Dari Script ke Soundtrack: Analisis Eksklusif Transformasi Kreatif Industri Hiburan oleh AI Generatif

Lanskap AI dalam Industri Kreatif Global: Peluang dan Disrupsi

Industri kreatif, yang mencakup sektor musik, seni rupa, dan perfilman, saat ini tengah melalui fase transformasi fundamental yang didorong oleh kehadiran teknologi Kecerdasan Buatan (AI). Perubahan ini bukan sekadar peningkatan alat bantu teknis; AI modern, melalui sistem pembelajaran mesin (machine learning) dan jaringan saraf dalam (deep neural networks), kini mampu menghasilkan karya yang dianggap orisinal, seperti teks, musik, dan gambar. Potensi AI telah membuka cakrawala baru dalam menciptakan, memodifikasi, dan mendistribusikan karya kreatif di berbagai tingkatan produksi, dari studio musik hingga panggung sinematik.

AI Generatif (GAI) berfungsi sebagai katalisator revolusioner, memungkinkan para kreator untuk mencapai efisiensi yang lebih tinggi dan mengembangkan karya melalui cara-cara yang sebelumnya tidak terbayangkan. Sebagai contoh, para pencipta musik yang memanfaatkan alat AI telah dilaporkan mengalami peningkatan produktivitas dan kreativitas hingga 20%, yang menunjukkan bahwa teknologi ini dapat meningkatkan kemampuan seniman untuk menghasilkan karya berkualitas tinggi secara efisien tanpa mengorbankan orisinalitas. Meskipun demikian, adopsi teknologi ini secara masif memicu perdebatan etika dan hukum yang mendalam. Pertanyaan mengenai orisinalitas karya yang dihasilkan AI, kepemilikan hak cipta, dan penghormatan terhadap hak-hak kreator manusia menjadi isu sentral yang harus diatasi untuk memastikan masa depan industri kreatif yang berkelanjutan.

Definisi Arsitektur AI Generatif (GAI) yang Relevan

Untuk analisis strategis ini, penting untuk mendefinisikan secara jelas arsitektur teknologi AI yang berinteraksi dengan proses kreatif. Istilah “Generative Artificial Intelligence” (GAI) secara umum merujuk pada subset AI yang berfokus pada produksi konten—teks, gambar, atau suara—berdasarkan pola yang dipelajari dari dataset yang besar. Contoh umum GAI termasuk model bahasa besar (LLM) seperti ChatGPT dan Llama, serta generator visual seperti DALL·E, MidJourney, dan Stable Diffusion.

Perlu ditekankan bahwa GAI sering kali dibedakan dari teknologi AI tradisional atau AI non-generatif. Dalam konteks industri film, GAI (yang menghasilkan konten baru) harus dibedakan dari teknologi AI yang lebih konvensional yang digunakan dalam computer-generated imagery (CGI) dan visual effects (VFX) tradisional, meskipun batas-batasnya kini mulai kabur. Model AI generatif visual yang baru muncul, seperti Google Veo 3, OpenAI Sora, dan LTXV, secara progresif membentuk masa depan penceritaan, mengintegrasikan kemampuan naratif (teks/skrip) dan visual (VFX) dalam satu alur kerja. Pemahaman terhadap pembedaan ini sangat penting, terutama dalam konteks kontrak industri dan regulasi hukum.

Peta Jalan Adopsi AI: Empat Fase Produksi (Nest, Crawl, Walk, Run)

Adopsi layanan dan aplikasi Machine Learning (ML) dan AI ke dalam alur kerja (pipeline) VFX, Animasi, dan Game dapat dikategorikan menjadi empat fase diskrit, yaitu: Nest (Sarang), Crawl (Merangkak), Walk (Berjalan), dan Run (Berlari). Model ini memberikan kerangka kerja strategis untuk memahami kematangan teknologi di dalam studio:

1. Nest & Crawl: Fase awal yang melibatkan eksplorasi fundamental, penentuan strategi, dan membangun momentum melalui proof of concept dan proyek percontohan.
2. Walk & Run: Fase kritis di mana AI bertransisi dari eksperimen menjanjikan menjadi solusi siap produksi dan terukur. Pada tahap ini, studio mengimplementasikan alur kerja terstruktur, mengoptimalkan infrastruktur, dan menetapkan praktik peningkatan berkelanjutan untuk memastikan inisiatif AI menjadi andal, efisien, dan adaptif pada skala produksi.

Sebuah elemen yang sering diabaikan, namun sangat penting dalam mencapai hasil tingkat produksi, adalah “Data sebagai Bahan Bakar” (Data as Fuel). Meskipun model AI sering menjadi sorotan, hasil yang kuat hanya didukung oleh datasets berkualitas tinggi dan beranotasi yang baik (well-annotated datasets). Karena dataset publik jarang memenuhi kebutuhan spesifik media dan produksi, studio harus secara proaktif menciptakan, mengelola, dan memelihara dataset tingkat studio yang siap untuk AI, sebuah investasi yang sangat strategis untuk mencapai keluaran produksi yang kuat.

Pilar Pertama: AI dalam Narasi Film (Penulisan Naskah dan Pra-Produksi)

Inovasi Naskah: AI sebagai Idea Generator dan Analisis Audiens

Setiap karya sinematik yang hebat selalu berawal dari sebuah ide yang diwujudkan dalam bentuk naskah. Dalam tahap pra-produksi ini, AI Generatif telah mulai mengubah cara penulis skenario bekerja. AI berfungsi tidak hanya sebagai alat bantu koreksi tata bahasa, tetapi juga sebagai generator konsep plot dan naskah awal. Sistem AI saat ini mampu membuat naskah film berdasarkan input tertentu yang diberikan oleh penulis atau produser.

Inovasi ini diperkuat dengan munculnya model-model video AI generatif baru seperti OpenAI Sora, Google Veo 3, dan LTXV. Model-model ini mengindikasikan pergeseran radikal di mana input naratif teks dapat langsung diterjemahkan menjadi visual sinematik berkualitas tinggi. Selain itu, studio dapat menggunakan AI untuk menganalisis data penonton secara presisi. Analisis ini membantu studio memahami tren minat dan preferensi audiens dengan tingkat akurasi yang lebih tinggi, memungkinkan mereka mengembangkan ide konten yang memiliki probabilitas hit yang lebih besar.

Respons Tenaga Kerja dan Perlindungan Profesi (WGA)

Peningkatan kemampuan GAI untuk memproduksi materi tertulis asli menimbulkan ancaman eksistensial bagi para penulis profesional di seluruh industri. Kekhawatiran ini menjadi faktor utama yang memicu mogok kerja Writers Guild of America (WGA) pada tahun 2023, setelah kegagalan negosiasi dengan Alliance of Motion Picture and Television Producers (AMPTP). Mogok yang berlangsung dari Mei hingga September 2023 tersebut berakhir dengan kesepakatan kolektif baru yang menetapkan batasan hukum yang penting.

Kesepakatan Minimum Basic Agreement (MBA) antara WGA dan AMPTP mencakup persyaratan spesifik mengenai penggunaan AI pada proyek yang dilindungi. Kesepakatan ini berupaya melindungi penulis dari penggantian oleh AI generatif dan non-generatif. Selain WGA, serikat aktor Screen Actors Guild-American Federation of Television and Radio Artists (SAG-AFTRA) juga mencari perlindungan serupa, khususnya terkait penggunaan digitalisasi dan digital doubles yang dihasilkan AI. Sebuah poin penting dalam perjanjian WGA adalah pembedaan eksplisit bahwa istilah “Generative Artificial Intelligence” merujuk pada model yang menghasilkan konten berdasarkan pola yang dipelajari (misalnya ChatGPT), dan tidak termasuk teknologi AI tradisional yang digunakan dalam CGI dan VFX.

Proyeksi Jangka Panjang: Redefinisi Peran Penulis Skenario

Kesepakatan WGA menggarisbawahi realitas strategis bahwa AI kemungkinan besar tidak akan menggantikan penulis manusia sepenuhnya, melainkan bertransformasi menjadi alat yang penggunaannya harus diatur. Dampak jangka panjangnya adalah pergeseran peran penulis skenario dari generator konten utama menjadi editor, kurator, dan pengarah etis atas output AI. Nilai kreatif akan terletak pada kemampuan penulis untuk memandu sistem AI dan memberikan sentuhan manusiawi yang mendalam pada narasi yang dihasilkan secara algoritmik.

Keberhasilan WGA dalam memaksa regulasi proaktif di tingkat kontrak industri untuk GAI (LLM) merupakan sebuah fenomena strategis yang patut dicermati. Ini menunjukkan bahwa perlindungan paling efektif seringkali terjadi ketika teknologi disruptif masih berada pada tahap ‘ancaman potensial’ sebelum menjadi ‘fakta operasional yang tak terhindarkan.’ Kontras dengan sektor visual effects (VFX) yang kurang terwakili oleh serikat yang kuat, di mana disrupsi akibat otomatisasi AI tradisional (non-GAI) sudah mulai menyebabkan penyusutan pekerjaan entry-level secara reaktif. Karena WGA mendefinisikan GAI secara sempit , area non-GAI—seperti penggunaan deepfake wajah aktor atau otomatisasi tugas cleanup—tetap rentan terhadap penggunaan AI tanpa perlindungan kontrak yang eksplisit, menyoroti adanya kesenjangan perlindungan antara profesi naratif dan profesi teknis di industri film.

Pilar Kedua: AI dalam Visualisasi Sinematik (Efek Visual dan Animasi)

Peningkatan Efisiensi Operasional VFX melalui AI

Dalam industri film, AI memainkan peran krusial dalam menyempurnakan efek visual , mempercepat proses penyuntingan, dan menciptakan visual efek yang kompleks. Kontribusi AI yang paling revolusioner adalah otomasi tugas-tugas yang secara historis memakan waktu dan intensif tenaga kerja. Teknologi deep learning dan neural networks digunakan untuk mempercepat proses produksi kreatif, membuat pekerjaan yang biasanya lama menjadi jauh lebih efisien.

Contoh kunci dari peningkatan efisiensi ini terlihat dalam tugas-tugas dasar VFX seperti rotoscoping, cleanup (penghapusan kawat atau rigs), dan pembuatan digital doubles. Automasi tugas-tugas dasar ini memungkinkan perusahaan VFX untuk meningkatkan kualitas visual sambil secara signifikan menekan biaya operasional. AI mempercepat proses produksi dan membuat pekerjaan yang dulunya memakan waktu berjam-jam atau berhari-hari menjadi jauh lebih cepat.

Disrupsi Tenaga Kerja dan Struktur Pipeline VFX

Meskipun AI memberikan efisiensi biaya yang besar, adopsinya menimbulkan disrupsi signifikan pada struktur tenaga kerja, terutama pada pekerjaan tingkat awal (entry-level). Otomatisasi proses seperti rotoscoping dan prep department (departemen persiapan) mengancam pekerjaan pemula di pipeline VFX. Seorang CEO dari sekolah VFX besar menyatakan keprihatinannya bahwa ketika AI mengambil alih tugas-tugas entry-level ini, ia secara efektif “menyusutkan pipeline di mana talenta baru berkembang”.

Dalam perusahaan besar, artis baru memulai karier mereka di departemen roto dan prep. Pengalaman ini berfungsi sebagai pengenalan dan pelatihan dasar untuk memahami alur kerja, membuat mask, dan mempelajari dasar-dasar yang penting sebelum mereka pindah ke departemen yang lebih kompleks seperti compositing. Jika pekerjaan-pekerjaan dasar ini diotomatisasi, artis junior kehilangan kesempatan untuk membangun pemahaman yang kuat tentang core fundamentals. Selain itu, beberapa pengajar tradisional di bidang VFX merasa terancam karena kurikulum mereka, yang berfokus pada teknik old school seperti rotoscoping cleanup, menjadi usang. Hal ini menuntut mereka untuk meningkatkan keterampilan dan menggeser fokus pengajaran ke keterampilan inti yang lebih tinggi, seperti compositing filosofis dan arahan artistik, yang kurang terpengaruh oleh otomatisasi.

Untuk mencapai tahap produksi yang terukur (fase Walk dan Run), studio harus berinvestasi dalam strategi data-sentris. Fokus pada pembuatan, pengelolaan, dan pemeliharaan datasets yang berkualitas tinggi (studio-grade) adalah hal yang mutlak karena data ini adalah ‘bahan bakar’ yang memungkinkan AI mencapai hasil tingkat produksi yang andal.

Tantangan Artistik: Keseimbangan antara Efisiensi Biaya dan Orisinalitas

Adopsi AI di sektor VFX menyajikan konflik yang mendasar antara efisiensi biaya jangka pendek dan keberlanjutan pengembangan talenta jangka panjang. Mengotomatisasi tugas-tugas roto yang mahal jelas menghasilkan penghematan operasional yang cepat. Namun, risiko kehilangan peran entry-level akan menciptakan generasi artis masa depan yang kurang memahami core fundamentals sinematik. Jika AI melakukan cleanup, artis junior kehilangan pengalaman berharga dalam memahami bagaimana elemen visual berinteraksi secara fisik di lingkungan 3D/2D, suatu pemahaman yang krusial untuk menjadi compositor tingkat senior yang kompeten. Ini memaksa studio untuk berinvestasi lebih banyak pada pelatihan konseptual dan filosofis, bukan pelatihan teknis tugas spesifik.

Keseimbangan ini membutuhkan pertimbangan yang matang, yang dapat diilustrasikan melalui dampak langsung AI pada alur kerja operasional VFX:

Table III.1: Perbandingan Dampak AI pada Alur Kerja Tradisional VFX

Pilar Ketiga: AI dalam Komposisi dan Soundtrack (Dari Script ke Soundtrack)

Mekanisme Komposisi AI: Generasi Musik Algoritmik

Di dunia musik, AI telah terbukti mampu menciptakan komposisi baru secara otomatis. Algoritma AI dapat meniru gaya musisi legendaris dan, yang paling relevan untuk industri film, menyusun soundtrack atau musik latar berdasarkan suasana hati atau instruksi teks sederhana.

Pemanfaatan AI secara signifikan menyederhanakan alur kerja kreatif bagi produser dan artis musik, di mana waktu dianggap sebagai sumber daya yang sangat berharga. Alat musik AI, seperti Soundful, dapat menghasilkan elemen musik penting, termasuk melodi, bassline, progresi akor, atau bahkan trek lengkap, hanya dalam hitungan menit. Proses ini menghemat waktu berjam-jam atau bahkan berhari-hari yang diperlukan dalam produksi musik tradisional untuk membuat elemen-elemen dasar dari awal. Dengan demikian, produser memiliki lebih banyak waktu untuk mengalokasikan fokus pada tugas-tugas utama yang membutuhkan penilaian manusia, seperti desain suara, aransemen, dan arahan musik secara keseluruhan. Alat ini memungkinkan kreator untuk menggunakan musik yang dihasilkan AI sebagai dasar, menyesuaikan dan mempersonalisasikannya agar sesuai dengan gaya mereka. Manfaat ini terlihat jelas pada pembuat konten yang membutuhkan beberapa soundtrack unik dan bebas royalti dengan cepat untuk rangkaian video, menyederhanakan alur kerja mereka dan meningkatkan efisiensi.

Isu Deepfake Musik dan Peniruan Gaya

Meskipun potensi produktivitasnya tinggi, perkembangan AI dalam musik, khususnya melalui metode deepfake, menimbulkan persoalan hukum dan etika yang serius. Teknologi deepfake memungkinkan penciptaan karya musik yang secara realistis meniru suara, gaya, dan karakteristik musisi tertentu tanpa keterlibatan atau izin dari pencipta aslinya.

Inovasi ini berpotensi melanggar hak-hak pencipta asli, khususnya terkait pengakuan AI sebagai pencipta, perlindungan hukum terhadap karya yang dihasilkan AI, serta potensi pelanggaran hak ekonomi dan hak moral. Isu deepfake ini semakin mendesak perlunya kerangka regulasi yang jelas karena menyentuh inti dari identitas artistik dan komersial seorang musisi.

Tren Industri Musik: AI Bebas Royalti dan Kolaborasi

Tren industri menunjukkan bahwa seniman mulai melihat AI sebagai kolaborator, bukan hanya sebagai alat teknis yang mengancam. Alat musik AI memberikan opsi baru, menyarankan pola atau ide yang mungkin tidak terpikirkan oleh produser, sehingga membantu memicu arah kreatif baru dan menerobos hambatan kreatif.

Ketersediaan alat AI yang menghasilkan soundtrack yang cepat dan bebas royalti (seperti Soundful) menciptakan efek demokratisasi komposisi untuk pasar content creator (misalnya, YouTuber dan TikToker). Namun, fenomena ini menghasilkan konsekuensi yang lebih luas bagi komposer profesional tingkat atas (untuk film blockbuster atau musik A-list). Karena AI dapat menghasilkan mood music yang baik secara efisien, nilai pasar untuk komposer yang menghasilkan musik generik akan menurun drastis. Akibatnya, komposer profesional terpaksa menggeser fokus ke pekerjaan yang tidak dapat diotomatisasi: hiper-spesialisasi pada sentuhan manusiawi, emosi yang kompleks, orkestrasi yang rumit, dan narasi musikal yang sangat spesifik dan kontekstual. Dengan AI yang mengurus drafting dasar, komposer profesional kini berfungsi sebagai ‘desainer suara’ tingkat tinggi yang memanfaatkan teknologi untuk mempercepat proses, namun mempertahankan kontrol penuh atas arah artistik dan emosional karya.

Kerangka Regulasi, Etika, dan Hak Kekayaan Intelektual (HKI) AIGC

Status Hukum Kepemilikan Karya Cipta AI (Hak Cipta)

Pengembangan AI-Generated Content (AIGC) telah memunculkan perdebatan hukum dan etika yang signifikan, terutama mengenai kepemilikan hak cipta. Secara global, tinjauan komparatif menunjukkan bahwa baik Indonesia (melalui UU No. 28 Tahun 2014 tentang Hak Cipta) maupun Amerika Serikat saat ini belum mengakui AI sebagai pencipta (author).

Perlindungan hak cipta atas karya yang dihasilkan AI hanya dapat diberikan jika terdapat kontribusi manusia yang signifikan pada proses kreasi. Hal ini memunculkan pertanyaan kritis: siapa yang berhak memiliki hak cipta—pengembang sistem, pengguna yang memberikan perintah (prompt), atau AI itu sendiri?. Masalah ini menjadi sangat relevan bagi profesional teknologi informasi (IT) yang memegang tanggung jawab etis dalam memastikan penerapan AI tidak melanggar hak cipta.

Dalam konteks Indonesia, terdapat ketidakpastian hukum yang signifikan (legal uncertainty). Indonesia masih kekurangan regulasi spesifik yang secara langsung menangani AI, teknologi deepfake, atau standar objektif untuk menilai orisinalitas dan ambang batas kemiripan. Kekosongan regulasi ini menghambat penegakan hukum hak cipta secara efektif untuk musik atau karya kreatif lainnya yang dihasilkan oleh AI.

Etika dan Penggunaan Data Pelatihan

Isu HKI yang mendasar berakar pada proses pelatihan AI. AI generatif (seperti DALL·E dan MidJourney) dilatih menggunakan data, termasuk ilustrasi, animasi, dan karya seni yang bersumber dari internet. Pengumpulan data pelatihan ini menimbulkan isu hukum utama.

Penggunaan karya berhak cipta untuk melatih AI berada dalam area abu-abu hukum. Di satu sisi, AI tidak secara langsung menyalin karya; ia ‘belajar’ dari kumpulan data. Namun, di sisi lain, pencipta asli merasa hak mereka dilanggar jika AI menghasilkan karya yang sangat menyerupai hasil ciptaan mereka tanpa kompensasi atau izin. Kasus hukum skala besar seperti Getty Images vs. Stability AI (tentang penggunaan gambar berhak cipta untuk pelatihan AI) dan OpenAI vs. The New York Times (tentang penggunaan artikel berhak cipta untuk dataset GPT) menggarisbawahi perlunya kompensasi yang adil bagi kreator atas nilai data yang mereka hasilkan. Isu ini juga mencakup masalah etika profesi IT terkait peniruan gaya artistik oleh AI, yang menimbulkan masalah moralitas terhadap orisinalitas karya manusia.

Mitigasi Risiko Legal dan Etika Profesi IT

Untuk memitigasi risiko HKI, beberapa langkah hukum dan regulasi mulai dipertimbangkan. Regulasi penggunaan data latihan menjadi fokus; misalnya, Uni Eropa melalui EU AI Act mulai menyoroti perlunya transparansi dalam pengumpulan data untuk melatih AI. Selain itu, diperlukan mekanisme untuk menyeimbangkan hak pencipta dengan kemajuan teknologi, termasuk implementasi sistem lisensi di mana perusahaan membayar royalti kepada pencipta asli untuk menggunakan karya berhak cipta dalam melatih AI.

Ketidakmampuan kerangka HKI yang ada, terutama di Indonesia, untuk secara spesifik mengatur deepfake dan standar orisinalitas AIGC , menciptakan krisis kepastian hukum (legal certainty crisis). Tanpa definisi yang jelas mengenai ambang batas “kontribusi manusia yang signifikan,” setiap karya AIGC berisiko ditantang secara hukum. Krisis ini merupakan risiko sistematis bagi investasi dalam industri kreatif; investor membutuhkan kepastian atas kepemilikan aset kreatif. Jika kepemilikan hak cipta atas AIGC tidak jelas dan model AI dilatih dengan data yang berpotensi melanggar HKI, perusahaan menghadapi tuntutan ganda—dari pemilik hak cipta data input dan dari kreator yang karyanya ditiru oleh output. Regulasi yang jelas adalah prasyarat untuk pertumbuhan industri AIGC yang berkelanjutan.

Table V.1: Komparatif Status Hukum Hak Cipta AI (Indonesia vs. AS)

Kesimpulan

AI Generatif telah membuktikan diri sebagai kekuatan transformatif yang tidak dapat dihindari di industri hiburan. AI tidak bertujuan untuk menggantikan seniman, melainkan untuk memperluas cakrawala ekspresi dan memperkaya pengalaman artistik manusia. Peran AI harus dipandang sebagai kolaborator yang menghilangkan tugas-tugas berulang, memungkinkan kreator untuk fokus pada pekerjaan yang memiliki nilai tambah tertinggi. Sementara otomatisasi meningkatkan efisiensi, analisis menunjukkan bahwa nilai tertinggi dalam kreasi masih terletak pada desain suara yang unik, aransemen yang kaya emosi, dan arah kreatif secara keseluruhan, yang membutuhkan penilaian dan sentuhan manusiawi.

Rekomendasi untuk Industri Hiburan: Strategi Adaptasi dan Mitigasi Risiko Legal

Bagi eksekutif dan investor di sektor kreatif, strategi adaptasi harus mencakup mitigasi risiko hukum dan reformasi operasional:

1. Mitigasi HKI dan Transparansi Data: Perusahaan harus segera berinvestasi dalam sistem lisensi proaktif dan transparansi mengenai data yang digunakan untuk melatih model AI mereka. Ini diperlukan untuk mengurangi risiko tuntutan hukum massal terkait pelanggaran hak cipta data input. Selain itu, penting untuk mendorong pemerintah (terutama di wilayah dengan regulasi yang belum matang, seperti Indonesia) untuk segera mengisi kekosongan regulasi HKI terkait deepfake dan standar orisinalitas AIGC guna mencapai kepastian hukum.
2. Model Kontrak yang Jelas: Industri harus mengadopsi model kontrak yang eksplisit (mengikuti contoh WGA MBA) yang secara jelas mendefinisikan kepemilikan hak cipta, batasan penggunaan, dan struktur kompensasi ketika AI digunakan dalam proses kreatif, terutama yang melibatkan GAI.

Masa Depan Tenaga Kerja Kreatif: Pelatihan Ulang dan Fokus pada Keterampilan Inti (Core Fundamentals)

Disrupsi terhadap pekerjaan entry-level di pipeline VFX merupakan masalah strategis yang memerlukan intervensi terencana:

1. Reorientasi Pendidikan dan Kurikulum: Lembaga pendidikan harus beradaptasi dengan cepat, beralih dari pengajaran teknik usang (old school) seperti rotoscoping manual. Kurikulum harus direorientasi untuk melatih core skills tingkat tinggi, pemahaman compositing filosofis, dan kemampuan untuk beradaptasi dengan alat baru untuk tujuan artistik.
2. Pengembangan Keterampilan Abad ke-21: Nilai profesional kreatif bergeser dari keterampilan eksekusi manual menjadi keterampilan kurasi, prompt engineering, dan manajemen data. Studio harus merancang program internal untuk mencegah penyusutan pipa talenta , memastikan bakat baru dilatih dalam prinsip-prinsip kreatif inti yang mendasari hasil visual, bukan hanya tugas yang rentan terhadap otomatisasi.

Dalam jangka panjang, dampak AI melampaui efisiensi produksi dan mencakup pembentukan representasi sosial. Narasi dan representasi yang dibentuk oleh AI dapat memengaruhi persepsi pengguna terhadap norma dan realitas sosial. Jika sistem AI dilatih menggunakan data yang mencerminkan bias atau stereotip historis, output AI dapat secara tidak sengaja memperkuat struktur sosial yang tidak adil. Masyarakat berpotensi menginternalisasi representasi yang disampaikan AI sebagai kebenaran normatif. Oleh karena itu, diperlukan badan pengatur (governing body) independen untuk mengawasi perkembangan AI, memastikan keadilan data, dan memitigasi dampak etika jangka panjang pada budaya dan masyarakat.