Cara Mengatasi Bias Linguistik dan Budaya dalam Adopsi GenAI
Pada tahun 2025, ChatGPT dan penelusuran Google berbasis AI akan mendominasi, tetapi penting untuk mempertimbangkan perbedaan mode komunikasi. AI Generatif (genAI) sebagian besar berbasis teks dan beroperasi dalam bahasa Inggris, yang dapat mengisolasi kasus penggunaannya bagi penutur non-asli.
Meskipun bahasa Inggris digunakan sebagai bahasa ibu oleh kurang dari 20% populasi dunia, bahasa Inggris merupakan bahasa yang paling banyak digunakan di dunia. 67.3% Banyak platform genAI yang dilatih dalam bahasa Inggris, yang berarti komunikasi dapat terganggu di lingkungan kerja yang melibatkan banyak bahasa atau budaya.
Komunikasi jauh lebih dari sekadar tulisan di layar: komunikasi melibatkan nada, bahasa tubuh, ekspresi wajah, ritme, dan nuansa budaya, sebagai contoh beberapa faktor kunci. Organisasi yang menerapkan AI generasi baru harus memastikan bahwa mereka juga memitigasi potensi bias bahasa dan budaya, terutama mengingat kita hidup di dunia yang terglobalisasi.
Mengapa Suara Masih Penting
Ada beberapa teori yang menjelaskan pentingnya komunikasi multimoda, terutama dalam lingkungan multikultural dan multibahasa.
Salah satu yang paling menonjol adalah teori Edward T. Hall tentang budaya konteks tinggi dan rendahHall menguraikan perbedaan intrinsik dalam cara berbagai budaya berkomunikasi. Budaya konteks tinggi, yang ditemukan di banyak negara Asia, mengandalkan isyarat tidak langsung dan non-verbal dalam komunikasi. Bahasa Jepang, misalnya, adalah bahasa konteks tinggi, di mana onomatope dan perubahan halus dalam ekspresi secara dramatis memengaruhi maksud dan kesimpulan.
Sebaliknya, budaya konteks rendah, seperti kebanyakan budaya di Barat (AS dan banyak negara Eropa), mengandalkan komunikasi langsung dan verbal. Karena budaya konteks rendah cenderung lebih eksplisit, pesan digital berbasis teks menyatu dengan mulus ke dalam struktur komunikasi mereka. Dengan membandingkan karakteristik dominan berbasis teks genAI dengan teori ini, tidak mengherankan jika orang-orang dari budaya konteks tinggi, terutama yang bukan penutur asli bahasa Inggris, kesulitan berkomunikasi secara efektif dengan alat-alat ini.
Dalam lingkungan bisnis internasional, tempat orang-orang dari berbagai lapisan masyarakat berkumpul, kurangnya isyarat halus seperti bahasa tubuh dan nada suara dapat membuat komunikasi dengan AI menjadi jauh kurang andal. Komunikasi digital atau berbasis teknologi, khususnya yang dialami melalui perangkat genAI, harus mencakup moda lain selain pesan teks.
Masalah Bias Bahasa Inggris dalam GenAI
Sudah ada juga kekhawatiran serius muncul tentang bias dalam detektor AI (yang ironisnya didukung oleh AI) terhadap penulis non-asli bahasa Inggris. Selain itu, di dunia sains, penelitian terbaru menunjukkan bahwa sebanyak 38% penutur bahasa Inggris non-asli ditolak oleh jurnal karena dianggap memiliki kendala bahasa. Penulis penelitian ini justru berpendapat bahwa meruntuhkan kendala bahasa adalah kunci berbagi pengetahuan. Mereka juga berpendapat bahwa kualitas bahasa seharusnya tidak menentukan apakah pengetahuan cukup berharga untuk dibagikan.
Peneliti membunyikan bel alarm tentang kurangnya keragaman bahasa di seluruh LLM, dan risiko mengecualikan sejumlah besar populasi dunia yang bukan penutur asli bahasa Inggris. Ini adalah masalah yang sudah mengakar dan membatasi cara orang berinteraksi dan menggunakan perangkat AI.
Ini juga merupakan masalah yang harus segera diatasi, mengingat 95% perusahaan AS telah mengadopsi genAI. Teknologi ini sedang semakin banyak diterapkan untuk lingkungan kerja yang sibuk seperti lantai pabrik manufaktur. Namun, penutur bahasa Inggris non-asli seringkali terabaikan ketika membahas strategi penerapan AI.
Mari kita lihat seperti apa hambatan keberhasilan adopsi AI di dunia nyata. Penutur non-asli bahasa Inggris kesulitan memahami perintah, yang mengakibatkan keluaran yang tidak akurat dan risiko salah tafsir informasi atau instruksi. Misalnya, produsen Vietnam dengan pemahaman bahasa Inggris terbatas mengandalkan terjemahan bahasa Inggris melalui genAI untuk instruksi. Hal ini menyebabkan ruang kesalahan yang besar karena konteks dan isyarat yang lebih halus terkikis.
Selain itu, kepercayaan dan keyakinan pun terkikis. Hal ini dapat meningkatkan penolakan penggunaan teknologi dalam alur kerja, sekaligus melemahkan moral dan motivasi karyawan.
Menutup Gap
Hambatan dan tantangan ini harus segera diatasi. Untuk menyeimbangkan persaingan dalam adopsi genAI, nuansa budaya dan bahasa harus dipertimbangkan. Ada sejumlah strategi yang dapat diterapkan organisasi untuk menjembatani kesenjangan ini dan membangun adopsi genAI untuk masa depan multibahasa.
Menggabungkan kerangka kognitif dan analitis
Salah satu kerangka kognitif yang sangat berguna adalah OODA Loop, dikembangkan oleh pilot jet tempur ternama, John Boyd. Lima komponen "orientasi" yang membentuk salah satu dari empat langkah OODA Loop—warisan genetik, tradisi budaya, pengalaman sebelumnya, informasi baru, dan analisis/sintesis—dapat diterapkan untuk memahami bagaimana keputusan individu dipengaruhi oleh masukan.
Rekomendasi saya adalah memperlakukan bahasa sebagai bagian dari "tradisi budaya" dengan memberikan perhatian khusus pada "warisan genetik" dan "analisis/sintesis" individu. Berikut adalah uraian tentang bagaimana setiap komponen berperan dalam melatih model AI agar lebih berlingkup linguistik.
Warisan genetik (ciri-ciri manusia yang tertanam): melatih sistem AI untuk mendeteksi isyarat universal seperti nada dan ritme yang sama di antara bahasa dan budaya. Pendekatan multimoda untuk genAI yang mencakup isyarat suara, teks, dan video—bukan hanya teks.
Tradisi budaya: Buat kumpulan data untuk menangkap karakteristik bahasa tertentu, seperti onomatope, dan bentuk komunikasi yang sarat konteks. Susun model untuk wilayah, alih-alih menggunakan model universal yang kurang fleksibel secara budaya atau linguistik.
Pengalaman sebelumnya: Orang-orang cenderung lebih memercayai sistem yang mencerminkan realitas hidup mereka. Misalnya, karyawan di Vietnam atau Jepang akan menggunakan AI secara berbeda dari tim yang berbasis di AS, tergantung pada tingkat pengalaman dan kepercayaan diri mereka terhadap perangkat tersebut. Lokakarya tempat tim lokal dapat menguji dan berlatih menggunakan genAI. Mereka kemudian dapat berbagi umpan balik tentang seberapa baik sistem tersebut mencerminkan konteks linguistik dan budaya mereka. Organisasi kemudian dapat menyesuaikan pustaka prompt, dengan mempertimbangkan kasus penggunaan panduan ini (pekerja pabrik umumnya lebih menyukai panduan visual).
Informasi baru: perangkat genAI perlu terus diperbarui dengan data dunia nyata. Manfaatkan input data multibahasa di seluruh set data agar sistem terintegrasi mempelajari nuansa berbagai bahasa dan bentuk komunikasi.
Analisis/sintesis: Di sinilah keselarasan antara manusia dan AI terjadi. Data dan sinyal linguistik seringkali terfragmentasi, yang tidak kompatibel dengan model genAI. Data ini perlu diubah menjadi data yang dapat dicerna AI agar dapat diproses dan dianalisis untuk menghasilkan keluaran yang tangkas secara budaya dan linguistik.
Pelatihan Praktis untuk Praktik Terbaik
Karyawan juga harus dilatih tentang praktik terbaik seputar prompting platform genAI, dengan fokus pada kejelasan. Pustaka prompt dapat sangat berguna untuk membiasakan tim dengan praktik terbaik untuk prompt.
Yang terpenting, dalam lokakarya pelatihan AI, saya juga merekomendasikan untuk berfokus pada prinsip-prinsip seperti keadilan dan transparansi. Prinsip-prinsip ini merupakan aspek fundamental dari penerapan AI yang tidak bias, dan tim juga harus mampu mengenali tanda-tanda halusinasi dan bias, yang dapat memperparah hambatan bahasa.
Selain itu, hindari "ruang gema" dengan memastikan bahwa informasi baru dari AI tidak hanya berasal dari satu individu, tetapi dari berbagai sumber. Ruang gema merupakan masalah signifikan dalam teknologi, termasuk AI, yang memperkuat bias yang sudah ada sebelumnya dan mendistorsi hasil. Karyawan berisiko terjebak dalam perangkap bias dan mengikuti panduan atau informasi yang tidak selaras.
Terakhir, pahamilah bahwa perangkat AI apa pun, termasuk genAI, harus diperlakukan sebagai 'konsultan', bukan pedoman yang ketat. Tim harus didorong untuk selalu melibatkan manusia guna mengklarifikasi kebingungan apa pun guna mengurangi risiko misinformasi atau kesalahan panduan.
AI sedang mentransformasi proses bisnis, tetapi penting untuk tidak meninggalkan siapa pun di sepanjang prosesnya. Mengintegrasikan strategi-strategi ini dalam penerapan AI memberdayakan bisnis untuk mengatasi hambatan bahasa yang jika tidak diatasi dapat menyebabkan bias dan masalah yang membesar.