Satu proyek machine learning bisa memiliki satu nama di dashboard manajemen, tetapi belasan hubungan pembayaran di belakangnya.
Tim data membeli cloud dari vendor global. Konsultan lokal membantu arsitektur model. Annotator dibayar melalui perusahaan outsourcing Indonesia. Dataset dibeli dari penyedia luar negeri. Sebagian engineer berasal dari afiliasi regional. Ada pula lisensi software khusus untuk monitoring model setelah produksi.
Untuk memperluas konteks pada bagian ini, lihat Data Center Lokal untuk Perusahaan Asing: Kapan Kehadiran Digital Menjadi Isu Pajak?.
Semua biaya masuk ke proyek yang sama. Dari sudut pandang pajak, menyatukannya ke satu kategori justru berbahaya.
Per 13 Agustus 2026, tidak ada perlakuan pajak tunggal bernama “proyek machine learning”. Analisis tetap mengikuti siapa penerima pembayaran, apa yang diperoleh perusahaan, di mana jasa atau hak dimanfaatkan, apakah penerima berada di dalam atau luar negeri, dan dokumen apa yang mendukung penerapan ketentuan yang dipilih.
Cara paling aman adalah memetakan proyek dari transaksi terkecil yang mempunyai karakter ekonomi berbeda.
Mulai dari peta vendor, bukan dari nama proyek
Bayangkan PT Nusantara Data membangun model prediksi permintaan.
Vendor A adalah badan usaha Indonesia yang menyediakan data engineering.
Vendor B adalah platform cloud luar negeri.
Vendor C adalah perusahaan luar negeri yang menjual akses dataset komersial.
Vendor D adalah perusahaan afiliasi di Singapura yang mengirim specialist selama dua bulan.
Vendor E adalah perusahaan Indonesia yang mengelola data annotation.
Jika finance hanya melihat cost center “ML Forecasting 2026”, seluruh invoice tampak sebagai satu jenis biaya teknologi.
Padahal pertanyaan pajaknya berbeda untuk setiap vendor.
Untuk vendor domestik, perusahaan perlu menentukan apakah pembayaran termasuk jenis penghasilan yang menjadi objek pemotongan PPh Pasal 23 atau ketentuan pemotongan lain. DJP menjelaskan bahwa imbalan sehubungan dengan jasa tertentu kepada wajib pajak dalam negeri dapat dikenai PPh Pasal 23 sebesar 2 persen dari jumlah bruto, sedangkan royalti berada pada kelompok tarif 15 persen.
Jika pihak yang dibayar adalah orang pribadi, analisis dapat berpindah ke PPh Pasal 21 sesuai karakter hubungan dan jasa.
Untuk vendor luar negeri, perusahaan perlu menilai PPh Pasal 26, kemungkinan penerapan P3B, dan lapisan PPN atas pemanfaatan barang tidak berwujud atau jasa dari luar Daerah Pabean.
Jadi peta vendor harus menjadi peta pajak juga.
Pisahkan jasa, akses, dan hak
Masalah paling sering terjadi ketika kontrak teknologi memakai istilah yang terdengar seragam: subscription, platform fee, license, managed service, professional service, API access, support, atau data access.
Kata tersebut bukan kesimpulan pajak.
Satu subscription dapat hanya memberi akses memakai layanan. Subscription lain dapat memberikan hak tertentu atas software. Kontrak data bisa hanya memberi hak melihat data, tetapi bisa juga memberi hak menyalin, mengolah, atau menggunakan dataset untuk melatih model internal.
Perusahaan perlu membaca apa yang benar-benar diperoleh.
Apakah ada transfer hak kekayaan intelektual?
Apakah hak penggunaan dibatasi waktu, pengguna, wilayah, atau tujuan?
Apakah vendor hanya menjalankan layanan untuk perusahaan?
Apakah ada deliverable yang menjadi milik perusahaan?
Apakah source code diserahkan?
Apakah perusahaan boleh memodifikasi atau mendistribusikan software?
Pertanyaan ini menentukan jalur analisis berikutnya. Terutama untuk pembayaran lintas negara, perbedaan antara jasa, royalti, dan kategori penghasilan lain dapat memengaruhi pemotongan PPh dan pasal treaty yang relevan.
Vendor lokal juga tidak boleh disederhanakan
Sering ada asumsi bahwa transaksi domestik lebih mudah karena tidak melibatkan treaty.
Tetapi proyek machine learning bisa memakai beberapa bentuk vendor lokal sekaligus.
Perusahaan data engineering berbentuk PT mungkin menyediakan jasa teknik atau jasa lain yang perlu diuji terhadap objek PPh Pasal 23.
Seorang data scientist independen yang dikontrak sebagai orang pribadi tidak otomatis mengikuti PPh Pasal 23. Pemotongannya perlu dibaca melalui ketentuan PPh Pasal 21 sesuai status dan pola jasa.
Perusahaan annotation dapat menagih gabungan biaya tenaga kerja, project management, platform, dan biaya lain. Finance perlu membaca apakah invoice hanya satu angka atau memiliki komponen yang secara substansi berbeda.
Yang penting bukan membuat sebanyak mungkin pemisahan. Yang penting menghindari pemisahan palsu dan menghindari penggabungan yang mengaburkan substansi.
Jika kontrak dan pekerjaan memang satu jasa terintegrasi, jangan memecah hanya untuk mengejar perlakuan pajak tertentu. Sebaliknya, jika ada dua transaksi nyata yang berbeda, jangan menyatukannya hanya karena purchase order ingin sederhana.
Cloud luar negeri membawa dua pertanyaan sekaligus
Cloud hampir selalu menjadi biaya besar dalam proyek machine learning.
Dalam penjelasan resminya mengenai pajak digital, DJP menempatkan pemanfaatan BKP tidak berwujud dan JKP dari luar Daerah Pabean di Indonesia melalui PMSE sebagai transaksi yang berada dalam cakupan PPN PMSE. Apabila pelaku usaha digitalnya sudah berstatus Pemungut PPN PMSE, pemungutan dilakukan oleh pihak yang ditunjuk itu sesuai mekanisme yang berlaku.
Dalam praktik perhitungannya, DPP nilai lain sebesar 11/12 diterapkan untuk kategori nonmewah tersebut. Ketika DPP itu dikalikan tarif PPN 12 persen, jumlah pajaknya secara matematis setara dengan 11 persen dari nilai transaksi yang menjadi basisnya.
Namun invoice cloud yang sudah memuat PPN tidak menutup analisis PPh.
Tim tax tetap perlu membaca karakter pembayaran kepada vendor luar negeri. Apakah transaksi hanya pemanfaatan layanan? Apakah ada komponen lisensi? Apakah professional service ditagih terpisah? Apakah kontrak dibuat dengan satu entitas tetapi invoice diterbitkan oleh entitas lain?
Karena PPN dan PPh adalah lapisan yang berbeda, dashboard biaya cloud sebaiknya tidak hanya menyimpan “tax included yes/no”. Ia perlu menyimpan billing entity dan jenis komponen biaya.
Dataset komersial adalah area yang perlu dibaca hati-hati
Pembelian dataset untuk machine learning dapat terlihat sederhana: perusahaan membayar, lalu menerima akses atau file.
Tetapi hak atas data dapat berbeda jauh.
Ada kontrak yang hanya mengizinkan akses untuk analisis internal. Ada yang memberi izin menggunakan data untuk training model. Ada yang melarang redistribution. Ada pula yang memberi hak membuat derived dataset atau model tertentu.
Karena itu, jangan langsung menganggap seluruh pembayaran dataset sebagai jasa atau seluruhnya sebagai royalti.
Baca hak kontraktual.
Untuk transaksi luar negeri, penilaian atas karakter penghasilan harus mempertimbangkan hukum domestik dan P3B yang relevan bila perusahaan ingin menggunakan manfaat treaty.
Sejak PMK 112 Tahun 2025, penerapan P3B oleh Wajib Pajak Luar Negeri menggunakan Formulir DGT dengan tata cara yang diperbarui. Artinya, negara vendor saja tidak cukup. Dokumen dan persyaratan penerapan treaty harus dipenuhi.
Tanpa dokumentasi yang sesuai, finance tidak boleh sekadar memasukkan tarif treaty karena vendor berasal dari negara yang mempunyai P3B dengan Indonesia.
Engineer dari afiliasi regional menambah dimensi lain
Sekarang bayangkan specialist dari afiliasi Singapura membantu proyek selama dua bulan.
Perusahaan Indonesia menerima invoice “regional technical support”.
Ada beberapa lapisan pertanyaan.
Pertama, apa jasa yang benar-benar diberikan?
Kedua, siapa yang memberikan jasa, afiliasi sebagai perusahaan atau individu yang ditempatkan?
Ketiga, di mana aktivitas dilakukan?
Keempat, apakah ada isu kehadiran usaha atau bentuk usaha tetap yang perlu dianalisis berdasarkan fakta dan treaty?
Kelima, karena transaksi dilakukan dengan pihak berelasi, apakah harga dan dasar pembebanan dapat dijelaskan dari prinsip kewajaran dan kelaziman usaha?
Jangan menyederhanakan menjadi “karena afiliasi, pasti transfer pricing” lalu melupakan withholding. Jangan juga hanya fokus pada PPh 26 dan melupakan bahwa transaksi afiliasi dapat membutuhkan dokumentasi dan pembuktian manfaat.
Satu invoice bisa berada di beberapa peta risiko sekaligus.
Cost allocation harus mengikuti siapa yang menikmati manfaat
Proyek ML sering dipakai oleh lebih dari satu entitas dalam grup.
Misalnya satu model dibangun di Indonesia tetapi digunakan untuk forecast oleh tiga perusahaan afiliasi. Cloud account dibayar oleh satu entitas, sementara engineer regional ditagihkan ke perusahaan lain.
Di sinilah tax dan FinOps harus bertemu.
Finance perlu mengetahui siapa legal customer di kontrak, siapa yang membayar, siapa yang memakai resource, dan apakah ada recharge antarentitas.
Jika seluruh tagihan cloud dibayar PT Indonesia lalu sebagian manfaat sebenarnya untuk afiliasi lain, perusahaan harus menilai apakah ada pembebanan kembali yang perlu dilakukan dan bagaimana dasar alokasinya.
Dasar alokasi sebaiknya mencerminkan konsumsi atau manfaat yang dapat dijelaskan, bukan angka yang dipilih agar mudah.
Metric dapat berupa compute consumption, jumlah user, kapasitas storage, transaksi, jam kerja, atau driver lain yang relevan dengan layanan.
Tidak ada satu driver yang benar untuk semua biaya.
Yang harus dihindari adalah alokasi tanpa logika bisnis dan tanpa audit trail.
Buat transaction matrix sebelum proyek berjalan
Sebelum machine learning project masuk fase produksi, tim tax dapat meminta satu matriks sederhana.
Kolom pertama: vendor legal entity.
Kolom kedua: negara.
Kolom ketiga: hubungan afiliasi atau independen.
Kolom keempat: apa yang dibeli.
Kolom kelima: deliverable atau hak yang diterima.
Kolom keenam: siapa pengguna atau beneficiary.
Kolom ketujuh: pola pembayaran.
Kolom kedelapan: potensi PPh.
Kolom kesembilan: potensi PPN.
Kolom kesepuluh: treaty dan dokumen.
Kolom berikutnya dapat menyimpan kontrak, invoice, bukti potong, bukti pungut PPN, dan PIC.
Matriks ini bukan legal opinion. Fungsinya memaksa proyek mengungkap transaksi yang sebelumnya tersembunyi di satu budget teknologi.
Dari sana, tim pajak dapat menentukan mana yang standard, mana yang butuh review, dan mana yang perlu diperbaiki kontraknya sebelum pembayaran pertama.
Jangan menunggu invoice untuk membaca kontrak
Kesalahan paling mahal biasanya ditemukan ketika invoice sudah jatuh tempo.
Procurement sudah bernegosiasi. Vendor menolak perubahan dokumen. Business owner ingin layanan segera aktif. Finance hanya punya dua pilihan: bayar atau menahan operasional.
Tax review seharusnya masuk lebih awal untuk kontrak lintas negara, lisensi, data, afiliasi, atau paket teknologi kompleks.
Pertanyaan pajak pada tahap contracting sering sederhana: siapa yang menagih, apa hak yang diperoleh, apakah komponen dapat dipisahkan, siapa menanggung pajak jika ada withholding, apakah nilai invoice gross atau net of tax, dan dokumen treaty siapa yang menyediakan.
Klausul pajak yang jelas mengurangi debat ketika pembayaran dilakukan.
Sebaliknya, kontrak yang hanya menyebut “all taxes are borne by customer” dapat memunculkan persoalan ekonomi dan gross-up yang tidak dipahami saat harga disepakati.
Audit trail teknis sama pentingnya dengan invoice
Machine learning meninggalkan data penggunaan yang kaya.
Cloud billing menyimpan resource consumption. Repository menyimpan perubahan kode. Project management tool menyimpan deliverable. Data pipeline menyimpan jejak proses. Access log menunjukkan user dan lingkungan.
Informasi ini dapat membantu menjelaskan substansi biaya jika dihubungkan dengan dokumen komersial.
Tax tidak harus menyimpan semua log teknis. Tetapi perusahaan sebaiknya tahu di mana bukti berada jika suatu saat harus membuktikan bahwa layanan benar-benar diterima atau biaya memang berkaitan dengan kegiatan usaha.
Untuk transaksi afiliasi, bukti manfaat bisa lebih kuat ketika tidak hanya bergantung pada invoice dan memo yang dibuat belakangan.
Untuk transaksi vendor independen, audit trail juga membantu ketika scope di invoice terlalu umum.
Model pajak harus mengikuti arsitektur proyek
Machine learning project bukan satu transaksi. Ia ekosistem kontrak, vendor, data, software, compute, jasa manusia, dan hak penggunaan.
Karena itu, peta pajaknya harus mengikuti arsitektur proyek.
Vendor lokal dan asing dipisahkan.
Orang pribadi dan badan dipisahkan.
Jasa dan hak penggunaan dibaca berdasarkan substansi.
PPN dan PPh dianalisis sebagai lapisan berbeda.
Treaty hanya digunakan jika syaratnya terpenuhi.
Transaksi afiliasi diberi jalur transfer pricing dan dokumentasi sendiri.
Recharge antarentitas harus mempunyai dasar alokasi yang dapat dijelaskan.
Dan seluruh keputusan perlu ditopang kontrak, invoice, serta bukti operasional yang konsisten.
Kalau pemetaan dilakukan sejak awal, tax tidak menjadi penghambat proyek AI. Ia justru mencegah satu masalah klasik: model sudah berhasil masuk produksi, tetapi perusahaan baru sadar struktur pembayaran di belakangnya tidak pernah benar-benar dipahami.