Konsep poor tax bukanlah hal baru. Secara historis, individu dengan keterbatasan finansial seringkali terjebak pada skema kredit mahal, asuransi premi tinggi, atau biaya transaksi yang membengkak akibat minimnya pilihan. Namun, dengan hadirnya AI dan kemampuannya mengolah ribuan hingga jutaan data poin dalam hitungan detik, praktik diskriminasi harga tersebut kini bisa dieksekusi secara masif, personal, dan hampir tak terdeteksi. Sistem pembelajaran mesin mampu menganalisis riwayat penelusuran internet, tipe perangkat yang digunakan, kode pos, pola pembelian, bahkan perilaku kursor mouse untuk membangun profil keuangan yang sangat spesifik.
Dalam ekosistem e-commerce dan layanan digital, mekanisme ini beroperasi di balik antarmuka yang tampak adil. Dua konsumen yang membeli produk identik pada platform yang sama bisa saja mendapatkan harga berbeda hanya karena algoritma mendeteksi bahwa salah satu dari mereka menggunakan perangkat keluaran terbaru atau berasal dari wilayah dengan daya beli lebih tinggi. Sebaliknya, konsumen yang dicatat algoritma sebagai pemburu diskon atau pengguna perangkat lama justru bisa disodori harga lebih tinggi dengan dalih keterbatasan stok atau premi risiko yang dibuat-buat. “Kita sedang menyaksikan transisi dari ekonomi pasar berbasis nilai ke ekonomi berbasis ekstraksi nilai maksimum per individu,” ujar seorang pakar etika teknologi yang mengkaji dampak algoritma terhadap kesetaraan sosial.
Analisis Mekanisme dan Dampak Ekonomi
Penentuan harga dinamis berbasis AI bekerja melalui siklus umpan balik yang terus-menerus. Setiap interaksi digital meninggalkan jejak yang diubah menjadi variabel prediktif. Perusahaan tidak lagi sekadar menyesuaikan harga berdasarkan permintaan pasar secara agregat, melainkan menyesuaikan berdasarkan elastisitas harga individual. Hasilnya, margin keuntungan bagi korporasi bisa melonjak, sementara konsumen di ujung bawah spektrum ekonomi menghadapi beban yang semakin berat.
| Aspek | Penentuan Harga Tradisional | Penentuan Harga Berbasis AI |
|---|---|---|
| Basis Penentuan Nilai | Biaya produksi + margin pasar | Kemauan bayar maksimum per konsumen |
| Sumber Data | Terbatas pada data agregat | Real-time, multivariabel, perilaku individual |
| Dampak Distribusi | Relatif seragam antarpelanggan | Tersentralisasi pada kelompok rentan |
| Transparansi | Harga terpampang secara eksplisit | Tersembunyi di balik personalisasi algoritmik |
Dari tabel di atas, terlihat jelas bahwa transparansi menjadi korban pertama dalam era personalisasi harga. Konsumen tidak lagi memiliki titik referensi objektif untuk menilai apakah harga yang ditawarkan adil. Ketidaksetaraan informasi ini diperparah oleh dominasi platform digital yang memonopoli akses ke berbagai kebutuhan dasar, mulai dari transportasi, perumahan, hingga kredit mikro. “Ketika AI menentukan harga berdasarkan seberapa terdesak seseorang, bukan berapa nilai barangnya, kita sedang melegalkan eksploitasi terhadap ketidakberdayaan ekonomi,” tutur seorang ekonom perilaku dari lembaga penelitian internasional.
Sektor Rawan dan Tantangan Regulasi
Beberapa sektor dianggap paling rentan terhadap otomatisasi poor tax ini. Pertama, industri asuransi dan pembiayaan, di mana algoritma menilai risiko berdasarkan data perilaku yang seringkali menjadi proksi untuk status sosial ekonomi. Kedua, pasar persewaan properti dan transportasi daring, yang menggunakan harga dinamis untuk memaksimalkan pendapatan pada jam-jam sibuk di area padat ekonomi lemah. Ketiga, layanan kesehatan digital dan edukasi, yang seharusnya bersifat inklusif malah bisa semakin tersegmentasi berdasarkan kemampuan bayar yang terdeteksi algoritma.
Tantangan terbesar bagi regulator adalah sifat black box dari model AI yang digunakan. Hukum perlindungan konsumen di banyak negara, termasuk Indonesia, masih didesain untuk melawan praktik diskriminasi yang eksplisit dan berbasis kategori sensitif seperti ras atau agama. Sedangkan diskriminasi oleh algoritma bersifat korporatif, teknis, dan seringkali terfragmentasi hingga sulit dibuktikan. Bahkan, argumen yang sering di (bawa) pengusaha adalah bahwa personalisasi harga justru memberikan diskon bagi segmen tertentu, meskipun pada praktiknya diskon tersebut tidak sebanding dengan premi tambahan yang dikenakan pada kelompok lain.
Upaya mitigasi mulai muncul di berbagai yurisdiksi, mulai dari wacana kewajiban audit algoritma hingga regulasi transparansi harga. Namun, laju adopsi teknologi jauh melampaui kapasitas pengawasan. Tanpa intervensi kebijakan yang tegas, praktik penentuan harga berbasis AI berisiko memperkuat jurang kesenjangan sosial. Bukan mustahil dalam dekade mendatang, kemiskinan tidak hanya berarti kekurangan sumber daya, tetapi juga sistematisnya dikenai tarif lebih tinggi hanya karena profil digital seseorang menunjukkan ketidakmampuan untuk menolak.
Krisis ini menuntut kesadaran kolektif bahwa teknologi harus diatur bukan hanya dari sisi inovasi, melainkan juga keadilan distribusional. Pemerintah, pelaku industri, dan masyarakat sipil perlu bekerja sama memastikan AI menjadi alat pemerataan akses, bukan mesin otomatisasi eksploitasi. Hanya dengan demikian, revolusi algoritmik dapat berjalan tanpa mengorbankan kelompok paling rentan di tengah persaingan digital yang semakin tajam.