Sebuah startup baru di Silicon Valley berupaya mengganggu hubungan tradisional antara jurnalis dan subjeknya. Keberatan, sebuah platform yang didukung oleh tokoh teknologi terkemuka termasuk Peter Thiel, bertujuan untuk menggunakan kecerdasan buatan untuk menilai kebenaran laporan berita. Meskipun pendirinya mengklaim bahwa alat ini akan mengembalikan kepercayaan pada sistem media yang rusak, para ahli hukum dan jurnalis memperingatkan bahwa alat ini dapat menciptakan lingkungan “bayar untuk bermain” yang membungkam pelapor dan memberdayakan pihak yang berkuasa.
Konsep: Ajudikasi Algoritma
Didirikan oleh Aron D’Souza—yang sebelumnya membantu memimpin perjuangan hukum yang membuat Gawker bangkrut—Keberatan beroperasi pada premis yang sederhana dan provokatif: jika seseorang atau perusahaan merasa dirugikan oleh sebuah berita, mereka dapat membayar $2.000 untuk memicu penyelidikan publik atas klaimnya.
Platform ini menggunakan “sistem tanpa kepercayaan” yang didukung oleh juri Model Bahasa Besar (LLM) dari penyedia seperti OpenAI, Anthropic, dan Google. Model-model ini didorong untuk bertindak sebagai “pembaca rata-rata” untuk mengevaluasi bukti klaim demi klaim. Tujuannya adalah untuk menghasilkan “Indeks Kehormatan” —skor numerik yang menilai integritas, keakuratan, dan rekam jejak seorang reporter.
Mekanisme Sengketa
Keberatan tidak hanya melihat teks artikel; ini mempertimbangkan berbagai jenis bukti:
– Berbobot Tinggi: Catatan utama, seperti pengajuan peraturan dan email resmi.
– Berat Rendah: Klaim dari sumber anonim yang belum diverifikasi secara independen.
Untuk memastikan ketelitian teknis, platform ini dipimpin oleh mantan insinyur NASA dan SpaceX Kyle Grant-Talbot. D’Souza membandingkan layanan ini dengan “Catatan Komunitas” milik X (sebelumnya Twitter), yang membingkainya sebagai cara untuk menerapkan ketelitian ilmiah dalam perselisihan faktual.
“Efek Mengerikan” terhadap Pelaporan Pelanggaran
Kritik paling signifikan terhadap Keberatan berpusat pada dampaknya terhadap jurnalisme investigatif. Pelaporan tradisional seringkali mengandalkan pelapor anonim —individu yang mempertaruhkan mata pencahariannya untuk mengungkap korupsi.
Kritikus berpendapat bahwa Keberatan menciptakan kerugian matematis untuk cerita-cerita ini:
1. Jebakan Verifikasi: Karena AI merendahkan sumber anonim yang tidak terverifikasi, pelaporan berkualitas tinggi berdasarkan kebocoran sensitif mungkin menerima “skor kepercayaan” yang rendah.
2. Dilema Pengungkapan: Untuk melindungi “Indeks Kehormatan” mereka, jurnalis mungkin merasa tertekan untuk mengungkapkan informasi sumber sensitif ke “hash kriptografi” platform untuk membuktikan validitasnya. Jika mereka menolak untuk melindungi anonimitas sumbernya, laporan tersebut akan dikenakan sanksi.
3. Keraguan Secara Real-time: Melalui fitur yang disebut “Fire Blanket”, platform ini dapat menandai klaim yang disengketakan secara real-time di media sosial, dan memberi label “sedang diselidiki” sebelum keputusan akhir diambil.
Alat untuk Yang Berkuasa?
Pakar hukum telah menyuarakan kekhawatiran tentang implikasi sosio-ekonomi dari biaya $2.000 untuk menantang sebuah berita. Meskipun biaya merupakan hambatan bagi rata-rata masyarakat, hal ini dapat diabaikan bagi individu kaya dan perusahaan besar.
“Fakta bahwa ini adalah sistem bayar untuk bermain memberi tahu saya bahwa mereka kurang peduli dalam memberikan informasi yang berguna bagi masyarakat umum dan lebih peduli untuk memberikan sarana yang sudah kuat untuk mengecam lawan jurnalistik mereka.”
— Jane Kirtley, Profesor Hukum Media
Chris Mattei, seorang pengacara pencemaran nama baik, melangkah lebih jauh dengan menggambarkan platform tersebut sebagai “raket perlindungan teknologi tinggi untuk orang kaya dan berkuasa.” Kekhawatirannya adalah bahwa alih-alih mencari kebenaran, kelompok kaya malah menggunakan Objection untuk melecehkan jurnalis dan menekan pemberitaan yang tidak menguntungkan melalui tantangan otomatis yang terus-menerus.
Paradoks AI
Peluncuran Objection terjadi pada saat keandalan AI itu sendiri berada di bawah pengawasan ketat. Kritikus mempertanyakan apakah LLM—yang rentan terhadap “halusinasi” dan bias yang melekat—benar-benar diperlengkapi untuk bertindak sebagai penentu kebenaran utama.
Selain itu, sistem hanya mengevaluasi bukti yang diserahkan kepadanya. Dalam jurnalisme investigatif, bukti paling penting sering kali adalah informasi yang menolak untuk diungkapkan oleh subjek. Jika Keberatan tidak dapat melihat gambaran keseluruhannya, kesimpulan-kesimpulan “ilmiahnya” mungkin memiliki cacat mendasar.
Kesimpulan: Keberatan bertujuan untuk memperkenalkan akuntabilitas algoritmik pada jurnalisme, namun dengan memberikan sanksi terhadap sumber anonim dan membebankan biaya premium untuk perselisihan, hal ini berisiko mengubah pencarian kebenaran menjadi senjata bagi mereka yang berkantong tebal.
