Kecerdasan buatan dengan cepat membentuk kembali masyarakat, namun perkembangannya masih didominasi oleh laki-laki. Ini bukan hanya soal representasi; ini adalah masalah sistemik yang berisiko menanamkan bias yang ada ke dalam teknologi yang akan menentukan cara kita bekerja, belajar, dan bahkan menerima layanan kesehatan. Masalahnya bukan hanya pada kumpulan data yang cacat — tapi juga tentang siapa yang pertama kali membangun sistem tersebut.
Kesenjangan Gender dalam Pengembangan AI
Saat ini, hanya 25% mahasiswa ilmu komputer di Inggris adalah perempuan, dan situasinya semakin buruk di Silicon Valley. Ini bukanlah fenomena baru: teknologi secara historis merupakan bidang yang berpusat pada laki-laki. Namun, peristiwa yang terjadi baru-baru ini menunjukkan adanya kemunduran, dimana kebijakan dan sikap secara aktif mendorong perempuan keluar. Misalnya, mantan Presiden AS Trump mengeluarkan perintah eksekutif yang menargetkan “AI yang terbangun”, yang menganjurkan penghapusan pertimbangan keberagaman, kesetaraan, inklusi, dan perubahan iklim dari standar AI.
Lingkungan yang tidak bersahabat ini telah menyebabkan para pemimpin perempuan yang berpengalaman dikesampingkan. Rumman Chowdhury, mantan pemimpin etika dan akuntabilitas di Twitter, dipecat setelah pengambilalihan Elon Musk. Dia mencatat bahwa sentimen anti-keberagaman sudah ada di Silicon Valley jauh sebelum perintah Trump. Kenyataannya sangat nyata: banyak orang di bidang ini sudah beroperasi di dunia “tanpa perempuan”, sebagaimana dinyatakan secara blak-blakan oleh beberapa pakar di konferensi Perempuan dan Masa Depan Sains di Royal Society.
Mengapa Ini Penting: Aksi Kesenjangan Data Gender
Konsekuensi dari ketidakseimbangan ini jauh melampaui keadilan. Sejarah dipenuhi dengan teknologi yang dirancang untuk tubuh dan kebutuhan pria, mulai dari uji tabrak hingga penelitian medis yang memprioritaskan kesehatan pria. Inilah kesenjangan data gender, dan dampaknya bisa berakibat fatal. AI akan berdampak pada segala hal mulai dari pasar kerja hingga layanan kesehatan, namun hanya 2% pendanaan modal ventura yang disalurkan ke proyek AI yang dipimpin oleh perempuan, dan kurang dari 1% penelitian layanan kesehatan berfokus pada kondisi perempuan.
Kesenjangan ini berarti bahwa AI berisiko melanggengkan kesenjangan, sehingga memperkuat gagasan bahwa teknologi hanya bermanfaat bagi segelintir orang saja, bukannya 8 miliar orang di bumi.
Jalan ke Depan: Memikirkan Kembali AI dari Awal
Memperbaiki hal ini membutuhkan lebih dari sekedar penyesuaian algoritma. Pakar seperti Rachel Coldicutt berpendapat bahwa model AI saat ini terlalu bias untuk dikoreksi dan diperlukan pendekatan alternatif yang lebih inklusif. Daripada berfokus pada risiko yang ada, kita harus memprioritaskan sistem AI yang peduli terhadap manusia dan planet ini.
Humane Intelligence, sebuah organisasi nirlaba yang didirikan bersama oleh Chowdhury, berupaya menjadikan AI lebih akuntabel. Namun, perubahan sistemik memerlukan perubahan insentif yang mendorong pengembangan AI. Seperti yang dikemukakan oleh David Leslie dari Alan Turing Institute, kita perlu mengatasi kerangka ekonomi dan politik yang menghambat generasi muda untuk menggunakan AI demi kebaikan sosial.
Pada akhirnya, bahkan definisi kita tentang kecerdasan mungkin memerlukan evaluasi ulang. Ide dasar AI berasal dari pertemuan tahun 1950-an di Dartmouth College — pertemuan yang terdiri dari semua pria.
Untuk menciptakan AI yang benar-benar bermanfaat, kita harus mengakui bahwa inovasi tumbuh subur dalam keberagaman. Tanpa hal ini, kita berisiko membangun masa depan yang dirancang untuk segelintir orang, bukan untuk banyak orang.
