AI Bahasa Daerah Ahmadie Thaha :  Kolumnis, Mantan wartawan Majalah Tempo dan Koran Republika, Pendiri dan Pengasuh Ma’had Tadabbur al-Qur'an.

CATATAN CAK AT, 21 Oktober 2026

 

                                                

 

GoTo meluncurkan AI 27 miliar parameter untuk bahasa Indonesia dan empat bahasa daerah. Namun, apa yang sungguh-sungguh baru dari model ini?   Di sebuah kampung di Bali, seorang anak mendengar neneknya bercerita tentang leluhur dalam bahasa yang tak pernah muncul di buku pelajaran. Ia memahami setiap ungkapan nenek, termasuk sindiran halus yang tak bisa diterjemahkan kata demi kata.   Ketika anak itu masuk sekolah, ia belajar menggunakan kecerdasan buatan untuk mengerjakan tugas. AI menjawab dengan bahasa Indonesia yang rapi, tetapi mendadak kehilangan kecerdasan ketika neneknya menyelipkan ungkapan Bali.   Mesin itu menguasai tata bahasa, tetapi belum tentu memahami tata kehidupan. Bayangkan jika suatu hari mesin mampu memahami percakapan mereka tanpa meminta semua orang terlebih dahulu belajar berbicara seperti orang Jakarta.   Mimpi itulah yang membuat pengumuman GoTo pada 19 Oktober 2026 menarik perhatian. Perusahaan teknologi di balik Gojek dan Tokopedia tersebut meluncurkan model bahasa besar atau large language model (LLM) berukuran 27 miliar parameter.   Model itu dirancang untuk memahami bahasa Indonesia serta bahasa Jawa, Sunda, Bali, dan Batak. GoTo menyediakannya agar perusahaan rintisan, kampus, peneliti, dan lembaga publik bisa mengembangkan aplikasi AI sesuai kebutuhan Indonesia.   Namun, sebelum kita mengangkatnya sebagai kelahiran kecerdasan buatan Indonesia, kita perlu memeriksa satu pertanyaan mendasar: apa yang sungguh-sungguh baru dari GoTo? Apakah perusahaan ini menemukan teknologi AI baru, dengan kemampuan bahasa daerah?   Pertanyaan itu penting agar kita tidak terjebak dalam upacara peluncuran. Dunia teknologi gemar menyajikan produk baru dengan panggung megah, sementara pembaruan sesungguhnya sering berlangsung di ruang kerja yang sepi.   Ada proses-proses panjang yang tak sepenuhnya diketahui publik.  Ada proses mengumpulkan data, membersihkan teks, melatih model, menguji jawaban, lalu mengulang pekerjaan yang sama sampai mesin semakin memahami manusia.   Petunjuk penting tersimpan dalam nama model AI yang GoTo unggah ke Hugging Face: "gemma3-27b-cpt-gotoai-v3-instruct". Nama teknis ini mengungkap silsilahnya. GoTo menggunakan Gemma3-27B buatan Google, lalu menyesuaikannya dengan konteks Indonesia.   Istilah CPT merujuk pada continued pre-training, yaitu pelatihan lanjutan terhadap model yang sudah memiliki kemampuan bahasa sebelumnya. Setelah itu, model dapat menjalani instruction tuning.   Proses terakhir itu agar AI lebih terampil mengikuti perintah dan menjawab pertanyaan. Maka, GoTo tidak mengumumkan penemuan arsitektur LLM baru. Ia mengembangkan kemampuan model yang sudah tersedia melalui pelatihan dan penyesuaian berbasis data lokal.   Strategi ini masuk akal. Membangun model bahasa besar dari nol membutuhkan data dalam jumlah sangat besar, komputasi mahal, tenaga ahli, dan waktu panjang.   Mengembangkan model dasar yang sudah tersedia memungkinkan tim mengalokasikan lebih banyak sumber daya untuk memperbaiki kemampuan yang mereka anggap penting.   Dalam kasus GoTo, prioritas itu mencakup bahasa Indonesia, bahasa daerah, serta konteks budaya setempat. Lantas, apa yang baru?   Pertama, GoTo membawa pengembangan modelnya ke versi ketiga, sebagaimana tersirat dalam penamaan V3. Ini menunjukkan kelanjutan proses pengembangan, bukan proyek yang baru lahir pada Oktober 2026.   Kedua, perusahaan merilis model berukuran 27 miliar parameter yang secara khusus diarahkan pada bahasa Indonesia dan empat bahasa daerah. Ketiga, GoTo membuka akses model tersebut untuk dipelajari, digunakan, dan diadaptasi oleh pihak lain.   Poin ketiga mungkin justru paling penting. Indonesia sudah memiliki banyak orang yang mampu membangun aplikasi, tetapi tidak semuanya mempunyai sumber daya untuk melatih LLM berukuran besar.   Dengan menyediakan bobot model yang dapat diunduh, GoTo memberikan titik awal bagi pengembang yang ingin membuat layanan pendidikan, penerjemahan, dokumentasi budaya, atau aplikasi pelayanan publik.   Sebelum menyebut peluncuran ini sebagai terobosan yang belum pernah terjadi, kita perlu menengok pekerjaan serupa yang telah berjalan.   AI Singapore mengembangkan SEA-LION (Southeast Asian Languages in One Network), keluarga model bahasa yang berfokus pada kebutuhan bahasa dan budaya Asia Tenggara. Program ini telah mengembangkan model sejak generasi awal, termasuk model berbasis Gemma dan Llama.   Jadi, gagasan menggunakan model dasar global untuk memperkuat bahasa kawasan sudah berkembang sebelum pengumuman GoTo kali ini. Bahkan, SEA-LION menunjukkan bahwa pekerjaan tersebut dapat meliputi berbagai bahasa di Asia Tenggara, bukan hanya bahasa Indonesia dan empat bahasa daerah.   GoTo sendiri memiliki riwayat pengembangan AI lokal melalui kolaborasinya dengan Indosat dalam ekosistem Sahabat-AI. Inisiatif itu telah menawarkan model yang ditujukan bagi bahasa Indonesia dan sejumlah bahasa daerah, termasuk Jawa, Sunda, Bali, dan Batak.   Karena itu, peluncuran Oktober 2026 lebih tepat dibaca sebagai kelanjutan dan penguatan kemampuan yang sudah dibangun GoTo, bukan kelahiran pertama AI berbahasa daerah di Indonesia.   Perubahan ukuran model, versi, cakupan data, dan akses publik tetap bisa membawa kemajuan. Namun, kita harus menilai kemajuan itu melalui hasil yang dapat diperiksa, bukan semata-mata melalui tanggal peluncuran.   Peta persaingan ini juga menunjukkan bahwa Indonesia tidak berjuang sendirian. Negara-negara Asia Tenggara menghadapi persoalan serupa: model AI global dapat berkomunikasi dalam banyak bahasa, tetapi kemampuan mereka tidak selalu merata.   Bahasa daerah menghadapi persoalan yang lebih rumit daripada sekadar kekurangan kamus. Satu bahasa bisa memiliki variasi dialek, ejaan, kosakata, tingkat tutur, dan tradisi lisan yang berbeda.   Percakapan sehari-hari juga sering mencampur bahasa daerah dengan bahasa Indonesia. Mesin yang mampu menerjemahkan kalimat sederhana belum tentu mampu memahami humor, sindiran, peribahasa, atau kesantunan yang mengikat hubungan sosial.   GoTo menyebut modelnya meraih skor tertinggi dalam pengujian terhadap model sejenis pada setiap bahasa daerah yang diuji. Klaim itu layak diperhatikan, tetapi pembaca perlu mengetahui rincian pembanding, data uji, jumlah sampel, dan hasil per bahasa.   Kartu model di Hugging Face menjelaskan bahwa pengujian mencakup IndoMMLU, SEA-HELM, serta evaluasi kepatuhan terhadap instruksi dan percakapan. Klaim peringkat dari perusahaan tetap memerlukan pemeriksaan independen sebelum kita menyimpulkan bahwa model ini terbaik.   Ukuran 27 miliar parameter juga perlu ditempatkan secara proporsional. Dokumentasi model GoTo menyebut kebutuhan sekitar 54–60 GB memori GPU untuk menjalankan modelnya dalam presisi FP16/BF16, dengan konfigurasi antara lain GPU NVIDIA A100 80 GB.   Pengembang dapat mengurangi kebutuhan memori melalui kuantisasi. Jadi, kata ringan dalam pengumuman GoTo bersifat relatif terhadap model yang lebih besar, bukan berarti model ini dapat berjalan nyaman pada setiap komputer kampus.   Istilah open-source juga perlu dibaca dengan cermat. GoTo memang membuka akses modelnya, tapi kartu model mencantumkan lisensi Gemma. Pengguna perlu membacanya dengan hati-hati. Akses gratis tidak otomatis berarti semua penggunaan bebas tanpa syarat.   Menurut saya, nilai terbesar dari pengembangan ini terletak pada peluang yang bisa dihasilkan setelah peluncuran. Kita memerlukan pengujian yang melibatkan penutur asli dari berbagai wilayah, bukan hanya tim pengembang dan sejumlah soal pilihan ganda.   Universitas dan komunitas bahasa dapat menyusun kumpulan percakapan nyata, cerita rakyat, peribahasa, istilah adat, serta ungkapan sehari-hari.   Mereka perlu menguji apakah model mampu membedakan variasi dialek, mempertahankan makna ketika menerjemahkan, dan mengakui ketidaktahuan ketika tidak memahami suatu ungkapan. Hasilnya harus dipublikasikan agar peneliti lain dapat membandingkan model GoTo dengan SEA-LION dan model lain secara adil.   Pemerintah daerah juga dapat mengubah peluang ini menjadi pekerjaan konkret. Dinas kebudayaan bisa mendanai digitalisasi manuskrip dan rekaman penutur asli. Kampus dapat membangun korpus bahasa yang berlisensi jelas.   GoTo pun perlu menjelaskan perkembangan antargenerasi modelnya dengan transparan: apa yang berubah dari V1 dan V2 menuju V3, bagaimana data diseleksi, bahasa mana yang meningkat kemampuannya, dan kelemahan apa yang masih tersisa.   Pada akhirnya, kita patut menyambut langkah GoTo tanpa perlu membesar-besarkan kebaruannya. Ia tak memulai sejarah AI bahasa daerah, tapi meneruskan pekerjaan penting dengan menyediakan model baru berukuran besar untuk digunakan dan dikembangkan bersama.   AI lokal seharusnya bekerja seperti penerjemah yang baik: memahami kata, menangkap maksud, menghormati konteks, dan berani bertanya ketika ragu.   GoTo telah menyediakan salah satu alat untuk menuju ke sana. Sekarang, tugas kampus, pemerintah, pengembang, dan masyarakat ialah menguji, memperbaiki, serta memanfaatkan alat itu.   Ukuran keberhasilannya sederhana: apakah seorang anak di Bali, seorang pedagang di Tapanuli, atau seorang guru di Jawa merasa bahasanya semakin dihargai dan semakin mudah diwariskan?   Jika jawabannya kelak benar-benar ya, barulah kita pantas menyebut kemajuan ini sebagai kemenangan teknologi bagi kebudayaan Indonesia. ●   Sumber :   Tulisan Cak AT ini diterima langsung dari Ahmadie Taha