Pukul dua dini hari, tim media sosial sebuah coffee shop di PIK Avenue mendapat notifikasi yang membuat jantung berdegup: sebuah video tikus menggerogoti kue di etalase toko mereka tiba-tiba viral. Ribuan komentar membanjiri kolom media sosial dalam hitungan jam. Jika saat itu keputusan sepenuhnya diserahkan pada mesin, sistem sentiment analysis otomatis mungkin hanya akan menampilkan angka: sekian persen negatif, sekian persen netral. Tapi angka saja tidak bisa memutuskan kapan harus meminta maaf, kapan harus menutup toko, dan bagaimana nada permintaan maaf itu disampaikan agar publik percaya. Di titik inilah, mesin secanggih apa pun tetap butuh tangan manusia untuk mengambil kendali.

Ketika Algoritma Salah Membaca Nada Bicara Publik

Sentiment analysis atau analisis sentimen adalah teknologi berbasis artificial intelligence (AI) yang membaca teks—komentar, ulasan, cuitan—lalu mengklasifikasikannya sebagai positif, negatif, atau netral. Teknologi ini menjadi tulang punggung banyak tim public relations (PR) dan marketing untuk memantau reputasi brand secara real-time.

Masalahnya, bahasa manusia tidak sesederhana itu. Sebuah studi yang dipublikasikan di jurnal Scientific Reports terbitan Nature membandingkan performa model bahasa besar (large language model/LLM) dengan penilai manusia dalam menganalisis sentimen, intensitas emosi, dan sarkasme. Hasilnya, meski LLM cukup andal untuk sentimen umum dan kecenderungan politik dengan tingkat konsistensi tinggi, kemampuannya mendeteksi sarkasme dan intensitas emosi masih jauh tertinggal dibanding manusia. Studi tersebut secara eksplisit merekomendasikan pendekatan hybrid yang menggabungkan efisiensi LLM dengan penilaian manusia, terutama untuk konteks yang membutuhkan pemahaman emosi mendalam.

Contoh paling gampang: komentar "Wah, keren banget ya pelayanannya, ditelpon lima kali baru diangkat" jelas bernada sindiran, bukan pujian. Namun bagi mesin yang membaca kata "keren" dan "pelayanan" secara harfiah, komentar ini bisa saja terbaca positif. PublicRelay, perusahaan analis media asal Amerika Serikat, mencatat bahwa sarkasme numerik semacam ini termasuk yang paling sulit dipahami mesin karena mengubah polaritas kalimat secara halus.

Tiga Blind Spot AI yang Wajib Diwaspadai

Beberapa area berikut adalah titik-titik di mana campur tangan manusia paling dibutuhkan:

• Sarkasme dan ironi. Riset dari Kayako, perusahaan perangkat lunak layanan pelanggan, menunjukkan bahwa model berbasis kamus kata (lexicon-based) hanya akurat 50-80 persen, sementara model berbasis transformer lebih baik namun tetap tidak sempurna karena bahasa manusia memang rumit secara alami.
• Konteks budaya dan bahasa daerah. Ungkapan yang unik secara budaya atau dialek minoritas kerap salah dibaca oleh AI akibat data latih yang kurang beragam, sebagaimana dicatat dalam kajian tentang deteksi sarkasme berbasis AI.
• Momen krisis yang butuh nuansa etis. Pada isu yang menyangkut reputasi, hukum, atau keselamatan publik, keputusan strategis tidak bisa hanya berpijak pada skor sentimen semata.

Bukan berarti AI tidak berguna. Justru sebaliknya, kecepatan AI mengolah big data dari ribuan hingga jutaan mention dalam hitungan menit adalah keunggulan yang mustahil ditandingi manusia. Persoalannya adalah di mana kita meletakkan mesin ini dalam alur kerja: sebagai pengganti manusia, atau sebagai asisten yang mempercepat kerja manusia?

Belajar dari Dough Lab: Kecepatan Tanpa Kehilangan Empati

Kasus Dough Lab pada Mei 2024 menjadi contoh nyata bagaimana respons krisis yang tepat justru lahir dari kombinasi data cepat dan keputusan manusiawi. Setelah video tikus di gerai PIK Avenue viral, tim Dough Lab merespons cepat dengan menutup sementara toko untuk pembersihan menyeluruh, mengganti peralatan dapur, dan menyampaikan permintaan maaf terbuka yang disertai penjelasan langkah pencegahan ke depan. Respons transparan ini dinilai publik sebagai langkah tanggap, bukan tindakan defensif, dan membantu memulihkan sebagian kepercayaan pelanggan meski secara bertahap.

Bayangkan jika tim tersebut hanya mengandalkan dasbor sentimen otomatis tanpa membaca konteks emosi publik yang sesungguhnya—rasa jijik, kekhawatiran soal kebersihan, dan tuntutan akan transparansi. Keputusan mereka menutup toko dan tampil terbuka ke publik adalah hasil pembacaan manusia atas nuansa yang tidak sepenuhnya tertangkap angka statistik semata.

Pendekatan Hybrid: Bukan AI vs Manusia, Tapi AI dan Manusia

Pendekatan hybrid dalam analisis sentimen berarti membiarkan AI mengerjakan apa yang paling ia kuasai—memindai volume data raksasa, mendeteksi pola, dan memberi peringatan dini—sementara manusia tetap memegang kendali pada interpretasi akhir dan pengambilan keputusan strategis. Edge Delta, penyedia solusi AI tooling, menegaskan bahwa disiplin ini berlaku lintas industri: sentimen bisa membantu proses triage awal, tetapi keputusan akhir tetap membutuhkan pengawasan manusia.

Di Indonesia, kebutuhan akan pendekatan seperti ini semakin terasa mengingat dinamika media sosial lokal yang sarat dengan gaya bahasa khas—candaan, sindiran halus, hingga istilah gaul yang berubah cepat. Platform media intelligence seperti milik Kazee hadir untuk menjawab tantangan ini dengan menggabungkan pemantauan otomatis lintas media massa, media sosial, hingga siaran televisi dan radio, dengan analisis sentimen yang dapat ditelusuri dan diverifikasi oleh tim analis. Alih-alih hanya menyodorkan angka, laporan semacam ini memberi ruang bagi tim komunikasi untuk memvalidasi konteks sebelum mengambil keputusan—persis seperti yang dibutuhkan saat krisis reputasi datang tiba-tiba.

Kendali Tetap di Tangan Manusia

Teknologi analisis sentimen akan terus berkembang, bahkan mungkin suatu hari mampu menangkap sarkasme dengan akurasi mendekati manusia. Namun secanggih apa pun mesin membaca data, keputusan tentang bagaimana sebuah brand merespons publik—kapan diam, kapan bicara, dan dengan nada seperti apa—tetap membutuhkan empati, konteks budaya, dan pertimbangan etis yang hanya dimiliki manusia. Pendekatan hybrid bukan sekadar tren teknologi, melainkan kebutuhan mendasar agar data besar tidak kehilangan arah tanpa nurani yang memandu.