Korpus Bahasa Lokal sebagai Prasyarat Inklusivitas dalam Era Big Bang AI

Korpus Bahasa Lokal sebagai Prasyarat Inklusivitas dalam Era Big Bang AI

Pendahuluan: Revolusi yang Tidak Merata

Dunia sedang menyaksikan apa yang para pemikir teknologi sebut sebagai big bang kecerdasan buatan — ledakan kapabilitas yang berlangsung dalam hitungan bulan, bukan dekade. Namun seperti setiap ledakan besar, dampaknya tidak tersebar merata. Sekretaris Jenderal PBB Antonio Guterres secara tegas menyatakan bahwa masa depan AI tidak bisa diputuskan oleh segelintir negara atau diserahkan kepada kemauan beberapa miliarder: "The future of AI cannot be decided by a handful of countries — or left to the whims of a few billionaires." [ACM Digital Library](https://dl.acm.org/doi/10.1145/3770084)

Pernyataan ini bukan sekadar retorika diplomatik. Ia menunjuk pada struktur ketimpangan yang sangat nyata dalam pengembangan AI saat ini, di mana dominasi bahasa-bahasa tertentu dalam data pelatihan model menjadi salah satu akar paling mendasar dari kesenjangan tersebut.

Bahasa sebagai Pintu Gerbang Manfaat AI

Kecerdasan buatan, pada intinya, adalah teknologi berbasis bahasa. Model bahasa besar (large language models/LLM) yang menjadi tulang punggung revolusi AI — dari asisten virtual hingga sistem diagnosis medis — bekerja dengan cara menyerap, memproses, dan mereproduksi pengetahuan dalam bentuk teks. Artinya, bahasa yang tidak hadir dalam data pelatihan secara otomatis absen pula dari manfaat teknologi ini.

Kemampuan model bahasa sangat ditentukan oleh karakteristik korpus pralatih mereka; karena itu, kesenjangan sumber daya bahasa tercermin langsung dalam performa model. LLM sering kali kesulitan menangani bahasa-bahasa low-resource — baik dalam pelatihan maupun evaluasi — meskipun mereka menunjukkan performa kuat pada bahasa-bahasa high-resource. Ketimpangan pendekatan NLP yang terlalu berpihak pada bahasa-bahasa kaya sumber daya ini berdampak negatif pada porsi signifikan komunitas global. [Bloomberg](https://www.bloomberg.com/news/articles/2025-11-21/the-google-antitrust-ruling-shows-how-ai-could-protect-big-tech)

Ini bukan isu teknis semata. Ini adalah isu keadilan. Ketika seorang petani di pedalaman Papua tidak bisa mengakses informasi pertanian berbasis AI dalam bahasa ibunya, atau ketika seorang dokter di pelosok Afrika tidak dapat menggunakan alat diagnostik AI yang hanya terlatih dalam data biomedis berbahasa Inggris, eksklusivitas bahasa telah menjadi eksklusivitas kehidupan.

Skala Masalah: Dari Data Global ke Realitas Lokal

Data global memperlihatkan betapa akutnya masalah ini. Laporan Technology and Innovation Report 2025 dari UNCTAD menyoroti bahwa hanya 100 perusahaan — mayoritas berbasis di Amerika Serikat dan Tiongkok — menguasai 40 persen investasi swasta global dalam riset dan pengembangan AI. Sementara itu, 118 negara — sebagian besar dari Global South — sama sekali absen dari diskusi tata kelola AI global. [Rohan-paul](https://www.rohan-paul.com/p/transfer-learning-across-languages)

Jika dilihat lebih dalam ke level bahasa, gambaran menjadi lebih mengkhawatirkan. Dari 718 bahasa daerah yang ada di Indonesia, hanya sekitar enam bahasa yang mulai dipahami oleh AI. [United Nations Development Programme](https://www.undp.org/asia-pacific/press-releases/ai-risks-sparking-new-era-divergence-development-gaps-between-countries-widen-undp-report-finds) Ini berarti lebih dari 98 persen kekayaan linguistik Indonesia — yang merepresentasikan identitas, kearifan lokal, dan ekspresi budaya ratusan juta manusia — masih belum terjangkau oleh manfaat revolusi AI.

Di atas kesenjangan digital yang sudah ada, kini mengintai kesenjangan data dan AI. Menurut estimasi PBB, AI berisiko menjadi "a tale of two cities" — satu kota yang kaya data dan satu lagi yang miskin data. Misalnya, alat diagnosis medis berbasis AI yang krusial bagi negara-negara Global South justru dilatih dengan data yang dikumpulkan terutama dari Global North, yang dapat berakibat fatal bagi akurasi diagnosa. [Semantic Scholar](https://www.semanticscholar.org/paper/Developing-Infrastructure-for-Low-Resource-Language-Sekeres-Heeringa/7331e3d8d55530d862d98fbae44afdc5a909009f)

Korpus Bahasa Lokal: Pilar yang Tidak Bisa Diabaikan

Solusi terhadap ketimpangan ini tidak bisa sekadar bersifat infrastruktur — membangun lebih banyak pusat data atau memperluas jaringan internet. Akar masalahnya ada pada lapisan yang lebih dalam: ketersediaan korpus bahasa lokal yang berkualitas sebagai bahan bakar pelatihan AI.

Mengembangkan aplikasi NLP untuk bahasa-bahasa low-resource sangat krusial untuk melestarikan keragaman linguistik, mendorong inklusi dalam dunia digital, dan memperluas pemahaman kita tentang bahasa manusia. Meskipun tantangan tetap ada, berbagai strategi yang tengah dikembangkan memperlihatkan kemajuan nyata dan potensi NLP untuk memberdayakan komunitas-komunitas penutur bahasa low-resource menuju lanskap teknologi bahasa yang lebih berkeadilan. [BisnisUpdate](https://bisnisupdate.com/luar-negeri/para-pemimpin-dunia-bahas-masa-depan-ai-di-ktt-global-india-di-new-delhi/380877/)

Dari sisi teknis, pengembangan teknologi bahasa yang inklusif mencakup siklus penuh: pengumpulan data dan pembangunan korpus, penambangan kalimat paralel dan penerjemahan mesin, aplikasi hilir seperti klasifikasi teks dan penalaran multimodal, strategi mengatasi kelangkaan data dan variasi budaya, serta praktik pengembangan yang adil dan berbasis komunitas. [UN News](https://news.un.org/en/story/2026/02/1166996)

Inisiatif Nyata: Dari Indonesia hingga Afrika

Kabar baiknya, berbagai inisiatif konkret mulai bermunculan di berbagai penjuru dunia sebagai bukti bahwa pembangunan korpus bahasa lokal secara inklusif adalah hal yang layak dan mungkin dilakukan.

Di Indonesia, sebuah negara dengan lebih dari 700 bahasa daerah, upaya ini mengambil berbagai bentuk yang menarik. Proyek Bhinneka Korpus memperkenalkan korpus paralel multibahasa untuk lima bahasa lokal Indonesia, dengan fokus pada bahasa-bahasa di Indonesia tengah dan timur, termasuk kamus bilingual pertama untuk bahasa yang belum terdokumentasi dari Kalimantan Barat yang hanya dituturkan oleh kurang dari 5.000 orang. Inisiatif ini bertujuan mengembangkan solusi NLP yang lebih inklusif dan relevan secara budaya. [United Nations](https://unsdg.un.org/latest/announcements/great-power-greater-responsibility-un-secretary-general-calls-shaping-ai-all)

Sementara itu, model bahasa Komodo-7B yang diluncurkan oleh Yellow.AI dilatih pada Bahasa Indonesia dan 11 bahasa daerah lainnya termasuk Jawa, Bali, dan Sunda, menggunakan buku teks Indonesia di antara sumber-sumber lain untuk memastikan keberagaman. [United Nations](https://press.un.org/en/2025/sgsm22717.doc.htm)

Di Afrika, skala tantangannya bahkan lebih besar. African Languages Lab telah mengumpulkan lebih dari 400GB data ucapan dan teks untuk 40 bahasa Afrika low-resource, mendorong dokumentasi dan ketersediaan digital mereka. Mereka mengembangkan aplikasi pengumpulan data inovatif bernama All Voices yang memungkinkan institusi, komunitas, dan penutur asli untuk mendokumentasikan dan mendigitalisasi bahasa lokal mereka. [The Tribune](https://www.tribuneindia.com/news/india/ai-future-cant-be-dictated-by-a-few-countries-or-billionaires-guterres/)

Komunitas sebagai Aktor Utama, Bukan Hanya Objek

Satu pembelajaran penting dari berbagai inisiatif yang berhasil adalah bahwa pembangunan korpus bahasa lokal tidak bisa dilakukan untuk komunitas, melainkan bersama komunitas. Proyek BASABali, yang telah melibatkan jutaan pengguna, diakui oleh UNESCO dan komunitas internasional sebagai salah satu contoh terbaik pelestarian bahasa digital berbasis komunitas. Kunci keberhasilannya terletak pada keterlibatan komunitas, media digital, dan dukungan berkelanjutan. [United Nations Development Programme](https://www.undp.org/asia-pacific/press-releases/ai-risks-sparking-new-era-divergence-development-gaps-between-countries-widen-undp-report-finds)

Prinsip ini selaras dengan apa yang para peneliti sebut sebagai "community-informed development practices" — praktik pengembangan yang mengikutsertakan komunitas penutur asli bukan hanya sebagai penyedia data, tetapi sebagai mitra aktif dalam mendefinisikan kebutuhan, mengevaluasi hasil, dan memiliki proses tersebut.

Bahaya Ketiadaan Korpus: Bias yang Tersembunyi

Di luar ketiadaan akses, ada bahaya yang lebih halus namun sama seriusnya: ketika bahasa lokal akhirnya masuk ke dalam model AI, tetapi dengan representasi yang tidak memadai, hasil yang muncul justru bisa memperkuat bias dan stereotip.

Ketimpangan infrastruktur teknologi, keterbatasan kesiapan tenaga pendidik, dan kurangnya representasi dialek-dialek regional dalam model AI membatasi dampak lebih luas dari adopsi AI. Penelitian ke depan harus berfokus pada pengembangan NLP untuk bahasa low-resource, menilai beban kognitif dalam pembelajaran berbantuan AI, mengatasi kekhawatiran budaya dan etis dalam konten yang dihasilkan AI, serta mengevaluasi skalabilitas implementasi AI dari waktu ke waktu. [United Nations](https://press.un.org/en/2025/sgsm22839.doc.htm)

Ini menegaskan bahwa inklusivitas korpus bukan hanya soal kuantitas data, melainkan juga soal kualitas representasi — memastikan nuansa budaya, konteks sejarah, dan keragaman dialek tercermin secara akurat dalam data yang digunakan untuk melatih model.

Respons Kebijakan: Dari Prinsip ke Tindakan

Kesadaran akan masalah ini telah mencapai level tertinggi pengambilan kebijakan global. Guterres menyerukan pembangunan infrastruktur data yang didukung energi bersih, peningkatan keterampilan tenaga kerja, serta perlindungan dari penyalahgunaan, seraya mengusulkan Dana Global AI senilai 3 miliar dolar AS dengan tiga pilar: kebijakan, sains, dan kapasitas — yang mencakup jalur-jalur praktis untuk mempersempit kesenjangan AI dalam hal daya komputasi, data, riset, pendidikan, pelatihan, dan standar keamanan. [Loreslm](https://loreslm.github.io/)

Namun agenda kebijakan ini hanya akan bermakna jika secara eksplisit menempatkan pembangunan korpus bahasa lokal sebagai prioritas. UNDP menegaskan bahwa AI menawarkan potensi transformatif, namun tanpa fondasi yang inklusif, kemungkinan besar akan memperdalam kesenjangan antar negara. Keputusan yang diambil dalam beberapa tahun ke depan akan menentukan apakah AI mempersempit atau memperlebar jurang pembangunan bagi generasi mendatang. [ACL Anthology](https://aclanthology.org/2024.sigul-1.10/)

Penutup: Inklusivitas Linguistik adalah Inklusivitas Peradaban

Big bang AI sedang terjadi. Pertanyaannya bukan apakah ia akan terus berlangsung, melainkan siapa yang akan menikmati cahayanya dan siapa yang akan tertinggal dalam gelap.

Guterres memperingatkan bahwa konsentrasi kapabilitas AI yang semakin besar berisiko memperdalam perpecahan geopolitik. Kita harus mencegah dunia yang terbagi menjadi "haves" dan "have-nots" dalam AI — AI harus menjembatani jurang antara negara maju dan berkembang, bukan memperlebarnya. [arXiv](https://arxiv.org/html/2512.14576)

Menjembatani jurang itu berarti, secara konkret, memastikan bahwa bahasa Jawa, Sunda, Bugis, Swahili, Hausa, Quechua, dan ribuan bahasa lain yang dituturkan oleh ratusan juta manusia mendapatkan tempat yang layak dalam arsitektur data AI. Bukan sebagai pelengkap atau ornamen keberagaman, melainkan sebagai komponen esensial yang menentukan apakah teknologi ini benar-benar bekerja untuk semua manusia.

Inklusivitas linguistik dalam pengembangan AI bukan sekadar urusan teknis atau kebijakan sempit. Ia adalah ujian moral bagi peradaban kita di era yang paling transformatif dalam sejarah manusia.

 

Esai ini mengintegrasikan kutipan dari pernyataan resmi Sekjen PBB Antonio Guterres (AI Action Summit 2025, AI Impact Summit 2026), laporan UNDP, UNCTAD, riset akademik dari Cambridge Core, arXiv, ACL Anthology, serta laporan lapangan dari Rest of World dan Smartling.  Bandung, 23 Februari 2026