Oleh: Iqbal Nurul Azhar
Gambar digenerate oleh AI
Perkembangan kecerdasan buatan (Artificial Intelligence/AI) telah mengubah cara manusia berkomunikasi, mencari informasi, dan memproduksi pengetahuan. Model bahasa besar seperti ChatGPT, Gemini, Claude, dan berbagai sistem AI generatif lainnya kini menjadi perantara utama dalam aktivitas digital sehari-hari. Ketika seseorang mengetik pertanyaan, meminta terjemahan, atau mencari penjelasan, jawaban yang diterima semakin ditentukan oleh kemampuan algoritme memahami bahasa yang digunakan. Dalam konteks ini, muncul persoalan baru yang belum banyak dibahas dalam wacana kebahasaan di Indonesia: apakah bahasa-bahasa daerah akan memperoleh manfaat dari perkembangan AI, atau justru semakin terpinggirkan karena tidak memiliki sumber daya digital yang memadai?
Pertanyaan tersebut penting karena keberlangsungan bahasa pada abad ke-21 tidak lagi hanya ditentukan oleh jumlah penuturnya. Bahasa kini harus bersaing di ruang digital yang dikendalikan oleh algoritme. Bahasa yang memiliki korpus digital besar, data suara yang melimpah, kamus elektronik, dan representasi kuat dalam model AI akan lebih mudah dikenali, diterjemahkan, dan direproduksi. Sebaliknya, bahasa yang miskin data berisiko tidak terbaca oleh mesin, sehingga perlahan-lahan kehilangan fungsi dalam komunikasi digital modern.
Dalam teori pemertahanan bahasa, Joshua Fishman menjelaskan bahwa bahasa bertahan apabila digunakan secara aktif dalam berbagai domain sosial, seperti keluarga, pendidikan, agama, dan media. Namun, teori tersebut lahir sebelum era AI generatif. Saat ini, domain digital telah menjadi ruang baru yang sangat menentukan. Bahasa yang tidak hadir dalam ekosistem digital tidak hanya kehilangan visibilitas, tetapi juga kehilangan peluang untuk dipelajari oleh teknologi yang semakin dominan dalam kehidupan manusia.
Fenomena ini dapat dipahami melalui apa yang saya sebut sebagai Algoritmic Language Vitality (ALV), yaitu tingkat kemampuan suatu bahasa untuk dikenali, dipelajari, diproses, direproduksi, dan dipertahankan oleh sistem algoritmik dan kecerdasan buatan berdasarkan pada lima faktor utama: jumlah penutur, intensitas penggunaan, ketersediaan data digital, korpus linguistik, representasi dalam model AI, serta intensitas kehadiran dalam ekosistem algoritmik. Dengan kata lain, bahasa tidak cukup hanya hidup dalam percakapan sehari-hari; ia juga harus hidup dalam data.
Bahasa Madura adalah satu contoh yang bisa diangkat. Secara demografis, bahasa ini memiliki jutaan penutur (hampir 13 juta) dan digunakan dalam berbagai domain sosial di Madura maupun wilayah perantauan. Namun, dari sisi digital, sumber daya yang tersedia masih relatif terbatas. Korpus teks berbahasa Madura belum terhimpun secara sistematis, ortografi yang standar masih belum disepakati, data suara penutur asli masih minim, dan variasi dialek sering menyebabkan fragmentasi data. Akibatnya, ketika pengguna meminta AI menghasilkan teks dalam bahasa Madura, sistem kerap mencampurnya dengan bahasa Indonesia atau menghasilkan bentuk yang tidak alami. Padahal, AI sebenarnya dapat menjadi alat revitalisasi yang sangat kuat. Dengan korpus yang memadai, bahasa Madura dapat digunakan dalam chatbot pendidikan, sistem penerjemahan otomatis, transkripsi cerita rakyat, pengajaran bahasa berbasis AI, hingga dokumentasi budaya lisan. Teknologi yang sama yang berpotensi meminggirkan bahasa daerah juga dapat menjadi sarana pelestarian apabila komunitas bahasa memiliki sumber daya digital yang cukup.
Masalahnya terletak pada logika dasar model bahasa besar. AI belajar dari data. Bahasa Inggris, Mandarin, Spanyol atau Bahasa Indonesia memiliki jutaan token yang tersedia di internet, buku digital, jurnal, media sosial, dan berbagai platform daring. Bahasa-bahasa tersebut memperoleh representasi yang sangat kuat dalam proses pelatihan AI. Sebaliknya, bahasa daerah, dalam hal ini bahasa Madura dengan jumlah data yang sedikit hanya mendapatkan representasi terbatas. Konsekuensinya terlihat dalam kualitas terjemahan, pengenalan suara, dan kemampuan generatif model AI.
Di sinilah muncul ancaman yang dapat disebut sebagai kepunahan algoritmik. Kepunahan algoritmik mulai terjadi ketika suatu bahasa tidak lagi tersedia dalam jumlah data digital yang memadai. Model kecerdasan buatan mempelajari bahasa melalui teks, suara, dan interaksi daring yang tersedia dalam korpus digital. Apabila bahasa daerah seperti Madura hanya sedikit muncul dalam buku digital, situs web, media sosial, atau basis data linguistik, AI akan memiliki representasi yang sangat terbatas terhadap bahasa tersebut. Pada tahap ini, bahasa masih digunakan oleh masyarakat dalam kehidupan sehari-hari, tetapi mulai kehilangan visibilitas di hadapan mesin.
Ancaman tersebut menjadi lebih serius ketika sistem digital gagal mengenali bahasa yang digunakan penuturnya. Teknologi seperti pengenalan suara, papan ketik prediktif, penerjemah otomatis, chatbot, dan asisten virtual bergantung pada data pelatihan yang cukup. Ketika data bahasa daerah minim, sistem sering menganggap tuturan tersebut sebagai bahasa lain atau menghasilkan terjemahan yang tidak akurat. Akibatnya, penutur kesulitan menggunakan bahasa daerahnya dalam berbagai layanan digital modern.
Tahap berikutnya terjadi ketika algoritme platform digital berhenti merekomendasikan konten berbahasa daerah. Mesin pencari dan media sosial cenderung memprioritaskan bahasa dengan trafik dan interaksi yang tinggi. Jika konten berbahasa Madura jarang muncul dalam hasil pencarian atau rekomendasi, kreator konten akan terdorong beralih ke bahasa yang lebih menguntungkan secara algoritmik, sementara pengguna semakin jarang menemukan bahasa daerah dalam ruang digital sehari-hari.
Proses tersebut kemudian berdampak pada generasi muda. Mereka mungkin masih memahami bahasa daerah di lingkungan keluarga, tetapi tidak menemukan aplikasi pembelajaran, subtitle, permainan, atau layanan AI yang mendukung bahasa tersebut. Ketika seluruh aktivitas digital berlangsung dalam bahasa lain, bahasa daerah mulai dipandang kurang praktis dan kurang relevan untuk pendidikan, pekerjaan, maupun komunikasi daring. Puncak dari proses ini adalah ketika bahasa masih memiliki penutur aktif, tetapi kehilangan hampir seluruh fungsi strategisnya dalam ekosistem digital. Bahasa tetap digunakan dalam komunitas tertentu, namun tidak lagi hadir dalam mesin pencari, aplikasi pendidikan, teknologi suara, dan platform AI. Pada kondisi inilah terjadi kepunahan algoritmik: bahasa belum punah secara sosial, tetapi telah tersingkir dari infrastruktur digital yang semakin menentukan akses terhadap informasi, pendidikan, ekonomi, dan komunikasi publik di era kecerdasan buatan.
Persoalan lain yang jarang diangkat adalah bias algoritme terhadap bahasa mayoritas. Platform digital cenderung memprioritaskan konten yang menghasilkan trafik tinggi. Konten berbahasa Indonesia atau Inggris lebih mudah direkomendasikan dibandingkan konten berbahasa daerah. Akibatnya, kreator yang menggunakan bahasa daerah menghadapi hambatan visibilitas. Lama-kelamaan, insentif ekonomi untuk memproduksi konten berbahasa daerah menjadi semakin kecil.
Selain itu, terdapat fenomena data extraction without return. Penutur bahasa daerah menghasilkan jutaan unggahan di media sosial yang dapat digunakan sebagai data pelatihan AI global. Namun, manfaat teknologi yang dihasilkan tidak selalu kembali kepada komunitas penutur. Bahasa daerah menjadi sumber data, tetapi bukan pusat pengembangan teknologi. Ini menimbulkan pertanyaan etis mengenai kedaulatan data bahasa lokal.
AI juga berpotensi melakukan standardisasi paksa. Karena model cenderung memilih bentuk yang paling sering muncul dalam data, satu varian dialek dapat menjadi dominan sementara dialek lain terpinggirkan. Dalam konteks bahasa daerah, hal ini berpotensi menimbulkan ketimpangan representasi antarwilayah. Dialek yang lebih banyak hadir di ruang digital akan lebih mudah dikenali AI dibandingkan dialek yang kurang terdokumentasi.
Persoalan yang lebih rumit lagi adalah hilangnya nuansa budaya. Banyak ungkapan kehormatan, sapaan kekerabatan, dan register sosial dalam bahasa daerah memiliki makna pragmatis yang kompleks. AI sering menerjemahkannya secara literal sehingga nilai budaya yang terkandung di dalamnya berkurang. Bahasa tidak hanya terdiri atas kata-kata, tetapi juga sistem relasi sosial dan identitas budaya yang sulit direduksi menjadi sekadar data statistik. Dalam perspektif Pierre Bourdieu, bahasa memiliki modal simbolik. Di era AI, modal simbolik tersebut bergeser menjadi modal digital. Bahasa yang kaya sumber daya digital memperoleh keuntungan ekonomi, sosial, dan teknologi. Bahasa yang miskin sumber daya digital kehilangan daya saing dalam ruang publik modern. Dengan demikian, kesenjangan digital bahasa dapat berkembang menjadi kesenjangan sosial dan budaya.
Untuk mencegah hal tersebut, diperlukan strategi yang lebih produktif daripada sekadar menyerukan pelestarian bahasa daerah. Langkah pertama adalah membangun korpus digital nasional bahasa daerah yang menghimpun teks sastra, percakapan, berita, dokumen budaya, dan materi pendidikan secara sistematis. Korpus ini harus terbuka bagi penelitian dan pengembangan teknologi bahasa.
Langkah kedua adalah program perekaman suara penutur asli dalam berbagai dialek. Data suara sangat penting untuk pengembangan speech recognition dan text-to-speech. Tanpa data suara yang memadai, bahasa daerah akan tertinggal dalam teknologi berbasis suara yang semakin dominan.
Langkah ketiga adalah standardisasi ortografi yang fleksibel. Tujuannya bukan menyeragamkan seluruh dialek, melainkan memastikan interoperabilitas digital sehingga variasi penulisan tetap dapat dipahami oleh sistem AI.
Langkah keempat adalah membangun kolaborasi antara kampus, komunitas bahasa, dan industri AI. Universitas dapat menyusun korpus dan melakukan penelitian linguistik, komunitas menyediakan data autentik, sedangkan industri mengembangkan aplikasi praktis yang dapat digunakan masyarakat.
Yang paling penting, negara perlu mengadopsi kebijakan Digital Language Sovereignty, yaitu pengakuan bahwa bahasa daerah merupakan aset strategis nasional yang harus didanai digitalisasinya. Selama ini pelestarian bahasa daerah sering dipandang sebagai urusan budaya semata, padahal di era AI ia juga merupakan urusan kedaulatan teknologi.
Dengan demikian, masa depan bahasa daerah tidak lagi ditentukan hanya oleh jumlah penutur, tetapi juga oleh kemampuannya hadir dalam ekosistem AI. Bahasa Madura dan bahasa daerah lain dapat memperoleh manfaat besar dari teknologi apabila memiliki korpus digital, data suara, dan infrastruktur linguistik yang memadai. Namun, tanpa investasi serius pada sumber daya digital, bahasa-bahasa tersebut berisiko mengalami kepunahan algoritmik: tetap dituturkan oleh sebagian masyarakat, tetapi tidak lagi terbaca, dipahami, dan diproduksi kembali oleh mesin yang akan membentuk peradaban digital abad ke-21. Tantangan utama kita bukan sekadar mempertahankan bahasa daerah agar tetap digunakan, melainkan memastikan bahasa tersebut memiliki tempat yang layak dalam dunia yang semakin dikendalikan oleh algoritme.
Iqbal Nurul Azhar adalah akademi yang memiliki ketertarikan kuat pada bidang perencanaan dan kebijakan bahasa, sosiolinguistik, Computer Assisted Language Learning, dokumentasi bahasa dan narasi kerakyatan (folktales), serta korpus bahasa
Pusat Bahasa Al Azhar 