In this Article
EU AI Act kini menjadi pedoman yang tidak bisa diabaikan oleh tim data web dan AI. Mulai Agustus 2026, penegakannya menjadi nyata, dan dua kewajibannya langsung memengaruhi cara data pelatihan dikumpulkan: penyedia model AI tujuan umum (GPAI) wajib menerbitkan ringkasan data pelatihan mereka serta menjalankan kebijakan hak cipta yang menghormati opt-out yang dapat dibaca mesin. Sederhananya, sinyal yang digunakan situs web untuk menyatakan “jangan tambang saya”, yakni robots.txt, ai.txt, dan reservasi TDM, kini memiliki kekuatan hukum bagi siapa pun yang melatih model untuk pasar EU. Panduan ini menjelaskan apa yang berubah, siapa yang terdampak, dan apa yang perlu dilakukan jika Anda mengumpulkan data web.
Saya Andrii Byzov, seorang CMO Fraksional Berbasis AI yang bekerja dengan pipeline data web setiap hari. Di bawah ini adalah gambaran praktis yang mutakhir pada 2026, dengan catatan penting bahwa ini merupakan informasi umum, bukan nasihat hukum. Untuk bacaan terkait, lihat panduan robots.txt dan crawler AI serta apakah web scraping legal.
Fakta Utama
- EU AI Act (Regulasi 2024/1689) merupakan undang-undang AI komprehensif pertama di dunia, berbasis risiko dan diterapkan bertahap dari 2024 hingga 2027.
- Aturan GPAI dimulai pada 2 Agu 2025; penegakan nyata dimulai pada 2 Agu 2026 (denda GPAI hingga €15M atau 3% dari omzet, ditambah kewajiban berisiko tinggi dan transparansi).
- Ringkasan data pelatihan: penyedia GPAI wajib menerbitkan ikhtisar konten pelatihan mereka menggunakan templat wajib dari Komisi.
- Opt-out hak cipta / TDM: penyedia wajib memiliki kebijakan yang mengidentifikasi dan menghormati reservasi hak berdasarkan pengecualian text-and-data-mining EU, termasuk melalui sinyal yang dapat dibaca mesin seperti robots.txt dan ai.txt.
- Yang dituju adalah penyedia model, bukan proxy: kewajiban melekat pada pihak yang membangun atau menempatkan model GPAI di pasar EU dan pada cara data dikumpulkan. Infrastruktur seperti proxy bersifat netral; yang penting adalah apa yang Anda kumpulkan dan apakah Anda menghormati opt-out.
Apa itu EU AI Act dan mengapa aturan ini menyentuh data web
EU AI Act adalah regulasi berbasis risiko: aturan ini mengelompokkan penggunaan AI ke dalam tingkat terlarang, berisiko tinggi, berisiko terbatas, dan berisiko minimal, lalu menetapkan kewajiban sesuai tingkatnya. Sebagian besar aturannya membahas cara sistem AI dibangun dan diterapkan, tetapi ada bagian khusus yang menargetkan model AI tujuan umum (model besar di balik chatbot dan asisten), dan bagian tersebut menjangkau kembali hingga tahap pengumpulan data. Karena model modern dilatih menggunakan data berskala web, aturan transparansi dan hak cipta dalam Undang-Undang ini secara efektif mengatur cara data web tersebut dikumpulkan dan didokumentasikan.
Linimasa yang penting
| Tanggal | Yang berlaku |
|---|---|
| 1 Agu 2024 | AI Act mulai berlaku |
| 2 Feb 2025 | Larangan praktik terlarang + kewajiban literasi AI |
| 2 Agu 2025 | Kewajiban GPAI dimulai; persyaratan ringkasan data pelatihan mulai berlaku |
| 2 Agu 2026 | Penegakan nyata: denda GPAI, aturan transparansi, kewajiban berisiko tinggi |
| 2 Agu 2027 | Model GPAI lama (ditempatkan sebelum Agu 2025) wajib menerbitkan ringkasan data pelatihannya |
Dua kewajiban yang memengaruhi pengumpulan data
1. Ringkasan data pelatihan. Berdasarkan Pasal 53, penyedia GPAI wajib menerbitkan “ringkasan yang cukup terperinci” mengenai konten yang digunakan untuk melatih model, dengan menggunakan templat yang dirilis oleh Kantor AI Komisi. Templat ini meminta jenis konten, sumber data, dan metode pengumpulan, dengan detail yang diharapkan lebih banyak untuk data yang dikumpulkan melalui web scraping dari sumber publik dibandingkan kumpulan data berlisensi atau privat. Dampak praktisnya: jika Anda melakukan web scraping untuk melatih model, Anda perlu mengetahui dan mendokumentasikan asal data Anda.
2. Kebijakan hak cipta dan opt-out TDM. Juga berdasarkan Pasal 53, penyedia wajib mempertahankan kebijakan untuk mematuhi hukum hak cipta EU dan, khususnya, mengidentifikasi serta menghormati reservasi hak yang dibuat berdasarkan pengecualian text-and-data-mining (TDM) dalam DSM Directive (Pasal 4). Pemegang hak dapat mengecualikan karya mereka dari penambangan, dan yang sangat penting, reservasi tersebut dinyatakan melalui sinyal yang dapat dibaca mesin. GPAI Code of Practice mewajibkan para penandatangan untuk menghormati robots.txt dan protokol reservasi hak yang dapat dibaca mesin. Inilah penghubung antara kewajiban hukum dan konfigurasi crawler Anda.
Opt-out yang dapat dibaca mesin kini memiliki kekuatan hukum
Ini adalah perubahan paling penting bagi tim data. Selama bertahun-tahun, robots.txt semata-mata merupakan norma (lihat panduan robots.txt dan crawler AI kami). Dalam rezim hak cipta AI Act, menghormati opt-out yang dapat dibaca mesin, yakni robots.txt, ai.txt, dan protokol reservasi TDM yang sedang berkembang, menjadi bagian dari kepatuhan penyedia GPAI. Mengabaikan sinyal “jangan tambang” yang valid dan dapat dibaca mesin bukan lagi sekadar tidak sopan; hal itu dapat melemahkan kebijakan kepatuhan hak cipta yang diwajibkan Undang-Undang ini. Komisi bahkan telah berkonsultasi mengenai protokol standar untuk menyatakan reservasi tersebut.
Siapa yang sebenarnya terkena aturan ini
- Penyedia model GPAI: siapa pun yang membangun atau menempatkan model tujuan umum di pasar EU memikul kewajiban ringkasan data pelatihan dan kebijakan hak cipta, terlepas dari lokasi kantor pusatnya.
- Tim yang melatih atau melakukan fine-tuning model bagi pengguna EU menggunakan data yang dikumpulkan melalui web scraping: Anda mewarisi ekspektasi dokumentasi dan opt-out.
- Pemasok data dan scraper yang memasok pipeline tersebut: praktik pengumpulan Anda menjadi bagian dari rantai kepatuhan pelanggan, sehingga asal-usul data dan penanganan opt-out penting secara komersial.
Perhatikan tumpang tindih dengan GDPR: jika data yang dikumpulkan melalui web scraping mengandung informasi pribadi, hukum perlindungan data EU berlaku di samping AI Act. Kedua rezim tersebut berlaku secara bersamaan.
Apa yang perlu dilakukan jika Anda mengumpulkan data web untuk AI
- Hormati opt-out yang dapat dibaca mesin. Baca dan hormati reservasi robots.txt serta TDM/ai.txt untuk sumber yang Anda akses. Ini kini merupakan bagian dari kepatuhan hak cipta, bukan sekadar etiket.
- Simpan asal-usul data. Catat dari mana setiap dataset berasal, kapan, dan bagaimana data itu dikumpulkan, agar Anda dapat mengisi ringkasan data pelatihan dan menjawab pertanyaan di tahap berikutnya.
- Utamakan data publik yang bukan data pribadi dan periksa keberadaan informasi pribadi untuk mengelola paparan GDPR; jangan melewati login atau kontrol akses.
- Kumpulkan secara etis dan transparan. Gunakan infrastruktur yang berbasis persetujuan, bersumber secara etis, dan dengan laju yang wajar. Sumber alat Anda adalah bagian dari penjelasan yang akan diminta dari Anda.
Peran proxy
Proxy adalah infrastruktur netral: AI Act mengatur apa yang Anda kumpulkan dan apakah Anda menghormati opt-out, bukan transportasinya. Namun, sumber proxy Anda merupakan bagian dari pipeline yang etis dan dapat dipertanggungjawabkan. Itulah sebabnya residential IPs yang bersumber secara etis penting. Proxy juga membantu dalam pengujian kepatuhan: karena aturan, banner persetujuan, dan konten berbeda di tiap negara, memeriksa bagaimana situs Anda sendiri (atau target) tampil di seluruh pasar EU dari IP lokal memberi Anda gambaran yang akurat. Proxy DataImpulse bersumber secara etis dan pay-as-you-go, dengan targeting tingkat negara di seluruh EU. Proxy ini adalah lapisan infrastruktur bersih dalam proses pengumpulan yang bertanggung jawab, bukan pengganti pekerjaan hukum.
FAQ
Apakah EU AI Act melarang web scraping?
Tidak. Aturan ini tidak melarang web scraping. Aturan ini mengatur penyedia model AI tujuan umum dengan mewajibkan ringkasan data pelatihan dan kebijakan hak cipta yang menghormati opt-out yang dapat dibaca mesin, sehingga secara tidak langsung membentuk cara data pelatihan dikumpulkan dan didokumentasikan.
Kapan EU AI Act mulai ditegakkan?
Aturan ini mulai berlaku pada 1 Agustus 2024 dan diterapkan bertahap: kewajiban GPAI sejak 2 Agustus 2025, serta penegakan nyata (denda GPAI hingga €15M atau 3% dari omzet, kewajiban transparansi dan berisiko tinggi) sejak 2 Agustus 2026.
Apa itu ringkasan data pelatihan?
Berdasarkan Pasal 53, penyedia GPAI wajib menerbitkan ikhtisar yang cukup terperinci tentang konten yang digunakan untuk melatih model mereka, menggunakan templat wajib dari Komisi, yang mencakup jenis konten, sumber, dan metode pengumpulan, dengan lebih banyak detail untuk data yang dikumpulkan melalui web scraping dari sumber publik.
Apakah saya harus menghormati robots.txt berdasarkan AI Act?
Secara efektif, ya, jika Anda melatih model untuk pasar EU. Aturan hak cipta dalam Undang-Undang ini mewajibkan penghormatan terhadap opt-out text-and-data-mining yang dinyatakan melalui sinyal yang dapat dibaca mesin, dan GPAI Code of Practice mewajibkan penghormatan terhadap robots.txt serta protokol reservasi hak.
Apakah AI Act berlaku bagi perusahaan non-EU?
Ya. Kewajiban melekat pada penyedia yang menempatkan model AI tujuan umum di pasar EU tanpa memandang lokasi mereka, sehingga tim non-EU yang melayani pengguna EU termasuk dalam cakupan aturan ini.
Bangun pipeline data AI Anda di atas infrastruktur yang bersih dan etis
Pengumpulan data AI yang bertanggung jawab dimulai dengan menghormati sinyal situs dan menggunakan IP yang bersumber secara etis. Dapatkan residential proxy yang bersumber secara etis mulai dari $1/GB, pay-as-you-go, dengan cakupan EU dan global, serta kontrol geo untuk mengumpulkan dan menguji secara bertanggung jawab.
Artikel ini merupakan informasi umum, bukan nasihat hukum. Konsultasikan dengan penasihat hukum yang kompeten mengenai kewajiban spesifik Anda berdasarkan EU AI Act, DSM Directive, dan GDPR.