Siapa Berhak Menjual Data untuk Melatih Model AI?

Inti: Nilai model AI sebagian dibangun dari teks, gambar, suara, dan rekaman perilaku. Tetapi kemampuan teknis mengumpulkan data tidak sama dengan hak untuk melatih, menjual, atau membagikannya. Indonesia perlu membangun pasar data yang sah, bukan ekonomi ekstraksi tanpa izin.

Metode redaksi: Analisis dokumen primer dan penelitian hingga 30 Oktober 2026. Fakta, klaim pihak berkepentingan, penilaian redaksi dan simulasi dibedakan. Semua ilustrasi numerik yang tidak berasal dari dokumen diberi label hipotetis.

Satu dataset dapat memuat banyak jenis hak

Bayangkan sebuah arsip berisi rekaman wawancara, transkrip, foto, artikel, metadata lokasi, dan label kualitas. Pengelola arsip mungkin memiliki hak atas susunan database atau kontrak penyimpanan, tetapi tidak otomatis memiliki seluruh hak cipta karya di dalamnya. Narasumber bisa memiliki hak atas data pribadinya; fotografer dapat memegang hak cipta; komunitas adat memiliki kepentingan atas pengetahuan yang tidak dapat disederhanakan menjadi izin satu orang. Perjanjian untuk menyimpan atau menerbitkan konten belum tentu mencakup izin melatih model AI.

Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi mendefinisikan data pribadi secara luas dan mensyaratkan dasar pemrosesan yang sah. Persetujuan eksplisit adalah salah satu dasar, bukan satu-satunya. Karena itu kalimat bahwa semua pelatihan AI selalu membutuhkan persetujuan individual tidak akurat. Sebaliknya, klaim bahwa data yang dapat diakses publik otomatis bebas digunakan untuk semua tujuan juga keliru. Pengendali harus menilai tujuan, dasar hukum, hak subjek, keamanan, dan aturan sektor terkait.

Membedakan hak cipta, data pribadi, dan kontrak

Hak cipta melindungi ekspresi karya dalam kondisi yang ditentukan hukum, bukan seluruh fakta yang terkandung di dalamnya. Data pribadi melindungi individu yang dapat diidentifikasi, termasuk melalui kombinasi atribut. Kontrak menentukan hak dan kewajiban para pihak yang menyepakatinya, tetapi tidak boleh diperlakukan sebagai izin untuk mengabaikan hukum yang lebih tinggi atau hak pihak ketiga. Ketiga rezim itu dapat berlaku bersamaan pada sebuah korpus.

Panduan WIPO untuk usaha kecil tentang AI dan kekayaan intelektual menunjukkan bahwa aturan penambangan teks dan data berbeda antarnegara. Uni Eropa memiliki kerangka pengecualian dan reservasi hak tertentu; Jepang menggunakan pendekatan yang berbeda. Karena itu pernyataan universal bahwa seluruh pelatihan model selalu legal atau selalu melanggar hak cipta tidak dapat dipertahankan. Perusahaan Indonesia yang melatih model lintas negara harus meminta analisis hukum berdasarkan sumber, lokasi, tujuan dan lisensi masing-masing dataset.

Rantai nilai: siapa menyumbang, siapa menerima

Dalam ekonomi data, pihak yang mengumpulkan, membersihkan, memberi label, menguji, dan mendistribusikan dataset sering menerima bayaran lebih jelas daripada orang yang menghasilkan konten asal. Ketimpangan ini dapat menimbulkan konflik, terutama ketika karya kreatif atau bahasa komunitas digunakan untuk produk komersial. Solusi tidak selalu berarti pembayaran per kata; skema bisa berupa lisensi kolektif, pembelian hak yang terukur, pendanaan arsip, atribusi, akses teknologi, atau pembagian manfaat berdasarkan kontrak yang dapat diaudit.

UNESCO mengembangkan konsep data commons, yakni ekosistem data yang dikelola secara kolaboratif agar akses, penggunaan, dan pembagian manfaat ditentukan bersama pemangku kepentingan. Pada data bahasa dan budaya masyarakat adat, prinsip kendali komunitas sangat penting. Ini bukan alasan mengunci seluruh data dari penelitian, melainkan rancangan agar pembukaan akses berlangsung dengan mandat, batas penggunaan, dan akuntabilitas yang jelas.

Harga data bukan sekadar jumlah gigabita

Dua dataset berukuran sama bisa mempunyai nilai ekonomi sangat berbeda. Korpus bahasa daerah yang terdokumentasi, dilabeli dengan konsisten, bebas duplikasi, dan memiliki lisensi jelas mungkin lebih bernilai daripada miliaran kalimat acak. Kualitas juga bergantung pada cakupan populasi, kesalahan label, representasi dialek, ketepatan waktu, serta kemungkinan kebocoran data sensitif. Nilai dataset sebaiknya dinilai terhadap peningkatan kinerja model pada tugas tertentu, bukan hanya ukuran penyimpanan.

Perusahaan yang membeli lisensi perlu meminta kartu dataset berisi asal, cara pengumpulan, cakupan, dasar penggunaan, pembatasan komersial, risiko identifikasi ulang, prosedur pencabutan atau koreksi, dan mekanisme audit. Tanpa dokumentasi itu, harga murah dapat menyembunyikan risiko hukum dan reputasi. Dataset yang tidak dapat dibuktikan asalnya mungkin harus dikeluarkan dari proses pelatihan, meskipun biaya pengumpulannya sudah dikeluarkan.

Simulasi ekonomi lisensi dataset

Misalkan sebuah konsorsium memiliki 2 juta contoh percakapan yang telah diperoleh dengan izin dan dokumentasi memadai. Dalam skenario ilustratif, biaya kurasi awal Rp1,8 miliar, pemeliharaan tahunan Rp300 juta, serta evaluasi dan audit Rp200 juta per tahun. Jika lima pembeli membayar lisensi Rp250 juta per tahun, pendapatan kotor setahun Rp1,25 miliar. Kontribusi sebelum biaya kurasi historis dan biaya lain adalah Rp750 juta. Angka tersebut bukan tarif pasar dataset Indonesia dan tidak membuktikan bahwa semua proyek pengumpulan data akan untung.

Pertanyaan kontraknya lebih sulit daripada perkalian itu. Apakah lisensi eksklusif atau non-eksklusif? Bolehkah data digunakan melatih model komersial lalu dibagikan kembali? Apakah hak penggunaan tetap berlaku setelah kontrak berakhir? Apakah model turunan boleh dijual tanpa pembagian manfaat? Siapa bertanggung jawab jika ada konten yang ternyata tidak berizin? Perusahaan harus menyusun perjanjian yang menjawab hal-hal tersebut sebelum menyatakan dataset sebagai aset komersial.

Peran negara: standar, bukan monopoli data

Pemerintah dapat membantu melalui standar metadata, dokumentasi lisensi, fasilitas anonimisasi, katalog data publik yang dapat dipakai ulang, dan prosedur pengaduan. Data publik yang secara hukum boleh dibuka sebaiknya tersedia dalam format terstruktur agar tidak hanya perusahaan besar yang mampu memanfaatkannya. Namun membuka data pribadi warga secara massal dengan alasan inovasi tidak dapat dibenarkan. Pemerintah harus membedakan data terbuka, data terbatas, data pribadi, dan data rahasia dengan prosedur yang dapat diaudit.

Pengadaan dataset menggunakan anggaran publik juga perlu transparan: tujuan, penerima manfaat, lisensi, kualitas, dan siapa memiliki hasil. Jika kontrak membuat pemerintah harus membeli kembali data yang dibiayai publik, desainnya patut diperiksa. Di sisi lain, pemberian lisensi terlalu terbuka tanpa menghormati hak pencipta dapat menghambat partisipasi komunitas. Kebijakan yang baik memberi kepastian bagi peneliti dan insentif wajar bagi penyumbang.

Peran industri, kampus, dan masyarakat

Perusahaan pengembang model harus membuat inventaris dataset, menilai asalnya, menghapus data yang tidak memiliki dasar pemrosesan memadai, dan mendokumentasikan lisensi. Perguruan tinggi dapat menyusun metode evaluasi kualitas dan model pembagian manfaat, serta meneliti kemungkinan model menghafal informasi sensitif. Perpustakaan, arsip, media, penerbit, dan organisasi bahasa memiliki kesempatan menjadi mitra yang menentukan syarat penggunaan, bukan sekadar sumber bahan mentah.

Komunitas perlu mengetahui apakah rekaman, cerita rakyat, atau dokumentasi bahasa digunakan untuk pelatihan. Keterlibatan yang bermakna mencakup konsultasi sejak awal, hak menolak penggunaan tertentu, penjelasan manfaat, dan kanal koreksi. Persetujuan sekali di formulir panjang tidak cukup untuk membangun kepercayaan ketika tujuan komersial berubah. Tata kelola berkelanjutan perlu memungkinkan revisi perjanjian secara wajar.

Tujuh klausul kontrak yang sebaiknya diperiksa

Pertama, identitas pemegang hak dan bukti kewenangan memberi lisensi. Kedua, cakupan penggunaan untuk riset, komersial, pelatihan, evaluasi dan redistribusi. Ketiga, durasi serta wilayah. Keempat, larangan atau izin penggunaan untuk pelatihan model turunan. Kelima, tanggung jawab perlindungan data pribadi dan keamanan. Keenam, audit, pelaporan, serta mekanisme sengketa. Ketujuh, imbalan, atribusi dan pembagian manfaat jika disepakati. Klausul harus ditinjau penasihat hukum sesuai konteks; daftar ini bukan nasihat hukum individual.

Untuk menilai kontrak, AIGEO mengusulkan skor transparansi internal pada tiap klausul: nol bila tidak ada, satu bila disebut tanpa mekanisme, dua bila ada mekanisme dan bukti. Skor maksimal 14 hanyalah alat penapisan hipotetis, bukan standar hukum. Kontrak dengan skor tinggi pun dapat melanggar aturan atau merugikan pihak tertentu. Nilainya terletak pada memaksa tim bisnis, hukum, keamanan dan peneliti bertanya sebelum dataset dipakai.

Daya saing Indonesia bergantung pada legitimasi

Indonesia memiliki keragaman bahasa, arsip budaya, sektor industri, dan kebutuhan layanan yang berpotensi menghasilkan dataset khas. Tetapi keunggulan itu baru menjadi daya saing ketika hak pemanfaatannya jelas dan kualitasnya dapat diuji. Produk AI yang dibangun dari data bermasalah berisiko kehilangan pelanggan atau harus mengulang pelatihan. Investasi dalam dokumentasi dan hubungan dengan pemegang hak adalah investasi teknis sekaligus sosial.

Pilihan strategisnya bukan antara menutup semua data dan mengambil semua data. Indonesia dapat membangun pasar lisensi yang kompetitif, data commons untuk kepentingan publik, dan riset yang menghormati privasi. Pertanyaan akhirnya: ketika model menghasilkan nilai ekonomi, apakah pencipta, pekerja kurasi, pemilik data, komunitas, dan pengguna mendapatkan posisi yang adil serta dapat menuntut pertanggungjawaban? Tanpa jawaban, kedaulatan data hanya menjadi slogan.

Kerangka verifikasi AIGEO

Untuk menilai perkembangan isu ini, pembaca perlu memisahkan tiga jenis bukti berikut. Pernyataan perusahaan atau lembaga merupakan sumber primer mengenai apa yang mereka umumkan, tetapi tidak selalu membuktikan bahwa hasil di lapangan telah tercapai. Pengujian independen dan laporan yang dapat diulang diperlukan sebelum klaim manfaat dinilai sebagai fakta.

Pertanyaan yang sering diajukan

Apakah semua rencana yang dibahas sudah berlaku?

Tidak. Artikel membedakan keputusan yang telah diumumkan, rencana bersyarat, dan rekomendasi AIGEO. Status setiap program harus diperiksa lagi pada dokumen resmi terbaru.

Apakah simulasi menunjukkan harga atau hasil nyata?

Tidak. Angka simulasi sengaja menggunakan asumsi transparan untuk memperlihatkan cara menghitung risiko dan biaya, bukan untuk memprediksi hasil pihak tertentu.

Apa yang harus diperiksa pembaca?

Periksa tanggal sumber, status peraturan atau kontrak, metode pengukuran, pihak yang memperoleh manfaat, serta kemampuan mengajukan koreksi atau keberatan.

Ketika data berpindah lintas batas

Pengembang model dapat mengumpulkan data di satu negara, menyimpan di negara lain, dan melatihnya pada infrastruktur lintas wilayah. Perpindahan tersebut menambah lapisan kontrak dan kewajiban. Pengelola harus menilai dasar pemrosesan, penerima data, keamanan, tujuan penggunaan, serta aturan transfer yang relevan. Tidak cukup menyatakan bahwa server berada di Indonesia bila pihak lain masih memiliki akses luas atau hak penggunaan ulang yang tidak jelas. Lokasi fisik, kontrol operasional, dan hak ekonomi merupakan tiga hal berbeda.

Kontrak dengan penyedia cloud atau laboratorium model perlu membedakan data yang digunakan untuk memberikan layanan dari data yang digunakan untuk meningkatkan model penyedia. Hak untuk menyimpan sementara demi inferensi tidak otomatis memberi izin menggabungkan dokumen pelanggan ke korpus pelatihan. Organisasi juga perlu mengetahui bagaimana backup, log, dan salinan data diperlakukan ketika kontrak berakhir. Klausul penghapusan harus realistis secara teknis dan memuat bukti pelaksanaan yang bisa diperiksa.

Membuat pasar data yang tidak merugikan pencipta

Pasar lisensi yang sehat membutuhkan informasi harga, jenis penggunaan, durasi, dan hak eksklusivitas. Pencipta atau organisasi pemegang hak perlu memiliki pilihan antara lisensi penelitian, lisensi komersial, dan penolakan penggunaan tertentu jika hukum serta kontrak memungkinkan. Pengembang memerlukan kepastian agar tidak menghadapi perubahan syarat sepihak setelah investasi besar. Karena itu kontrak yang jelas di awal lebih berguna daripada negosiasi setelah terjadi sengketa.

Perusahaan perantara dataset sebaiknya diwajibkan secara kontraktual menunjukkan rantai izin dari sumber hingga pembeli. Klaim ‘semua data sudah berizin’ tanpa dokumentasi per jenis data sulit diuji. Audit berbasis sampel dapat membantu, tetapi tidak menjamin tidak ada pelanggaran. Perjanjian juga perlu menetapkan siapa menanggung biaya jika ada klaim dari pihak ketiga, bagaimana dataset ditarik, dan apakah pelanggan harus menghentikan penggunaan model turunan. Risiko ini seharusnya dihitung sebagai bagian dari biaya bisnis.

Tiga model tata kelola yang dapat dipilih

Model pertama adalah lisensi bilateral: pencipta atau lembaga memberikan hak kepada satu pengembang dengan syarat tertentu. Model kedua adalah konsorsium atau kolektif yang mengumpulkan izin dan membagi hasil menurut kesepakatan. Model ketiga adalah data commons yang dikelola bersama untuk tujuan publik dan dapat memiliki pembatasan komersial. Ketiganya mempunyai biaya transaksi, kebutuhan pengawasan, dan tingkat fleksibilitas berbeda. Tidak ada model yang otomatis paling adil untuk semua jenis data.

Untuk arsip penelitian yang didanai publik, data commons dapat meningkatkan akses dan mengurangi duplikasi biaya. Untuk karya komersial dengan pemegang hak jelas, lisensi bilateral mungkin lebih sederhana. Untuk komunitas bahasa yang tersebar, pengelolaan kolektif dapat memperkuat posisi tawar, asalkan wakilnya benar-benar mendapat mandat. Pemilihan struktur harus mempertimbangkan siapa membuat keputusan, siapa menerima uang, siapa dapat menolak, dan bagaimana sengketa diselesaikan.

Rujukan primer dan penelitian

1. UU Nomor 27 Tahun 2022, JDIH Komdigi
2. WIPO, AI and IP Landscape for SMEs
3. UNESCO, Data Commons for AI
4. Bank Dunia, AI Foundations 2025

Bacaan terkait AIGEO

• Keunggulan Indonesia di industri AI
• Kedaulatan AI dan negara