Kebijakan Privasi Chatbot AI Sulit Dibaca, Butuh 20 Menit

Telset.id – Sebuah studi terbaru mengungkap bahwa rata-rata waktu yang dibutuhkan untuk membaca kebijakan privasi sebuah LLM (Large Language Model) adalah 20 menit, dengan tingkat keterbacaan yang rendah. Temuan ini menjadi perhatian penting di tengah meningkatnya penggunaan chatbot AI, karena sekitar 75% orang mengaku setidaknya pernah menggunakan AI chatbot minimal sekali dalam sebulan. Studi yang dilakukan oleh pakar keamanan siber Bridewell ini menilai kebijakan privasi dari 20 LLM populer, dan menyimpulkan bahwa dokumen-dokumen tersebut umumnya sulit dipahami oleh pengguna awam.

Angka 20 menit tersebut merupakan rata-rata, namun sebagian kebijakan privasi jauh lebih panjang. Rata-rata jumlah kata dari kebijakan privasi yang dianalisis mencapai 4.603 kata. Tantangan utamanya bukan hanya pada panjang dokumen, tetapi juga pada tingkat pemahaman informasi yang disampaikan. Hasil ini menunjukkan bahwa pengguna yang ingin mengetahui bagaimana data mereka diproses harus meluangkan waktu yang tidak sedikit, sementara tidak semua orang memiliki waktu atau kemampuan untuk memahami istilah-istilah teknis yang digunakan.

Untuk mengukur tingkat keterbacaan, Bridewell menggunakan Flesch Reading Ease Score, sebuah ukuran keterbacaan yang dikembangkan oleh Rudolf Flesch pada 1948 dan masih digunakan secara luas hingga kini. Skor di atas 60 dinilai baik, sedangkan skor di bawah angka tersebut kurang baik. Rata-rata skor Flesch untuk kebijakan privasi LLM yang diteliti adalah 40,2. Angka ini mengindikasikan kepadatan jargon yang membuat sebagian besar orang tidak akan memahami isi dokumen tersebut.

Kesulitan membaca kebijakan privasi ini menjadi relevan karena data yang dimasukkan ke dalam AI chatbot tidak sekadar diproses untuk menjawab pertanyaan. Bridewell menemukan bahwa 13 dari 20 LLM yang dievaluasi menggunakan input dan output pengguna untuk melatih model mereka. Beberapa LLM menawarkan opsi untuk menolak (opt out) dari pelatihan tersebut, tetapi sebagian lainnya tidak menyediakannya. Bahkan ketika opsi opt out tersedia, tidak selalu jelas bagaimana cara mengaktifkannya.

Chris Linnell, Associate Director of Data Privacy di Bridewell, memberikan pernyataan terkait temuan ini. Menurutnya, sangat penting bagi pengguna untuk sepenuhnya memahami bagaimana data mereka diproses oleh LLM. Ia juga menekankan bahwa bisnis memerlukan panduan internal yang jelas mengenai apa yang boleh dan tidak boleh dibagikan, serta idealnya menggunakan akun enterprise yang tepat dengan perlindungan yang sesuai. Linnell memperingatkan bahwa karyawan mungkin berisiko membagikan informasi yang sangat sensitif atau rahasia yang pada akhirnya bisa digunakan untuk melatih LLM.

Risiko yang muncul tidak hanya bersifat personal. Karyawan perlu menyadari bagaimana mereka menggunakan teknologi ini untuk keperluan pekerjaan. Sebagai aturan umum, semakin kompleks sebuah LLM, semakin panjang pula waktu yang dibutuhkan untuk membaca kebijakan privasinya. Contoh yang disebutkan dalam studi ini antara lain Meta’s Muse Spark dan Moonshot AI’s Kimi K. Kebijakan privasi untuk Meta’s Muse Spark tercatat memiliki lebih dari 14.000 kata dan membutuhkan waktu hampir satu jam untuk dibaca.

Dengan sekitar 75% orang yang mengaku menggunakan AI chatbot setidaknya sekali dalam sebulan, pemahaman mengenai ke mana pertanyaan dan kueri data pergi serta bagaimana data tersebut digunakan menjadi semakin penting. Pengguna yang memasukkan data ke dalam AI chatbot tentu berharap data tersebut diinterpretasikan dan diproses untuk menghemat waktu. Namun, kebijakan privasi yang seharusnya memberikan pemahaman tentang hal itu justru dinilai tidak mudah dibaca berdasarkan hasil studi Bridewell.

Studi Bridewell sendiri menilai kebijakan privasi dari 20 large language model (LLM). Hasilnya menunjukkan rata-rata waktu baca 20 menit dan rata-rata 4.603 kata, dengan skor Flesch Reading Ease rata-rata 40,2. Angka-angka ini memberikan gambaran bahwa dokumen kebijakan privasi LLM saat ini belum sepenuhnya ramah bagi pengguna yang ingin memahami bagaimana data mereka diperlakukan.

Bagi pengguna yang ingin tetap aman menggunakan LLM seperti ChatGPT atau Google Gemini, temuan ini menjadi pengingat bahwa membaca kebijakan privasi tetap penting. Pengguna perlu menyadari bahwa sebagian LLM menggunakan input dan output untuk pelatihan model, dan opsi opt out tidak selalu tersedia atau tidak selalu jelas cara mengaktifkannya. Sementara itu, dari sisi bisnis, penting untuk memiliki panduan internal mengenai data apa yang boleh dibagikan ke LLM, serta mempertimbangkan penggunaan akun enterprise dengan perlindungan yang sesuai.

[IMG:https://cdn.mos.cms.futurecdn.net/toJsHzqsNXvBcnSCEFy6VL.jpg class=”aligncenter” alt=”A woman sitting at a table with various objects on it, including a MacBook, a mug, a book, an opened notebook, and holding her head with her hands as if in frustration”]

Kesimpulan dari studi ini menegaskan bahwa kebijakan privasi LLM saat ini masih jauh dari kata mudah dipahami. Dengan rata-rata waktu baca 20 menit, rata-rata 4.603 kata, dan skor Flesch 40,2, pengguna menghadapi dokumen yang padat jargon. Fakta bahwa 13 dari 20 LLM menggunakan input dan output untuk melatih model menambah urgensi bagi pengguna dan bisnis untuk lebih memahami bagaimana data mereka diproses. Tanpa pemahaman yang memadai, risiko berbagi informasi sensitif atau rahasia yang kemudian digunakan untuk pelatihan LLM tetap terbuka.