Bagaimana Mengatasi Bias Linguistik dan Kultural dalam Adopsi GenAI

Pada tahun 2025, ChatGPT dan pencarian Google yang ditenagai AI mendominasi, tetapi sangat penting untuk mempertimbangkan berbagai mode komunikasi. Kecerdasan Buatan Generatif (GenAI) sebagian besar berbasis teks dan berfungsi dalam bahasa Inggris, yang dapat mengisolasi penggunaannya untuk penutur non-bahasa Inggris.

Meskipun bahasa Inggris digunakan sebagai bahasa ibu oleh kurang dari 20% populasi dunia, bahasa Inggris membentuk 67,3% dari situs web. Banyak platform GenAI dilatih dalam bahasa Inggris, yang berarti bahwa komunikasi dapat terdistorsi dalam lingkungan kerja yang melibatkan beberapa bahasa atau budaya.

Komunikasi jauh lebih dari sekedar huruf di layar: itu melibatkan nada, bahasa tubuh, ekspresi wajah, irama, dan nuansa budaya, untuk menyebut beberapa faktor kunci. Organisasi yang menggunaka GenAI harus memastikan bahwa mereka juga mengurangi potensi bias bahasa dan budaya, terutama karena kita hidup di dunia yang global.

Mengapa Suara Masih Penting

Ada beberapa teori yang memperluas pentingnya komunikasi multimodal, terutama dalam pengaturan multibudaya dan multibahasa.

Salah satu yang paling menonjol adalah teori Edward T. Hall tentang budaya konteks tinggi dan rendah. Hall menguraikan perbedaan intrinsik dalam cara berbagai budaya berkomunikasi. Budaya konteks tinggi, yang ditemukan di banyak negara Asia, bergantung pada petunjuk tidak langsung dan non-verbal dalam komunikasi. Jepang, misalnya, adalah bahasa konteks tinggi, di mana onomatopoeia dan perubahan halus dalam ekspresi secara dramatis mempengaruhi niat dan inferensi.

Budaya konteks rendah, di sisi lain, seperti banyak yang di Barat (Amerika Serikat dan banyak negara Eropa) bergantung pada komunikasi langsung dan verbal. Karena budaya konteks rendah cenderung lebih eksplisit, pesan teks digital yang berbasis teks dengan mudah menyatu ke dalam kain komunikasi mereka. Mengkontekstualisasikan karakteristik teks berbasis GenAI yang dominan terhadap teori ini, tidak mengherankan bahwa orang-orang dari budaya konteks tinggi, terutama penutur non-bahasa Inggris, mengalami kesulitan berkomunikasi secara efektif dengan alat ini.

Dalam pengaturan bisnis internasional, di mana orang-orang dari semua latar belakang berkumpul, kurangnya petunjuk halus seperti bahasa tubuh dan nada dapat membuat berkomunikasi dengan AI kurang dapat diandalkan. Komunikasi digital atau berbasis teknologi, terutama yang dialami melalui alat GenAI, harus mencakup mode lain di luar pesan teks.

Masalah Bias Bahasa Inggris dalam GenAI

Ada juga kekhawatiran serius tentang bias dalam detektor AI (yang ironisnya ditenagai oleh AI) terhadap penulis non-bahasa Inggris. Selain itu, dalam dunia sains, penelitian baru-baru ini menunjukkan bahwa sebanyak 38% penulis non-bahasa Inggris ditolak oleh jurnal karena hambatan bahasa. Penulis penelitian ini sebenarnya berpendapat bahwa menghancurkan hambatan bahasa adalah kunci untuk berbagi pengetahuan. Mereka juga berpendapat bahwa kualitas bahasa tidak harus menentukan apakah pengetahuan cukup berharga untuk dibagikan.

Peneliti mengeluarkan peringatan tentang kurangnya keragaman bahasa di seluruh LLM, dan risiko mengecualikan sejumlah besar populasi dunia yang bukan penutur bahasa Inggris. Ini adalah masalah yang sangat mendalam yang membatasi bagaimana orang dapat berinteraksi dengan dan menggunakan alat AI.

Ini juga merupakan masalah yang harus ditangani secepat mungkin, mengingat bahwa 95% perusahaan AS telah mengadopsi GenAI. Teknologi ini semakin banyak diterapkan ke lingkungan kerja sibuk seperti lantai pabrik. Namun, penutur non-bahasa Inggris sering kali ditinggalkan dalam persamaan ketika membahas strategi penerapan AI.

Mari kita lihat apa hambatan untuk adopsi AI yang sukses terlihat seperti dalam kehidupan nyata. Penutur non-bahasa Inggris mengalami kesulitan dengan prompt, yang menyebabkan output yang terdistorsi dan risiko informasi atau instruksi yang salah. Misalnya, produsen Vietnam dengan pemahaman bahasa Inggris yang terbatas bergantung pada terjemahan bahasa Inggris melalui GenAI untuk instruksi. Itu menyebabkan ruang besar untuk kesalahan karena konteks dan petunjuk yang lebih halus dihilangkan.

Selain itu, kepercayaan dan kepercayaan dirusak. Ini dapat meningkatkan resistensi terhadap penggunaan teknologi dalam alur kerja, sementara melemahkan moral dan motivasi karyawan.

Menutup Kesenjangan

Hambatan dan tantangan ini harus ditangani secepat mungkin. Untuk memperbarui lapangan permainan sekitar adopsi GenAI, nuansa budaya dan linguistik harus dipertimbangkan. Ada beberapa strategi yang dapat diintegrasikan organisasi untuk menjembatani kesenjangan ini dan membangun adopsi GenAI untuk masa depan multibahasa.

Mengintegrasikan Kerangka Kognitif dan Analitis

Salah satu kerangka kognitif yang sangat berguna adalah Lingkaran OODA, yang dikembangkan oleh pilot jet tempur terkenal, John Boyd. Lima komponen “orient” yang membentuk salah satu dari empat langkah Lingkaran OODA—warisan genetik, tradisi budaya, pengalaman sebelumnya, informasi baru, dan analisis/sintesis—dapat diterapkan untuk memahami bagaimana keputusan individu dipengaruhi oleh input. \

Saran saya adalah untuk memperlakukan bahasa sebagai bagian dari ‘tradisi budaya’ sambil memperhatikan ‘warisan genetik’ dan ‘analisis/sintesis’ individu. Berikut adalah breakdown tentang bagaimana setiap komponen berperan dalam melatih model AI untuk menjadi lebih luas dalam cakupan linguistik.

• Warisan genetik (sifat manusia yang tertanam): latih sistem AI untuk mendeteksi petunjuk universal seperti nada dan irama yang dibagikan antara bahasa dan budaya. Pendekatan multimodal untuk GenAI yang mencakup suara, teks, dan petunjuk video—bukan hanya teks.

• Tradisi budaya: Buat dataset untuk menangkap karakteristik bahasa tertentu, seperti onomatopoeia, dan bentuk komunikasi yang kaya konteks. Kurasi model untuk wilayah daripada menggunakan model universal yang tidak cukup lincah secara budaya atau linguistik.

• Pengalaman sebelumnya: Orang lebih cenderung mempercayai sistem yang mencerminkan kenyataan mereka. Misalnya, karyawan di Vietnam atau Jepang akan menggunakan AI secara berbeda dari tim yang berbasis di AS, tergantung pada tingkat paparan dan kepercayaan mereka terhadap alat ini. Bisa dilakukan lokakarya di mana tim lokal dapat menguji dan berlatih menggunakan GenAI. Mereka kemudian dapat berbagi umpan balik tentang seberapa baik itu mencerminkan konteks linguistik dan budaya mereka. Organisasi kemudian dapat menyesuaikan perpustakaan prompt sesuai dengan itu, mempertimbangkan penggunaan panduan tersebut (pekerja pabrik umumnya lebih suka panduan visual).

• Informasi baru: alat GenAI perlu diperbarui secara terus-menerus dengan data dunia nyata. Gunakan input data multibahasa di seluruh dataset sehingga sistem terintegrasi dapat mempelajari nuansa bahasa dan bentuk komunikasi yang berbeda.

• Analisis/sintesis: Di sinilah terjadi keselarasan antara orang dan AI. Data linguistik dan sinyal sering kali terfragmentasi, yang tidak kompatibel dengan model GenAI. Data ini perlu diubah menjadi data yang dapat dicerna AI sehingga dapat diproses dan dianalisis untuk menghasilkan output yang lincah secara budaya dan linguistik.

Pelatihan Praktis untuk Praktik Terbaik

Karyawan juga harus dilatih tentang praktik terbaik seputar memicu platform GenAI, dengan fokus pada kejelasan. Perpustakaan prompt dapat sangat berguna untuk memperkenalkan tim dengan praktik terbaik untuk prompt.

Pentingnya, dalam lokakarya pelatihan AI, saya juga merekomendasikan untuk memfokuskan pada prinsip seperti keadilan dan transparansi. Ini adalah aspek fundamental dari penerapan AI yang tidak bias, dan tim harus juga sangat familiar dengan menemukan tanda-tanda halusinasi dan bias, yang memperburuk hambatan bahasa.

Selain itu, hindari ‘ruang gema’ dengan memastikan bahwa informasi baru dari AI tidak hanya dari individu, tetapi dari berbagai sumber. Ruang gema adalah masalah besar dalam teknologi, termasuk AI, yang memperkuat bias yang sudah ada dan menyebabkan output yang terdistorsi. Karyawan terpapar risiko jatuh ke dalam perangkap bias dan mengikuti pedoman atau informasi yang tidak sejalan.

Akhirnya, mengakui bahwa setiap alat AI, termasuk GenAI, harus diperlakukan sebagai ‘konsultan’, bukan pedoman yang ketat. Tim harus didorong untuk selalu melibatkan manusia untuk memperjelas setiap kebingungan untuk mitigasi risiko informasi atau pedoman yang salah.

AI mengubah proses bisnis, tetapi penting untuk tidak meninggalkan siapa pun di belakang di sepanjang jalan. Mengintegrasikan strategi ini dalam penerapan AI memberdayakan bisnis untuk menavigasi hambatan bahasa yang dapat menyebabkan bias dan masalah yang membesar.