Bagaimana AI Belajar Dari Data: Pelatihan Dijelaskan Ditengah Kontroversi Klausul Scraping Meta

Mengapa Ini Menjadi Berita Sekarang

Pada 16 Oktober 2026, The Register melaporkan bahwa syarat layanan komersial yang direvisi Meta, yang akan berlaku 30 Oktober, akan memberikan perusahaan hak untuk menggunakan perangkat lunak otomatis — dijelaskan dalam syarat termasuk web scraper, bot, robot, spider, crawler, dan user agent — untuk mengakses, mengindeks, cache, menganalisis, mengumpulkan, mengambil, atau merayapi situs web yang terkait dengan pelanggan bisnisnya. Pelanggan tersebut mencakup siapa pun yang menjalankan iklan Facebook, menjual produk melalui alat Meta, mengelola Halaman atau Grup untuk bisnis, atau menggunakan agen AI WhatsApp dan Messenger, kategori yang menurut Meta mencakup sekitar satu juta bisnis.

Syarat tersebut menyatakan konten yang dikumpulkan dapat digunakan untuk berbagai tujuan, termasuk menyediakan, mengembangkan, meningkatkan, meneliti, melatih, dan memelihara produk Meta. Presiden dan CEO News/Media Alliance Danielle Coffey menyebut klausa ini "sangat keterlaluan dan kemungkinan ilegal," berpendapat bahwa itu memungkinkan Meta menolak akses audiens dari bisnis kecuali mereka menerima persyaratan pengumpulan data yang luas, menurut laporan The Register. Profesor hukum Santa Clara University Eric Goldman mengemukakan kekhawatiran prosedural tentang Meta mengamendemen hubungan pelanggan yang ada tanpa jalan keluar opt-out yang genuine, dan menunjuk pada sejarah perselisihan privasi Meta.

Menghadapi kritik, Meta merevisi bahasa tersebut. TechCrunch melaporkan pada 17 Oktober bahwa perusahaan menghapus kata "latih" dari daftar penggunaan yang diizinkan dan membatasi tujuan yang dinyatakan untuk periklanan dan produk bisnis daripada semua produk Meta. Juru bicara Meta mengatakan persyaratan crawling hanya berlaku untuk produk iklan dan bisnis perusahaan dan bahwa perubahan tidak mengubah bagaimana Meta menggunakan web crawler.

Bahkan setelah pengeditan, para ahli hukum memberi tahu wartawan bahwa izin crawling yang lebih luas tetap berlaku. Menurut akun mediacopilot.ai tentang pelaporan, profesor Cornell Law School James Grimmelmann mengatakan syarat dapat secara teknis memungkinkan Meta mendaftarkan kredensial yang melihat lebih banyak dari situs daripada pengunjung anonim, sementara pengacara Loevy & Loevy Matt Topic mengatakan materi yang dipertaruhkan dapat bernilai banyak juta dolar di pasar lisensi. Sarjana University of Wisconsin Benjamin Sobel membandingkan pengaturan dengan konsep antitrust pengikat, karena menggunakan alat bisnis Meta akan memerlukan penerimaan persyaratan data.

Bagaimana Model AI Benar-benar Belajar Dari Data

Terlepas dari perselisihan Meta, mekanika mendasar pelatihan AI konsisten di sebagian besar sistem modern. Menurut penjelasan yang dipublikasikan oleh perusahaan tenaga kerja AI Mercor, data pelatihan adalah kumpulan contoh yang dipelajari model, dengan setiap contoh mendorong parameter numerik internal model maju. Model membuat prediksi, membandingkannya dengan jawaban yang benar dalam kumpulan data, mengukur kesalahan yang dihasilkan, dan menyesuaikan parameternya untuk mengecilkan kesalahan itu — siklus diulang di jutaan contoh.

Penjelasan Mercor membedakan data berlabel, di mana manusia memasok jawaban atau kategori yang benar, dari data tanpa label, di mana model harus menyimpulkan pola sendiri. Penjelasan ini juga memisahkan data terstruktur (tabel, database) dari data tak terstruktur seperti teks, gambar, audio, dan video. Banyak model bahasa besar saat ini menggabungkan kedua pendekatan: fase pra-pelatihan awal pada jumlah besar teks atau gambar tanpa label membangun kemampuan umum, diikuti oleh penyesuaian halus pada kumpulan data berlabel yang lebih kecil untuk membentuk perilaku khusus tugas.

Dari Mana Bahan Baku Berasal

Menurut penjelasan yang sama, data pelatihan umumnya berasal dari tiga saluran: dataset publik dan repositori yang tersedia untuk penelitian umum, data proprietary seperti catatan internal perusahaan, dan anotasi manusia, di mana pekerja yang dibayar memberi label pada materi mentah untuk membuat contoh yang diawasi. Web scraping berskala besar — crawling otomatis halaman yang dapat diakses secara publik — adalah salah satu cara paling umum perusahaan mengumpulkan kategori dataset publik pada skala yang diperlukan model modern, itulah mengapa ruang lingkup izin crawling perusahaan mana pun, seperti dalam kasus Meta, secara langsung penting tentang berapa banyak web terbuka yang dapat secara sah memberi makan sistem AI.

Mengapa Debat Scraping Penting Selain Meta

Perselisihan atas bahasa Meta menggambarkan dua titik gesekan yang berulang dalam praktik data AI: apakah syarat layanan perusahaan dapat mengesampingkan sinyal opt-out teknis seperti file robots.txt situs web, dan apakah hubungan perusahaan yang sama yang memberikan akses bisnis ke audiens platform juga dapat digunakan untuk mengekstrak konten bisnis itu untuk pelatihan tanpa pembayaran terpisah atau persetujuan. Pelaporan Nieman Lab, seperti yang dikutip oleh mediacopilot.ai, mencatat bahwa sebagian besar organisasi berita mengelola setidaknya satu akun bisnis Meta, berarti jangkauan klausa dapat melampaui ke bagian besar industri berita meskipun difokuskan pada pelanggan bisnis daripada penerbit secara spesifik.

Meta belum menyangkal bahwa crawlernya dapat menjangkau konten yang terikat pada akun bisnis; posisinya, seperti yang dinyatakan kepada TechCrunch, adalah bahwa persyaratan yang diklarifikasi tidak mengubah perilaku crawling yang ada. Para ahli hukum yang dikutip dalam pelaporan mengatakan masih belum diuji di pengadilan apakah bahasa syarat layanan semacam itu dapat diberlakukan terhadap pihak ketiga atau terhadap pembatasan robots.txt, meninggalkan batas-batas praktis klausa yang tidak terpecahkan saat tanggal efektif 30 Oktober mendekati.