Pertanyaan paling fundamental tentang AI mungkin bukan "bisa apa?", melainkan "bisa memprediksi apa?" Kemampuan forecasting—meramal masa depan berdasarkan data masa lalu—telah menjadi holy grail bagi ilmuwan data dan pembuat kebijakan selama puluhan tahun. Kini, dengan kebangkitan large language models dan time-series foundation models, kita perlu bertanya: apakah AI benar-benar membuat kita lebih baik dalam memprediksi, atau sekadar lebih percaya diri dalam ketidakpastian?

Bukti Empiris: AI vs Manusia

Studi terbaru dari UC Berkeley dan MIT menunjukkan hasil yang nuanced:

  • Domain terstruktur (cuaca, demand forecasting): AI mengungguli manusia sebesar 23-40%
  • Domain semi-terstruktur (pasar saham, GDP): AI mengungguli manusia sebesar 8-15%
  • Domain tidak terstruktur (geopolitik, tren sosial): AI dan manusia hampir setara, bahkan terkadang manusia lebih unggul

Pesan kuncinya: AI unggul ketika ada pola historis yang kuat dan data kuantitatif yang melimpah. Ia kesulitan ketika faktor "black swan" mendominasi.

Forecasting di Dunia Pajak

Untuk konteks teknologi pajak, AI forecasting punya aplikasi yang sangat konkret:

  • Proyeksi penerimaan pajak: Model time-series bisa memproyeksikan penerimaan tahunan dengan akurasi 94% (vs 87% metode tradisional)
  • Detection evasion patterns: AI bisa mengidentifikasi pola penghindaran pajak sebelum terjadi berdasarkan anomali data historis
  • Impact assessment regulasi: Simulasi dampak perubahan tarif pajak terhadap penerimaan dan kepatuhan
"AI tidak memberikan kristal bola. Ia memberikan kalkulator probabilitas yang jauh lebih canggih—tapi probabilitas bukan kepastian." — Karen Shidlo

Limitasi Fundamental

Tiga limitasi yang perlu dipahami:

  • Data bias: Model forecasting belajar dari masa lalu. Jika masa lalu bias, prediksi juga bias
  • Regime change: Event seperti pandemi atau perubahan regulasi mendadak membuat data historis tidak relevan
  • Overconfidence: AI cenderung menghasilkan confidence interval yang terlalu sempit, underestimating ketidakpastian

Kesimpulan

AI membuat kita lebih baik dalam forecasting, terutama di domain terstruktur. Tapi "lebih baik" bukan "akurat." Paradoksnya, AI paling berharga bukan saat ia memberikan jawaban yang benar, melainkan saat ia membantu kita memahami apa yang tidak kita ketahui—mengkuantifikasi ketidakpastian itu sendiri. Dan dalam dunia pajak, di mana keputusan berdampak triliunan rupiah, pemahaman tentang batas prediksi sama pentingnya dengan prediksi itu sendiri.