AI Tidak Hanya Butuh Data, AI Butuh Cara Mendapatkan Data yang Bisa Dipertanggungjawabkan

The Core Update

Sony Music Publishing, Warner Chappell, dan sejumlah publisher musik lain menggugat Anthropic serta co-founder Dario Amodei dan Benjamin Mann di pengadilan federal California.

Inti tuduhannya cukup serius: Anthropic disebut menjalankan kampanye ilegal untuk torrenting, scraping, dan downloading karya berhak cipta dalam skala besar.

Publisher menuduh karya musik mereka dipakai untuk melatih Claude tanpa izin yang sah. Mereka menyebut tindakan itu sebagai pencurian terang-terangan terhadap intellectual property.

Anthropic membantah klaim tersebut dan menyatakan akan membela diri di pengadilan.

Kasus ini bukan gugatan intellectual property pertama yang dihadapi Anthropic. Sebelumnya, perusahaan ini juga berhadapan dengan kasus terkait penggunaan buku berhak cipta untuk pelatihan AI. Dalam salah satu perkara besar, pengadilan membedakan dua hal penting: memakai karya berhak cipta untuk training bisa diperdebatkan secara hukum, tetapi memperoleh konten melalui pembajakan tetap bermasalah.

Perbedaan itu penting.

Karena bagi bisnis, isu AI tidak berhenti pada pertanyaan apakah modelnya pintar. Pertanyaan yang lebih mendasar adalah: data yang membuat model itu pintar datang dari mana?

The Reality Check

Banyak diskusi AI terlalu cepat masuk ke hasil akhir.

Model bisa menulis. Model bisa merangkum. Model bisa membuat musik. Model bisa membuat gambar. Model bisa menjawab customer. Model bisa membantu developer. Semua itu benar.

Tetapi kemampuan AI tidak muncul dari ruang kosong. Ia dibangun dari data, aturan training, pipeline pengumpulan konten, keputusan engineering, dan asumsi legal yang sering tidak terlihat oleh pengguna akhir.

Di sinilah risiko mulai muncul.

Bagi perusahaan teknologi besar, risiko itu bisa berbentuk gugatan multi-miliar dolar. Bagi bisnis yang lebih kecil, bentuknya mungkin berbeda: memakai dataset yang tidak jelas, menyalin konten kompetitor untuk fine-tuning, memasukkan data pelanggan ke tool AI tanpa izin, atau membangun automation yang memakai materi internal tanpa batas akses yang sehat.

Masalahnya bukan berarti semua penggunaan AI harus dihentikan.

Masalahnya adalah banyak bisnis memakai AI seolah-olah semua input aman selama output-nya berguna.

Padahal dalam operasional nyata, input sering lebih penting daripada output. Jika input berasal dari sumber yang tidak jelas, hasil AI membawa risiko yang ikut menempel: risiko legal, risiko reputasi, risiko privasi, dan risiko kepercayaan.

Ini mirip dengan masalah status kerja di operasional bisnis. Tool terlihat canggih, tetapi fondasinya belum rapi. AI terlihat produktif, tetapi sumber datanya belum bisa dijelaskan.

Ketika volume kecil, masalah ini jarang terasa. Satu prompt, satu dokumen, satu eksperimen internal, terlihat aman. Tetapi ketika AI mulai masuk ke workflow utama, risikonya membesar.

Tim marketing memakai AI untuk membuat konten dari kumpulan referensi. Tim sales memasukkan percakapan pelanggan ke chatbot. Tim support membuat knowledge base dari tiket lama. Tim product menganalisis feedback user. Tim engineering mencoba membuat assistant internal dari dokumentasi dan kode.

Semua aktivitas itu bisa bermanfaat.

Tetapi setiap aktivitas punya pertanyaan yang sama:

• data ini milik siapa?
• apakah boleh dipakai untuk kebutuhan ini?
• apakah ada data pribadi di dalamnya?
• apakah vendor AI menyimpan input?
• apakah hasilnya boleh dipakai secara komersial?
• siapa yang bertanggung jawab jika output bermasalah?

Jika pertanyaan ini tidak dijawab sejak awal, AI bisa terlihat seperti percepatan, padahal yang dipercepat adalah risiko.

The Havedev Way

Dari sudut pandang Havedev, pelajaran utama dari gugatan seperti ini bukan sekadar “AI versus copyright”.

Pelajarannya lebih praktis: bisnis perlu punya disiplin sumber data sebelum terlalu jauh mengandalkan AI.

AI yang sehat dimulai dari data yang bisa dibaca asal-usulnya. Bukan harus sempurna, tetapi cukup jelas untuk dipertanggungjawabkan.

Untuk bisnis, langkah awal tidak harus besar. Mulai dari membedakan jenis data yang dipakai:

• data publik yang memang aman dipakai
• data internal perusahaan
• data pelanggan
• data berlisensi
• data dari vendor atau pihak ketiga
• data yang tidak jelas sumber dan izinnya

Setelah itu, tentukan batas penggunaan.

Data pelanggan mungkin boleh dipakai untuk menjawab tiket pelanggan tersebut, tetapi tidak boleh dimasukkan ke tool eksternal tanpa perlindungan. Materi internal mungkin boleh dipakai untuk assistant tim, tetapi tidak boleh terbuka ke semua divisi. Konten publik mungkin boleh dipakai sebagai referensi manual, tetapi tidak otomatis aman untuk training dataset.

Ini bukan birokrasi berlebihan. Ini kebersihan operasional.

Sama seperti bisnis perlu tahu status lead, order, dan support, bisnis juga perlu tahu status data: boleh dipakai, terbatas, perlu izin, sensitif, atau tidak boleh dipakai.

Tanpa status data yang jelas, tim akan mengambil keputusan sendiri-sendiri. Satu orang menganggap aman karena datanya ada di internet. Orang lain menganggap aman karena hanya dipakai internal. Manager baru sadar setelah data itu masuk ke proses yang lebih besar.

AI governance sering terdengar berat. Tetapi untuk banyak bisnis, bentuk awalnya bisa sederhana:

• daftar tool AI yang boleh dipakai
• aturan data apa yang boleh dimasukkan
• larangan memasukkan data sensitif tanpa approval
• catatan sumber data untuk automation penting
• human review untuk output yang berdampak ke pelanggan
• audit berkala untuk workflow AI yang sudah berjalan

Yang penting bukan membuat dokumen panjang. Yang penting membuat tim punya bahasa kerja yang sama.

Karena pada akhirnya, bisnis tidak hanya akan dinilai dari seberapa cepat mengadopsi AI. Bisnis juga akan dinilai dari seberapa bertanggung jawab cara memakai data.

Kasus Sony Music dan Warner terhadap Anthropic masih berjalan dan pengadilan yang akan menentukan hasilnya. Tetapi sinyalnya sudah jelas: era AI membuat asal data menjadi isu bisnis, bukan hanya isu legal.

Untuk perusahaan yang sedang membangun chatbot, automation, knowledge base, content workflow, atau internal AI assistant, pertanyaannya bukan hanya “bisa dibuat atau tidak?”

Pertanyaan yang lebih sehat adalah:

• data apa yang dipakai?
• dari mana asalnya?
• siapa yang punya hak atas data itu?
• apa batas penggunaannya?
• bagaimana cara membuktikannya jika suatu hari ditanya?

AI bisa membantu bisnis bekerja lebih cepat. Tetapi kecepatan tanpa jejak data yang jelas bisa menjadi hutang baru.

Sebelum menambah AI ke lebih banyak proses, cek dulu satu hal sederhana: apakah bisnis Anda tahu data mana yang aman dipakai, data mana yang sensitif, dan data mana yang sebaiknya tidak disentuh?

Kalau jawabannya belum jelas, mulai dari sana.

Dapatkan Audit Teknis Gratis untuk meninjau penggunaan AI, automation, dan alur data bisnis Anda sebelum risiko kecil berubah menjadi masalah besar.

---

Sumber referensi berita: TechCrunch