Simulasi Dampak Kebijakan — Menguji Rancangan Undang-Undang Sebelum Dipublikasikan

Simulasi dampak kebijakan memungkinkan Anda melihat bagaimana berbagai kelompok cenderung bereaksi terhadap suatu kebijakan atau rancangan undang-undang sebelum dipublikasikan. Anda mengunggah rancangan dan dokumen pendukung, agen AI yang mewakili warga negara, bisnis, serikat pekerja, media, dan pejabat mendiskusikannya dalam jaringan sosial simulasi, dan agen analis merangkum dari mana dukungan, penentangan, dan tekanan kemungkinan akan datang. Hasilnya bukanlah ramalan yang dapat Anda andalkan sepenuhnya, tetapi hipotesis terstruktur yang membantu Anda mempersiapkan rumusan yang lebih baik, argumen yang lebih baik, dan pilihan yang lebih baik.

Mengapa menguji kebijakan sebelum mempublikasikannya?

Sebagian besar kebijakan dinilai oleh publik dalam beberapa hari pertama setelah kebijakan tersebut muncul. Satu kalimat tentang siapa yang membayar, siapa yang dikecualikan, atau siapa yang memutuskan dapat menentukan seluruh perdebatan. Alat-alat tradisional, seperti putaran konsultasi, jajak pendapat, dan kelompok fokus, memang berharga tetapi lambat, mahal, dan biasanya dilakukan setelah teks kebijakan tersebut dipublikasikan.

Simulasi mengisi kekosongan sebelum momen itu terjadi. Simulasi membantu Anda menjawab pertanyaan-pertanyaan praktis:

• Kelompok mana yang akan merasa dirugikan, meskipun kebijakan tersebut secara keseluruhan menguntungkan mereka?
• Argumen mana yang akan digunakan lawan terlebih dahulu, dan mana yang akan menyebar paling luas?
• Klausul mana yang akan dikutip di luar konteks?
• Apakah penjelasan yang Anda siapkan benar-benar mengurangi kebingungan, atau malah menimbulkan pertanyaan baru?

Tujuannya adalah untuk mewujudkan peluncuran publik dengan lebih sedikit kejutan, bukan untuk menggantikan konsultasi demokratis.

Cara kerja simulasi rancangan undang-undang

Di InfoDome, Anda mulai dengan mengunggah dokumen: draf teks, memorandum penjelasan, liputan berita sebelumnya, pernyataan dari kelompok kepentingan, atau ringkasan kebijakan. Format seperti PDF, Markdown, dan TXT didukung. Kemudian Anda menjelaskan dengan kata-kata sederhana apa yang ingin Anda prediksi, misalnya: "Bagaimana reaksi pemilik usaha kecil, penyewa, dan media lokal terhadap peraturan pendaftaran sewa baru dalam dua minggu pertama?"

Dari dokumen-dokumen ini, InfoDome membangun grafik pengetahuan tentang orang-orang, organisasi, dan kelompok yang terlibat serta hubungan di antara mereka. Berdasarkan hal tersebut, InfoDome menciptakan ratusan agen AI, masing-masing dengan karakter, posisi, dan memori jangka panjangnya sendiri. Beberapa agen sesuai dengan entitas bernama nyata dari dokumen Anda, seperti kementerian, serikat pekerja, atau komentator terkenal; yang lain mewakili anggota masyarakat biasa.

Para agen kemudian berinteraksi di dua platform secara paralel: sebuah platform mirip Twitter untuk reaksi cepat dan forum mirip Reddit untuk diskusi yang lebih panjang. Anda memilih jumlah putaran, misalnya 10, 20, atau 40, dan para agen memperbarui ingatan mereka seiring berjalannya debat. Pada akhirnya, seorang agen analis menulis laporan prediksi dengan kesimpulan, dan Anda dapat mewawancarai agen mana pun atau mengajukan pertanyaan lanjutan kepada analis tersebut.

Memetakan para pemangku kepentingan dan dari mana tekanan itu berasal.

Simulasi kebijakan yang bermanfaat tidak hanya menunjukkan apakah reaksi yang terjadi positif atau negatif, tetapi juga siapa yang mendorongnya. Perhatikan hal-hal berikut:

• Para penggerak awal. Agen mana yang berkomentar pertama dan merumuskan masalah bagi yang lain?
• Jembatan. Siapa yang membawa argumen dari satu komunitas ke komunitas lain, misalnya dari asosiasi profesional ke khalayak umum?
• Para pecundang yang diam. Kelompok mana yang jarang mengunggah apa pun tetapi menunjukkan keprihatinan yang mendalam ketika Anda mewawancarai mereka?
• Tekanan kelembagaan. Apakah agen yang mewakili partai oposisi, asosiasi, atau pemerintah daerah menyerukan amandemen, penundaan, atau pengecualian?

Knowledge graph sangat membantu di sini karena membuat hubungan menjadi eksplisit. Jika sebuah asosiasi perdagangan terhubung dengan beberapa kelompok bisnis regional, Anda dapat melihat apakah posisinya menyebar di sepanjang tautan tersebut. Untuk pandangan pemangku kepentingan yang lebih mendalam, skenario pemetaan pemangku kepentingan adalah titik awal yang baik.

Narasi keadilan: medan pertempuran sesungguhnya

Kebijakan jarang gagal karena detail teknisnya. Kebijakan gagal ketika narasi keadilan yang sederhana mulai berlaku: "orang kaya dikecualikan", "kota kecil membayar untuk ibu kota", "orang jujur dihukum karena kesalahan orang lain". Dalam simulasi, perhatikan narasi-narasi ini:

• Siapa yang disebut sebagai pemenang dan siapa yang disebut sebagai pecundang?
• Apakah kebijakan tersebut dipandang sebagai beban yang dipaksakan dari atas atau sebagai upaya bersama?
• Apakah para agen menerima tujuan yang dinyatakan tetapi menolak metodenya, atau menolak tujuan itu sendiri?

Ketika narasi tentang keadilan muncul, wawancarai agen yang mengulanginya. Tanyakan apa yang akan mengubah pikiran mereka: masa transisi, batasan, pengecualian yang lebih jelas, juru bicara yang berbeda. Jawaban mereka adalah hipotesis untuk diuji, bukan instruksi, tetapi jawaban tersebut menunjukkan di mana penjelasan Anda lemah.

Membandingkan pilihan kebijakan secara berdampingan

Salah satu kegunaan simulasi yang paling ampuh adalah membandingkan alternatif. Alih-alih bertanya "akankah orang menerima kebijakan ini?", tanyakan "versi mana yang menciptakan lebih sedikit penolakan dan lebih sedikit kesalahpahaman?"

Pendekatan praktis:

1. Siapkan dua atau tiga versi dari klausul-klausul utama, atau kebijakan yang sama dengan penjelasan yang berbeda.
2. Lakukan simulasi terpisah untuk setiap versi dengan dokumen, audiens, dan jumlah putaran yang sama.
3. Bandingkan laporan-laporan tersebut: keberatan utama, kelompok-kelompok yang melakukan mobilisasi, corak debat, dan pertanyaan-pertanyaan yang masih belum terjawab.
4. Wawancarai agen dari kelompok yang sama di setiap percobaan untuk melihat apa yang berubah dalam penalaran mereka.

Karena hasilnya bervariasi antar percobaan, anggap perbedaan yang jelas dan berulang sebagai sinyal dan perbedaan kecil sebagai noise. Skenario opsi kebijakan dirancang khusus untuk perbandingan semacam ini.

Contoh kasus: reformasi parkir kota

Bayangkan sebuah dewan kota yang berencana menaikkan biaya parkir di pusat kota dan menggunakan pendapatan tersebut untuk transportasi umum. Tim mengunggah draf keputusan, catatan penjelasan singkat, dua artikel berita lokal tentang lalu lintas, dan pernyataan dari asosiasi pemilik toko. Pertanyaan prediksinya adalah: "Bagaimana reaksi warga, pengguna transportasi umum, pemilik toko, dan media lokal selama bulan pertama?"

Mereka menjalankan dua opsi selama 20 putaran masing-masing. Opsi A menyajikan reformasi sebagai kenaikan biaya dengan rencana investasi di kemudian hari. Opsi B mengedepankan jalur bus baru dan diskon untuk warga, dan menyebutkan kenaikan biaya di urutan kedua.

Dalam simulasi diskusi untuk opsi A, pemilik toko dengan cepat menganggap reformasi tersebut sebagai "pajak bagi pelanggan", para komuter dari daerah pinggiran mengeluh bahwa mereka tidak memiliki alternatif, dan agen media lokal memperkuat kedua kekhawatiran tersebut. Dalam opsi B, debatnya lebih tenang, tetapi muncul pertanyaan baru: "Siapa yang berhak mendapatkan diskon penduduk?" Laporan analis menunjukkan bahwa opsi B mengurangi kemarahan tetapi membutuhkan penjelasan kelayakan yang jelas sejak hari pertama.

Tim tersebut tidak menganggap ini sebagai bukti. Mereka menggunakannya untuk menulis ulang rencana komunikasi, menyiapkan FAQ tentang diskon, dan merencanakan pertemuan awal dengan asosiasi pemilik toko.

Batasan yang perlu Anda ingat

Simulasi mendukung pengambilan keputusan; bukan menggantikannya. Ingatlah batasan-batasan ini:

• Para agen bereaksi terhadap isi dokumen Anda. Saat ini mereka tidak membaca berita terkini secara mandiri, jadi jika suatu peristiwa besar kemungkinan akan membentuk perdebatan, sertakanlah dalam materi tersebut.
• Kualitas hasil bergantung pada kualitas dan keseimbangan masukan. Jika dokumen Anda hanya berisi pandangan pemerintah, tambahkan sumber yang mengungkapkan posisi lain.
• Hasilnya berupa hipotesis yang dapat ditinjau. Jalankan beberapa simulasi, bandingkan hasilnya, dan periksa kesimpulan berdasarkan pengetahuan Anda sendiri dan, jika memungkinkan, data konsultasi nyata.

Jika Anda mengerjakan perubahan yang diumumkan pada aturan yang sudah ada, lihat juga simulasi PR krisis untuk melatih komunikasi seputar hal tersebut. Untuk mencoba pendekatan ini pada draf Anda sendiri, buka konsol InfoDome , unggah dokumen Anda, dan jelaskan apa yang ingin Anda prediksi; Anda dapat mempersiapkan tugas sebelum mendaftar.