Pangram, sebuah startup asal New York yang didirikan oleh alumni AI Stanford, Max Spero dan Bradley Emi, menutup putaran pendanaan Seri A senilai $9 juta yang dipimpin oleh Menlo Ventures. Pendanaan ini akan digunakan untuk mengembangkan API bagi berbagai platform dan ekstensi Chrome seharga $20 per bulan yang diklaim dapat menandai teks berbantuan AI dengan akurasi 99 persen—sebuah klaim yang dapat mengubah cara jurnalis, akademisi, dan perekrut memverifikasi keaslian konten.

Lonjakan “slop” buatan AI

Model bahasa besar (LLM) kini memproduksi artikel, unggahan media sosial, dan bahkan sitasi hukum dalam skala besar. Hasilnya: banjir spam SEO berkualitas rendah, kampanye disinformasi yang terkoordinasi, dan zona abu-abu di mana manusia memoles draf buatan AI. Institusi-institusi sudah mulai bereaksi. Server pracetak arXiv memperingatkan bahwa penulis yang mengirimkan output LLM yang tidak ditinjau dapat menghadapi larangan selama satu tahun, dan pengadilan telah mulai menjatuhkan sanksi kepada pengacara yang mengandalkan sitasi palsu yang dihasilkan oleh AI. Tekanan untuk memisahkan hasil karya manusia dari mesin semakin meningkat, dan Pangram bertaruh bahwa teknologinya dapat menjadi lapisan verifikasi standar.

Synthetic mirroring: melatih model pada kembaran dari setiap dokumen

Model unggulan Pangram, Pangram 4, menggunakan metode yang disebut perusahaan sebagai “synthetic mirroring.” Untuk setiap dokumen yang ditulis manusia dalam set pelatihannya—puluhan juta karya yang telah terverifikasi—tim tersebut menghasilkan versi tandingan menggunakan LLM mutakhir (frontier LLM). Kembaran sintetis tersebut memiliki topik, panjang, dan nada yang sama dengan aslinya, namun diproduksi oleh AI. Dengan memasukkan kedua versi tersebut ke dalam jaringan saraf yang sama, Pangram mengajarkan modelnya untuk mengenali jejak statistik halus yang tetap ada pada teks buatan AI, bahkan ketika penulis menggunakan alat “AI humanizer” yang dirancang untuk menyamarkan output mesin.

Kompetitor mengandalkan metadata atau tanda air (watermark) yang tidak terlihat, yang dapat dihapus atau diabaikan. Sebaliknya, Pangram berfokus pada analisis gaya bahasa: pola dalam pemilihan kata, ritme kalimat, dan distribusi token yang tetap konsisten pada output sebuah model. Dalam pengujian internal, sistem ini menandai tulisan berbantuan AI dengan akurasi 99 persen, menurut rilis perusahaan tersebut.

Dari API ke peramban: di mana teknologi ini akan diterapkan

Pangram memposisikan dirinya sebagai infrastruktur, bukan sekadar aplikasi dengan satu tujuan. API-nya sudah terintegrasi dengan Substack, di mana buletin (newsletter) menampilkan label yang menunjukkan proporsi konten buatan AI. Pengguna awal lainnya mencakup platform tanya jawab Quora, beberapa pusat penulisan universitas, dan agensi perekrutan yang perlu memverifikasi keaslian kiriman kandidat.

Bagi pengguna individu, startup ini menawarkan ekstensi Chrome yang menampilkan “skor kesehatan feed” pada situs seperti X, LinkedIn, Reddit, dan Medium. Skor tersebut merinci persentase teks yang menurut model adalah buatan manusia versus AI. Pelanggan membayar $20 sebulan untuk pelabelan waktu nyata (real-time) dan kemampuan untuk menandai bagian yang mencurigakan untuk ditinjau lebih lanjut.

Pandangan skeptis

Klaim akurasi pasti akan mengundang pengawasan. Mendeteksi bantuan AI dalam “zona abu-abu”—di mana seorang penulis menyunting draf yang dihasilkan oleh model—tetap menjadi target yang sulit dipastikan. Seiring berkembangnya model generatif, celah gaya bahasa yang diandalkan Pangram mungkin akan menyempit, memicu perlombaan senjata antara teknik deteksi dan teknik penghindaran. Kritikus juga memperingatkan tentang false positive: melabeli karya manusia yang sah sebagai buatan AI dapat merusak reputasi, terutama dalam konteks akademik atau hukum di mana taruhannya sangat tinggi.

Pangram mengakui tantangan tersebut, dengan mencatat bahwa mereka terus melatih ulang modelnya menggunakan cermin sintetis baru seiring munculnya LLM baru. Namun, perusahaan tersebut belum mengungkapkan hasil tolok ukur (benchmark) independen di luar pengujian internalnya, sehingga komunitas yang lebih luas harus memverifikasi angka 99 persen tersebut.

Apa yang perlu diperhatikan

Beberapa bulan ke depan akan menunjukkan apakah Pangram dapat melangkah lebih jauh dari integrasi percontohan menuju adopsi platform yang lebih luas. Indikator utamanya meliputi:

  • Ekspansi kontrak API di luar daftar mitra awal saat ini.
  • Umpan balik dari pengguna institusional mengenai tingkat false-positive dan dampaknya terhadap alur kerja editorial.
  • Reaksi dari pengembang LLM, yang mungkin akan merespons dengan pembaruan model yang bertujuan untuk meniru gaya manusia secara lebih dekat.
  • Perkembangan regulasi yang dapat membuat alat deteksi AI menjadi wajib untuk publikasi atau pengiriman karya akademik tertentu.

Jika startup ini mampu mempertahankan keunggulan deteksinya sambil menjaga tingkat kesalahan yang rendah, ia dapat menjadi standar de-facto untuk keaslian digital. Jika tidak, pasar mungkin akan terfragmentasi menjadi kumpulan alat yang saling bersaing, masing-masing dengan kelebihan dan kekurangannya sendiri.

Intisari

Suntikan dana sebesar $9 juta dari Pangram mendorong strategi deteksi yang mengandalkan metode pelatihan dokumen ganda untuk mengklaim kemampuan pendeteksian bantuan AI yang hampir sempurna. Keberhasilannya akan bergantung pada apakah metode tersebut dapat diskalakan di berbagai model bahasa yang terus berkembang dan meraih kepercayaan dari platform serta institusi yang paling membutuhkannya.