Pasal.id MCP: Legal Layer untuk Agentic AI Indonesia

Ada satu masalah yang bikin banyak AI di Indonesia terasa setengah matang:

dia lancar ngomong, tapi sering tidak punya pegangan lokal yang rapi.

Untuk topik biasa, ini mungkin cuma bikin jawaban kurang tajam.

Untuk hukum, ini bahaya.

AI yang mengarang pasal lebih buruk daripada tidak punya AI sama sekali.

Makanya Pasal.id MCP menarik. Bukan karena ia sekadar “search hukum pakai AI”. Itu terlalu kecil.

Yang menarik adalah ini:

Pasal.id MCP bisa menjadi legal intelligence layer untuk agentic AI Indonesia.

Bukan chatbot hukum sok pintar. Bukan pengganti lawyer. Tapi layer kerja yang membuat AI agent bisa mencari peraturan Indonesia, membaca pasal tertentu, melihat konteks, menelusuri relasi, lalu menyusun memo atau checklist yang bisa dicek manusia.

Ini beda kelas.

Kenapa MCP Membuat Ini Lebih Penting

MCP, atau Model Context Protocol, adalah cara standar agar AI agent bisa terhubung ke sistem eksternal sebagai tool.

Kalau API biasa dipakai programmer, MCP dipakai langsung oleh agent.

Bedanya penting:

• API biasa: manusia atau aplikasi menulis query, parse response, lalu mengolah sendiri.
• MCP: AI agent bisa memilih tool yang tepat, menjalankan pencarian, membaca hasil, lalu menyusun langkah berikutnya.

Dengan Pasal.id MCP, agent tidak harus menjawab dari memori model.

Dia bisa bekerja:

1. mencari peraturan saat rujukannya belum jelas,
2. resolve nama atau kutipan peraturan menjadi law ID yang tepat,
3. membaca selector seperti pasal 27, bab III, menimbang, atau penjelasan pasal 5,
4. mengambil konteks ringkas, outline, dan relasi peraturan,
5. mencari putusan Mahkamah Konstitusi,
6. melaporkan masalah data kalau ada OCR salah, pasal hilang, atau isi tidak konsisten.

Untuk agentic AI, ini bukan fitur kecil.

Ini fondasi.

Breakthrough-nya Ada di Indonesia Context

Indonesia punya banyak data hukum, tapi aksesnya sering pecah-pecah.

Ada PDF. Ada situs kementerian. Ada JDIH. Ada peraturan daerah. Ada putusan. Ada perubahan, pencabutan, lampiran, penjelasan, dan format dokumen yang kadang bikin mesin ikut sakit kepala.

Masalahnya bukan cuma “datanya ada atau tidak”.

Masalahnya adalah:

apakah data itu bisa dipakai oleh sistem yang bekerja cepat, berulang, dan butuh rujukan presisi?

Agentic AI butuh tiga hal:

• struktur,
• retrieval,
• provenance.

Pasal.id mulai mengisi celah itu untuk hukum Indonesia.

Kalau ini dipakai serius, AI di Indonesia bisa naik kelas dari chatbot tanya-jawab menjadi operator riset awal.

Sekali lagi: bukan mengganti lawyer.

Tapi mengurangi waktu pencarian, mempercepat pemetaan risiko, dan membuat orang datang ke lawyer dengan pertanyaan yang jauh lebih matang.

Usecase Personal: Hukum Jadi Lebih Reachable

Untuk personal, Pasal.id MCP bisa menjadi asisten hukum awal.

Bukan untuk memberi legal opinion final, tapi untuk menjawab pertanyaan dasar dengan rujukan yang lebih jelas.

Contoh:

• “Apa isi Pasal 27 ayat (3) UU ITE?”
• “Cari aturan soal PHK karena efisiensi.”
• “Apa dasar hukum upah lembur?”
• “Apakah ada putusan MK terkait presidential threshold?”
• “Ringkas UU PDP bagian hak subjek data.”
• “Baca pasal tentang cuti melahirkan dan jelaskan dengan bahasa awam.”

Yang penting: AI tidak perlu pura-pura tahu.

Dia bisa mencari dulu.

Workflow personal yang bagus kira-kira begini:

1. Tanya dengan bahasa biasa.
2. Agent resolve peraturan yang relevan.
3. Agent baca pasal atau bagian tertentu.
4. Agent jawab ringkas dengan rujukan.
5. Untuk keputusan penting, user cek sumber resmi atau konsultasi lawyer.

Ini membuat hukum lebih reachable.

Bukan berarti semua orang jadi ahli hukum. Tapi hambatan awal turun drastis.

Dan itu sudah besar.

Usecase Perusahaan: Legal Research Masuk Workflow Harian

Untuk perusahaan, nilainya lebih besar.

Banyak pekerjaan legal dan compliance bukan langsung soal sidang besar atau sengketa mahal.

Banyak yang sebenarnya pekerjaan awal:

• mencari dasar hukum,
• mengecek pasal,
• memetakan kewajiban,
• validasi rujukan dokumen,
• menyiapkan pertanyaan untuk lawyer,
• memastikan tim tidak asal copy-paste regulasi lama.

Pasal.id MCP bisa masuk ke banyak workflow operasional.

1. Compliance Checking Awal

Agent bisa diminta mengecek regulasi terkait topik tertentu.

Misalnya:

• K3 untuk alat industri,
• TKDN untuk proyek pengadaan,
• ketenagakerjaan untuk kontrak karyawan,
• perlindungan data pribadi untuk form pelanggan,
• perizinan usaha untuk aktivitas operasional.

Output yang diinginkan bukan legal opinion final.

Output yang benar adalah daftar rujukan awal:

• peraturan,
• pasal,
• status,
• ringkasan,
• bagian yang perlu dicek manusia.

Itu jauh lebih aman.

2. Tender dan Proposal

Dalam tender, sering ada klaim seperti “sesuai dengan ketentuan X” atau “mengacu pada peraturan Y”.

Masalahnya: banyak tim proposal asal tempel regulasi dari dokumen lama.

Kadang masih berlaku. Kadang sudah diubah. Kadang konteksnya salah.

Agent dengan Pasal.id MCP bisa membantu:

• mencari dasar hukum yang relevan,
• mengecek apakah peraturan masih relevan,
• mengambil pasal yang tepat,
• membuat catatan rujukan untuk tim proposal.

Untuk Radian Group, ini langsung kepakai.

Tender engineering, panel listrik, industrial automation, K3, procurement, TKDN, vendor compliance — semuanya sering bersentuhan dengan regulasi.

3. HR dan Ketenagakerjaan

HR butuh jawaban cepat, tapi harus hati-hati.

Topiknya sensitif:

• lembur,
• cuti,
• PHK,
• PKWT/PKWTT,
• pesangon,
• jam kerja,
• THR,
• kontrak karyawan.

Agent bisa menyusun memo awal dengan struktur:

• isu,
• peraturan relevan,
• pasal kunci,
• ringkasan isi,
• pertanyaan yang harus dikonfirmasi ke HR lead atau lawyer.

Ini bukan mengganti judgment HR.

Ini membuat diskusi HR tidak mulai dari nol.

4. Contract Review Assistant

Agent bisa membaca draft kontrak, lalu mengecek rujukan hukum tertentu.

Misalnya:

• apakah klausul data pribadi mengacu ke UU PDP,
• apakah klausul tenaga kerja perlu rujukan tambahan,
• apakah klausul confidentiality cukup jelas,
• apakah ada pasal yang menyebut peraturan lama yang sudah dicabut atau diubah.

Lagi-lagi: bukan final legal opinion.

Tapi sebagai review awal, ini powerful.

5. Internal Legal Knowledge Base

Bagian paling menarik adalah kombinasi hukum publik dan knowledge internal perusahaan.

Bayangkan Radian punya layer internal:

• daftar regulasi yang sering dipakai,
• memo interpretasi internal,
• checklist compliance,
• template rujukan pasal,
• history pertanyaan dan jawaban,
• SOP tender,
• template kontrak vendor.

Pasal.id MCP menjadi retrieval layer hukum publiknya.

Knowledge base perusahaan menjadi konteks internalnya.

Agent menggabungkan keduanya.

Ini baru agentic AI yang beneran berguna: bukan hanya menjawab, tapi membantu kerja.

Contoh Workflow Agentic yang Menarik

Workflow 1: Cek Risiko Kontrak Vendor

Prompt:

Review kontrak vendor ini. Fokus pada perlindungan data pribadi, kewajiban kerahasiaan, dan rujukan hukum Indonesia. Pakai Pasal.id untuk cek pasal relevan. Jangan kasih legal opinion final. Buat memo risiko awal.

Agent melakukan:

1. membaca kontrak,
2. mendeteksi klausul data dan kerahasiaan,
3. mencari UU PDP dan pasal terkait,
4. membaca pasal relevan,
5. menyusun memo risiko,
6. menandai bagian yang harus dicek lawyer.

Output:

• klausul yang terlihat aman,
• klausul yang lemah,
• pasal rujukan,
• pertanyaan untuk lawyer,
• rekomendasi revisi awal.

Workflow 2: Tender Compliance Pack

Prompt:

Cari regulasi Indonesia yang relevan untuk tender panel listrik industri. Fokus K3, TKDN, dan pengadaan. Buat daftar rujukan awal dengan pasal penting.

Agent melakukan:

1. search regulasi K3 dan kelistrikan,
2. search aturan TKDN,
3. baca bagian penting,
4. susun rujukan proposal,
5. beri catatan status berlaku/diubah/dicabut jika tersedia.

Output:

• daftar peraturan,
• pasal yang perlu dikutip,
• catatan risiko,
• checklist dokumen pendukung.

Untuk tim proposal, ini bisa menghemat jam kerja dan mengurangi risiko rujukan asal-asalan.

Workflow 3: HR Policy Update

Prompt:

Bantu update policy lembur internal. Cari dasar hukum terbaru soal jam kerja dan lembur. Buat draft memo untuk HR.

Agent melakukan:

1. mencari regulasi ketenagakerjaan,
2. membaca pasal terkait,
3. membandingkan dengan policy internal,
4. menandai gap,
5. membuat draft memo.

Output:

• pasal rujukan,
• ringkasan aturan,
• gap policy,
• draft revisi awal.

Workflow 4: Owner Brief Before Meeting

Ini usecase personal + company yang paling praktis.

Prompt:

Radit, aku mau meeting soal kerja sama vendor. Cek dulu potensi isu hukum umum: confidentiality, data pribadi, pembayaran, dan terminasi. Buat brief 1 halaman. Pisahkan fakta hukum, asumsi, dan pertanyaan untuk lawyer.

Agent bisa menghasilkan:

• legal points yang perlu diperhatikan,
• rujukan awal,
• red flag,
• daftar pertanyaan meeting,
• bagian yang harus eskalasi.

Ini bukan glamorous.

Tapi ini tipe workflow yang benar-benar dipakai owner.

Kenapa Agentic AI Lebih Cocok daripada Chatbot Biasa

Chatbot biasa cenderung berhenti di jawaban.

Agentic AI bisa menjalankan proses:

• cari,
• baca,
• bandingkan,
• susun memo,
• buat checklist,
• simpan arsip,
• jadwalkan follow-up,
• minta review manusia saat risikonya tinggi.

Untuk hukum, pola ini lebih aman.

Kita tidak mau AI sok tahu.

Kita mau AI bekerja seperti junior analyst yang rajin: cari sumber, baca bagian relevan, tulis ringkasan, lalu eskalasi bagian yang butuh judgment manusia.

Itu posisi yang sehat.

Desain Sistem untuk Radian

Untuk personal atau perusahaan, arsitektur dasarnya bisa seperti ini:

User / Tim
 ↓
AI Agent / Hermes / Radit
 ↓
MCP tools
 ↓
Pasal.id legal database
 ↓
Jawaban + kutipan + workflow lanjutan

Untuk perusahaan, tambah layer internal:

Dokumen internal perusahaan
SOP / kontrak / memo / template
 ↓
AI Agent
 ↙       ↘
Pasal.id   Internal knowledge base
 ↓          ↓
Memo, checklist, draft, risk map

Kuncinya: jangan biarkan model menjawab dari kepala kosong.

Paksa agent mengambil sumber.

Untuk Radian, bentuk praktisnya bisa seperti ini:

"Radit, cek regulasi yang relevan untuk proyek ini.
Buat memo 1 halaman.
Pisahkan fakta hukum, asumsi, dan pertanyaan untuk lawyer."

Itu jauh lebih bernilai daripada chatbot yang cuma menjawab panjang.

Guardrail yang Wajib Ada

Sistem seperti ini kuat, tapi jangan dipakai bodoh.

Guardrail minimal:

1. Semua jawaban hukum harus mencantumkan rujukan peraturan/pasal jika tersedia.
2. Agent harus membedakan teks hukum, ringkasan, dan interpretasi.
3. Untuk keputusan bernilai tinggi, agent wajib eskalasi ke manusia atau lawyer.
4. Jangan pakai AI untuk memberi nasihat hukum final tanpa review profesional.
5. Simpan log pencarian dan sumber yang dipakai.
6. Kalau data terlihat rusak atau tidak cocok, gunakan fitur report issue.
7. Jangan unggah dokumen rahasia ke sistem eksternal tanpa kebijakan privacy yang jelas.

AI legal system yang baik bukan yang paling berani menjawab.

Yang baik adalah yang tahu kapan harus berhenti.

Dampak Lebih Luas untuk Indonesia

Kalau sistem seperti ini matang, efeknya bisa besar.

UMKM bisa memahami kewajiban dasar tanpa harus mulai dari nol.

Founder bisa mengecek risiko awal sebelum tanda tangan dokumen.

HR bisa lebih hati-hati.

Tim tender bisa lebih rapi.

Lawyer bisa menerima pertanyaan yang lebih terstruktur, bukan chat mentah yang berantakan.

Ini bukan demokratisasi hukum dalam arti murahan.

Hukum tetap butuh ahli.

Tapi akses awal ke hukum bisa dibuat jauh lebih baik.

Agentic AI + legal database Indonesia adalah kombinasi yang masuk akal karena Indonesia punya kompleksitas regulasi yang tinggi, sementara kapasitas legal formal tidak selalu dekat dengan kebutuhan operasional harian.

Di situlah breakthrough-nya.

Bukan AI menggantikan hukum.

Tapi AI membuat hukum lebih bisa dipakai.

Prinsip Pemakaian

Pakai Pasal.id MCP untuk:

• mencari,
• membaca,
• merangkum,
• membandingkan,
• membuat checklist,
• menyiapkan memo,
• menyiapkan pertanyaan untuk ahli.

Jangan pakai untuk:

• keputusan hukum final tanpa review,
• opini hukum bernilai tinggi tanpa lawyer,
• menyimpulkan status regulasi kalau data belum diverifikasi,
• mengunggah dokumen rahasia tanpa izin.

Dengan posisi yang benar, sistem ini sangat berguna.

Kesimpulan

Pasal.id MCP adalah salah satu building block penting untuk agentic AI Indonesia.

Ia memberi agent akses ke hukum Indonesia dengan cara yang lebih terstruktur: cari peraturan, resolve rujukan, baca pasal, ambil konteks, cek putusan MK, dan laporkan masalah data.

Untuk personal, ini membuat hukum lebih mudah dijangkau.

Untuk perusahaan, ini bisa menjadi legal research engine awal yang masuk ke workflow HR, tender, kontrak, compliance, dan operasional.

Untuk Radian, ini bisa masuk ke Hermes/Radit sebagai legal research layer: membantu owner, HR, procurement, proposal, dan engineering sebelum eskalasi ke ahli.

Untuk ekosistem AI Indonesia, ini penting karena agent akhirnya punya akses yang lebih grounded ke sumber hukum lokal.

Bukan sekadar model global yang mencoba mengingat-ingat Indonesia dari training data.

Kalau kita serius membangun AI yang berguna di Indonesia, sistem seperti ini harus jadi bagian dari stack.

AI yang bisa membaca hukum Indonesia dengan benar jauh lebih berguna daripada AI yang cuma lancar bicara.