Data gw beneran dipakai buat training AI atau nggak?

Ini pertanyaan yang paling banyak masuk di sesi Ngobrol AI kemarin. Wajar, karena "data gw dipakai buat training" kedengarannya serem, padahal banyak yang belum jelas training itu ngapain sebenarnya.

Kekhawatiran ini biasanya muncul dari orang yang udah mulai kerja pakai AI tiap hari, terus di suatu titik kepikiran: "eh tunggu, ini data gw ke mana ya larinya". Pertanyaan yang wajar. Tapi jawabannya lebih sederhana dari yang dibayangkan.

"Saat lo pake yang gratisan, yes, lo pake data untuk training. Tapi saat lo subscribe, enggak, data lo gak dipake untuk training, dan itu jadi data pribadi."

Analoginya gampang: Google Drive.

Lo naruh dokumen kantor di Google Drive dan gak khawatir. Kenapa? Karena ada kontrak dan syarat layanan yang ngatur itu. AI berbayar posisinya sama. Begitu lo bayar, hubungan lo sama provider itu jadi kontraktual, bukan lagi "pakai gratis, jadi data lo bagian dari harganya".

Sekarang bagian yang paling sering disalahpahami: apa sebenarnya arti "dipakai buat training".

Banyak orang ngebayangin data pribadi mereka bakal muncul begitu aja di jawaban orang lain. Ketakutannya kira-kira begini: gw curhat soal masalah kerjaan ke AI, terus tiba-tiba ada orang asing lain yang tanya hal serupa, AI-nya nyeplos cerita gw.

Realitanya gak gitu. Data pribadi lo itu, buat kepentingan training model, sebenarnya sampah. Gak ada manfaatnya buat bikin model makin pintar, dan gak bakal muncul di output orang lain. Training itu proses model belajar pola bahasa dan pola bernalar dari jumlah data yang sangat besar, bukan proses model menghafal dan mengutip ulang cerita satu orang ke orang lain.

Ini beda sama ketakutan orang soal cloud sepuluh tahun lalu.

"Kalau lo gak paham ini sama kayak sepuluh tahun yang lalu orang khawatir tentang cloud. Data kita kalau dicolong gimana di online? Gak pernah ada case kan. Yang ada adalah data lo taruh di komputer lokal dan itu kebobol sama hacker. Itu yang lebih sering."

Pola yang sama berulang. Ketakutan orang sering salah alamat. Risiko yang beneran gede biasanya bukan di layanan online yang punya kontrak jelas, tapi di penyimpanan lokal yang gak ada lapisan keamanannya sama sekali.

Tapi ini bukan berarti "semua aman, santai aja".

Ada garis merah yang tetap berlaku, dan ini serius, bukan basa-basi.

PII yang bisa langsung nunjuk ke satu orang: nomor KTP plus nama, atau nama plus nomor telepon. Itu jangan dimasukkan ke AI, mau versi gratis atau berbayar sekalipun. Status "gak dipakai training" itu soal training model, bukan izin buat sembarangan nge-share identitas orang lain ke layanan pihak ketiga mana pun.

Jadi ada dua sumbu yang beda, dan jangan dicampur:

• Sumbu pertama: gratis vs berbayar. Ini nentuin apakah data lo dipakai buat training model atau enggak.
• Sumbu kedua: data biasa vs PII yang identifiable. Ini nentuin apakah data itu boleh masuk AI sama sekali, gak peduli lo pakai versi gratis atau berbayar.

Langganan berbayar bikin lo lolos di sumbu pertama. Tapi sumbu kedua tetap berlaku buat semua orang, semua versi.

Cara mikirnya buat kerjaan sehari-hari.

Data yang udah lo lempar ke Mixpanel, Google Analytics, atau Metabase, itu 11-12 sama lo lempar ke AI berbayar. Kalau lo udah nyaman naruh data itu di sana, gak konsisten kalau lo nolak masukin data yang sama ke AI. Yang beda cuma tujuan pemrosesannya, bukan tingkat risikonya.

Jadi kalau ada yang nanya ke lo "data gw aman gak kalau pakai AI", jawabannya bukan ya atau enggak mutlak. Jawabannya: cek dulu lo pakai versi apa, dan cek dulu data yang mau lo masukin itu PII yang identifiable atau bukan. Dua pertanyaan itu yang nentuin, bukan perasaan takut yang gak ada dasarnya.

Pertanyaan yang lebih berat biasanya datang belakangan: bukan "aman gak", tapi "gw mau nulis aturannya buat satu tim, mulainya dari mana". Itu obrolan yang beda, dan itu yang sering masuk ke sesi AI Circle.