- 02/05/2025
- Category: Commentaries ID
Penulis : Nadia Sinta Rindiani
Editor : Ayom Mratita Purbandani
Kecerdasan artifisial (Artificial intelligence/AI) sering digambarkan sebagai teknologi yang mengotomatisasi pekerjaan manusia, terutama pada sektor yang berbasis pengetahuan. Namun, narasi ini nampaknya terlalu disederhanakan dan mengabaikan satu pertanyaan mendasar: Siapa yang sebenarnya ‘membuat’ AI? Di balik kecanggihan algoritma yang diklaim dapat belajar sendiri, terdapat peran vital para pekerja yang tak terlihat, seperti data annotator yang memberi label pada gambar, pekerja lepas (freelancers) yang menyempurnakan kumpulan data, dan moderator konten yang menyaring konten yang berpotensi bahaya. Meskipun otomatisasi telah menggantikan banyak tugas berbasis pengetahuan, kehadiran para ‘pekerja bayangan’ (ghost workers) ini tetap penting untuk melatih dan memelihara sistem AI. Ironisnya, kontribusi mereka sering kali tidak diakui dan tidak dilindungi, berbeda dengan para pekerja formal. Terjebak dalam model ‘Human-as-a-Service,’ mereka melakukan tugas-tugas penting yang bersifat sementara, menerima upah rendah, dan tidak mendapatkan stabilitas maupun proteksi kepemekerjaan.
Pekerja bayangan di balik AI: Bagaimana para pekerja tak terlihat membuat AI tetap berjalan
Meskipun AI mampu mengotomatisasi berbagai tugas berbasis pengetahuan, seperti analisis data, natural language processing, dan bahkan pembuatan konten, AI masih sangat bergantung pada tenaga kerja manusia yang tidak terlihat, termasuk dalam kurasi data, evaluasi model, dan berbagai tugas ‘persiapan’ lainnya[1]. Salah satu aspek penting dalam pengembangan AI yang sering terabaikan adalah pelabelan data, yaitu proses memberi tag dan dan keterangan pada teks, gambar, dan video untuk memungkinkan sistem machine learning mengenali pola dan membuat prediksi. Jenis pekerjaan ini sangat diperlukan untuk fungsionalitas teknologi seperti ChatGPT, autonomous cars, dan large language models (LLM). Menariknya, jenis pekerjaan ini justru sering diampu oleh ‘ghost workers’, karena meskipun mereka memainkan peran krusial dalam memastikan kualitas data pelatihan AI, keberadaan mereka tetap tidak terlihat dan jarang diakui[2]. Selain itu, terlepas dari sentralitas tugas mereka dalam sistem AI, banyak dari pekerja ini sering kali dihargai dengan upah yang rendah dan sedikit pengakuan[3,4]. Sebuah analisis terkini menyoroti bahwa kompensasi untuk ‘ghost workers’ sangat rendah, di mana banyak pekerja ini menerima upah per jam yang jauh di bawah upah standar hidup layak, bahkan sering kali kurang dari $3 per jam[5]. Ketergantungan yang besar terhadap ghost workers ini memperlihatkan paradoks besar dalam pengembangan AI. Di satu sisi, AI terus mengotomatisasi semakin banyak pekerjaan, tetapi, di sisi lain, permintaan akan tenaga kerja berbasis proyek berupah rendah juga meningkat[6,7]. Fenomena ini juga tidak terlepas dari kompleksitas rantai pasokan dalam industri AI. Jauh dari bayangan sebagai produk kecerdasan artifisial, sistem AI bergantung pada jaringan tenaga kerja, infrastruktur, dan sumber daya transnasional. Banyak perusahaan mengandalkan tenaga kerja outsourcing dari berbagai wilayah untuk melakukan tugas-tugas seperti anotasi data dan pemrosesan informasi. Faktor geografis dan organisasi memainkan peran penting dalam ketimpangan kekuasaan dan visibilitas, di mana para pekerja sering kali dipekerjakan dalam kondisi yang jauh dari ideal[2].
Sebagian besar ghost workers berasal dari negara-negara Selatan, seperti Filipina, Kenya, India, Pakistan, Venezuela, dan Kolombia[8]. Para pekerja dieksploitasi dengan upah rendah dan sedikit perlindungan. Menurut laporan Contract Worker Disparity Project 2022, meskipun pekerja outsourcing sangat penting untuk menjaga kelangsungan perusahaan teknologi, terdapat kesenjangan yang jelas dan signifikan antara mereka dan karyawan tetap[9]. Rata-rata, pekerja outsourcing hanya mendapatkan 75 sen dolar dari setiap 1 dolar yang diterima karyawan tetap. Selain itu, mereka sering kali tidak menerima tunjangan dasar ketenagakerjaan, seperti cuti berbayar, asuransi kesehatan, keamanan kerja, atau prospek kenaikan karir[9]. Para pekerja ini menghasilkan nilai ekonomi yang sangat besar bagi perusahaan, tetapi tidak mendapatkan imbalan yang sesuai. Hal ini menunjukkan adanya ketidaksetaraan dalam pembagian kerja (labor division) global, di mana tugas-tugas yang penting tetapi bersifat kasar dinilai rendah atau diremehkan. Akibatnya, ketimpangan sosial dan ekonomi global semakin melebar[10].
Selain kesenjangan upah, pekerjaan ‘ghost workers’ ini sering kali monoton dan penuh tekanan[11]. Tanpa kesempatan mengembangkan keterampilan atau mobilitas ekonomi, mereka tetap terjebak dalam pekerjaan yang tidak memberikan peluang untuk meningkatkan kualitas hidup, serta membatasi kemampuan mereka untuk berkembang, beradaptasi, dan memperbaiki prospek jangka panjang mereka. Sementara itu, perusahaan-perusahaan teknologi besar di negara maju terus mengandalkan tenaga kerja murah tanpa memberikan tunjangan atau jaminan sosial. Keuntungan yang dihasilkan pun tidak terdistribusi secara adil, sehingga semakin memperkuat ketimpangan di pasar tenaga kerja global[12, 13]. Dengan kata lain, efisiensi yang dijanjikan oleh teknologi sering kali harus dibayar mahal dengan mengorbankan hak-hak dan keamanan pekerja, serta memperdalam kesenjangan sosial dan ekonomi di dunia kerja.
The human as a service model: Eksploitasi dan kerentanan
Model kerja ‘Human-as-a-Service’ semakin memperjelas intensifikasi kondisi kerja yang rentan di era digital. Dalam model ini, tenaga kerja manusia diperlakukan layaknya ‘jasa’ yang dapat diaktifkan atau dinonaktifkan sesuai kebutuhan, sehingga pekerja diperlakukan sebagai aset yang dapat dipertukarkan, alih-alih individu yang memiliki kebutuhan dan hak. Meskipun platform kerja gig memanfaatkan fleksibilitas model ini sebagai keuntungan, ironisnya, retorika semacam ini membuka peluang eksploitasi. Pekerja dibayar rendah, bekerja terlalu keras, dan tidak mendapatkan tunjangan dasar seperti asuransi kesehatan atau pensiun[3,14,15]. Akibatnya, bentuk-bentuk pekerjaan yang stabil telah bergeser menjadi pekerjaan jangka pendek tanpa perlindungan.
Pekerja di sektor ini, yang sering kali direkrut melalui platform seperti Amazon Mechanical Turk, Appen, dan Scale AI, biasanya diberi kompensasi berdasarkan penyelesaian tugas, bukan upah per jam. Jenis remunerasi ini menyebabkan pendapatan mereka tidak stabil dan rentan secara ekonomi[3]. Ketergantungan pada pekerja digital bergaji rendah yang tidak memiliki perlindungan jaminan sosial untuk menopang ekosistem AI, mencerminkan tren global yang semakin meminggirkan banyak pekerjaan penting yang berada di balik ekosistem digital[16]. Selain itu, ekonomi berbasis teknologi ini mampu menekan daya tawar pekerja terkait upah dan melemahkan kondisi kerja secara keseluruhan. Dampaknya tidak hanya pada keamanan kerja individu, tetapi juga mengancam tatanan sosial yang lebih luas dengan merusak hak-hak pekerja dan kekuatan tawar-menawar kolektif mereka. Ketika otomatisasi menggantikan pekerjaan-pekerjaan tradisional, terdapat risiko hilangnya pencapaian penting gerakan buruh dalam memperjuangkan keadilan dan martabat pekerjaan[17].
Kemunculan AI menghadirkan sebuah paradoks, di mana kemajuan teknologi berjalan berdampingan dengan eksploitasi tenaga kerja. AI memang mengotomatisasi banyak pekerjaan berbasis pengetahuan, tetapi tetap bergantung pada tenaga kerja murah, terutama dari negara-negara Selatan. Ghost workers yang menangani pelabelan data sering kali menerima upah rendah tanpa perlindungan sosial, sedangkan perusahaan-perusahaan AI menikmati keuntungan besar. Hal ini menunjukkan bahwa tenaga kerja manusia tetap sangat diperlukan, tetapi ironisnya justru tetap dimarjinalkan.
Untuk memastikan bahwa manfaat teknologi dapat dirasakan secara lebih adil, sangat dibutuhkan reformasi kebijakan ketenagakerjaan yang menjamin hak-hak pekerja dan penerapan standar etika dalam pengembangan AI[18]. Selain itu, kajian terbaru telah mengusulkan ‘charter of rights’ bagi para ‘ghost workers’ guna melindungi mereka di tengah berkembangnya ekonomi gig[19]. Dengan pendekatan ini, kesejahteraan pekerja dapat berjalan seiring dengan inovasi teknologi dan dapat menciptakan masa depan yang lebih inklusif dan adil.
Endnotes
1 Muldoon, J., Cant, C., Wu, B., & Graham, M. (2024). A typology of artificial intelligence data work. Big Data & Society, 11(1), 20539517241232632.
2 Tubaro, P., Casilli, A., & Coville, M. (2020). The trainer, the verifier, the imitator: Three ways in which human platform workers support artificial intelligence. Big Data & Society, 7(1), 2053951720919776. https://doi.org/10.1177/2053951720919776
3 Duffy, B. (2020). Algorithmic precarity in cultural work. Communication and the Public, 5(3-4), 103-107. https://doi.org/10.1177/2057047320959855
4 Gandini, A. (2019). Labour process theory and the gig economy. Human Relations, 72(6), 1039-1056.
5 Muldoon, J., Cant, C., Graham, M. et al. (2025). The poverty of ethical AI: impact sourcing and AI supply chains. AI & Soc 40, 529–543. https://doi.org/10.1007/s00146-023-01824-9
6 Melián-González, S., & Bulchand-Gidumal, J. (2021). What type of labor lies behind the on-demand economy? New research based on workers’ data. Journal of Management & Organization, 27(5), 850-866.
7 Sulumov, S. (2023). Transformation of the vocational training system in the conditions of digitalization of the labor market. SHS Web of Conferences, 172, 01031. https://doi.org/10.1051/shsconf/202317201031
8 Pogrebna, G. (2024). AI is a multi-billion dollar industry – it’s underpinned by an invisible and exploited workforce. The Conversation. Available at: https://theconversation.com/ai-is-a-multi-billion-dollar-industry-its-underpinned-by-an-invisible-and-exploited-workforce-240568 [Diakses 20 Maret 2025].
9 Bracy, C. (2023). The ghost workforce the tech industry doesn’t want you to think about. Stanford Social Innovation Review. Available at: https://ssir.org/articles/entry/the_ghost_workforce_the_tech_industry_doesnt_want_you_to_think_about [Diakses 13 April 2025]
10 Konstantis, K. (2024). The main challenges of AI ethics: Historical contextualization, black-boxing, social biases, labor invisibility. In Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society (Vol. 7, No. 2, pp. 23-25). https://doi.org/10.1609/aies.v7i2.31899
11 Plantin, J. C. (2021). The data archive as factory: Alienation and resistance of data processors. Big Data & Society, 8(1), 20539517211007510. https://doi.org/10.1177/20539517211007510
12 Ignatieva, I., Saraeva, O., Zedgenizova, I., & Zvezdina, A. (2023). The impact of the digital economy on employment and labour market transformations: The main trends. International Journal of Innovative Research and Scientific Studies, 6(3), 507-513. https://doi.org/10.53894/ijirss.v6i3.1554
13 Kaun, A., Velkova, J., Laaksonen, S., Delfanti, A., Logsdon, A., Stiernstedt, F., … & Ruckenstein, M. (2020). In the shadows of the digital economy: the ghost work of infrastructural labor. AoIR Selected Papers of Internet Research. https://doi.org/10.5210/spir.v2020i0.11131
14 Insebayeva, S., & Beyssembayev, S. (2023). Digital platform employment in Kazakhstan: Can new technologies solve old problems in the labor market? International Labor and Working-Class History, 103, 62-80. https://doi.org/10.1017/s0147547923000200
15 Kneese, T., & Palm, M. (2020). Brick-and-platform: Listing labor in the digital vintage economy. Social Media + Society, 6(3). https://doi.org/10.1177/2056305120933299
16 Munn, L. (2024). Digital labor, platforms, and AI. In Werthner, H., et al. Introduction to Digital Humanism. Springer, Cham. https://doi.org/10.1007/978-3-031-45304-5_35
17 Acemoglu, D., & Restrepo, P. (2019). Automation and new tasks: How technology displaces and reinstates labor. Journal of Economic Perspectives, 33(2), 3-30. https://www.aeaweb.org/articles?id=10.1257/jep.33.2.3
18 Fischer, L., Wunderlich, N., & Baskerville, R. (2023). Artificial intelligence and digital work: The sociotechnical reversal. Hawaii International Conference on System Sciences. https://hdl.handle.net/10125/102655
19 Friedland, J., Balkin, D., & Montealegre, R. (2020). A ghost workers’ bill of rights: How to establish a fair and safe gig work platform. California Management Review Insights.
