Beberapa tahun terakhir, setiap kali muncul masalah konten AI, solusi yang paling cepat disebut adalah: kasih label.
Video AI? Label. Gambar AI? Label. Artikel AI? Label. Suara sintetis? Label. Deepfake politik? Label. Konten promosi pakai AI? Label.
Secara prinsip, gue setuju. Label konten AI itu penting. Publik berhak tahu apakah sebuah konten dibuat manusia, dibantu AI, atau sepenuhnya sintetis. Apalagi kalau kontennya menyentuh isu sensitif: politik, kesehatan, keuangan, pendidikan, anak, bencana, figur publik, atau informasi layanan publik.
Tapi kita juga harus jujur.
Label konten AI tidak akan menyelesaikan semua masalah.
Karena masalah konten AI bukan cuma apakah publik tahu konten itu dibuat mesin. Masalahnya lebih dalam: siapa yang membuat, untuk tujuan apa, disebarkan lewat sistem apa, diverifikasi bagaimana, dimonetisasi oleh siapa, dan kalau konten itu merugikan orang, siapa yang bertanggung jawab.
Kalau label diperlakukan sebagai obat tunggal, kita akan merasa aman terlalu cepat.
Label Itu Transparansi Awal, Bukan Jaminan Kebenaran
Label “dibuat dengan AI” hanya menjawab satu pertanyaan: konten ini melibatkan AI atau tidak.
Label tidak menjawab apakah kontennya benar. Label tidak menjawab apakah sumbernya valid. Label tidak menjawab apakah gambar itu memfitnah orang. Label tidak menjawab apakah klaim kesehatan di dalamnya aman. Label tidak menjawab apakah konten itu dibuat untuk edukasi, satire, penipuan, propaganda, atau manipulasi.
Jadi label penting, tapi efeknya terbatas.
Sebuah artikel bisa diberi label AI-generated dan tetap salah. Sebuah gambar bisa diberi label sintetis dan tetap merusak reputasi orang. Sebuah video deepfake bisa diberi label, tapi kalau sudah viral duluan, kerusakannya bisa tetap terjadi.
Di sinilah information integrity jadi isu besar. Integritas informasi bukan cuma soal label. Ia menyangkut sumber, konteks, verifikasi, distribusi, koreksi, dan akuntabilitas.
Kenapa Label Tetap Dibutuhkan
Jangan salah. Gue bukan sedang bilang label tidak penting.
Label tetap dibutuhkan karena publik perlu sinyal awal. Dalam lingkungan digital yang makin penuh konten sintetis, orang perlu tahu apakah mereka sedang melihat rekaman nyata, ilustrasi AI, rekayasa visual, suara imitasi, atau ringkasan otomatis.
European Commission dalam penjelasan EU AI Act memakai pendekatan berbasis risiko, termasuk kewajiban transparansi untuk jenis sistem tertentu. Logika ini masuk akal: semakin besar potensi dampaknya ke publik, semakin besar juga kebutuhan transparansi.
Untuk Indonesia, label bisa penting di banyak ruang: konten politik, iklan, berita, edukasi anak, promosi kesehatan, testimoni, konten finansial, dan media sosial.
Tanpa label, publik dipaksa menebak sendiri. Dan di era AI visual, menebak sendiri makin sulit.
Tapi Label Bisa Jadi Alibi Murah
Masalahnya, label juga bisa dipakai sebagai alibi.
Platform bisa bilang: “kami sudah memberi label.” Pembuat konten bisa bilang: “kan sudah ditandai AI.” Brand bisa bilang: “ini hanya konten sintetis.” Pemerintah atau organisasi bisa bilang: “sudah transparan.”
Padahal transparansi tidak otomatis sama dengan tanggung jawab.
Kalau sebuah deepfake merusak reputasi orang, label tidak cukup. Kalau konten AI menyebarkan informasi kesehatan palsu, label tidak cukup. Kalau chatbot memberi jawaban yang salah soal layanan publik, label tidak cukup. Kalau iklan AI menyesatkan konsumen, label tidak cukup.
Label tidak boleh menjadi cara untuk melempar tanggung jawab ke pengguna.
Deepfake Tidak Menunggu Publik Membaca Label
Masalah deepfake bukan hanya kontennya palsu. Masalahnya adalah kecepatan sebar.
Konten sintetis bisa menyebar di grup WhatsApp, TikTok, Instagram, X, Telegram, YouTube Shorts, dan ruang komunitas sebelum klarifikasi muncul. Di banyak kasus, orang tidak membaca label, tidak peduli label, atau menerima konten dari hasil screen recording yang labelnya sudah hilang.
Ini membuat labeling punya batas teknis dan sosial.
Kalau label hanya muncul di platform asal, tapi konten disalin ulang, dipotong, diberi caption baru, dan disebarkan di tempat lain, label bisa hilang. Kalau orang memang ingin percaya konten itu benar, label sering diabaikan.
Jadi isu labeling harus dikaitkan dengan provenance, watermarking, platform enforcement, media literacy, dan mekanisme takedown.
Label sendirian terlalu lemah.
Label Konten AI Butuh Standar, Bukan Selera Platform
Kalau setiap platform membuat aturan label sendiri, publik akan bingung.
Satu platform pakai “AI-generated”. Platform lain pakai “altered media”. Yang lain pakai ikon kecil. Yang lain hanya menaruh info di metadata. Ada yang mewajibkan kreator self-disclosure. Ada yang memakai deteksi otomatis. Ada yang longgar. Ada yang ketat.
Kalau tidak ada standar, label menjadi tidak konsisten.
Indonesia perlu memikirkan ini sejak awal dalam konteks AI policy regulation. Label seperti apa yang wajib? Untuk jenis konten apa? Di sektor mana? Siapa yang harus memberi label, kreator atau platform? Apa sanksinya kalau tidak diberi label?
Label Juga Tidak Menyelesaikan Bias
Ada masalah lain yang sering dilupakan: tidak semua risiko AI berbentuk konten palsu.
AI bisa bias. AI bisa memilih data yang salah. AI bisa membuat representasi kelompok tertentu jadi stereotip. AI bisa menghasilkan gambar profesi tertentu dengan gender tertentu. AI bisa menulis artikel yang terlalu global dan tidak paham konteks Indonesia. AI bisa membuat ringkasan yang menghapus nuansa penting.
Dalam kasus seperti ini, label “dibuat dengan AI” tidak menyelesaikan bias di dalam konten.
Di sini ethics and AI safety harus masuk. Kita perlu review, evaluasi, audit, dan standar editorial. Bukan hanya label.
Media dan Brand Harus Punya Tanggung Jawab Editorial
Untuk media, brand, agensi, dan organisasi publik, labeling harus masuk ke tanggung jawab editorial.
Kalau AI dipakai untuk membuat artikel, visual, audio, atau video, harus jelas: siapa yang mengedit, siapa yang memverifikasi, siapa yang menyetujui, dan siapa yang bertanggung jawab kalau ada kesalahan.
Di undercover.id/, konsep AI editorial responsibility penting karena output AI tidak boleh diperlakukan sebagai konten bebas tanggung jawab. Mesin bisa membantu produksi, tapi standar manusia tetap harus memegang kendali.
Label hanya memberi tahu proses. Editorial responsibility memastikan kualitas.
Indonesia Perlu Aturan Labeling yang Proporsional
Indonesia tidak perlu panik dan mewajibkan label untuk semua hal secara membabi buta.
Kalau seseorang memakai AI untuk memperbaiki typo email internal, itu tidak sama dengan membuat deepfake pejabat publik. Kalau desainer memakai AI untuk moodboard, itu tidak sama dengan membuat testimoni palsu. Kalau guru memakai AI untuk brainstorming soal latihan, itu tidak sama dengan platform edtech otomatis menilai murid.
Aturan labeling harus proporsional.
Konten berisiko tinggi perlu kewajiban lebih jelas. Konten hiburan perlu konteks. Konten edukasi anak perlu perlindungan. Konten politik perlu transparansi ketat. Konten kesehatan dan finansial perlu batas yang lebih keras.
Kesimpulan: Label Perlu, Tapi Jangan Dijadikan Tameng
Label konten AI itu penting.
Ia membantu publik membaca asal-usul konten. Ia memberi sinyal transparansi. Ia bisa menjadi bagian dari perlindungan terhadap deepfake, manipulasi, dan konten sintetis yang menyesatkan.
Tapi label bukan solusi final.
Masalah AI content tidak selesai hanya karena ada stiker “dibuat dengan AI”. Kita tetap butuh provenance, audit, platform accountability, editorial review, data governance, takedown mechanism, media literacy, dan aturan yang proporsional.
Kalau tidak, label hanya menjadi dekorasi etis. Kelihatan bertanggung jawab, tapi tidak cukup melindungi publik.