibuktikan. Ini alasan etik tambahan, di atas kerahasiaan, mengapa alat yang melatih diri atas data Anda terlarang untuk pekerjaan klien.

Bentuk kedua lebih licin: ketergantungan pada penilaian mesin yang biasnya tak diketahui. Bila seluruh firma memakai satu alat AI untuk menilai kekuatan perkara, dan alat itu punya kecenderungan sistematis tertentu, firma bisa secara tak sadar memberi nasihat yang seragam bias kepada klien yang seharusnya menerima penilaian independen. Independensi profesional menuntut kesadaran bahwa alat pun punya "sudut pandang" yang harus diimbangi penilaian manusia.

Seluruh buku ini berujung pada satu artefak: kebijakan AI tertulis yang dimiliki firma. Tanpa kebijakan, semua prinsip di halaman-halaman sebelumnya hanya bergantung pada ingatan dan niat baik individu — dan Kasus 1 sampai 7 di Bab 21 menunjukkan betapa rapuhnya kedua hal itu di bawah tenggat. Kebijakan mengubah kehati-hatian dari sifat pribadi yang menguap menjadi sistem firma yang bertahan. Bab ini menyediakan empat komponen kebijakan yang bisa langsung Anda adaptasi: template kebijakan inti, skema klasifikasi data, program pelatihan, dan runbook insiden.

§ 24.1Template Kebijakan AI Firma

Kebijakan yang efektif ringkas, konkret, dan bisa dibaca dalam sepuluh menit oleh setiap orang firma. Berikut kerangka lengkapnya:

§ 24.2Klasifikasi Data — Jantung Kebijakan

Tanpa klasifikasi data, "hati-hati dengan data sensitif" hanyalah slogan. Klasifikasi menerjemahkan prinsip menjadi keputusan operasional: kelas ini, alat itu. Skema tiga (atau empat) kelas berikut mengembangkan matriks § 5.6 menjadi tabel operasional firma:

§ 24.3Program Pelatihan Staf

Kebijakan yang tak dilatih adalah kebijakan yang tak ada. Pelatihan mengubah dokumen menjadi perilaku. Program minimum yang efektif tidak menuntut banyak waktu — ia menuntut konsistensi:

• Orientasi awal (1 jam) untuk semua. Tiga pemisahan (alat, data, peran), demonstrasi halusinasi langsung agar terasa nyata, dan latihan anonimisasi 30 menit (§ 5.6) pada kontrak lama.
• Latihan "tebak siapa" berpasangan. Dua orang saling menilai hasil anonimisasi rekannya — cara tercepat menanamkan kesadaran quasi-identifier (Kasus 4, § 21.4).
• Pengarahan per bidang. Tim litigasi, korporasi, keluarga, dan seterusnya mendapat sesi bidangnya sendiri (Bab 11–20), karena pola risiko tiap bidang berbeda.
• Penyegaran tiap enam bulan. Bahas perubahan kebijakan vendor & regulasi; tinjau insiden (nyata atau simulasi) sebagai pelajaran bersama.
• Onboarding wajib. Setiap orang baru menjalani orientasi sebelum menyentuh perkara — tak ada pengecualian karena "sudah berpengalaman".

§ 24.4Runbook Tanggap Insiden — Bila Data Klien Bocor

Pertanyaannya bukan "apakah insiden akan terjadi" melainkan "apakah firma siap saat ia terjadi". Kasus 8 (§ 21.8) menunjukkan bahwa insiden yang ditangani dengan runbook siap-pakai justru bisa memperkuat kepercayaan, sementara yang ditangani dengan kepanikan menghancurkannya. Berikut runbook yang bisa firma adaptasi — disiapkan sekarang, dipakai saat panik.

Dengan kebijakan, klasifikasi, pelatihan, dan runbook di tangan, firma Anda telah menyelesaikan perjalanan buku ini: dari memahami risiko, ke mengunci alat, ke menganonimkan data, ke sepuluh bidang praktik, dan akhirnya ke sistem yang membuat seluruhnya bertahan melampaui niat baik individu. Yang tersisa hanyalah menjalankannya — dan meninjaunya kembali setiap enam bulan, karena dunia AI tidak akan berhenti bergerak.

Sepanjang buku ini prinsip dibangun berlapis; di sini prinsip yang sama dipadatkan menjadi jawaban langsung atas pertanyaan nyata. Bila Anda hanya sempat membaca satu bab sebelum rapat, jadikan ini bab itu — tetapi ingat, tiap jawaban singkat berdiri di atas bab yang menjelaskannya penuh.

T.1Bolehkah saya memakai ChatGPT gratis untuk pekerjaan kantor?

Untuk pekerjaan yang tidak menyentuh informasi klien sama sekali (K0–K1, § 24.2) — misalnya belajar konsep hukum umum — secara teknis bisa, tetapi kebiasaan itu berbahaya karena mengaburkan garis. Untuk apa pun yang menyentuh data klien: tidak pernah. Akun gratisan umumnya memakai percakapan untuk pelatihan dan tidak menawarkan DPA (Bab 3). Pakai akun firma berbayar.

T.2Apakah cukup memakai akun berbayar individu?

Belum tentu. Paket berbayar individu sering lebih baik dari gratis (kadang bisa opt-out pelatihan) tetapi umumnya tidak menyediakan DPA maupun kontrol admin firma. Untuk pekerjaan klien, standarnya adalah paket Team/Enterprise ber-DPA dengan pelatihan mati (Bab 3–4, § 22.1).

T.3Kalau saya sudah menganonimkan, apakah boleh pakai akun gratisan?

Tidak. Anonimisasi adalah lapisan kedua di atas akun yang benar, bukan pengganti akun yang benar (§ 5.1). Dua alasan: anonimisasi bisa bocor (quasi-identifier terlewat, Kasus 4), dan Anda tetap kehilangan perlindungan DPA. Berlapis, bukan memilih satu.

T.4Bagaimana saya tahu setelan pelatihan sudah mati?

Periksa sendiri di pengaturan akun, jangan berasumsi. Nama menunya berbeda antar vendor dan berubah dari waktu ke waktu, jadi verifikasi ke dokumen resmi vendor pada tanggal Anda memeriksanya, dan dokumentasikan bahwa Anda pernah melihat setelannya (Bab 4, Checklist § 10.3).

T.5Apakah AI boleh dipakai untuk mencari yurisprudensi?

Tidak untuk mencari. AI bukan perpustakaan; ia bisa mengarang putusan yang tak pernah ada (Kasus 2, § 21.2). Ambil sendiri putusan dari Direktori Putusan MA, lalu pakai AI untuk meringkas & membandingkan bahan yang sudah di tangan — setiap sitasi tetap dicek ke sumber (Bab 6–7).

T.6Seberapa sering AI berhalusinasi?

Cukup sering untuk tidak pernah dipercaya tanpa verifikasi, dan halusinasinya tersusun meyakinkan justru saat paling berbahaya (nomor putusan, pasal, angka). Perlakukan setiap keluaran seperti draf asisten cerdas yang kadang mengarang dengan percaya diri: berguna, tetapi wajib diperiksa (Bab 7).

T.7Bolehkah saya menagih klien untuk pekerjaan yang dipercepat AI?

Tagih waktu yang benar-benar Anda keluarkan — termasuk waktu memverifikasi keluaran AI, yang nyata dan berharga. Menagih delapan jam untuk pekerjaan satu jam adalah penipuan penagihan. Pertimbangkan model tarif tetap berbasis nilai untuk pekerjaan yang dipercepat AI (§ 23.2).

T.8Haruskah saya memberi tahu klien bahwa saya memakai AI?

Sebagai alat internal dengan kerahasiaan terjaga dan hasil terverifikasi, umumnya tidak menuntut pengungkapan khusus. Tetapi bila data klien akan dikirim ke layanan eksternal, bila klien bertanya, atau bila klien menetapkan batasan — keterbukaan wajib. Klausul AI dalam surat penunjukan menyelesaikan ini di muka (§ 23.4).

T.9Siapa yang bertanggung jawab kalau AI membuat kesalahan dalam dokumen saya?

Anda. AI tidak berlisensi, tidak bersumpah, dan tidak bisa dituntut. Advokat yang menandatangani dokumen bertanggung jawab atas isinya, apa pun alat yang membantunya. "Mesinnya yang salah" adalah penjelasan, bukan pembelaan (§ 23.3).

T.10Apakah dokumen yang saya unggah ke AI aman dari tuntutan pihak ketiga?

Bergantung pada retensi & yurisdiksi vendor. Data yang disimpan bisa tunduk pada permintaan hukum di negara tempat ia diproses. Inilah mengapa retensi pendek dan ZDR penting untuk data sensitif, dan mengapa residensi data relevan (§ 22.1, § 22.3). Untuk kelas T3, jalur ZDR atau tanpa AI cloud.

T.11Bagaimana dengan alat AI di dalam Word, email, atau aplikasi rapat?

Ia tunduk kebijakan yang sama. AI tidak selalu masuk lewat chatbot; ia menyelinap lewat fitur "cerdas" pada alat sehari-hari (Kasus 6–7). Inventarisasi shadow AI (Bab 9) harus mencakup semua alat yang menerima teks klien, termasuk penerjemah & perekam rapat. Rumuskan kebijakan berdasar aliran data, bukan nama produk.

T.12Firma saya kecil dan tak punya tim TI. Apakah ini terlalu berat?

Tidak. Program minimum bisa selesai dalam satu bulan: satu akun bisnis, satu DPA, matikan pelatihan, satu halaman kebijakan, satu jam pelatihan (Bab 9 & Bab 24). Justru firma kecil paling diuntungkan produktivitas AI, dan paling rentan bila satu insiden menghancurkan reputasi. Disiplinnya sederhana, bukan mahal.

T.13Apakah data klien saya dipakai melatih model kalau saya pakai akun enterprise?

Pada jalur bisnis/enterprise/API umumnya tidak — tetapi jangan berasumsi; pastikan lewat DPA yang menyatakannya eksplisit (klausul larangan pelatihan, § 22.3). Larangan pelatihan yang tertulis adalah salah satu dari tiga klausul garis-merah yang wajib ada.

T.14Apa bedanya ZDR dengan sekadar "pelatihan dimatikan"?

"Pelatihan mati" berarti data Anda tidak dipakai melatih model, tetapi mungkin tetap disimpan sementara (retensi). ZDR (Zero Data Retention) berarti data tidak disimpan sama sekali setelah permintaan selesai — permukaan risiko paling kecil. ZDR adalah standar untuk kelas T3, umumnya via API/enterprise (§ 22.1, § 5.6).

T.15Bolehkah AI dipakai untuk perkara pidana atau perceraian yang sangat sensitif?

Dengan sangat hati-hati, dan sering jawabannya tidak untuk AI cloud. Perkara pidana profil tinggi dan berkas keluarga memuat data paling sensitif dan paling mudah teridentifikasi (Bab 12, Bab 15). Kerja konseptual yang bisa dihipotetiskan penuh boleh; menempel berkas riil termasuk T3 — ZDR atau tanpa AI. Data anak & data kesehatan tak pernah ditempel.

T.16Kalau terjadi kebocoran, apa langkah pertama saya?

Lapor segera ke penanggung jawab insiden dan jalankan runbook (§ 24.4): bendung paparan, petakan data yang terpapar, nilai kewajiban notifikasi & tenggatnya, beri tahu klien/lembaga secara jujur, lalu perbaiki sistem. Jangan menutupi; transparansi yang cepat justru mempertahankan kepercayaan (Kasus 8). Siapkan runbook sekarang, bukan saat panik.

Glosarium § 10.2 menutup Jilid Pertama dengan istilah inti keamanan. Jilid Kedua memperkenalkan kosakata baru — teknis, kontraktual, dan taktis — yang layak dirangkum agar tidak ada pembaca tertinggal. Definisi di bawah singkat dan dikaitkan ke bab tempat istilah itu bekerja.

Quasi-identifier pengenal tak langsung

Informasi yang bukan nama tetapi, digabung, mengidentifikasi seseorang atau objek — jabatan unik, kombinasi tanggal+tempat+peristiwa, ciri objek yang khas. Sering lebih membocorkan daripada nama (§ 5.3, Kasus 4).

Tokenisasi tokenization

Teknik anonimisasi mengganti tiap identitas dengan token konsisten dalam kurung siku ([PIHAK A], [KARYAWAN 1]) sehingga struktur fakta terjaga tanpa identitas asli (§ 5.2).

Red-teaming

Menyuruh AI berperan sebagai lawan yang agresif untuk membongkar kelemahan posisi Anda sebelum lawan sungguhan melakukannya (Litigasi · 36, § 11.2).

BATNA / ZOPA

Alat analisis negosiasi: BATNA (alternatif terbaik bila kesepakatan gagal) dan ZOPA (zona kesepakatan yang mungkin). Dipakai menyiapkan mediasi (ADR · 72, § 18.2).

Conditions precedent syarat tangguh / CP

Syarat yang harus dipenuhi sebelum transaksi ditutup (persetujuan, perizinan). Dikelola lewat CP checklist dalam M&A (Korporasi · 45, § 13.1).

Change of control

Klausul kontrak yang terpicu bila kepemilikan/kendali suatu pihak berubah — sering memicu persetujuan, percepatan, atau pengakhiran; prioritas review dalam due diligence (§ 13.2).

Data room

Kumpulan dokumen yang diperiksa dalam uji tuntas M&A, sering memuat informasi material non-publik. Kelas T3 — hanya lingkungan ZDR firma (§ 13.2, Kasus 5).

Insider information informasi orang dalam

Informasi material emiten yang belum diumumkan; penyebarannya dapat melanggar hukum pasar modal. Alasan due diligence emiten menuntut kerahasiaan ekstrem (§ 13.2).

Rahasia dagang trade secret

Informasi bisnis bernilai yang perlindungan hukumnya bergantung pada terjaganya kerahasiaan; menempelkannya ke AI publik dapat menghapus dasar perlindungan itu (HKI · 69, § 17.2).

Parate eksekusi

Kewenangan kreditur pemegang jaminan tertentu mengeksekusi tanpa putusan pengadilan; syarat & batasnya wajib diverifikasi, terutama pasca putusan MK soal fidusia (Perbankan · 79, § 20.1).

APU-PPT

Anti Pencucian Uang & Pencegahan Pendanaan Terorisme — rezim kepatuhan wajib di sektor keuangan, relevan bagi klien perbankan & fintech (§ 20).

KKPR / PBG / SLF

Istilah perizinan tata ruang & bangunan pasca reformasi perizinan (Kesesuaian Kegiatan Pemanfaatan Ruang; Persetujuan Bangunan Gedung; Sertifikat Laik Fungsi) — wajib diverifikasi karena rezimnya berubah (§ 16).

Ratio decidendi / obiter dictum

Kaidah hukum yang menjadi dasar putusan (ratio) versus pernyataan sampingan (obiter). Dibedakan saat meringkas putusan (Riset · Ringkasan Putusan, § 6.1).

Obscuur libel

Gugatan yang kabur/tidak jelas — salah satu dasar eksepsi. Dipetakan saat menyusun jawaban (§ 11.1, § 12.2).

Tax planning vs tax evasion

Perencanaan pajak yang sah versus pengelakan yang melawan hukum; garis di antaranya adalah penilaian profesional yang tak bisa didelegasikan ke AI (§ 19.2).

Konvensi New York

Konvensi internasional tentang pengakuan & pelaksanaan putusan arbitrase asing; relevan saat mengeksekusi putusan lintas negara (ADR · 73, § 18.2).

Biaya total kepemilikan total cost of ownership

Biaya sebenarnya memakai AI: langganan + integrasi + administrasi + pelatihan + biaya risiko yang dihindari — bukan sekadar harga langganan bulanan (§ 22.2).

Subpemroses sub-processor

Pihak ketiga yang dipakai vendor (prosesor) untuk memproses data; DPA yang baik mewajibkan daftar & pemberitahuan perubahannya (§ 22.3).

Klasifikasi data data classification

Menetapkan kelas sensitivitas informasi (K0–K3) dan alat yang diizinkan untuk tiap kelas — jantung kebijakan AI firma (§ 24.2).

Runbook insiden

Prosedur langkah-demi-langkah yang disiapkan sebelum insiden untuk merespons kebocoran data dengan cepat, transparan, & terdokumentasi (§ 24.4, Kasus 8).

Amnesti melapor

Kebijakan yang melindungi staf yang melaporkan insiden/pelanggaran dini dari hukuman, agar kesalahan tertangkap sebelum meluas (§ 9.3, § 24.1).

Kompetensi teknologi technology competence

Dimensi kompetensi advokat yang menuntut pemahaman cukup atas alat (termasuk AI) untuk memanfaatkannya & mengenali risikonya; menolak memahaminya kini bentuk kelalaian halus (§ 23.1).

— Akhir Jilid Kedua —
Kembali ke Checklist Satu Halaman sebelum menempel apa pun ke AI.