Templat GPAI Baru Komisi Eropa – Apa Artinya Ini bagi Pelatihan AI?

Pada bulan Juli, Komisi Eropa (EC) merilis sebuah peraturan baru kecerdasan buatan tujuan umum (GPAI) templat. Ini berarti penyedia AI harus mengungkapkan konten yang dimasukkan ke dalam model untuk melatihnya. Ini terjadi setelah berbulan-bulan berita utama tentang kreator menuduh konten tersebut digunakan tanpa persetujuan untuk melatih AI.

Dengan templat baru ini, Uni Eropa telah menegaskan posisinya: transparansi kini tak tergoyahkan. Pelatihan kotak hitam, di mana sesuatu diciptakan tanpa mengungkapkan cara kerjanya, tidak akan menjadi pilihan bagi pengembang AI. Ini menandai perubahan signifikan karena beroperasi di Eropa kini membutuhkan visibilitas penuh terhadap input model dan asal data pelatihan, yang memaksa evaluasi ulang pengumpulan dan penggunaan data.

Banyak yang menunjukkan perbedaan mencolok antara ini dan yang baru-baru ini dirilis Rencana Aksi AI AS, yang berfokus pada deregulasi. Seperti halnya undang-undang atau peraturan baru, bisnis kini harus mengevaluasi dan menilai secara tepat bagaimana templat GPAI akan memengaruhi operasional.

Jika mereka beroperasi lintas wilayah, mereka akan melakukan hal yang sama dengan Rencana Aksi AI AS, yang akan semakin membingungkan. Karena sifatnya yang kompleks dan fakta bahwa regulasi pengembangan AI dengan cara ini masih belum terpetakan, hasil yang dihasilkan oleh para pengembang kemungkinan akan sangat berbeda.

Membedah Template Model AI Tujuan Umum

Pada bulan Juli tahun ini, Komisi Eropa menerbitkan templat wajib bagi penyedia GPAI agar mereka dapat mempublikasikan ringkasan publik data yang digunakan untuk melatih model mereka. Sebagai bagian dari Undang-Undang AI Uni Eropa, penyedia harus mengungkapkan kategori data seperti set data yang tersedia untuk umum, data berlisensi pribadi, konten web hasil scraping, data pengguna, dan data sintetis. Tujuannya adalah untuk memungkinkan pemegang hak cipta, pengguna, dan pengembang hilir untuk menjalankan hak hukum mereka berdasarkan hukum Uni Eropa.

GPT dilatih dengan data dalam jumlah besar; namun, di pasar saat ini, informasi yang tersedia mengenai asal data ini masih terbatas. Ringkasan publik yang disajikan dalam templat ini akan memberikan gambaran umum komprehensif tentang data yang digunakan untuk melatih model, mencantumkan kumpulan data utama, dan menjelaskan sumber lain yang digunakan.

Bandingkan dan Bedakan, Rencana Aksi AI AS

Sebagai perbandingan, AS bersikeras AS akan memenangkan persaingan AI dan mempertahankan keunggulan kompetitifnya atas Tiongkok, sebagaimana yang diumumkan pemerintahan Trump pada awal musim panas ini. Kerangka kerja AI baru ini bertujuan untuk mempercepat pembangunan pusat data intensif energi yang mendukung sistem AI dengan melonggarkan regulasi lingkungan. Di saat yang sama, AS juga berupaya meningkatkan ekspor teknologi AI Amerika secara global. Dengan 90 rekomendasi, rencana ini mencerminkan upaya AS yang terus meningkat untuk tetap unggul dari para pesaing globalnya.

Rencana tersebut dibangun di sekitar tiga pilar inti – mempercepat inovasi, membangun infrastruktur AI Amerika, dan membina kepemimpinan dalam diplomasi dan keamanan AI internasional.

Sebagai bagian dari hal ini, poin penting dari rencana tersebut menyoroti dorongan "sumber terbuka" Amerika untuk mendorong inovasi dan aksesibilitas. Demikian pula, rencana tersebut menyoroti bagaimana pemerintah AS akan "Menurut contoh'dalam hal pertumbuhan AI – melalui pelatihan, pertukaran bakat, dan perluasan adopsi di seluruh industri.

Dengan rencana ini, AS bertujuan untuk menyederhanakan semua regulasi teknologi yang ada, terutama yang berkaitan dengan lingkungan, guna memastikan legislasi tidak menghambat pertumbuhan, sekaligus mendorong distribusi perangkat lunak dan perangkat keras AI AS yang lebih luas di tingkat internasional. Pendekatan "anti-regulasi" ini menandai pergeseran yang jelas dari kerangka kerja sebelumnya yang berfokus pada etika, transparansi, dan inovasi yang bertanggung jawab – alih-alih bergerak menuju rencana aksi "mengutamakan inovasi" yang lebih agresif.

Piece Hilang

Ada baiknya kita mundur sejenak pada tahap ini dan mempertimbangkan apakah undang-undang ini, meskipun berbeda, dapat memiliki kekurangan yang sama yang akan menyebabkan pengembang merasa kurang berharga dalam mematuhinya. Pendekatan Uni Eropa dan AS meninggalkan celah kritis seputar hak kekayaan intelektual dalam set data pelatihan AI. Undang-Undang AI Uni Eropa mewajibkan ringkasan data pelatihan dan kebijakan kepatuhan hak cipta, tetapi tidak menetapkan kerangka kerja yang terukur untuk mengidentifikasi atau melisensikan karya berhak cipta.

Di AS, tidak ada aturan khusus sama sekali – yang membuat perusahaan AI harus menavigasi kerangka hukum yang terus berkembang, yang dibentuk oleh putusan pengadilan dan sengketa yang berkelanjutan dengan pemegang hak. Di luar teks hukum, yang hilang adalah sisi praktisnya; tidak ada pendekatan yang menetapkan metode yang dapat diterapkan di seluruh industri untuk mendeteksi konten yang dilindungi dalam skala besar, memverifikasi penggunaan yang sah, atau menyederhanakan perizinan. Hingga solusi tersebut didefinisikan, ketidakpastian seputar hak cipta dalam pelatihan AI akan tetap menjadi tantangan signifikan bagi industri.

Biaya Tersembunyi dari Bisnis yang Melewatkan Ketertelusuran AI

Meskipun terdapat beberapa kekurangan dalam regulasi ini, diasumsikan bahwa regulasi ini akan membuat pengembang AI sangat berfokus pada cara untuk tetap bertahan dari perspektif hukum – tetapi kenyataannya tidak selalu demikian. Faktanya, kesenjangan nyata dalam AI saat ini bukanlah antara regulasi Uni Eropa dan AS, melainkan antara perusahaan yang berinvestasi dalam ketertelusuran saat ini dan perusahaan yang berjudi bahwa mereka tidak perlu melakukannya. Hal ini merupakan pengulangan dari apa yang kita saksikan bertahun-tahun lalu dengan penerapan Peraturan Perlindungan Data Umum (GDPR) – perusahaan yang membangun privasi sejak dini tidak hanya terhindar dari denda tetapi juga mendapatkan kepercayaan konsumen dan akses yang lebih lancar ke pasar lain yang kemudian mencerminkan standar GDPR.

Pola yang sama mungkin muncul dengan AI. Ketertelusuran data pelatihan dan keputusan model kemungkinan besar akan menjadi acuan global, dan perusahaan yang menunda harus mendesain ulang sistem mereka di masa mendatang. Menambahkan kembali dokumentasi, pelacakan asal-usul, dan fitur audit ke sistem yang sudah ada jauh lebih mahal dan rumit daripada membangunnya dari awal, sehingga mengalihkan fokus dari pengembangan yang lebih berfokus pada ROI yang ingin diselesaikan perusahaan.

Dengan kata lain, ketertelusuran dan transparansi bukanlah tambahan opsional; keduanya harus tertanam dalam sistem AI sejak awal. Bisnis yang menganggapnya sebagai pelengkap berisiko menghambat inovasi, menghadapi reaksi keras dari regulasi, dan kalah bersaing tanpa batas waktu.

AI yang Etis Membutuhkan Persatuan Global

Dari perspektif makro, pendekatan yang terpolarisasi ini menciptakan masalah nyata bagi bisnis global. Perusahaan di pasar yang lebih terbuka seperti AS dapat berkembang lebih cepat dalam jangka pendek, tetapi ketika mereka memutuskan untuk bergabung dengan Uni Eropa, mereka menghadapi hambatan kepatuhan: aturan ketertelusuran dan dokumentasi Undang-Undang AI membutuhkan kapabilitas yang tidak pernah mereka bangun.

Memasang kembali fitur pelacakan, dokumentasi, dan audit asal-usul ke dalam sistem yang sudah ada membutuhkan biaya mahal, lambat, dan disruptif, terutama karena ketertelusuran merupakan salah satu bagian kepatuhan yang paling intensif sumber daya. Pola ini sama dengan yang kita lihat pada GDPR, di mana mereka yang terlambat menerapkan privasi sejak awal kesulitan dengan perombakan yang mahal dan akses pasar yang tertunda, sementara mereka yang lebih awal mendapatkan keuntungan yang berkelanjutan.