VISI | AI dalam Jurnalisme dan Demokrasi: Bisakah Kita Mengandalkannya?

Oleh  Jake Goldenfein, Fan Yang  (University of Melbourne, Melbourne) Daniel Angus (Queensland University of Technology, Brisbane)

DUNIA kita sedang berada di tengah disrupsi besar yang dipicu oleh perkembangan Kecerdasan Buatan (Artificial Intelligence/AI). Perusahaan-perusahaan yang menjual alat AI kini menjadi korporasi paling bernilai dalam sejarah modern, dengan valuasi triliunan dolar—melampaui PDB sebagian besar negara. Pengaruhnya merambah kehidupan sosial, komersial, dan politik, serta mengguncang berbagai industri.

Industri media termasuk di antara sektor yang menghadapi tantangan baru akibat kebangkitan AI. Praktik dan penyajian jurnalisme—komponen vital bagi demokrasi yang sehat—berubah dengan cara yang tidak selalu tampak oleh para konsumennya.

Untuk memahami dampak AI terhadap lingkungan informasi kita dan konsekuensi politiknya, diperlukan pemahaman dasar tentang apa itu GenAI dan bagaimana cara kerjanya. Kita perlu “mengangkat kap mesin” dari apa yang kian hari akan menggerakkan informasi yang kita terima dan konsumsi.

Data: Mesin penggerak AI generatif

Pengembangan GenAI dimulai dengan pengumpulan data dalam jumlah sangat besar—termasuk teks, gambar, video, dan suara—melalui penelusuran dan pengambilan data (crawling dan scraping) dari internet. Segalanya dikumpulkan sebagai data: jurnalisme, keluaran akademik, web publik, hingga percakapan teks. Ini diperkuat oleh kompilasi literatur yang diakses—tidak selalu secara legal—melalui perjanjian lisensi komersial dengan repositori media.

Keabsahan bentuk-bentuk pengumpulan data ini masih belum jelas dan telah memicu gugatan besar terkait hak cipta dan privasi di berbagai negara. Hal ini juga memantik perdebatan kebijakan dan regulasi mengenai syarat hukum akses data, serta keluhan keras dari para pekerja kreatif yang jerih payahnya menjadi fondasi pendapatan raksasa perusahaan teknologi AI multinasional.

Bagi teknologi AI ini, akses ke data saja tidak cukup. Data harus diubah menjadi himpunan data pelatihan yang melibatkan berbagai proses komputasi dan tenaga kerja manusia. Agar data bermakna dalam pelatihan AI, para pekerja data harus memberi label, membersihkan, menandai, memberi anotasi, dan memproses gambar serta teks, menciptakan keterkaitan semantik yang memungkinkan model GenAI menghasilkan respons bermakna terhadap “prompt” pengguna. Sebagian besar pekerjaan data ini dialihdayakan ke negara berbiaya lebih rendah seperti Kenya, India, dan China, di mana pekerja dibayar rendah dan menghadapi standar ketenagakerjaan yang buruk. Dataset tersebut kemudian digunakan untuk melatih model AI melalui proses pembelajaran mesin (machine learning).