Algorithmic Recommendation

Algorithmic recommendation berbicara tentang bentuk pengarahan yang datang dalam wajah bantuan. Berbeda dari perintah yang keras, rekomendasi hadir sebagai usulan yang terasa ramah, praktis, dan kadang sangat pas. Seseorang tidak dipaksa memilihnya, tetapi terus diajak ke arahnya. Karena ia tampil sebagai sesuatu yang mungkin berguna, menarik, atau cocok, rekomendasi mudah diterima tanpa banyak perlawanan. Di sinilah kekuatannya. Ia bekerja bukan melalui tekanan yang jelas, melainkan melalui rasa relevansi yang halus.

Yang perlu dibaca di sini adalah bahwa relevansi tidak selalu sama dengan kejernihan. Sistem merekomendasikan berdasarkan apa yang terlihat cocok menurut pola data, kebiasaan, kemiripan, dan performa keterlibatan. Itu bisa sangat membantu dalam banyak hal, tetapi tetap berbeda dari penimbangan hidup yang sungguh menanyakan apa yang baik, apa yang sehat, apa yang perlu, dan apa yang layak diberi pusat. Recommendation bergerak dari jejak yang terekam. Jejak itu bisa menangkap selera, luka, impuls, pengulangan, pelarian, kebiasaan, bahkan bagian diri yang paling mudah terpikat. Karena itu, apa yang direkomendasikan belum tentu mengarahkan ke yang lebih utuh. Kadang ia hanya memperhalus jalan menuju apa yang paling mudah diteruskan.

Dalam pembacaan Sistem Sunyi, pola ini memperlihatkan bahwa saran yang terasa tepat bisa menjadi pintu bantuan sekaligus pintu pembentukan. Jika diterima mentah-mentah, recommendation dapat menggantikan sebagian kerja batin untuk mencari, menguji, dan menimbang. Manusia lalu semakin terbiasa bergerak dari apa yang disodorkan, bukan dari apa yang sungguh dipilih dengan sadar. Pelan-pelan, kemampuan untuk menempuh jalan yang tidak langsung direkomendasikan menjadi lemah. Yang terasa dekat menjadi yang terasa layak. Yang terasa cocok menjadi yang terasa benar. Padahal banyak hal yang sungguh menumbuhkan justru tidak selalu muncul sebagai yang paling langsung menarik atau paling mudah diprediksi oleh sistem.

Dalam keseharian, pola ini tampak ketika seseorang hampir selalu mengikuti saran sistem tentang apa yang ditonton, dibaca, didengar, dibeli, atau dikejar berikutnya. Ia juga tampak ketika pilihan hidup kecil menjadi makin banyak bergerak dari hasil rekomendasi, bukan dari pencarian yang sungguh dibangun sendiri. Ada yang merasa sistem “mengerti dirinya” hanya karena rekomendasinya akurat di permukaan. Ada yang makin jarang keluar dari pola karena semua yang disodorkan terasa cukup memuaskan. Ada pula yang tidak sadar bahwa pilihan-pilihannya makin sempit sebab sistem terus merekomendasikan hal-hal yang mirip dengan jejak lamanya. Dalam bentuk seperti ini, recommendation tidak hanya membantu menemukan. Ia juga dapat menjaga seseorang tetap berputar di wilayah yang sudah dikenali sistem.

Istilah ini perlu dibedakan dari Algorithmic Boosting. Penguatan algoritmik menyorot pembesaran visibilitas sesuatu, sedangkan algorithmic recommendation menyorot bentuk saran yang diarahkan ke pengguna sebagai pilihan yang dianggap paling sesuai. Ia juga berbeda dari Algorithm Reliance. Ketergantungan pada algoritma menandai kebiasaan hidup dari rekomendasi itu, sedangkan recommendation sendiri adalah mekanisme penawarannya. Berbeda pula dari Algorithmic Decisionism. Decisionism muncul ketika hasil sistem diperlakukan sebagai dasar keputusan yang hampir final, sedangkan recommendation masih berada di level usulan yang dapat diterima atau ditolak. Ia juga tidak sama dengan search result. Hasil pencarian lebih dekat pada respons terhadap permintaan yang eksplisit, sedangkan recommendation sering mendahului kehendak sadar pengguna dengan menawarkan sesuatu sebelum sungguh diminta.

Perubahan mulai mungkin ketika seseorang berhenti hanya bertanya apa yang direkomendasikan untukku, lalu mulai bertanya mengapa hal ini direkomendasikan, dan apakah ia sungguh selaras dengan arah hidup yang ingin kutata. Yang dibutuhkan bukan penolakan buta terhadap semua saran sistem, tetapi sikap batin yang tidak terlalu cepat menyamakan kecocokan pola dengan kebijaksanaan memilih. Dari sana, ia dapat mulai membedakan mana rekomendasi yang sungguh membantu, mana yang hanya memperpanjang kebiasaan lama, dan mana yang terasa dekat hanya karena sistem sudah terlalu mengenali bagian dirinya yang paling mudah ditangkap. Saat pembacaan ini bertumbuh, recommendation tetap bisa berguna. Namun ia tidak lagi otomatis diterima sebagai jalan yang paling layak hanya karena ia terasa paling pas di permukaan.