Aplikasi 'Kebaikan' Hadir, Teknologi Dorong Masyarakat Lebih Peduli dan Saling Menolong

Startup teknologi sosial PeduliTek resmi meluncurkan aplikasi “Kebaikan” yang mengintegrasikan kecerdasan buatan untuk mempertemukan individu ingin membantu dengan mereka yang membutuhkan uluran tangan. Aplikasi ini hadir di tengah meningkatnya kebutuhan platform digital yang dapat menerjemahkan niat baik menjadi tindakan nyata secara efisien. Hanya dalam waktu kurang dari dua bulan sejak peluncuran beta, tercatat lebih dari 150.000 pengguna telah mengunduh aplikasi dan 12.000 aksi sosial berhasil dijembatani—mulai dari distribusi makanan, pendampingan lansia, hingga bantuan dana darurat medis. “Kami ingin kebaikan menjadi lebih mudah diakses dan lebih terukur dampaknya,” ujar CEO PeduliTek, Dimas Arkananta, dalam konferensi pers virtual hari Kamis.

Berbeda dari platform donasi konvensional, Kebaikan memanfaatkan algoritma rekomendasi berbasis analisis lokasi, kategori bantuan, dan riwayat aktivitas pengguna untuk menampilkan “peluang kebaikan” yang paling sesuai. Pengguna bisa memilih bertindak sebagai “Pemberi” atau “Penerima”, lalu sistem secara otomatis mencocokkan permintaan dengan penawaran dalam radius tertentu. Fitur verifikasi identitas berlapis dan sistem reputasi pengguna diterapkan guna meminimalkan penyalahgunaan, menjawab kekhawatiran publik akan transparansi dan keamanan platform berbasis kebaikan.

Mekanisme dan Kekuatan AI di Balik Kebaikan

Inti dari aplikasi ini adalah mesin rekomendasi yang dibangun di atas model pembelajaran mesin ringan, dilatih dengan data terbuka mengenai pola relawan dan bantuan sosial di Indonesia. Sistem tidak hanya memprioritaskan kedekatan geografis, tetapi juga mempertimbangkan urgensi waktu dan kecocokan jenis bantuan. Sebagai contoh, pengguna yang sering terlibat dalam bantuan pendidikan akan lebih sering mendapatkan notifikasi permintaan tutor bagi anak-anak prasejahtera. Menurut Chief Technology Officer PeduliTek, Rina Melati, model ini mencapai tingkat kecocokan 94% dalam pengujian internal—artinya hanya 6 dari 100 rekomendasi yang ditolak atau diabaikan pengguna.

Sistem pemrosesan bahasa alami (NLP) juga diintegrasikan untuk menyaring dan mengkategorikan permintaan yang masuk secara otomatis, sehingga tim moderasi manusia hanya perlu menangani sekitar 15% dari total unggahan. Ini memangkas waktu verifikasi dari rata-rata 4 jam menjadi 12 menit, memungkinkan respons cepat dalam situasi darurat, seperti bencana lokal atau kebutuhan medis mendesak.

Tantangan dan Prospek ke Depan

Meski menjanjikan, adopsi massal aplikasi sosial seperti Kebaikan masih menghadapi sejumlah tantangan. Pertama adalah kesenjangan digital: sekitar 40% wilayah pedesaan yang membutuhkan bantuan justru belum memiliki akses internet stabil. PeduliTek berencana meluncurkan versi ringan dan mode offline dengan sinkronisasi berkala. Selain itu, potensi “kebaikan performatif”—aksi sosial yang lebih berorientasi pencitraan—menjadi perhatian para peneliti. “Kita harus memastikan teknologi tidak justru menggeser motivasi intrinsik berbuat baik menjadi sekadar transaksi sosial yang terukur,” ujar Dr. Andi Suryanto, sosiolog digital dari Universitas Gadjah Mada.

Ke depan, tim pengembang tengah menguji fitur prediktif yang dapat mengidentifikasi wilayah atau kelompok masyarakat yang berpotensi memerlukan bantuan sebelum krisis terjadi—menggunakan data agregat indikator sosial ekonomi, cuaca ekstrem, dan pola pencarian daring. Fitur ini diharapkan mampu mengubah Kebaikan dari platform reaktif menjadi sistem antisipatif, sejalan dengan visi besar “kebaikan berbasis data” yang diusung startup tersebut.