Perkembangan kecerdasan buatan (AI) yang kian cepat memunculkan kembali pertanyaan mendasar: sejauh mana keputusan penting boleh diserahkan sepenuhnya kepada mesin. Di tengah tren otomatisasi, konsep Human in the Loop (HITL) menegaskan bahwa keterlibatan manusia tetap dibutuhkan untuk menjaga akurasi, etika, dan pemahaman konteks—terutama pada sektor sensitif seperti fintech dan blockchain yang beririsan langsung dengan keuangan, kepercayaan, dan keamanan.
Secara umum, HITL adalah pendekatan pengembangan AI yang mempertahankan peran manusia dalam proses pelatihan, pengawasan, dan pengambilan keputusan. Alih-alih membiarkan algoritma bekerja tanpa intervensi, sistem HITL membuka ruang campur tangan manusia pada titik-titik krusial, misalnya saat model menghadapi data yang ambigu atau tingkat ketidakpastian tinggi. Tujuannya bukan menggantikan AI maupun manusia, melainkan menggabungkan keunggulan keduanya: kecepatan pemrosesan AI dan penilaian manusia yang mempertimbangkan intuisi serta aspek etis.
Gambaran sederhana dapat dilihat pada moderasi konten digital. AI bisa menandai konten yang berisiko, tetapi keputusan akhir—apakah konten perlu dihapus atau tidak—tetap memerlukan pertimbangan manusia. Prinsip serupa berlaku di sektor keuangan, di mana analisis risiko, keputusan investasi, dan penilaian transaksi tidak selalu dapat diputuskan hanya dari pola data.
Dalam pengembangan AI, HITL umumnya berperan pada tiga tahap utama. Pertama, training, ketika manusia membantu memberi label data untuk melatih model—misalnya menentukan transaksi mana yang tergolong mencurigakan dalam kasus deteksi penipuan. Kedua, validation, yakni saat manusia memverifikasi hasil prediksi agar model bekerja sesuai harapan. Ketiga, feedback, yaitu umpan balik manusia ketika sistem sudah berjalan di dunia nyata agar model terus belajar dan menyesuaikan diri dengan perubahan konteks.
Pendekatan ini dinilai penting di fintech karena sektor tersebut mengandalkan AI untuk berbagai fungsi, mulai dari deteksi penipuan, manajemen risiko, hingga layanan pelanggan berbasis chatbot. Namun, keputusan keuangan sering mengandung nuansa yang tidak selalu tertangkap oleh algoritma. Pada analisis kredit, misalnya, AI dapat menilai kelayakan pinjaman berdasarkan data historis. Ketika muncul pola yang tidak lazim, keterlibatan manusia dibutuhkan untuk memastikan keputusan tidak bias. Hal serupa terjadi pada fraud detection: sistem bisa menandai transaksi mencurigakan, tetapi manusia menentukan apakah transaksi itu benar-benar berisiko atau hanya anomali yang tidak berbahaya.
Di ranah blockchain—yang identik dengan otomatisasi dan desentralisasi—HITL juga memiliki ruang. Dalam tata kelola (governance) blockchain, keputusan seperti pembaruan protokol atau penanganan bug tidak sepenuhnya dapat diserahkan kepada algoritma; komunitas manusia tetap perlu berdiskusi, memilih, dan memverifikasi langkah yang diambil. Sementara pada smart contract, peran manusia krusial untuk memastikan kode sesuai logika bisnis dan bebas dari celah keamanan. Meski tersedia alat otomatis untuk mendeteksi bug, verifikasi manusia tetap dianggap penting untuk mencegah kesalahan fatal, termasuk potensi kehilangan dana.
Konsep ini juga dikaitkan dengan upaya mendorong adopsi blockchain secara lebih luas. Banyak pengguna baru masih kesulitan memahami dompet digital, kunci privat, atau transaksi on-chain. Dalam konteks ini, kombinasi AI dan interaksi manusia—misalnya melalui asisten virtual yang didukung pengawasan manusia—dipandang dapat meningkatkan rasa aman dan kenyamanan pengguna.
Di dunia trading, HITL diposisikan sebagai pengendali antara otomatisasi algoritmik dan intuisi manusia. Sistem algo-trading memang dapat mengeksekusi transaksi dalam hitungan milidetik, tetapi keputusan strategis tetap memerlukan analisis manusia, termasuk menilai kondisi makroekonomi. Ketika volatilitas tinggi, pengalaman manusia dalam membaca sentimen pasar juga menjadi faktor penting. Pengawasan manual dipandang membantu mencegah kesalahan besar akibat data yang keliru atau anomali pasar ekstrem.
Meski menawarkan manfaat, penerapan HITL tidak lepas dari tantangan. Salah satunya adalah bias manusia: jika proses pelabelan data atau umpan balik dilakukan dengan bias tertentu, model AI dapat ikut terpengaruh. Tantangan lain adalah menjaga keseimbangan antara efisiensi AI dan kontrol manusia. Selain itu, muncul pertanyaan etis mengenai batas intervensi manusia, terutama ketika keputusan menyangkut privasi dan kebebasan individu.
Dalam konteks fintech dan blockchain, transparansi menjadi sorotan. Sistem diharapkan mampu menjelaskan bagaimana keputusan diambil dan siapa yang bertanggung jawab atas hasilnya. Pendekatan ini kerap dikaitkan dengan gagasan Explainable AI (XAI), yang menekankan kemampuan pelacakan dan penjelasan keputusan kepada pengguna.
Seiring berkembangnya Web3, HITL diproyeksikan ikut bertransformasi. Kombinasi AI, blockchain, dan desentralisasi dapat membentuk ekosistem di mana manusia tidak hanya menjadi pengguna, tetapi juga kurator pengetahuan dan penjaga etika digital. Gambaran yang kerap dibahas antara lain sistem trading otomatis dengan pengawasan komunitas, atau layanan keuangan terdesentralisasi (DeFi) yang memadukan analitik AI dengan keputusan manusia secara kolektif.
Pada akhirnya, HITL menempatkan manusia tetap sebagai elemen sentral di tengah kemajuan AI. Dalam fintech, konsep ini dikaitkan dengan upaya menjaga keadilan dan akurasi; dalam blockchain, memastikan transparansi dan kepercayaan; sementara dalam trading, menjaga keseimbangan antara logika sistem dan intuisi manusia. Alih-alih menjadi langkah mundur dari otomatisasi, HITL dipandang sebagai bentuk kolaborasi yang bertujuan membuat teknologi lebih tangguh, adaptif, dan bertanggung jawab.
