Sebuah sistem berbasis kecerdasan buatan (AI) yang digunakan untuk memperkirakan kemampuan bayar warga Kenya dalam mengakses layanan kesehatan justru secara sistematis meningkatkan biaya bagi kelompok miskin, demikian temuan sebuah investigasi.
Sistem layanan kesehatan yang tengah diterapkan secara nasional ini—yang merupakan janji kampanye utama Presiden William Ruto—diluncurkan pada Oktober 2024 untuk menggantikan skema asuransi nasional yang telah berjalan selama puluhan tahun.
Diklaim sebagai upaya “mempercepat transformasi digital”, sistem ini bertujuan memperluas akses layanan kesehatan bagi sektor informal Kenya—yang mencakup buruh harian, pedagang kaki lima, petani, dan pekerja tanpa gaji tetap—yang menyumbang sekitar 83% dari total tenaga kerja.
“Tidak ada warga Kenya yang akan tertinggal,” ujar Ruto di hadapan massa dalam kampanye presiden 2023 di Kericho, saat menjanjikan akses layanan kesehatan yang terjangkau bagi seluruh warga.
Janji Berubah Jadi Kontroversi
Namun, kebijakan tersebut justru memicu protes dan kemarahan publik. Iuran kesehatan kini dihitung menggunakan formula yang disebut “cacat” dan dinilai minim transparansi.
Meski disebut sebagai sistem berbasis AI, solusi yang diusung Ruto ini tidak menggunakan teknologi mutakhir seperti model bahasa besar semacam ChatGPT. Sebaliknya, sistem ini mengandalkan algoritma pembelajaran mesin prediktif untuk menentukan besaran iuran melalui proses uji kemampuan ekonomi (means-testing).
Investigasi selama berbulan-bulan oleh Africa Uncensored bersama Lighthouse Reports mengungkap rincian penting sistem ini. Hasil audit menunjukkan bahwa sejak awal, sistem tersebut secara sistematis membebankan biaya berlebih kepada warga miskin—dengan melebih-lebihkan pendapatan mereka—sementara justru meremehkan pendapatan kelompok kaya sehingga mereka membayar lebih rendah.
Pendataan Intrusif, Hasil Tak Terjangkau
Setiap hari, seorang relawan bernama Grace Amani* mendatangi rumah warga untuk mengajukan berbagai pertanyaan, mulai dari yang tidak biasa hingga yang bersifat sangat pribadi: jenis toilet, bahan atap rumah, hingga kepemilikan radio.
Ia membantu warga mengisi puluhan pertanyaan melalui kuesioner digital di ponsel—mulai dari jamban sederhana, atap seng, hingga tidak memiliki radio. Banyak warga kebingungan, bahkan merasa seperti sedang diselidiki.
Setelah data diisi, sistem akan menghasilkan angka iuran tahunan yang harus dibayar oleh rumah tangga tersebut.
“Orang-orang meninggal, orang-orang menderita. Mereka kira ini akan membantu,” kata Amani.
Sebagai ibu dari 10 anak, Amani juga termasuk yang menilai sistem ini tidak berjalan sebagaimana mestinya dan justru menghukum kelompok paling miskin.
Warga yang ia daftarkan merupakan kelompok termiskin di Nairobi, namun banyak dari mereka dikenakan iuran yang tidak mampu mereka bayar—bahkan mencapai 10% hingga 20% dari pendapatan yang sangat minim.
Ia juga menyaksikan pasien dalam kondisi kritis gagal mendapatkan perawatan karena tidak mampu membayar iuran yang ditentukan sistem.
Akses Layanan Terancam
Warga tanpa asuransi swasta yang tidak membayar iuran Social Health Authority (SHA) berisiko ditolak di fasilitas kesehatan atau dikenai biaya rumah sakit yang sangat tinggi. Bagi sebagian orang, hal ini berarti kehilangan akses terhadap layanan medis.
“Orang-orang meninggal di rumah. Banyak yang tidak bisa ke rumah sakit. Mereka harus memilih: bayar SHA, beli makanan, atau bayar sewa rumah kecil mereka,” ujar Amani.
Keluhan juga membanjiri media sosial. Banyak warga mengaku iuran mereka melonjak drastis.
“Dari sebelumnya kesulitan membayar 500 shilling Kenya menjadi 1.030 shilling,” tulis seorang pengguna.
Seorang ibu tunggal bahkan menulis, “Tuhan kasihanilah saya,” setelah iuran bulanannya ditetapkan sebesar 3.500 shilling.
Kebijakan yang Disengaja
David Khaoya, ekonom kesehatan yang pernah menjadi penasihat kementerian kesehatan Kenya, menyebut bahwa kelemahan sistem ini sebenarnya telah diketahui.
Menurutnya, keterbatasan sistem memaksa pemerintah memilih antara menghitung secara akurat kelompok miskin atau kelompok kaya. Pemerintah disebut memilih memprioritaskan akurasi pada kelompok kaya, meski konsekuensinya adalah membebani warga miskin secara berlebihan.
“Jika orang kaya dianggap miskin dan diminta membayar lebih sedikit, mereka tidak akan pernah mengaku bahwa seharusnya mereka membayar lebih,” ujarnya.
Metode Lama dengan Masalah Lama
Sistem ini didasarkan pada metode lama Bank Dunia yang disebut proxy means testing (PMT), yaitu pendekatan untuk memperkirakan pendapatan berdasarkan aset dan kondisi hidup, seperti jumlah anak atau jenis tempat tinggal.
Metode ini telah digunakan dalam berbagai program di Afrika, Asia, dan Pasifik, sering kali sebagai syarat pinjaman dari Bank Dunia.
Di Kenya, metode ini diterapkan dengan mengirim relawan ke rumah-rumah untuk mencatat kondisi seperti bahan atap, kepemilikan ternak, dan jumlah anak, yang kemudian dimasukkan ke dalam algoritma untuk menentukan pendapatan dan iuran.
Namun, hasil audit menunjukkan sistem ini sering kali salah menilai. Dalam banyak kasus, pendapatan keluarga diperkirakan jauh lebih tinggi dari kondisi sebenarnya—misalnya hanya karena memiliki listrik atau rumah sendiri.
Masalah Global yang Berulang
Sistem serupa telah menyebar ke berbagai negara dan digunakan untuk menentukan penerima bantuan seperti subsidi makanan atau bantuan tunai.
Namun, para peneliti seperti Stephen Kidd menilai metode ini tidak efektif. Dalam beberapa kasus, kesalahan klasifikasi sangat tinggi—bahkan mencapai 82% di Indonesia dan 90% di Rwanda.
Di Kenya, audit menunjukkan lebih dari separuh rumah tangga miskin dikenai biaya berlebih, sementara kelompok kaya justru diremehkan pendapatannya.
Kidd menjelaskan bahwa kemiskinan bersifat dinamis dan sulit diukur hanya dari indikator seperti atap seng atau jenis toilet.
Selain itu, algoritma semacam ini bersifat tidak transparan dan justru menggerus kepercayaan publik terhadap pemerintah.
“Rasanya seperti lotere. Dan lotere bukan cara yang baik untuk membangun kepercayaan,” ujarnya.
Peringatan Sudah Diabaikan
Sebuah laporan dari konsultan data internasional IDinsight—yang diperoleh wartawan—sebenarnya telah memperingatkan bahwa sistem SHA “cacat” dan “tidak adil, terutama bagi rumah tangga berpenghasilan rendah”.
Laporan tersebut juga menyebut data yang digunakan tidak representatif dan sudah ketinggalan zaman akibat berbagai guncangan ekonomi di Kenya.
Meski demikian, pemerintah tetap meluncurkan sistem tersebut.
Dari lebih dari 20 juta warga yang terdaftar, hanya sekitar 5 juta yang secara rutin membayar iuran. Sejumlah rumah sakit bahkan melaporkan defisit besar karena klaim pembayaran dari SHA belum dibayarkan.
Pada Maret lalu, mantan wakil presiden Rigathi Gachagua memperingatkan bahwa sistem ini “akan runtuh dalam enam bulan ke depan”.
‘Eksperimen yang Gagal’
Dr Brian Lishenga, Ketua Asosiasi Rumah Sakit Swasta Pedesaan dan Perkotaan Kenya, menjadi salah satu kritikus paling vokal terhadap sistem ini.
Ia pertama kali mengenal konsep PMT dalam sebuah konferensi di Naivasha, saat pemerintah dan donor internasional membahas implementasinya.
Kini, ia menilai sistem tersebut sebagai kegagalan total.
“Ini adalah eksperimen yang gagal,” katanya.
“Ini alat yang sangat buruk untuk mengidentifikasi rumah tangga miskin. Tapi sangat efektif untuk membantu pemerintah menghindari tanggung jawab.”
* Nama telah diubah untuk melindungi identitas narasumber.
