Jakarta, Optimaise News – Penelitian University of Notre Dame membandingkan sistem AI komersial dan open-source dengan penilaian 4.000 partisipan manusia. Hasilnya menunjukkan AI setara dengan pakar manusia terbaik dalam pemindaian wajah, namun standar itu justru menyingkap bahwa mayoritas masyarakat umum jauh di bawah level tersebut.
Inti artikel
- Penelitian University of Notre Dame membandingkan sistem AI komersial dan open-source dengan penilaian 4.000 partisipan manusia
- Akurasi sangat dipengaruhi ras partisipan, ras wajah yang dinilai, serta kemampuan alami individu
- Studi tersebut menempatkan sejumlah model AI berhadapan langsung dengan ribuan penilaian manusia
Akurasi sangat dipengaruhi ras partisipan, ras wajah yang dinilai, serta kemampuan alami individu. Orang yang memang berbakat alami mencatat tingkat kesesuaian dengan AI 15 persen lebih tinggi daripada orang biasa, sementara manusia dan AI memandang kemiripan dengan cara serupa sehingga keterbatasan manusia tetap menjadi risiko tinggi.
Temuan Notre Dame: AI Hanya Setara Ahli, Bukan Publik Luas
Studi tersebut menempatkan sejumlah model AI berhadapan langsung dengan ribuan penilaian manusia. AI mampu menandingi kinerja top human experts, tetapi data partisipan mengungkapkan sebagian besar orang awam kurang mahir. Temuan ini relevan bagi pelaku UMKM di Indonesia yang mulai mengandalkan verifikasi wajah untuk absensi karyawan atau transaksi digital.
Kemampuan alami individu menjadi penentu utama. Mereka yang berbakat sejak awal menghasilkan skor cocok lebih tinggi 15 persen bersama AI. Bagi usaha kecil yang ingin memakai sistem pengenalan wajah, memilih petugas terlatih atau yang memiliki bakat visual jadi langkah praktis sebelum mengandalkan mesin sepenuhnya.
Optimaise News mencatat bahwa kesamaan cara pandang antara manusia dan AI justru memperbesar risiko. Jika keduanya keliru pada pola yang sama, kesalahan bisa teramplifikasi tanpa disadari. Konteks ini sering luput dari diskusi publik yang hanya menyoroti bias mesin.
Bias Rasial dan Model yang Saling Bertolak Belakang
Akurasi AI turun drastis pada kelompok ras dengan data pelatihan minim. Bias sistemik yang terakumulasi dari riset computer vision selama lebih dari 20 tahun sulit diatasi dalam waktu singkat. Model AI yang berbeda bahkan dapat menghasilkan keputusan yang saling berlawanan pada wajah yang sama.
Fokus masyarakat kerap hanya pada bias algoritma AI dan mengabaikan keterbatasan manusia. Padahal, dalam praktik sehari-hari, kesalahan manusiawi seperti kelelahan atau stereotip tetap mengintai. Bagi layanan keuangan mikro atau e-commerce lokal, kombinasi keduanya tanpa pengawasan bisa merugikan pelanggan.
Sistem hybrid menjadi opsi yang ditawarkan. AI menandai kecocokan awal, lalu petugas manusia mengambil keputusan akhir. Pendekatan human-in-the-loop ini mengurangi risiko keputusan sepihak dari mesin yang hasilnya bisa kontradiktif antar vendor.
Pelajaran Praktis untuk UMKM dan Sistem Verifikasi Lokal
Pelaku usaha di Indonesia sebaiknya tidak menganggap AI sebagai pengganti total. Uji dulu performa model pada wajah pelanggan lokal, khususnya kelompok yang mungkin kurang terwakili di data pelatihan global. Latih staf yang punya bakat alami pengenalan wajah agar gap 15 persen itu dimanfaatkan.
Dokumentasikan setiap keputusan final oleh manusia agar ada jejak audit. Hindari mengandalkan satu model saja karena hasil antar AI bisa saling bertolak belakang. Monitor secara berkala akurasi pada kelompok demografis yang beragam di lingkungan usaha Anda.
Optimaise News menekankan bahwa perdebatan publik sering melupakan sisi manusia. Dengan menyadari bahwa AI hanya setara ahli terbaik, pemilik usaha dapat menempatkan teknologi pada posisi pendukung, bukan pengambil keputusan tunggal.
