Perspektif manusia terhadap AICEFR B2
21 Apr 2026
Diadaptasi dari Guest Contributor, Global Voices • CC BY 3.0
Foto oleh Marija Zaric, Unsplash
Tulisan ini didasarkan pada kontribusi untuk seri "Jangan tanya AI, tanya rekan," sebuah kolaborasi Global Voices, Association for Progressive Communication, dan GenderIT. Bagian lain dari Spotlight Global Voices April 2026, berjudul "Perspektif manusia terhadap AI," adalah karya Hija Kamran (kata ganti: she/her). Kamran mengekspresikan kehati-hatian terhadap teknologi baru dan menggambarkan dirinya sering menjadi pengguna yang terlambat mengadopsi inovasi.
Ia berargumen perusahaan teknologi berulang kali menunjukkan bahwa prioritas utama mereka adalah model bisnis, bukan orang. Kamran mengutip pernyataan terkenal, "Senator, kami menayangkan iklan," dan menceritakan pengalaman saat perwakilan perusahaan menjawab pertanyaan tentang konten berbahaya dengan, "Saya mendorong orang membaca ketentuan layanan kami." Menurutnya, respons seperti itu mengungkapkan kurangnya transparansi dan pertanggungjawaban yang bermakna.
Artikel menegaskan bahwa teknologi tidak netral: sistem dibuat oleh aktor dengan pandangan tertentu, dan data pelatihan yang diambil dari internet serta catatan publik mencerminkan sejarah pengecualian, rasisme, seksisme, dan ketidaksetaraan ekonomi. Saat AI belajar dari data ini, ia dapat mengenkode dan memperkuat bahaya yang sudah ada sambil menampilkan output seolah netral. Insentif korporat—motif keuntungan, pemegang saham, dan target pertumbuhan—membentuk masalah yang diprioritaskan, seberapa cepat produk diluncurkan, dan siapa yang tanah, pengetahuan, atau kehidupannya terdampak; Kamran menyebut mereka sebagai "kerusakan kolateral."
Ia juga menyoroti risiko dehumanisasi: dalam konteks termiliterisasi, orang bisa direduksi menjadi titik data dan diperlakukan sebagai sasaran. Sistem AI menghasilkan keluaran berdasarkan probabilitas dan tidak memahami konteks, sejarah, atau tanggung jawab; AI dapat meniru pola manusia tetapi tidak bisa menjadi manusia, merasakan kepedulian, atau memelihara hubungan. Kamran menyerukan pendekatan hak asasi manusia yang menggeser pertanggungjawaban kepada mereka yang berkuasa, skeptisisme sejak awal dalam pengembangan dan komersialisasi teknologi, serta pertanyaan berkelanjutan tentang siapa yang membangun sistem, bagaimana cara kerjanya, dan siapa yang mendapat manfaat.
- Siapa yang membangun sistem ini?
- Bagaimana cara kerja sistem tersebut?
- Siapa yang mendapat manfaat dari teknologi ini?
Kata-kata sulit
- kehati-hatian — sikap waspada sebelum menerima sesuatu baru
- model bisnis — cara perusahaan menghasilkan uang dari produk atau layanan
- transparansi — keterbukaan tentang keputusan dan informasi penting
- pertanggungjawaban — keharusan menjelaskan dan menerima konsekuensi tindakan
- mengkode — mengubah informasi menjadi bentuk tertentumengenkode
- insentif — motivasi atau dorongan untuk mencapai tujuan tertentuInsentif korporat
- dehumanisasi — proses mengurangi nilai kemanusiaan seseorang
- kerusakan kolateral — efek buruk tidak sengaja pada pihak lain
Tips: arahkan kursor, fokus, atau ketuk kata yang disorot di dalam teks untuk melihat definisi singkat sambil membaca atau mendengarkan.
Pertanyaan diskusi
- Bagaimana menurut Anda model bisnis perusahaan teknologi dapat mempengaruhi siapa yang mendapat manfaat atau dirugikan oleh AI?
- Langkah apa yang bisa dilakukan untuk meningkatkan transparansi dan pertanggungjawaban dalam pengembangan dan komersialisasi AI?
- Sebutkan contoh data atau praktik sejarah yang mungkin membuat sistem AI bias; bagaimana sebaiknya hal itu diatasi?
Artikel terkait
Dua Sistem Terinspirasi Alam untuk Menjaga Panel Surya dari Debu
Peneliti Mesir mengembangkan dua sistem terinspirasi alam untuk membersihkan debu gurun dari panel surya. Satu sistem pakai getaran listrik dan lapisan nano, dan satu lagi digerakkan angin; uji lapang menunjukkan pengurangan kehilangan output.
Peneliti Pakai Pola Kelompok Burung untuk Kurangi Halusinasi AI
Peneliti mengembangkan langkah pra-proses yang menata kalimat seperti kelompok burung sebelum AI membuat ringkasan. Cara ini mengurangi kesalahan fakta pada ringkasan, tetapi tidak sepenuhnya menghilangkan risiko halusinasi.
Kode QR dan Wisatawan Lanjut Usia
Penelitian dari University of South Florida meneliti bagaimana orang dewasa lanjut usia merespons penggunaan kode QR di perhotelan. Kesulitan teknis dapat menurunkan kepuasan dan loyalitas, sehingga bisnis disarankan mempertimbangkan materi cetak dan aksesibilitas.
Kecerdasan Buatan Mengubah Lahan di Brasil
Penelitian menunjukkan kecerdasan buatan, otomatisasi, dan alat digital mengubah penggunaan lahan di Brasil. Model pertanian terdigitalisasi menggusur komunitas dan menggantikan pengetahuan tradisional; peneliti menuntut tata kelola AI yang transparan dan perlindungan wilayah sosial.