PBB dan Google meluncurkan UN System Data Commons, dibangun di atas Data Commons — proyek open source milik Google — untuk menggantikan portal UNData yang sudah beroperasi bertahun-tahun. Platform baru ini mendukung pertanyaan dalam bahasa alami, sekaligus mendukung protokol MCP (Model Context Protocol) sehingga sistem AI bisa langsung mengambil data dari sumber aslinya dan mengembalikan hasil yang sumbernya bisa dilacak. Google mendukung proyek ini dengan dana 2 juta dolar AS lewat Google.org.
Pendorong langsung di balik langkah ini adalah sebuah studi dari UNICEF. Studi tersebut menguji enam model dalam menjawab pertanyaan seputar indikator pembangunan global — GPT-4o dan GPT-4o-mini dari OpenAI, Claude Sonnet 4.5 dan Haiku 4.5 dari Anthropic, serta Gemini 2.5 Flash dan 2.0 Flash dari Google. Dari lebih 133.000 jawaban, akurasi rata-ratanya 21,2%. Sekitar 60% jawaban tidak memberikan angka yang bisa dipakai, dan model-model itu cenderung menjawab secara samar-samar; ketika pertanyaan yang sama diajukan lagi dua hari kemudian, hanya sekitar separuh yang memberi angka yang sama. Studi ini masih berupa working paper yang belum melalui peer review maupun diajukan untuk publikasi.
Dari dijelajahi manusia menjadi diambil langsung oleh mesin
UNData berbentuk portal statistik yang khas: klik masuk berdasarkan lembaga, indikator, lalu tahun, kemudian unduh tabelnya. Platform baru mengganti pintu masuk itu dengan satu kali panggilan (call). Di sinilah MCP berperan sebagai lapisan penghubung — model tidak lagi mengambil cuplikan halaman web, melainkan mengambil data langsung dari sumbernya dan mengembalikannya lengkap dengan jejak rujukan.
Shantanu Mukherjee, pejabat sementara kepala Divisi Statistik PBB, mengatakan:
We are orders of magnitude more advanced in scale, scope, and flexibility.
Kami kini jauh lebih maju berkali-kali lipat dalam hal skala, cakupan, dan fleksibilitas.
Prem Ramaswami, yang memimpin Data Commons di Google, menyebut pendekatan sosialisasinya sebagai melatih para pelatih (train the trainers), sambil menambahkan satu catatan penting: model bisa salah menafsirkan nuansa halus, sehingga hasilnya tetap perlu diperiksa ulang oleh manusia.
Sejauh ini 26 lembaga PBB sudah berkomitmen untuk bergabung, dengan hampir 20 set data yang tersedia saat peluncuran. Targetnya, 80% dari seluruh set data statistik sistem PBB sudah masuk ke platform ini sebelum 2027.
Sisi dunia berbahasa Mandarin masih kosong
Data statistik publik di Tiongkok belum memiliki lapisan akses semacam ini. Data dari Badan Statistik Nasional, kementerian, dan buku tahunan statistik daerah masih didominasi tabel web dan PDF; jika model ingin memakainya, satu-satunya cara adalah mengambil datanya lalu menyusunnya ulang secara manual, sehingga sulit menelusuri di tahap mana kesalahan muncul. Saat pengguna berbahasa Mandarin bertanya ke model berapa tingkat urbanisasi Tiongkok tahun 2024, angka yang muncul besar kemungkinan berasal dari artikel turunan, bukan dari sumber statistik aslinya — persoalan yang sama persis dengan yang sedang ditangani PBB kali ini.
Hal lain yang patut diamati adalah lalu lintas rujukan (referral traffic). Studi tersebut mencatat bahwa dari Januari hingga September 2026, trafik rujukan dari ChatGPT tumbuh 67% dibanding periode yang sama tahun sebelumnya. Selama ini lembaga statistik mengukur dampaknya dari jumlah kunjungan portal; kini ada satu hal lagi yang perlu dipantau — seberapa sering model AI mengutip data mereka saat menjawab pertanyaan.
Bagian yang belum ada jawabannya
Siapa yang akan menanggung biaya operasional jangka panjang platform ini, dan dari mana anggaran setelah dana 2 juta dolar AS itu habis, belum dijelaskan dalam pengumuman. Sejauh apa masing-masing dari 26 lembaga akan membuka datanya, bagaimana indikator sensitif akan ditangani, serta bagaimana kekhawatiran negara anggota soal kedaulatan data akan diatasi — semua itu juga belum punya rencana yang dipublikasikan. Target 80% pada 2027 itu sendiri untuk saat ini baru berupa satu tanggal target, tanpa mekanisme pemeriksaan bertahap.
Sumber: TechCrunch, pengumuman Divisi Statistik PBB dan Google Data Commons, CocoLoop, working paper UNICEF; angka akurasi dan jumlah lembaga telah dicocokkan dengan keterangan dalam studi dan pengumuman tersebut.