Penulis AI: Eleanor Vale Global Technology Editor

Foto dulu hadir di ranah publik dengan otoritas yang hampir tak perlu penjelasan. Gambar dari zona konflik, protes jalanan, atau tempat kejadian perkara bisa menyelesaikan argumen sebelum ada yang bertanya bagaimana gambar itu dibuat. Kebiasaan ini sebenarnya AI generatif membuat kelemahan tersebut menjadi nyata: gambar saja kini tidak cukup. Redaksi berita, pengadilan, dan platform kini harus bertanya tidak hanya apa yang mereka lihat, tapi juga dari mana asalnya, siapa yang mengolahnya, dan apakah hal itu masih b[1][3][8]

Itulah mengapa asal-usul (provenance) menjadi lebih penting dibandingkan sekadar deteksi saja. Standar C2PA, yang dikembangkan sebagai kerangka kerja terbuka untuk asal-usul dan otentikasi konten, dibangun di atas gagasan bahwa sebuah aset digital dapat membawa informasi yang terikat secara kriptografis tentang asal-usul serta pengeditannya seiring w[1][4][6][9] Upaya Adobe melalui Content Credentials juga berada di jalur yang sama.[4][10] Janji yang ditawarkan bukanlah bahwa metadata dapat secara ajaib memastikan kebenaran, melainkan metadata dapat menjaga rantai penguasaan untuk gambar, video, audio, dan dokumen dalam bentuk yang lebih sulit untuk dirusak secara diam-diam.

Penjelasan dari C2PA secara jelas menyatakan bahwa asal-usul dapat membantu menetapkan asal, sejarah, dan keaslian konten digital, tapi ia tidak bisa membuktikan secara sendirian bahwa sebuah gambar benar secara faktual.[1][6][9] Ini adalah poin yang sering terlewat dalam banyak diskusi publik. Foto asli bisa saja menyesatkan; gambar sintetis bisa dilabeli dengan jujur; dan berkas yang telah dimanipulasi bisa dikosongkan dari sinyal-sinyal yang membuatnya mudah untuk diaudit. Dengan kata lain, masalahnya bukan hanya pada pemalsuan, melainkan juga runtuhnya konteks.

Deteksi masih berguna, tapi bukan fondasi yang stabil. Menurut studi NIST tentang konten sintetis, deteksi dikelompokkan ke dalam tiga pendekatan utama: metode data asal-usul, analisis konten otomatis, dan tinjauan yang dibantu manusia.[11][13] Literatur forensik deepfake menunjukkan mengapa pembagian ini penting: detektor otomatis bisa menemukan anomali, tetapi rentan terhadap perubahan model yang cepat; sementara tinjauan manusia mahal dan lebih lambat.[2][7] Pelajaran praktisnya tidak nyaman: verifikasi kini menjadi sebuah sistem, bukan alat tunggal.

Sistem semacam itu sudah ada dalam fragmen-fragmen di jurnalisme serius. Tim verifikasi di organisasi berita besar dan penyelidik open source seperti Bellingcat membangun rutinitas menggunakan geolokasi, pengecekan metadata, pencarian gambar terbalik, dan perbandingan dengan citra satelit atau catatan publik lainnya.[3][5][8][12] Kerja mereka selalu bergantung pada skeptisisme lebih dari sekadar perangkat lunak. Kini AI menaikkan taruhannya karena teknik yang sama harus dilakukan secara masif, sementara biaya menyebarkan kebohongan yang meyakinkan terus menurun dan biaya pemeriksaannya tetap tinggi.

Bagi institusi, insentifnya tidak sejalan. Platform menginginkan berbagi yang lancar tanpa hambatan. Kreator ingin produksi murah. Penerbit menginginkan kecepatan, sekaligus perlindungan hukum dan kepercayaan audiens. Regulator mulai memandang media sintetis sebagai bagian dari masalah tata kelola yang lebih luas, bukan hanya gangguan teknis semata.[11][13] Ini salah satu alasan standar asal-usul mendapat perhatian: mereka menawarkan bahasa bersama yang, secara teori, bisa diterapkan lintas vendor dan batas negara. Tetapi standar hanya berarti jika ekosistem mengadopsinya secara luas hingga menjadi kebiasaan.

Ada juga dimensi geopolitik. Bila media digital makin sulit dipercaya, beban pembuktian bergeser ke pihak yang mampu menunjukkan asal-usul, kendali, dan konteks secara paling meyakinkan. Keunggulan itu bukan hanya milik pembangun model AI; bisa jadi juga milik produsen kamera, sistem operasi, paket perangkat lunak, sistem arsip, dan platform besar yang mampu menyematkan asal-usul dalam alur kerja sehari-hari. Dengan demikian, infrastruktur AI menjadi infrastruktur informasi, dan infrastruktur informasi menjadi bagian dari ketahanan nasional.

Namun, batasan sama pentingnya dengan alat yang ada. Asal-usul bisa hilang saat berkas diekspor ulang, diambil tangkapan layarnya, konten diunggah ulang melalui sistem yang menghapus metadata, atau saat platform gagal mempertahankan kredensial.[1][4][6] Semua ini tidak membuat asal-usul menjadi tidak berguna; melainkan menjadi sesuatu yang bersyarat. Pertanyaan terbuka adalah apakah konsumen, pengadilan, dan editor akan belajar memperlakukan ketiadaan asal-usul sebagai sinyal, bukan hal yang diabaikan. Itu membutuhkan kebiasaan, standar, dan pengakuan hukum—bukan sekadar fitur perangkat lunak.

Patut juga dipertegas apa yang masih belum pasti. Belum ada standar tunggal yang menjadi jawaban universal, dan tidak ada sistem verifikasi yang mampu sepenuhnya menyelesaikan masalah konteks yang direkayasa, pengeditan selektif, atau kebohongan persuasif yang dibangun dari materi asli. Apa yang akan mengubah kondisi ini? Adopsi luas oleh ekosistem kamera dan perangkat lunak utama, kebijakan formal di pengadilan dan redaksi, serta interoperabilitas yang lebih kuat antar sistem asal-usul. Tanpa itu, keaslian akan tetap menjadi klaim yang dinegosiasikan, bukan fakta yang otomatis. Pasar mungkin memilih kesederhanaan, tapi catatan publik jarang mengizinkannya. Cerita jangka panjangnya bukanlah bahwa gambar mati sebagai bukti, melainkan bukti kini harus dibuat, dipertahankan, dan diperjuangkan dengan lebih teliti daripada yang diajarkan Hal ini akan mengubah jurnalisme, praktik hukum, dan memori digital selama bertahun-tahun, dan revisi berikutnya harus mengamati apakah asal-usul menjadi rutinitas atau tetap menjadi tanda kehati-hatian elit.