Daftar Isi
Cekricek.id — Kata berpikir dipasangkan pada sebuah program komputer, dan hampir tidak ada yang berhenti di situ. Kata kerja milik manusia itu dibiarkan lewat begitu saja di judul berita teknologi, di paragraf pembuka artikel ekonomi, di keterangan pejabat yang menjelaskan rencana digitalisasi. Mesin yang sama juga dikatakan memutuskan, menilai, bahkan belajar. Pembaca yang belum pernah menyentuh satu baris kode menerima gambaran itu tanpa keberatan. Ada sesuatu yang bekerja di balik pemilihan kata tersebut, dan kerjanya jauh lebih rapi daripada yang tampak di permukaan.
Umar Mansyur dan Jufri, keduanya dari Universitas Negeri Makassar, menelusuri kerja itu dalam artikel Conceptual Operation Strategies of Artificial Intelligence Metaphors in Indonesian Mass Media: A Cognitive Linguistic Study yang terbit di jurnal LITERA Volume 24 Nomor 3 tahun 2025. Mereka mengambil sepuluh artikel yang terbit antara 2019 dan 2024 dari enam kanal berita daring berskala nasional, lalu membedahnya dengan kerangka Cognitive Linguistic-Critical Discourse Studies. Kerangka itu menggabungkan dua alat: linguistik kognitif yang melihat bagaimana kiasan menyusun pemahaman, dan analisis wacana kritis yang menanyakan kepentingan siapa yang dilayani pemahaman tadi.
Yang mereka temukan bukan daftar kiasan yang lucu. Ada tiga keluarga metafora yang mengulang diri di seluruh korpus: kecerdasan buatan sebagai mesin berpikir yang menyerupai manusia, sebagai mesin pengambil keputusan, dan sebagai sistem yang digerakkan data. Ketiganya tampak sekadar menyederhanakan hal rumit agar muat di satu paragraf berita. Ketiganya, menurut analisis itu, sekaligus memindahkan sesuatu yang tidak kecil — kepercayaan, wewenang, dan tanggung jawab — dari tangan manusia ke tempat yang lebih sulit ditunjuk dengan jari. Dan pemindahan itu terjadi bukan lewat argumen yang bisa dibantah pembaca, melainkan lewat pilihan kata kerja yang lewat begitu saja di kalimat kedua sebuah berita.
Bagaimana Sebuah Kiasan Menyusun Adegan Dasarnya
Langkah pertamanya adalah pemetaan. Kemampuan hitung sebuah sistem dipasangkan pada fungsi kognitif manusia, dan begitu pemasangan itu diterima, teknologinya naik derajat: dari alat yang dijalankan menjadi entitas yang menalar, menafsir, lalu menyimpulkan. Mansyur dan Jufri menyebut lapisan ini konfigurasi struktural, yakni cara sebuah wacana membangun adegan dasar sebelum penilaian apa pun ditambahkan. Efeknya langsung terasa pada sikap pembaca. Skeptisisme mengendur, dan mesin mulai terasa wajar dikerjakan untuk tugas yang dulu dianggap milik pikiran manusia, seperti analisis dan peramalan. Proses mekanis di dalam sistemnya sebenarnya berbeda jauh dari kerja kognisi biologis, tetapi perbedaan itu tidak pernah muncul di permukaan teks. Yang muncul hanya kemiripan hasilnya.
Baca juga Kerajinan Karawo Bertahan di Tangan 21 Perajin
Kerangka yang dipakai berasal dari Christopher Hart, yang menyusun empat prosedur untuk membaca wacana semacam ini dalam bukunya terbitan Cambridge University Press pada 2020. Prosedur pertama tadi konfigurasi struktural. Prosedur kedua adalah pembingkaian, yang memeriksa konteks apa yang dipasang di sekeliling teknologinya. Prosedur ketiga identifikasi, yang menanyakan aktor mana yang ditonjolkan dan aktor mana yang disingkirkan dari kalimat. Prosedur keempat pemosisian, yang melihat di mana mesin itu ditempatkan terhadap masyarakat dan terhadap kehendak manusia. Empat prosedur ini dijalankan berurutan atas sepuluh teks tadi, dan hasilnya dirangkum dalam satu tabel yang menjajarkan tiga keluarga metafora terhadap empat lapisan tersebut. Kata kunci pencariannya sederhana, hanya frasa kecerdasan buatan, tetapi teks yang terjaring meliputi berita, opini, dan feature dari ranah pendidikan, ekonomi, etika, sampai kebudayaan.
Pada keluarga metafora pertama, pembingkaiannya bergerak di antara dua kutub. Di satu sisi, kecerdasan buatan digambarkan sebagai kolaborator pintar, perpanjangan akal yang menghapus kekeliruan di sektor kesehatan dan pendidikan. Di sisi lain, ia digambarkan sebagai pesaing yang mengancam pekerjaan. Nadanya berlawanan, arahnya sama. Kedua bingkai itu sama-sama memindahkan letak kecakapan dari orang ke mesin. Mogi, yang tulisannya di jurnal Frontiers in Psychology dikutip dalam artikel tersebut, mengingatkan bahwa personifikasi semacam itu justru menaikkan kecemasan atas hilangnya kendali manusia, padahal model yang ada sekarang tidak memiliki kesadaran.
Cara Bingkai Berita Memindahkan Wewenang
Keluarga metafora kedua bekerja pada lapisan yang berbeda. Di sini soalnya bukan lagi apakah mesin bisa berpikir, melainkan siapa yang berhak memutuskan. Kecerdasan buatan digambarkan bukan sebagai pelaksana perintah, melainkan sebagai pihak yang memproses data dan menafsirkan pola tanpa arahan terus-menerus. Sifat yang ditonjolkan pemberitaan selalu itu-itu juga: kecepatan, ketepatan, konsistensi. Ketiganya disandingkan dengan tugas berisiko tinggi seperti penilaian hukum dan analisis keuangan. Lewat perbandingan itu, pertimbangan manusia perlahan digambarkan sebagai yang mudah lelah, mudah bias, dan mudah keliru. Mesinnya sebaliknya: pengamat rasional yang tidak terlibat secara emosional, sesuatu yang dalam kerangka Hart menjadi bingkai pengambil keputusan yang ideal.
Di titik inilah analisis tersebut mengerem. Proyeksi objektivitas itu, tulis Mansyur dan Jufri, berbahaya justru karena terdengar masuk akal. Mereka merujuk Noble, penulis Algorithms of Oppression yang diterbitkan NYU Press pada 2018, yang berargumen bahwa algoritme tidak pernah benar-benar netral: ia mewarisi bias yang tertanam pada data latihnya dan asumsi orang yang merancangnya. Ketika media membingkai sistem itu sebagai pihak yang tidak berpihak, ketimpangan yang sudah ada di dalam datanya ikut tersembunyi. Jejak pertanggungjawaban pun menjadi lebih sulit dilacak.
Baca juga Dewi Kilisuci Hamil dalam Naskah Panji Jayakusuma
Yang bergeser bukan cuma cara bicara, melainkan letak kewenangan. Musyawarah manusia digantikan tata kelola teknologis, dan keputusan mengendap di kalangan yang merancang infrastrukturnya. Metafora-metafora itu, tulis kedua peneliti di bagian abstrak, “dapat melegitimasi pengalihan kepercayaan dari pertimbangan manusia ke sistem algoritmik sekaligus menutupi peran lembaga yang menguasai data dan infrastruktur”. Kalimat itu menutup penjelasan mekanismenya: bukan mesin yang mengambil alih, melainkan pemilik mesin.
Mengapa Kiasan Data Terdengar Paling Jujur
Keluarga metafora ketiga justru terdengar seperti koreksi atas dua yang pertama. Menyebut kecerdasan buatan sebagai sistem yang digerakkan data seolah menurunkan derajatnya kembali ke bumi. Tidak ada kesadaran di sana, tidak ada kehendak; yang ada pemroses informasi yang keluarannya bergantung penuh pada masukan. Lewat strategi identifikasi, kiasan ini menegaskan kegunaan teknologinya untuk mengurus persoalan berskala besar yang tak sanggup ditangani manusia satu per satu. Kesan yang muncul adalah kejujuran teknis, dan kesan itulah yang membuatnya paling sulit dibantah. Kiasan ini menghapus aura ajaib yang dipasang dua kiasan sebelumnya, dan justru karena itu ia diterima sebagai penjelasan yang paling dewasa di antara ketiganya.
Persoalannya terletak pada satu langkah lanjutan yang jarang ditulis. Kalau sistemnya bekerja berdasarkan data, keluarannya lalu terasa faktual dan presisi dengan sendirinya. Mansyur dan Jufri menyebut ini datafikasi kebenaran. Politik penguasaan data hilang dari kalimat. Mereka mengutip Zuboff dan gagasannya tentang kapitalisme pengawasan: pihak yang memiliki ekosistem data sekaligus algoritme pengolahnya memperoleh kemampuan mengarahkan keputusan dan perilaku orang lain. Kiasan yang tampak paling merendah ternyata melegitimasi pihak yang paling berkuasa.
Baca juga Aksesibilitas Borobudur: Enam Fasilitas, Dua Tersedia
Pola yang sama terlihat pada lapisan pemosisian. Mesinnya ditempatkan sebagai pihak yang bergantung, sementara kekuasaan sesungguhnya berada pada penguasa infrastruktur data. Dari ketiga keluarga metafora itu, simpulan artikelnya bertemu di satu titik. “Metafora-metafora itu bekerja sebagai mekanisme ideologis yang secara aktif membentuk persepsi publik dan melegitimasi dinamika kekuasaan tertentu,” tulis Mansyur dan Jufri di bagian penutup. Bahasa yang dipilih redaksi, dengan kata lain, ikut menyusun kenyataan politik teknologi tersebut.
Di Mana Penjelasan Ini Berhenti
Ada beberapa hal yang tidak dapat dijawab kajian ini, dan penulisnya menyebutkannya sendiri. Sepuluh artikel jelas bukan potret seluruh pemberitaan Indonesia. Sampel itu dipilih secara purposif dan, dalam pengakuan penulisnya, dipilih karena kekayaan konseptualnya, bukan karena keluasan statistiknya. Rentangnya pun terbatas pada 2019 sampai 2024 dan enam kanal berita. Temuan seperti ini menerangkan pola bahasa pada teks yang dibaca, bukan proporsi pola tersebut di seluruh media nasional. Tidak ada klaim bahwa satu kiasan lebih sering muncul daripada kiasan lain, karena hitungan semacam itu memang tidak dikerjakan.
Batas kedua lebih penting lagi. Yang diperiksa adalah teks, bukan pembacanya. Tidak ada survei audiens, tidak ada eksperimen, tidak ada pengukuran seberapa jauh kiasan tadi benar-benar mengubah sikap orang terhadap kebijakan teknologi. Analisisnya menunjukkan apa yang mungkin dikerjakan bahasa, bukan membuktikan apa yang sudah terjadi di kepala pembaca. Kedua peneliti menyarankan lanjutan pada wacana media sosial dan pada akibat etis dari cara kecerdasan buatan dibingkai di ruang publik, dua wilayah yang belum mereka sentuh.
Yang tersisa dari kajian itu justru sesuatu yang kecil dan sehari-hari. Setiap kali sebuah program disebut berpikir, memutuskan, atau belajar, ada satu kalimat yang tidak ikut ditulis: siapa yang menyiapkan datanya, siapa yang memiliki mesinnya, siapa yang menanggung akibat kalau keluarannya keliru. Kata kerja manusia dipinjamkan kepada perangkat lunak, dan pemilik perangkat lunaknya keluar dari kalimat.
