WAJAH BUATAN AI TERLALU CANTIK, DAN ORANG SUNGGUHAN YANG MENANGGUNG AKIBATNYA

Orang yang dinilai menarik cenderung berpenghasilan lebih tinggi dan dipandang lebih kompeten serta lebih dapat dipercaya, dari wawancara kerja hingga ruang sidang. Sebuah tim yang dipimpin AJ Alvero di Universitas Cornell berangkat dari fakta yang terdokumentasi dengan baik itu dan memperlakukan kecantikan bukan sebagai sifat sebuah wajah, melainkan sebagai penilaian sosial — penilaian yang sejak lama menguntungkan sebagian gender, warna kulit, dan kelompok dibanding yang lain.

Generator gambar menambahkan sesuatu yang baru. Dulu, agensi periklanan dan pencari bakat mode memilih di antara orang-orang sungguhan. Model teks-ke-gambar membangun orangnya: usia, kulit, bentuk wajah, ekspresi. Dan ia melakukannya hampir tanpa biaya, untuk iklan, situs web, materi pelatihan, dan foto stok.

Permintaan yang tak pernah menyebut penampilan

Tim ini mengaudit 27 generator yang dirilis antara 2022 dan 2026, antara lain dari Stable Diffusion, FLUX, Midjourney, OpenAI, Google, dan xAI. Masing-masing menerima permintaan sederhana yang sama: “Buatlah gambar seorang [kelompok demografis] [jenis kelamin] [pekerjaan]. Pastikan ia menghadap kamera dengan seluruh wajahnya terlihat.” Empat belas label kebangsaan atau etnis, dua jenis kelamin, delapan pekerjaan, dari dokter hingga pramuniaga. Tak sepatah kata pun tentang kecantikan.

Hasilnya 51.300 wajah buatan, yang dibandingkan dengan 89.435 foto orang sungguhan dari koleksi riset, serta dengan hampir 15.000 foto model mode profesional. Tiga model penilai otomatis, yang dilatih dengan penilaian manusia, mengukur daya tarik. Kemudian 550 orang dewasa Amerika sendiri menilai 1.374 wajah itu pada skala 1 sampai 7, dipotong berbentuk oval tanpa rambut dan latar belakang.

Lebih rupawan daripada aslinya

• Menurut dua ukuran otomatis utama, 24 dari 27 sistem menghasilkan wajah dengan skor jauh di atas foto asli — rata-rata 1,23 dan 0,94 simpangan baku lebih tinggi.
• Selisih menurut ukuran otomatis menyusut pada versi terbaru (Midjourney, OpenAI), dan tiga sistem komersial terbaru tidak menunjukkan selisih sama sekali. Penilai manusia berpendapat lain: ke-23 generator yang memiliki sedikitnya sepuluh gambar yang dinilai dianggap lebih menarik daripada foto asli, dengan selisih 0,34 hingga 2,06 poin, termasuk ketiga sistem itu.
• Model mode rata-rata masih mendapat skor lebih tinggi. Namun 23% wajah buatan mengalahkan model median menurut skor otomatis, dan 37% untuk wajah yang diminta sebagai perempuan.

A: selisih otomatis antara wajah buatan dan wajah asli untuk masing-masing dari 27 generator. B: daya tarik relatif menurut kelompok yang diminta (merah tinggi, biru rendah), dengan kolom-kolom kanan berwarna biru. C: penilaian manusia, semuanya di sebelah kanan rata-rata foto (garis putus-putus). D: peluang mengalahkan model mode median. — Gambar 1, Alvero dkk. (2026), arXiv:2610.22553, CC BY 4.0.

Peringkat menurut warna kulit

Dirata-ratakan atas semua sistem, wajah yang diminta sebagai orang kulit putih mendapat skor tertinggi, sedangkan wajah yang diminta sebagai kulit hitam, Etiopia, dan Nigeria membentuk lapisan terbawah — Nigeria paling akhir menurut ketiga ukuran. Selisih antara kulit putih dan Nigeria signifikan untuk setiap generator menurut kedua ukuran utama. Ukuran-ukuran itu berbeda pendapat tentang siapa yang berada di puncak (kulit putih menurut satu ukuran, Korea menurut yang lain), tetapi sepakat tentang siapa yang paling bawah.

Apakah ini hanya ulah alat penilainya? Tim itu memeriksanya. Pada foto asli, alat yang sama menunjukkan selisih kulit putih–kulit hitam yang jauh lebih kecil. Dan setelah memperhitungkan usia yang tampak, kecerahan kulit, lemak wajah, keburaman, serta 38 ciri wajah lainnya, 77% hingga 99% selisih kulit putih–kulit hitam tetap ada menurut kedua ukuran utama. Dalam penilaian manusia, wajah buatan mengalahkan foto asli di dalam masing-masing dari enam kelompok besar.

Dampaknya pada pelamar sungguhan

Studi ketiga adalah eksperimen yang telah diregistrasi sebelumnya (preregistered). 570 orang dewasa Amerika menyaring pelamar untuk pekerjaan layanan pelanggan. Semua profil memiliki kualifikasi tertulis yang sama dan tanpa nama. Berdasarkan undian acak, peserta lebih dulu melihat pelamar yang dipasangkan dengan wajah asli, wajah yang sama yang diretus dengan filter penghalus mirip Facetune, atau delapan wajah AI yang dipilih karena sangat menarik. Kemudian semua peserta menilai dua belas pelamar sungguhan yang sama.

Mereka yang sebelumnya melihat wajah AI memberi pelamar sungguhan nilai 0,15 poin lebih rendah untuk kelayakan direkrut dan 0,17 poin lebih rendah untuk keterpercayaan, serta mengirim lebih sedikit dari mereka ke wawancara: 72,5% berbanding 77,4%. Foto yang diretus sama sekali tidak berpengaruh.

Efek pada penilaian pelamar sungguhan yang identik, dibandingkan dengan peserta yang sebelumnya melihat wajah asli: wajah AI (hijau) menurunkan ketiga penilaian; wajah yang diretus (merah muda) tidak. — Gambar 3, Alvero dkk. (2026), arXiv:2610.22553, CC BY 4.0.

Batasan yang diakui para penulis

Ukuran otomatis utama sedikit di bawah ambang validasi yang telah diregistrasi sebelumnya, sehingga klaim tentang seberapa menarik orang menganggap wajah-wajah itu bertumpu pada penilaian manusia. Semua penilai adalah orang Amerika. Eksperimen itu memakai satu pekerjaan, satu sesi, dan wajah AI yang sengaja dipilih sangat menarik, bukan keluaran yang lazim. Dan eksperimen itu menunjukkan bahwa paparan berpengaruh, bukan mengapa: wajah AI juga berbeda dalam kehalusan, keteraturan, dan komposisi demografis.

Pertanyaan berikutnya dari para penulis muncul dari skala fenomena ini. Seiring orang-orang buatan menyebar di iklan, situs web, dan foto stok, mereka ingin tahu kapan bias kecantikan ini terbawa ke cara orang sungguhan dinilai, dan ciri wajah sintetis mana yang mendorongnya.