Apakah Detektor Teks Buatan AI Bisa Dipercaya?

Bayangkan kamu penulis lepas yang baru mengirim artikel hasil kerja semalaman. Esoknya klien membalas singkat: "Kata detektor, tulisan ini kemungkinan besar buatan AI. Tolong tulis ulang." Kamu mengetik setiap kalimatnya sendiri, tetapi tidak punya cara membuktikannya. Klien juga tidak punya cara membuktikan sebaliknya selain angka dari alat itu.

Situasi serupa bisa muncul di sekolah, kampus, agensi konten, dan proses rekrutmen. Jawaban singkatnya: detektor teks AI tidak bisa dipercaya sebagai bukti. Skornya adalah tebakan statistik yang bisa meleset ke dua arah, dan memperlakukannya sebagai vonis justru berisiko merugikan orang yang jujur.

Cara detektor menebak

Model bahasa besar menulis dengan memilih kata yang paling mungkin muncul berikutnya. Akibatnya, teks buatan AI cenderung "mulus": pilihan katanya umum, struktur kalimatnya rapi, dan jarang ada lompatan yang mengejutkan. Detektor memanfaatkan sifat ini.

Ada dua ukuran yang sering dipakai. Yang pertama sering disebut perplexity, yaitu seberapa mudah sebuah teks ditebak oleh model bahasa. Teks yang sangat mudah ditebak dianggap lebih mungkin buatan mesin. Yang kedua sering disebut burstiness, yaitu seberapa bervariasi panjang dan pola kalimat. Tulisan manusia biasanya lebih naik-turun: kalimat panjang, lalu pendek, lalu ada sisipan.

Sebagian detektor juga berupa model klasifikasi yang dilatih dengan contoh teks manusia dan teks AI. Model ini belajar pola dari data latihnya, lalu memberi skor kemungkinan. Masalahnya, pola itu hanya sebaik data latihnya, dan model AI penulis terus berganti lebih cepat daripada detektor diperbarui.

Satu pendekatan lain adalah watermark, yaitu penanda statistik yang sengaja disisipkan oleh penyedia model ke teks yang dihasilkan. Ini lebih menjanjikan secara teori, tetapi hanya bekerja bila penyedia model memakainya, bila detektornya punya kunci untuk membacanya, dan bila teksnya tidak banyak disunting atau diterjemahkan.

Kenapa tulisan manusia bisa dituduh buatan AI?

Karena yang diukur detektor adalah gaya, bukan asal-usul. Tulisan manusia yang rapi, formal, dan memakai kata-kata umum bisa terlihat "mirip AI" di mata statistik.

Beberapa kelompok paling rentan salah dituduh. Penulis yang menulis dalam bahasa kedua cenderung memakai kosakata yang lebih sederhana dan struktur yang aman. Penulis teknis dan hukum memang dilatih menulis seragam. Siswa yang mengikuti templat esai dari guru juga menghasilkan pola yang mudah ditebak. Bahkan teks yang dirapikan dengan pemeriksa ejaan atau alat parafrase ringan bisa bergeser skornya.

Di sisi lain, teks AI yang disunting manusia, diterjemahkan bolak-balik, atau diminta "tulis dengan gaya tidak beraturan" sering lolos dengan skor rendah. Jadi detektor bisa salah menuduh orang jujur sekaligus meloloskan orang yang memang menyalin dari AI.

Untuk bahasa Indonesia, ada lapisan masalah tambahan. Banyak detektor dikembangkan dan diuji terutama dengan teks bahasa Inggris. Akurasi pada bahasa lain belum tentu sama, dan penyedianya tidak selalu menjelaskan seberapa baik alatnya untuk bahasa Indonesia.

Dampaknya di sekolah, agensi, dan HR

Di setiap tempat, risikonya berbeda, tetapi intinya sama: keputusan yang berdampak pada orang tidak boleh bertumpu pada satu angka yang tidak bisa diperiksa.

Di sekolah, guru sebaiknya menjelaskan sejak awal kapan AI boleh dipakai dan kapan tidak. Tugas yang meminta pengalaman pribadi, data dari kelas sendiri, atau refleksi atas diskusi tertentu lebih sulit dikerjakan seluruhnya oleh AI. Bila ada kecurigaan, ajak siswa membicarakan tulisannya. Orang yang benar-benar menulis biasanya bisa menjelaskan alasan di balik pilihannya.

Di agensi, persoalannya sering bukan "AI atau tidak", tetapi kualitas. Klien yang membayar artikel ingin tulisan yang akurat, sesuai brief, dan tidak menjiplak. Itu bisa diperiksa langsung tanpa detektor.

Di HR, surat lamaran yang dibantu AI bukan otomatis tanda kandidat buruk. Yang lebih penting adalah apakah kandidat memahami isi yang ia tulis dan bisa melakukan pekerjaannya.

Cara yang lebih baik menilai orisinalitas

Orisinalitas bukan soal apakah sebuah mesin pernah menyentuh teks itu. Yang dinilai adalah apakah tulisan membawa sesuatu yang tidak ada di tempat lain dan apakah isinya bisa dipertanggungjawabkan. Beberapa cara praktis:

• Minta riwayat kerja. Riwayat versi di Google Docs atau Word menunjukkan bagaimana tulisan tumbuh dari kerangka ke draf akhir.
• Periksa fakta dan sumber. Teks AI yang tidak disunting sering berisi klaim umum tanpa sumber, atau kutipan yang ternyata tidak ada.
• Cari hal yang spesifik. Contoh dari pengalaman nyata, data internal, wawancara, atau foto sendiri adalah tanda kontribusi manusia yang kuat.
• Cek kemiripan dengan sumber lain. Pemeriksa plagiarisme membandingkan teks dengan dokumen yang sudah ada. Itu pertanyaan yang berbeda dari "dibuat AI atau tidak", dan hasilnya lebih mudah diperiksa karena menunjukkan sumber yang mirip.
• Bicarakan isinya. Diskusi singkat tentang tulisan sering lebih jelas daripada skor apa pun.

Untuk konten website, pendekatan yang sama juga berlaku. Mesin pencari menilai kegunaan dan kualitas, bukan cara pembuatan. Pembahasannya ada di konten buatan AI dan SEO, dan dasar-dasar membuat konten yang membantu ada di SEO dasar untuk UMKM.

Menyusun aturan yang jelas

Sumber konflik terbesar biasanya bukan alatnya, tetapi aturan yang tidak pernah ditulis. Penulis tidak tahu apakah boleh memakai AI untuk kerangka, klien tidak pernah bilang ia keberatan, lalu tiba-tiba detektor menjadi hakim.

Tuliskan dengan jelas: pemakaian AI apa yang boleh (misalnya riset awal, kerangka, perbaikan ejaan), apa yang harus diungkapkan, dan apa yang dilarang. Organisasi yang lebih besar bisa memasukkannya ke kebijakan penggunaan AI untuk karyawan. Bila detektor tetap dipakai, perlakukan skornya sebagai alasan untuk melihat lebih dekat, bukan dasar sanksi.

Kalau kamu ada di posisi penulis yang dituduh, tawarkan bukti proses: riwayat versi dokumen, catatan riset, dan kesediaan membahas isi tulisan. Itu jauh lebih meyakinkan daripada membalas dengan skor dari detektor lain.