Bayangkan, jika pemerintah Tunisia—yang kala itu dipimpin penguasa otoriter Zine El Abidine Ben Ali—punya teknologi untuk menganulir dampak aksi bakar diri seorang penjual buah di alun-alun kota pada Desember 2010.

Kematian tragis Mohamed Bouazizi memicu protes massal dan berujung pada robohnya kekuasaan abadi Ben Ali. Revolusi Tunisia kemudian mengilhami gelombang gerakan prodemokrasi yang mengubah Timur Tengah selamanya—periode yang kelak dikenal sebagai Arab Spring alias Musim Semi Arab.

Namun, bagaimana jika rezim otoriter Tunisia saat itu memiliki perangkat berbasis kecerdasan buatan yang mampu meramalkan revolusi? Mereka mungkin bisa meredam aksi rakyat sejak dini, atau menangkap para penggerak embrio gerakan antipemerintah sebelum ia membesar.

Rezim Ben Ali tak memiliki alat semacam itu. Namun hari ini, sebagian pemerintahan otoriter Timur Tengah sudah memilikinya—setidaknya dalam batas tertentu. Potensi penyalahgunaan teknologi akal imitasi untuk membungkam suara kritis bahkan sebelum ia lahir kian membesar, seiring evolusi peramalan konflik berbasis AI.

AI mengubah peramalan konflik

Para analis sejak lama berupaya membaca risiko masa depan. Namun dalam beberapa tahun terakhir, limpahan data dan lonjakan daya komputasi, ditambah kemajuan pembelajaran mesin, membuat model komputasi semakin piawai menggunakan jejak masa lalu untuk menebak masa depan.

Dalam konteks geopolitik, peramalan konflik menawarkan sisi terang: alokasi sumber daya yang lebih presisi, kesiapsiagaan negara dan organisasi kemanusiaan yang lebih matang.

Namun, kecemasan juga mengemuka. Christopher Rauh, profesor ekonomi dan sains data di University of Cambridge sekaligus pendiri ConflictForecast, mengakui potensi penyalahgunaan teknologi ini.

ConflictForecast memadukan pembelajaran mesin dan keahlian manusia untuk "mendeteksi sinyal-sinyal baru dan halus atas risiko konflik di negara yang tidak sedang berperang.”

"Ya, kami khawatir aktor jahat bisa memanfaatkan sebagian data—itulah sebabnya kami tidak mempublikasikan prediksi soal protes,” ujar Rauh. Model mereka, dengan sedikit penyesuaian, bisa saja menghasilkan prediksi demonstrasi. "Tetapi protes bisa menjadi ekspresi demokrasi yang sehat. Data itu bisa dipakai untuk membungkam.”

Menurut Rauh, sejauh ini peramalan konflik belum cukup rinci untuk dengan mudah disalahgunakan negara otoriter. "Model bekerja pada rata-rata ketika menandai situasi berisiko tinggi. Ini bukan sihir,” katanya. Namun ia mengingatkan: seiring akurasi meningkat dan data makin melimpah, risiko ikut membesar.

Bagaimana peramalan konflik bekerja?

Sebagaimana model pembelajaran mesin lain, sistem harus "belajar” dari tumpukan data. Sumbernya beragam: laporan media, pelacak konflik real-time seperti Armed Conflict Location and Event Data (ACLED), atau Uppsala Conflict Data Program.

Data ekonomi, demografi, angka kematian bayi, hingga pelacakan lokasi ponsel dan pergerakan penerbangan bisa turut dimasukkan—apa pun yang dinilai relevan.

Kuncinya, kata Rauh, adalah data historis yang panjang—lebih dari satu dekade—agar muncul pola yang bisa terbaca.

Namun, para peneliti di Alan Turing Institute pada Maret 2025 mengingatkan: belum ada sistem AI yang mampu secara sempurna memprediksi titik nyala geopolitik atau implikasinya.

Tantangannya berlapis, mulai dari keterbatasan komputasi, kelangkaan atau inkonsistensi data, serta faktor tak terduga dari tindakan individual—seperti Bouazizi atau para pemimpin yang memilih mundur ketimbang melawan.

Meski demikian, teknologi peramalan konflik dan analisis risiko berbasis AI terus berkembang, baik di sektor publik maupun swasta.

Damini Satija, Direktur Amnesty Tech—bagian dari Amnesty International—menggarisbawahi bahaya laten. "Agar berfungsi seperti yang dipasarkan, alat-alat ini harus dilatih pada dataset yang ada. Artinya, AI akan mereproduksi kesalahan, bias, dan cacat dalam data dunia nyata,” ujarnya. Lebih mendasar lagi, teknologi ini bertumpu pada asumsi bahwa perilaku manusia yang kompleks bisa disederhanakan menjadi indikator-indikator ringkas—sebuah asumsi yang sudah dipatahkan dalam konteks prediksi kriminalitas.

Timur Tengah: Laboratorium pertama?

Jika teknologi ini kian matang, sebagian otokrasi Timur Tengah berpotensi menjadi pengguna awal untuk membungkam musuh politik.

"Timur Tengah sejak lama berada di persimpangan adopsi teknologi dan kekuasaan politik,” tulis peneliti University of Manchester, Arash Beidollahkhani, dalam jurnal Democratization edisi November. Pemerintah otoriter di kawasan ini, katanya, secara tradisional mengandalkan pengawasan, sensor, dan koersif. "Teknologi AI—dari pengenalan wajah hingga analitik prediktif—melipatgandakan kapasitas itu.”

Negara-negara seperti Arab Saudi, Uni Emirat Arab, Iran, Mesir, dan Bahrain telah memanfaatkan komputasi canggih untuk menghadapi oposisi.

Mesir, misalnya, memantau komunikasi digital dan menjerat aktivis karena unggahan media sosial. Ibu kota administratif barunya dirancang sebagai "kota pintar” dengan lebih dari 6.000 kamera—sebuah infrastruktur yang dinilai rawan disalahgunakan.

Arab Saudi menggunakan pengenalan wajah untuk manajemen kerumunan di Makkah dan Madinah, serta merancang sistem pengawasan dan pengenalan emosi di kota pintar NEOM.

Di antara semuanya, Uni Emirat Arab kerap disebut paling siap mengintegrasikan peramalan berbasis AI untuk membungkam kritik. Negara ini termasuk yang terdepan dalam praktik predictive policing—analisis data masa lalu untuk mencegah kejahatan di masa depan, baik dengan mengidentifikasi lokasi rawan maupun individu berisiko.

UEA menjalankan sejumlah proyek "safe city” yang menganalisis data pengawasan dalam skala besar—pengenalan wajah dan analisis perilaku. Ditopang sumber daya finansial besar serta jejaring politik dan swasta global, integrasi AI ke dalam tata kelola berjalan mulus. Seperti otokrasi lain di kawasan, pemerintah tak dituntut transparan soal bagaimana data digunakan.

Sebagian perangkat itu juga berakar dari Cina, yang telah memanfaatkan teknologi AI untuk membungkam dissent di dalam negeri.

"Jika suatu pemerintahan—apa pun bentuknya—memiliki tujuan implisit atau eksplisit untuk menindak dissent, tak ada alasan mereka tak akan mencoba memakai AI untuk itu,” kata Satija.

Namun, ia dan para aktivis hak digital lain menegaskan: ancaman terbesar justru berasal dari infrastruktur yang sudah ada. Predictive policing dan sistem pengawasan hari ini, kata Satija, telah menimbulkan efek gentar. Aktivis merasa lebih mudah teridentifikasi—dan memilih tak pernah turun ke jalan.

"Kekhawatiran terbesar kami adalah pada infrastruktur yang sudah tersedia dan apa yang sudah bisa dilakukannya,” ujarnya menutup.

Artikel ini terbit pertama kali dalam bahasa Inggris
Diadaptasi oleh Rizki Nugraha
Editor: Yuniman Farid