KAJIAN ETIKA DAN MANAJEMEN RISIKO INFORMASI DALAM PEMANFAATAN GENERATIVE AI UNTUK PENGEMBANGAN PERANGKAT LUNAK

Abstrak

Generative Artificial Intelligence (GenAI) telah memicu transformasi radikal dalam siklus hidup pengembangan perangkat lunak (Software Development Life Cycle/SDLC), menawarkan efisiensi melalui otomatisasi kode dan debugging. Namun, adopsi teknologi ini menghadirkan kompleksitas baru terkait etika dan keamanan informasi, termasuk bias algoritmik, halusinasi kode, pelanggaran hak kekayaan intelektual, dan kebocoran data sensitif. Penelitian ini bertujuan untuk menganalisis implikasi etis dan merumuskan strategi manajemen risiko informasi dalam pemanfaatan GenAI bagi pengembang perangkat lunak. Metode penelitian yang digunakan adalah tinjauan literatur sistematis (Systematic Literature Review) dengan menganalisis 25 artikel ilmiah dan dokumen regulasi periode 2020–2025. Hasil penelitian menunjukkan bahwa meskipun GenAI, seperti model Large Language Models (LLM), meningkatkan produktivitas hingga 45%, penggunaannya tanpa tata kelola yang ketat meningkatkan risiko kerentanan keamanan siber dan masalah legalitas. Studi ini merekomendasikan kerangka kerja mitigasi risiko yang mencakup pendekatan Human-in-the-Loop (HITL), audit algoritma berkala, serta kepatuhan ketat terhadap Undang-Undang Perlindungan Data Pribadi (UU PDP). Kesimpulannya, integrasi GenAI dalam rekayasa perangkat lunak harus menyeimbangkan inovasi teknis dengan tanggung jawab etis dan kepatuhan regulasi.

Generative Artificial Intelligence (GenAI) has triggered a radical transformation in the Software Development Life Cycle (SDLC), offering efficiency through code automation and debugging. However, the adoption of this technology introduces new complexities regarding ethics and information security, including algorithmic bias, code hallucinations, intellectual property infringement, and sensitive data leakage. This Study aims to analyze ethical implications and formulate information risk management strategies in utilizing GenAI for software developers. The research method used is a Systematic Literature Review (SLR) by analyzing 25 scientific articles and regulatory documents from 2020–2025. The results indicate that while GenAI, such as Large Language Models (LLM), increases productivity by up to 45%, its use without strict governance increases cybersecurity vulnerabilities and legal issues. This study recommends a risk mitigation framework that includes a Human-in-the-Loop (HITL) approach, periodic algorithm audits, and strict compliance with the Personal Data Protection Law (UU PDP). In conclusion, integrating GenAI into software engineering must balance technical innovation with ethical responsibility and regulatory compliance.