Oleh: Dr Ressa Uli Patrissia *)

INVESTORTRUST - Pernahkah Anda merasa smartwatch atau aplikasi kesehatan di ponsel memberi peringatan yang terasa "tidak nyambung" dengan kondisi tubuh Anda? Notifikasi soal kualitas tidur yang buruk padahal Anda merasa segar, atau target langkah harian yang seolah dirancang untuk orang lain? Ternyata, ada penjelasan ilmiah—dan sosiologis—di baliknya.

Dalam paparan bertajuk Algorithmic Companions yang dipresentasikan pada 2026 International Communication Association (ICA) Media Sociology Postconference di Cape Town Afrika, sebuah analisis menyoroti bagaimana teknologi pendamping berbasis algoritma—mulai dari wearable seperti smartwatch hingga asisten digital—justru memperlihatkan dan memperdalam ketimpangan yang sudah ada di masyarakat. Pesan utamanya cukup menohok: teknologi yang seharusnya membantu semua orang, pada kenyataannya "dikalibrasi" untuk tubuh dan kehidupan segelintir kelompok saja.

Ada kerangka teori yang bisa kita gunakan untuk membedah. Yang pertama adalah Technology Acceptance Model (TAM), yang menjelaskan bahwa penerimaan seseorang terhadap teknologi ditentukan oleh dua hal: apakah teknologi itu dirasa berguna (useful) dan apakah dirasa mudah digunakan (easy to use).

Yang kedua adalah Social Construction of Technology (SCOT), yang menyatakan bahwa makna sebuah teknologi tidak datang dari mesinnya, melainkan dibentuk oleh kelompok sosial yang menggunakannya.

Persoalannya, menurut analisis tersebut, baik "kegunaan" maupun "kemudahan" itu tidak terdistribusi secara merata. Keduanya justru ditentukan oleh siapa yang punya akses, siapa yang datanya terekam, dan siapa yang dianggap sebagai "pengguna ideal" sejak awal.

2,2 Miliar Orang Masih Offline, AI Justru Memperparah

Pada level global, datanya cukup mengejutkan. Berdasarkan data ITU 2025 sekitar 2,2 hingga 2,6 miliar orang di dunia masih sama sekali tidak terhubung internet. Penggunaan internet di negara berpenghasilan tinggi mencapai sekitar 94%, sementara di negara berpenghasilan rendah hanya sekitar 23%.

Di sinilah letak masalahnya. Sebagian besar data pelatihan kecerdasan buatan (AI) berasal dari belahan dunia utara (Global North). Artinya, ketika sebuah smartwatch menghitung kualitas tidur atau tingkat stres Anda, model perhitungannya sebenarnya adalah "artefak statistik" dari tubuh-tubuh yang diukur di tempat lain—bukan tubuh orang Indonesia.

Paparan tersebut menyebutnya dengan gamblang: model tersebut bisa jadi "percaya diri namun keliru" (confidently wrong) ketika diterapkan pada tubuh orang Indonesia. UNDP bahkan memperingatkan pada Desember 2025 bahwa AI berpotensi memperlebar jurang ketimpangan antarbangsa. Dengan kata lain, ketimpangan AI duduk persis di atas ketimpangan konektivitas yang sudah ada.

Jika kita fokus ke level Indonesia, gambaran ketimpangannya semakin tajam. Mengutip data APJII 2025, BPS, UNDP Indonesia, dan World Bank, paparan ini memetakan jurang akses yang lebar antarwilayah dan antarkelompok:

Dari sisi wilayah, Jawa memiliki tingkat keterhubungan sekitar 83–84%, sementara Maluku–Papua hanya sekitar 70% dan Sulawesi sekitar 68%. Bila ditarik ke level provinsi pada 2022, kesenjangannya bahkan mencapai sekitar 58 poin—Jakarta di angka sekitar 84,7%, sedangkan Papua hanya sekitar 26,3%.

Ketimpangan juga terlihat pada jenis pemukiman (perkotaan ~90,9% vs pedesaan ~80,5%), tingkat pendapatan (kelompok miskin tiga kali lebih kecil kemungkinannya untuk online), dan pendidikan (lulusan SMP lima kali lebih kecil kemungkinannya online dibanding lulusan perguruan tinggi).

Konsekuensinya, menurut analisis ini, masyarakat di wilayah pinggiran dan kelompok rentan justru "tersingkir dari proses pembentukan makna" teknologi itu sendiri. Mereka tidak ikut menentukan bagaimana teknologi seharusnya bekerja, karena mereka bahkan belum masuk ke dalam persamaannya.

Gen Z, Milenial, Gen X: Satu Smartwatch, Tiga Cara Pakai yang Beda Total

Salah satu bagian paling menarik dari paparan ini adalah bagaimana tiap generasi memaknai teknologi pendamping secara berbeda—sesuai prinsip SCOT bahwa makna teknologi dibentuk oleh penggunanya.

Berdasarkan penetrasi internet per kelompok usia di Indonesia, data menunjukkan generasi Pre-Boomer hanya sekitar 32%, Boomers 61%, Gen X 84%, Gen Z 87%, dan Milenial tertinggi di angka 93%. Namun yang lebih penting bukan sekadar angkanya, melainkan bagaimana tiap generasi memperlakukan teknologi tersebut.

Bagi Gen Z, smartwatch menjadi semacam "artefak sosial-komparatif"—soal berbagi jumlah langkah, status di antara teman sebaya, dan kesehatan yang di-gamifikasi. Bagi Milenial, ia menjadi "mitra produktivitas yang dinegosiasikan", diseimbangkan dengan konteks kehidupan. Sementara bagi Gen X, ia berperan sebagai "alat penasihat dengan batas"—dengan prinsip "ia memberi saran, tapi saya yang memutuskan."

Satu perangkat yang sama, tiga makna yang berbeda. Inilah bukti bahwa teknologi tidak pernah netral; ia selalu dibentuk oleh siapa yang memakainya.

Bagian terakhir dari analisis ini masuk ke skala yang paling personal—momen ketika perangkat benar-benar menempel di pergelangan tangan kita. Pesannya tegas: ketimpangan tidak lenyap hanya karena jam tangan sudah terpasang.

Paparan ini mengidentifikasi tiga dimensi ketimpangan pada level intim. Pertama, visibilitas (visibility): tubuh siapa yang "terbaca" oleh sistem, dan dengan syarat apa? Kedua, kepedulian (care): siapa yang merasakan notifikasi sebagai bentuk perhatian, dan siapa yang justru merasakannya sebagai pengawasan? Ketiga, nilai (value): data siapa yang dimonetisasi, dan siapa yang mampu menolaknya?

Dari sinilah lahir konsep kunci yang ditawarkan analisis ini: "intra-access inequality" atau ketimpangan di dalam akses itu sendiri. Artinya, punya akses ke teknologi saja tidak cukup. Dua orang yang sama-sama memakai smartwatch bisa mengalami ketimpangan yang berbeda—satu merasa diberdayakan, satu lagi merasa diawasi dan dieksploitasi datanya. Inilah yang disebut sebagai objek kajian sejati dari "sosiologi pendamping algoritmik".

Apa Artinya Buat Pengguna Smartwatch Tiap Hari?

Buat masyarakat Indonesia, temuan ini relevan secara langsung. Pasar perangkat wearable dan aplikasi kesehatan digital terus tumbuh, tetapi sebagian besar perangkat dan algoritmanya dirancang berdasarkan standar populasi di luar negeri. Ketika sebuah aplikasi mengklaim "tahu" kondisi tubuh Anda, ada baiknya kita ingat bahwa "pengetahuan" itu punya sejarah, asal-usul, dan bias geografis.

Pesan besar dari paparan ini bukan ajakan untuk antiteknologi. Sebaliknya, ini adalah undangan untuk bersikap lebih kritis dan sadar. Teknologi pendamping memang bisa sangat berguna, tetapi pertanyaan "berguna untuk siapa?" dan "dikalibrasi atas tubuh siapa?" harus selalu kita ajukan.

Selama data pelatihan, infrastruktur, dan logika perangkat masih timpang, maka teknologi yang dijanjikan untuk "memberdayakan semua orang" berisiko justru menjadi cermin yang memantulkan—bahkan memperkuat—ketimpangan yang sudah ada. Dan ironisnya, ketimpangan itu kini bisa menempel manis di pergelangan tangan kita, berbentuk jam tangan pintar yang setiap hari membaca tubuh kita dengan ukuran milik orang lain.

Bagi pengguna teknologi di negara seperti Indonesia, kesadaran ini adalah langkah pertama. Memahami bahwa algoritma punya "asal-usul" dan "kewarganegaraan data" membuat kita bisa menyikapi setiap notifikasi, skor kesehatan, dan rekomendasi digital dengan kepala lebih dingin—bukan menelannya mentah-mentah sebagai kebenaran objektif.

*) Artikel ini disusun berdasarkan paparan akademik "Algorithmic Companions" Dr. Ressa Uli Patrissia, pemerhati komunikasi teknologi dari Universitas Muhammadiyah Palangka Raya yang dipresentasikan pada 2026 ICA Media Sociology Postconference, dengan sumber data dari ITU Facts & Figures 2025, ITU ICT Development Index 2025, UNDP, APJII 2025, BPS, dan World Bank.