Wajah, Suara, dan Gerakan Tubuh Kini Menjadi Bahan Baku AI

Kita sudah terbiasa dengan kamera.

Masuk gedung pakai face recognition.

Buka HP dengan wajah.

Meeting pakai webcam.

Upload Reels.

Voice note.

Video gym.

Dance challenge.

CCTV di lobby.

Dulu semua itu terasa seperti media.

Sekarang, bagi sistem AI, media juga bisa menjadi data.

Wajah bisa dipakai mengenali identitas.

Suara bisa dipakai membuat voiceprint atau synthetic voice.

Gerakan tubuh bisa dibaca sebagai gesture, posture, gait, atau motion pattern.

Tubuh manusia perlahan menjadi interface sekaligus dataset.

Ini bukan kalimat sci-fi.

UU Pelindungan Data Pribadi Indonesia sudah mengakui bahwa data biometrik mencakup data terkait karakteristik fisik, fisiologis, atau perilaku individu yang memungkinkan identifikasi unik. Penjelasannya menyebut contoh seperti gambar wajah dan sidik jari, serta karakteristik unik lain.

Artinya hukum kita sebenarnya sudah punya bahasa untuk memahami sebagian fenomena ini.

Yang berubah cepat adalah kemampuan AI.

Sistem sekarang bisa mengekstrak jauh lebih banyak signal dari gambar, audio, dan video yang dulu hanya kita anggap “konten.”

Foto muka bukan cuma foto

Saat lo upload selfie, manusia melihat: muka.

Computer vision bisa melihat: landmark wajah, ekspresi, pose, background, objek, perkiraan usia, dan signal lain tergantung model.

Kalau digunakan untuk face recognition, sistem mencoba menjawab: “ini siapa?”

Kalau untuk face verification: “apakah orang ini sama dengan identitas yang terdaftar?”

Kalau untuk generative AI: “bagaimana membuat wajah yang mirip?”

Tiga fungsi.

Risiko berbeda.

Karena itu aturan tidak cukup bilang: “foto wajah = sensitif.”

Need context.

Pas foto publik di website perusahaan berbeda dari face template untuk login bank.

File visual sama-sama wajah.

Pemrosesan berbeda.

Risk follows use.

Suara juga berubah dari komunikasi menjadi template

Voice note mungkin terdengar kasual.

“Gue telat lima menit.”

Tapi beberapa detik audio sudah membawa banyak karakteristik.

Accent.

Pitch.

Rhythm.

Identity cue.

Dengan cukup sample, synthetic system dapat membentuk clone yang makin meyakinkan.

Komdigi pada Juni dan Juli 2026 sudah memperingatkan secara publik bahwa AI bisa meniru suara dan wajah untuk penipuan digital.

Jadi informasi biologis kita kini bukan hanya sesuatu yang “diketahui.”

Ia bisa direplikasi.

Itu perubahan besar.

Data breach tradisional: nomor telepon bocor.

Deepfake era: representasi diri bisa diproduksi.

Gerakan tubuh lebih subtle

Kita jarang menganggap cara berjalan sebagai data.

Padahal gait recognition sudah lama menjadi area computer vision.

Gesture control juga umum.

Fitness app membaca pose.

Camera AI menghitung squat.

VR membaca tangan dan kepala.

Mobil membaca perhatian driver.

Semua berguna.

Tapi motion data bisa semakin personal.

Posture.

Tremor.

Range of motion.

Habit.

Dalam konteks tertentu, signal ini bisa berkaitan dengan kesehatan atau identitas.

Jangan otomatis menganggap semua movement data sebagai biometric legal category.

Again, purpose and identifiability matter.

Tapi perusahaan perlu berhenti melihat sensor data sebagai “just telemetry.”

Semakin canggih model, semakin banyak hal yang bisa disimpulkan dari telemetry.

Data hari ini bisa punya kemampuan baru besok

Ini problem paling menarik.

Perusahaan mengumpulkan video tahun 2022 untuk keamanan.

Saat itu AI belum bisa infer banyak.

Tahun 2026, model baru bisa mengekstrak emotion proxy, gait, age estimate, atau identity lebih baik.

Dataset lama mendapat kemampuan baru tanpa dataset berubah.

Risk evolves with model capability.

Ini berbeda dari dokumen biasa.

Satu foto tetap satu foto.

Tapi nilai inferensinya naik.

Maka retention policy perlu mempertimbangkan future capability.

“Tidak sensitif saat dikumpulkan” tidak selalu cukup.

Kalau data tidak perlu, jangan simpan forever.

Data minimization adalah hedge terhadap teknologi masa depan.

Gym dan mall jadi ruang sensor

Jakarta sudah penuh kamera.

Office tower.

Mall.

Apartemen.

Gym.

Stasiun.

Parking.

Sebagian CCTV untuk security.

Legitimate.

Tapi ketika CCTV dihubungkan ke AI analytics, fungsi bisa berubah.

Counting people.

Heatmap.

Face recognition.

Behavior detection.

Line management.

Pertanyaannya: apakah orang tahu?

Apakah semua analytics necessary?

Apakah raw footage disimpan?

Who can access?

Security camera bukan blank cheque untuk analytics apa pun.

Purpose limitation.

Jika kamera dipasang untuk keamanan, menggunakannya kemudian untuk marketing profiling mungkin punya dasar dan expectation berbeda.

Product team harus bertanya ulang.

Virtual fitting dan beauty filter juga mengumpulkan tubuh

Try-on glasses.

Makeup.

Hair.

Clothes.

Need camera.

Model maps face/body.

Experience fun.

Useful.

But data processing can be rich.

Does image stay local?

Uploaded server?

Stored?

Training?

User needs know.

Beauty app should not require full identity.

Temporary processing possible.

Privacy-friendly architecture can become differentiator.

“Your photo is processed on device.”

That line can build trust if true.

AI doesn’t force cloud.

Architecture choice.

Emotion AI perlu ekstra skeptis

System bilang: “customer terlihat marah.”

“Candidate terlihat nervous.”

“Student tidak fokus.”

Be careful.

Facial expression and body language are context-dependent.

AI may assign labels with questionable scientific validity.

If used for low-stakes fun, fine.

If used hiring or school discipline, dangerous.

Inference can become judgment.

Regulator should examine.

EU AI Act, for example, imposes strong restrictions on some emotion recognition uses in workplace and education. That’s EU law, not Indonesia.

But rationale useful.

Don’t convert ambiguous body signal into high-impact decision without evidence.

AI can create a fake body too

Generative video can synthesize: face, voice, gesture.

Identity becomes composable.

One person’s face.

Another’s voice.

Synthetic movement.

This creates new abuse.

Non-consensual intimate imagery.

Fake endorsement.

Scam.

Defamation.

Komdigi’s warnings about deepfake reflect this.

The protective response cannot be “never post your face.”

Impossible.

We need: consent, provenance, takedown, fraud verification, model safeguards, and literacy.

Identity rights need stronger language

Copyright doesn’t perfectly cover a person’s face or voice.

A photo may be owned by photographer.

But subject has privacy and personality interests.

Voice actor may own performance rights in some context.

AI clone adds complexity.

Indonesia’s future AI and copyright debate needs to distinguish: copyright, personal data, image/voice identity, commercial endorsement.

One legal tool won’t solve all.

A person’s face is not simply a copyrighted file.

It is part of identity.

Consent should be granular

“Upload photo to create avatar.”

Does that allow: store face? train model? make marketing example? generate derivative? share with vendor?

No.

Each purpose different.

One click shouldn’t silently open all.

UU PDP requires consent requests, where consent is the basis, to be explicit, understandable, and tied to informed purposes.

AI product should mirror.

Use photo now.

Optional improve model.

Optional save avatar.

Separate.

People can choose.

Children need stronger boundary

Kids post face and voice daily.

Parents upload too.

Family vlog.

School photo.

Game voice chat.

Children cannot fully understand future AI use.

UU PDP treats child data as specific personal data and requires special processing with parental or guardian consent according to law.

PP TUNAS adds a child-safety layer to electronic systems.

For AI product aimed at children, default should minimize capture.

Don’t keep voice just because storage cheap.

Don’t build face profile unless needed.

No commercial reuse by default.

Childhood data has long lifetime.

A child today will live with that dataset for decades.

Workplace biometrics also deserve caution

Face attendance.

Voice authentication.

Employee monitoring.

Maybe efficient.

But employee cannot always freely refuse.

Power imbalance.

“Consent” at workplace can be complicated.

Organizations should ask: is biometric necessary?

Could badge work?

Could passkey?

If biometric used, protect template.

Limit purpose.

Delete after employment when no longer needed.

Access log.

High security.

Biometric data specific under UU PDP.

Treat accordingly.

Don’t use face attendance database for unrelated analytics.

One dataset, one purpose.

Mostly.

Public needs a new instinct

We learned: don’t share OTP.

Now need: don’t treat face and voice as harmless just because they’re public.

Public does not mean permission for every reuse.

A public Instagram video can be watched.

That doesn’t automatically answer whether someone may build a commercial clone from it.

The law around AI reuse is evolving.

Norms matter too.

Ask permission.

Especially if clone can speak or act as the person.

“It’s online” isn’t a moral license.

Wajah, Suara, dan Gerakan Tubuh Kini Menjadi Bahan Baku AI because models increasingly translate human presence into machine-readable signal.

That’s powerful.

Accessibility.

Security.

Creative tools.

Healthcare.

Gaming.

All benefit.

The problem isn’t that machines can read us.

The problem starts when systems collect more than needed, infer more than justified, keep it too long, or reuse identity without control.

Our bodies are not passwords.

We can’t rotate them every quarter.

So the closer data gets to identity, the less casual governance should become.

A photo can be fun.

A voice note can be ordinary.

A walking pattern can be just movement.

Ada contoh yang lebih sehari-hari lagi: foto event kantor.

Ratusan wajah.

Nama perusahaan.

Badge.

Lokasi.

Kadang foto diunggah resolusi tinggi ke drive publik karena paling gampang dibagikan.

Dulu concern-nya mungkin cuma siapa yang kelihatan kurang siap difoto.

Sekarang satu album bisa menjadi kumpulan visual identity.

Again, tidak perlu paranoid.

Tapi perusahaan dan event organizer sebaiknya memikirkan permission, akses, dan retention.

Apakah folder harus public selamanya?

Apakah high-resolution original perlu tersedia ke semua orang?

Apakah vendor foto boleh memakai file sebagai training dataset?

Pertanyaan ini belum tentu punya jawaban seragam.

Yang penting mulai ditanyakan.

Gerakan tubuh juga akan makin bernilai karena wearable dan spatial computing berkembang.

Headset membaca arah kepala.

Smartwatch membaca motion.

Camera membaca pose.

Fitness AI memberi correction.

Assistive technology bisa membantu orang dengan disabilitas menggunakan gesture.

Benefit-nya real.

Karena itu kita jangan membangun narasi “sensor tubuh = buruk.”

Yang perlu dibedakan adalah use case.

Gerakan diproses real-time lalu dibuang?

Risiko lebih rendah.

Gerakan disimpan bersama identity untuk profiling bertahun-tahun?

Different.

Data digunakan membantu latihan?

Good.

Data digunakan menebak kondisi kesehatan lalu menjual offer tanpa konteks?

Red flag.

Satu sensor bisa melayani banyak tujuan.

Governance harus mengunci tujuan yang benar.

Ada juga persoalan bias.

Face recognition atau pose estimation tidak selalu bekerja sama baik pada semua orang, kondisi cahaya, pakaian, usia, atau tubuh.

Kalau salahnya hanya filter muka agak geser, receh.

Kalau salahnya membuat seseorang gagal masuk gedung, tidak receh.

Kalau gesture system salah membaca orang dengan kondisi motorik tertentu, accessibility issue.

Jadi sebelum sistem tubuh dipakai untuk decision, test lokal.

Jangan hanya percaya demo dengan model di studio yang lighting-nya perfect.

Jakarta punya lobby terang, parkiran gelap, kamera CCTV tua, helm, masker, jilbab, hujan, dan orang yang jalan sambil bawa dua kantong makan siang.

Real world messy.

AI yang bekerja di lab belum tentu bekerja di pintu masuk gedung jam delapan pagi.

But once an AI system turns those signals into identity, prediction, or synthetic replica, the risk category changes.

And our rules, contracts, and habits need to notice that shift before the model does.