VASIOTA.COM – AI detector awalnya dibuat untuk membantu membedakan tulisan manusia dari teks yang dihasilkan kecerdasan buatan. Namun, ketika alat ini semakin banyak digunakan di sekolah, universitas, penerbitan, dan platform online, muncul persoalan baru. Tulisan manusia juga dapat ikut dicurigai sebagai hasil AI.
Fenomena tersebut kembali menjadi sorotan setelah laporan The Verge pada 9 Agustus 2026 membahas bagaimana penggunaan AI detector mulai menciptakan bentuk ketidakpercayaan baru terhadap tulisan.
Laporan tersebut menyoroti berbagai kasus ketika tuduhan penggunaan AI berdampak pada mahasiswa, penulis, hingga peluang penerbitan. Persoalannya menjadi semakin rumit karena kemampuan AI detector sendiri masih memiliki keterbatasan.
Kini pertanyaannya bukan hanya bagaimana menemukan tulisan yang dibuat mesin.
Pertanyaan yang lebih sulit justru mulai muncul.
Bagaimana manusia membuktikan bahwa tulisannya dibuat oleh manusia?
Ketika Tulisan Manusia Mulai Terlihat Seperti Tulisan AI
AI detector tidak bekerja dengan cara yang sama seperti pemeriksa plagiarisme.
Pemeriksa plagiarisme umumnya mencari kemiripan antara sebuah teks dengan sumber yang sudah tersedia. AI detector justru mencoba memperkirakan apakah karakteristik sebuah tulisan lebih menyerupai pola yang biasanya ditemukan pada teks buatan model AI.
Karakteristik tersebut dapat berkaitan dengan pilihan kata, struktur kalimat, tingkat keterdugaan kata berikutnya, gaya bahasa, serta berbagai pola linguistik lainnya.
Masalahnya, karakteristik tersebut tidak eksklusif dimiliki AI.
Manusia juga dapat menulis dengan bahasa formal, struktur kalimat yang konsisten, pilihan kata yang umum, dan pola yang relatif mudah diprediksi.
Karena itu, skor dari AI detector lebih tepat dipahami sebagai prediksi algoritmik, bukan bukti langsung mengenai siapa yang menulis sebuah teks.
Perbedaan tersebut menjadi sangat penting ketika hasil deteksi digunakan untuk mengambil keputusan terhadap seseorang.
Riset 2026 Menunjukkan Persoalannya Lebih Kompleks
Keterbatasan AI detector bukan sekadar perdebatan di media sosial.
Sebuah penelitian yang diterbitkan dalam English Teaching: Practice & Critique pada 2026 membahas berbagai persoalan AI writing detector, termasuk false positive, bias terhadap penulis non-native English, dan keterbatasan detector dalam menghadapi perkembangan teknologi AI.
Penelitian tersebut juga menyoroti potensi chilling effect, ketika penulis merasa harus mengubah gaya menulis agar tidak dicurigai sebagai pengguna AI.
Riset lain pada 2026 melihat persoalan dari sisi berbeda. Dalam kondisi ketika teks berasal dari domain, format, panjang tulisan, atau generator yang berbeda dari data pengujian, performa sejumlah AI detector dapat berubah.
Studi mengenai distribution shift pada AI-generated text detection menunjukkan bahwa performa tinggi pada sebuah benchmark tidak otomatis berarti detector akan memiliki performa serupa pada seluruh jenis tulisan di dunia nyata.
Ini membuat angka akurasi menjadi lebih sulit untuk diinterpretasikan.
Sebuah detector bisa bekerja sangat baik pada dataset tertentu, tetapi menghadapi kondisi berbeda ketika digunakan pada tulisan akademik, artikel jurnalistik, esai mahasiswa, posting media sosial, atau teks yang sudah melalui beberapa kali penyuntingan.
Masalah Baru Muncul Ketika Manusia Menggunakan AI untuk Mengedit
Perkembangan AI generatif membuat batas antara tulisan manusia dan tulisan AI semakin kabur.
Bayangkan seorang penulis membuat seluruh artikel sendiri, kemudian menggunakan AI hanya untuk memperbaiki tata bahasa atau membuat beberapa kalimat lebih ringkas.
Siapa penulisnya?
Jawabannya tetap manusia.
Namun, teks final sudah mengalami transformasi menggunakan AI.
Skenario semacam ini menjadi salah satu persoalan yang diuji dalam Authorship-Rewriting Benchmark yang dipublikasikan pada 2026.
Peneliti membandingkan tulisan manusia, tulisan yang dibuat langsung oleh LLM, serta tulisan manusia yang kemudian ditulis ulang menggunakan LLM.
Hasil pengujian memperlihatkan bahwa performa beberapa detector dapat turun ketika teks manusia telah mengalami rewriting menggunakan model AI.
Dalam salah satu pengujian, kemampuan sebuah detector untuk mengenali teks AI turun dari 91,2 persen pada teks yang dibuat langsung oleh AI menjadi 30,8 persen setelah skenario rewriting tertentu.
Detector lain mengalami penurunan dari 93,5 persen menjadi 15,1 persen.
Temuan ini menunjukkan satu persoalan penting.
“Tulisan manusia” dan “tulisan AI” tidak selalu merupakan dua kategori yang terpisah dengan jelas.
Ada wilayah abu-abu ketika AI hanya digunakan untuk sebagian proses penulisan.
Bahkan OpenAI Pernah Menghentikan AI Detector Miliknya
Keraguan terhadap AI detector juga bukan fenomena baru.
Pada Januari 2023, OpenAI meluncurkan AI Classifier yang dirancang untuk memperkirakan apakah sebuah teks ditulis oleh AI.
Namun, beberapa bulan kemudian OpenAI menghentikan classifier tersebut karena tingkat akurasinya dianggap rendah.
Dalam evaluasi resmi OpenAI ketika alat tersebut diluncurkan, perusahaan menyatakan classifier hanya berhasil mengidentifikasi 26 persen teks AI sebagai kemungkinan buatan AI dalam sebuah kumpulan pengujian.
Pada saat yang sama, 9 persen teks manusia secara keliru diklasifikasikan sebagai kemungkinan dibuat AI.
OpenAI juga menegaskan bahwa classifier tersebut tidak seharusnya digunakan sebagai alat pengambilan keputusan utama.
Fakta tersebut penting karena memperlihatkan bahwa persoalan AI detection bukan hanya masalah satu perusahaan atau satu produk.
Membedakan asal-usul teks hanya berdasarkan karakteristik bahasa memang merupakan persoalan teknis yang sulit.
BACA JUGA: OpenAI Akui Model AI Berikutnya Bisa Punya Kemampuan Cybersecurity
Penulis Non-Native English Juga Menjadi Perhatian
Salah satu isu yang cukup sering muncul dalam penelitian AI detector adalah kemungkinan bias terhadap penulis yang menggunakan bahasa Inggris sebagai bahasa kedua.
Penelitian Stanford yang diterbitkan pada 2023 menemukan bahwa beberapa AI detector yang diuji lebih sering salah menandai esai penulis non-native English sebagai tulisan AI.
Namun, temuan penelitian tidak selalu seragam.
Studi lain pada 2026 yang menguji AI detector dalam konteks bahasa Czech tidak menemukan pola bias yang sama dan menunjukkan bahwa performa detector dapat berubah berdasarkan bahasa serta metode pengujian.
Artinya, klaim bahwa AI detector selalu bias terhadap penulis non-native juga terlalu sederhana.
Yang lebih tepat adalah mengatakan bahwa bias dan kemampuan generalisasi detector perlu diuji berdasarkan bahasa, dataset, model, serta konteks penggunaannya.
Ketika Skor Detector Berubah Menjadi Tuduhan
Masalah terbesar mungkin bukan ketika sebuah detector memberikan skor.
Masalahnya muncul ketika manusia memperlakukan skor tersebut sebagai vonis.
Jika sebuah sistem menyatakan bahwa tulisan memiliki kemungkinan tinggi dibuat AI, sistem tersebut sebenarnya tidak mengetahui siapa yang menulisnya.
Detector tidak melihat seseorang mengetik.
Ia tidak mengetahui riwayat revisi dokumen.
Ia tidak melihat catatan riset.
Ia juga tidak mengetahui apakah AI hanya digunakan untuk memperbaiki satu paragraf.
Tetapi dalam lingkungan akademik atau profesional, sebuah tuduhan dapat membawa konsekuensi nyata.
Laporan The Verge menyoroti sejumlah kasus ketika tuduhan penggunaan AI berkembang menjadi sengketa akademik, persoalan reputasi, hingga masalah penerbitan.
Salah satu kasus yang dibahas adalah kesepakatan buku senilai US$2 juta yang dibatalkan setelah muncul kekhawatiran mengenai penggunaan AI, sementara penulis terkait membantah tuduhan tersebut.
Kasus seperti itu menunjukkan mengapa perbedaan antara indikasi dan bukti menjadi sangat penting.
Sejumlah Kampus Memilih Tidak Menjadikan Detector sebagai Bukti Tunggal
Respons terhadap persoalan tersebut mulai terlihat di institusi pendidikan.
Yale, misalnya, tidak merekomendasikan penggunaan software AI detection di Canvas untuk menentukan apakah mahasiswa menggunakan AI.
Dalam panduan Yale mengenai AI, universitas tersebut menjelaskan bahwa reliabilitas AI detector bervariasi dan menyarankan pengajar menggunakan pendekatan lain ketika muncul kecurigaan.
MIT bahkan memiliki panduan dengan judul “AI Detectors Don’t Work.”
Dalam panduan MIT tersebut, institusi tersebut menjelaskan berbagai persoalan dalam penggunaan detector dan mendorong pendekatan seperti aturan penggunaan AI yang jelas, dialog dengan mahasiswa, serta desain tugas yang membuat proses berpikir mahasiswa lebih terlihat.
Pendekatan tersebut bukan berarti penggunaan AI diabaikan.
Persoalannya adalah bagaimana membuktikan penggunaan AI secara adil tanpa menjadikan probabilitas algoritma sebagai satu-satunya bukti.
Dari “Buktikan Kamu Menggunakan AI” Menjadi “Buktikan Kamu Tidak Menggunakan AI”
Di sinilah muncul paradoks baru.
Sebelum AI generatif menjadi populer, penulis umumnya tidak perlu memberikan bukti bahwa sebuah artikel benar-benar ditulis sendiri.
Sekarang situasinya mulai berubah.
Ketika sebuah tulisan mendapatkan skor AI tinggi, penulis dapat diminta menunjukkan draft, catatan riset, riwayat revisi, atau bukti lain yang memperlihatkan bagaimana karya tersebut dibuat.
Fenomena tersebut juga mendorong munculnya berbagai upaya untuk memberikan sinyal bahwa sebuah karya dibuat manusia.
The Verge melaporkan bahwa Authors Guild telah membantu penulis memperoleh sertifikasi “Human Authored”. Ada pula layanan yang menyediakan badge untuk menandai karya sebagai tulisan manusia.
Fenomena tersebut mengarah pada konsep yang semakin penting dalam dunia konten, yaitu provenance.
Bukan hanya apa isi sebuah tulisan, tetapi bagaimana tulisan tersebut dibuat dan dari mana asalnya.
Tulisan Mulai Membutuhkan Jejak Asal
Perkembangan ini berpotensi mengubah cara orang memandang autentisitas tulisan.
Jika sebelumnya pembaca menilai kredibilitas melalui nama penulis, reputasi penerbit, sumber informasi, dan kualitas argumentasi, era AI menambahkan pertanyaan baru.
Apakah manusia benar-benar membuatnya?
Namun, menjawab pertanyaan tersebut hanya dari teks final semakin sulit.
- AI dapat digunakan untuk menghasilkan seluruh tulisan.
- AI dapat digunakan untuk menerjemahkan.
- AI dapat digunakan untuk memperbaiki tata bahasa.
- AI dapat digunakan untuk menyusun ulang paragraf.
- AI juga dapat digunakan hanya untuk mencari alternatif kata.
Dalam setiap skenario tersebut, kontribusi manusia dan mesin berada pada tingkat yang berbeda.
Karena itu, kategori biner “human” versus “AI” semakin tidak cukup untuk menggambarkan proses pembuatan sebuah karya.
BACA JUGA: DeepSeek Bikin AI Makin Murah, V4-Flash Cuma 3 Sen per Tes
Masalah AI Detector Bukan Sekadar Soal Akurasi
Pada akhirnya, perdebatan mengenai AI detector tidak berhenti pada pertanyaan apakah sebuah alat memiliki akurasi 80, 90, atau 95 persen.
Pertanyaan yang lebih penting adalah apa yang terjadi ketika hasil prediksi tersebut salah dan digunakan untuk mengambil keputusan terhadap manusia?
Penelitian 2026 mengenai batas AI detector membahas persoalan mendasar ketika karakteristik teks manusia dan teks AI saling tumpang tindih. Penelitian tersebut juga menekankan bahwa hasil detector tidak seharusnya digunakan sebagai satu-satunya bukti dalam proses pelanggaran akademik.
Ini membawa kita pada persoalan yang lebih besar.
AI generatif membuat produksi teks menjadi semakin mudah. AI detector kemudian hadir untuk membantu manusia memilah mana yang dibuat mesin.
Tetapi jika hasil detector tidak dipahami dengan benar, teknologi tersebut dapat menghasilkan efek sebaliknya.
Bukan meningkatkan kepercayaan terhadap tulisan, melainkan membuat orang semakin curiga terhadapnya.
