Ketika Model AI Berbeda, Mengapa Tulisan yang Dihasilkan Juga Berbeda?
Di layar, perbedaan antara ChatGPT, Claude, Gemini, dan model bahasa besar atau large language model (LLM) lainnya mungkin terlihat sederhana. Pengguna mengetik pertanyaan yang sama, lalu mendapatkan jawaban dalam hitungan detik. Namun, jika jawaban tersebut dibaca lebih teliti, perbedaannya mulai terasa. Ada model yang cenderung menghasilkan tulisan panjang dan terstruktur. Ada yang terasa lebih percakapan. Sebagian lebih berhati-hati dalam memilih kata, sementara model lain lebih berani memberikan kesimpulan. Perbedaan itu bukan sekadar soal “model mana yang paling pintar”. Model LLM memiliki karakter linguistik yang berbeda, dan karakter tersebut ikut membentuk tulisan yang dihasilkan.
Penelitian dalam Scientific Reports sebelumnya menemukan bahwa ChatGPT-4 menghasilkan esai dengan struktur logika, kompleksitas bahasa, kekayaan kosakata, dan keterkaitan antarkalimat yang lebih tinggi dibandingkan ChatGPT-3.5. Penelitian yang sama juga menemukan bahwa gaya bahasa keluaran model berbeda secara signifikan dari tulisan siswa manusia. Temuan tersebut penting karena menunjukkan bahwa peningkatan kemampuan model tidak hanya membuat AI semakin mampu menjawab pertanyaan. AI juga mengalami perubahan dalam cara menyusun bahasa.
Satu pertanyaan, karakter tulisan yang berbeda
Perbedaan tersebut semakin menarik ketika beberapa model digunakan untuk tugas yang sama.
Sebuah studi yang terbit pada 2026 membandingkan ChatGPT-3.5, ChatGPT-4, Gemini dan Claude dalam tugas koreksi serta pemberian umpan balik terhadap tulisan. Hasilnya menunjukkan pola yang berbeda di antara model. ChatGPT-3.5 memperoleh skor tertinggi dalam aspek keterbacaan, sedangkan Claude memperoleh skor tertinggi dalam keterpahaman. Claude dan ChatGPT-4 juga unggul dalam memberikan penjelasan yang lebih detail. Untuk akurasi, ChatGPT-3.5, ChatGPT-4 dan Claude mengungguli Gemini dalam penelitian tersebut. Artinya, tidak ada satu karakter tulisan yang otomatis menjadi standar semua LLM. Model yang dianggap bagus untuk sebuah pekerjaan belum tentu menghasilkan gaya yang sama ketika digunakan untuk pekerjaan lain. Hal ini juga terlihat dalam penelitian terhadap kemampuan model membuat abstrak penelitian ilmiah. Studi Scientific Reports pada 2026 yang membandingkan ChatGPT, Claude 4.5 Sonnet dan Gemini 2.5 Flash menemukan adanya perbedaan performa berdasarkan jenis penelitian yang diringkas. Pada meta-analisis, ChatGPT memperoleh skor kualitas lebih tinggi daripada Claude, sementara Gemini berada di tengah dan tidak berbeda signifikan dari keduanya. Pada jenis artikel lainnya, perbedaannya tidak signifikan. Dengan kata lain, kemampuan menulis LLM sangat bergantung pada konteks, bukan hanya nama modelnya.
Claude, GPT, dan Gemini memiliki “jejak” bahasa
Perkembangan LLM juga membuat munculnya karakter bahasa tertentu menjadi perhatian peneliti. Sebuah penelitian tentang stilistika AI yang terbit pada 2026 menguji ChatGPT, Claude dan Gemini dalam tugas menulis ulang narasi dengan berbagai gaya. Penelitian tersebut menemukan bahwa ketiga model mampu menghasilkan gaya yang berbeda—misalnya formal, percakapan, dan emosional—berdasarkan instruksi yang diberikan. Namun, ketika diperiksa secara stilometrik, masing-masing keluaran tetap menunjukkan pola tertentu. Peneliti menjelaskan bahwa kemampuan model meniru gaya manusia berasal dari pola bahasa manusia yang dipelajari selama proses pelatihan.
Ini menjelaskan sebuah fenomena yang semakin sering ditemui di internet: dua tulisan sama-sama dibuat AI, tetapi “rasa” bahasanya tidak selalu sama. Bahkan, penelitian terbaru menunjukkan bahwa model dapat memiliki writing tells atau ciri linguistik yang berulang. TechCrunch pada Oktober 2026 melaporkan penelitian Graphite yang menganalisis 10.000 artikel manusia sebagai pembanding dengan tulisan yang dihasilkan berbagai model frontier. Penelitian tersebut menemukan sekitar 13.000 kata atau frasa yang muncul setidaknya dua kali lebih sering pada konten AI dibandingkan tulisan manusia. Yang menarik, setiap model mempunyai kecenderungan berbeda.
Misalnya, penelitian tersebut menemukan Claude Opus 5.5 lebih sering menggunakan kata dan konstruksi tertentu, sementara model GPT memiliki pola berbeda. Bahkan ketika model mulai mengurangi ciri lama seperti penggunaan em dash, ciri baru tetap muncul. Jadi, menghilangkan satu “ciri AI” tidak otomatis membuat tulisan menjadi sepenuhnya manusiawi.
Masalahnya bukan sekadar tanda baca
Pada masa awal popularitas ChatGPT, perhatian terhadap tulisan AI sering berpusat pada hal-hal yang mudah dikenali: terlalu banyak em dash, kata seperti “delve”, paragraf yang sangat rapi, atau penggunaan struktur “bukan hanya X, tetapi Y”. Namun, perkembangan model membuat ciri-ciri tersebut terus berubah. Yang lebih menarik justru berada pada tingkat yang lebih dalam: pilihan kata, struktur argumen, tingkat formalitas, cara memberikan penekanan, pola transisi, panjang kalimat, hingga kecenderungan menjelaskan sesuatu secara berlebihan. Penelitian terhadap kemampuan LLM meniru gaya penulis individual juga menunjukkan batasannya. Studi yang dipresentasikan dalam Findings of EMNLP 2025 menganalisis lebih dari 40.000 generasi dari berbagai model dan tulisan lebih dari 400 penulis nyata. Hasilnya, LLM relatif mampu mendekati gaya tulisan dalam format terstruktur seperti berita dan email, tetapi masih kesulitan meniru gaya implisit yang lebih personal pada blog dan forum. Di sinilah muncul perbedaan antara “menulis dengan gaya tertentu” dan “terdengar seperti manusia tertentu.” AI bisa diperintah untuk menulis formal, santai, jurnalistik atau akademis. Tetapi menangkap kebiasaan kecil seorang manusia—cara bercanda, pilihan kata yang tidak biasa, ritme kalimat, atau cara menyampaikan keraguan—jauh lebih sulit.
Ketika AI mulai memengaruhi cara manusia menulis
Persoalannya kemudian berbalik. Bukan hanya manusia yang mencoba membuat AI terdengar seperti manusia. Manusia juga mulai terdengar seperti AI. The Wall Street Journal pada September 2026 melaporkan fenomena yang disebut sebagai “LLM-isms”, yaitu pola bahasa dari chatbot yang mulai masuk ke percakapan dan komunikasi profesional manusia. Beberapa pekerja mengaku semakin sering menggunakan pola seperti contrast framing, pujian berlebihan, kalimat yang sangat terstruktur, dan ungkapan yang populer dalam keluaran chatbot. Fenomena tersebut menunjukkan bahwa pengaruh LLM terhadap bahasa tidak berhenti pada teks yang dibuat secara otomatis. Ketika jutaan orang membaca dan menggunakan keluaran AI setiap hari, pola bahasa AI dapat kembali masuk ke tulisan manusia. Sebuah artikel Reuters juga mengangkat penelitian MIT mengenai penggunaan LLM dalam penulisan. Dalam eksperimen tersebut, peserta yang menggunakan ChatGPT menunjukkan keterlibatan otak yang lebih rendah dibandingkan kelompok yang menulis tanpa bantuan AI atau menggunakan mesin pencari. Mereka juga lebih kesulitan mengingat tulisan yang baru saja mereka buat, sementara tulisan kelompok pengguna LLM cenderung lebih homogen dalam gaya dan isi. Temuan ini tidak berarti penggunaan AI otomatis membuat seseorang kehilangan kemampuan menulis. Tetapi penelitian tersebut memberikan alasan untuk mempertanyakan seberapa banyak proses berpikir yang masih dilakukan manusia ketika sebagian besar pekerjaan menyusun kalimat diserahkan kepada mesin.
Tulisan AI yang semakin bagus justru menghadirkan masalah baru
Ada ironi dalam perkembangan ini. Semakin bagus LLM menulis, semakin sulit membedakan antara tulisan yang dibuat sepenuhnya oleh AI, tulisan manusia yang diperbaiki AI, dan tulisan manusia yang hanya menggunakan AI untuk mencari ide. Penelitian ACL 2025 mengenai AI-polished text menemukan bahwa pendeteksi AI dapat bermasalah ketika menghadapi tulisan manusia yang hanya mendapatkan penyuntingan ringan dari AI. Dalam penelitian terhadap 15.000 sampel, berbagai detector sering menandai tulisan yang telah dipoles AI sebagai tulisan AI dan kesulitan membedakan tingkat keterlibatan AI. Masalah ini menjadi penting karena “terdeteksi AI” tidak sama dengan “sepenuhnya ditulis AI”. Seseorang bisa menulis artikel sendiri, kemudian meminta AI memperbaiki tata bahasa. Orang lain bisa memasukkan satu paragraf ke AI dan meminta penulisan ulang. Orang ketiga mungkin hanya memberikan tiga kata kepada AI lalu membiarkannya menulis 2.000 kata. Ketiganya memiliki tingkat keterlibatan AI yang sangat berbeda, meskipun hasil akhirnya sama-sama berupa teks digital.