Ada satu kenyataan yang jarang kita sadari ketika membicarakan warisan keilmuan: hampir semuanya bermula dari suara. Sebelum menjadi kitab yang dicetak rapi dan berjajar di rak, pengetahuan berpindah sebagai ucapan — dari mulut seorang guru ke telinga muridnya, lalu ke goresan tangan yang berusaha mengejarnya.
Kerja menyalin itu tidak pernah ringan. Para penuntut ilmu terdahulu menghabiskan bertahun-tahun hanya untuk menuliskan kembali apa yang mereka dengar di majelis, memeriksa satu kata yang meragukan, kembali bertanya kepada gurunya, lalu menuliskannya sekali lagi. Kesabaran semacam itulah yang membuat sebuah teks layak dipercaya.
Mahasiswa yang hari ini sedang menyusun skripsi dengan pendekatan kualitatif sesungguhnya sedang mengulang pekerjaan yang sama, meski dalam bentuk yang jauh lebih sederhana. Ia mendatangi informan, mengajukan pertanyaan, mendengarkan, lalu pulang membawa suara yang harus diubah menjadi huruf. Bedanya, alat perekamnya kini muat di saku, dan yang menunggunya di ujung jalan bukan ijazah sanad, melainkan sidang munaqasyah.
Namun di titik itulah banyak yang tersendat. Wawancaranya lancar, informannya terbuka, catatan lapangannya lengkap. Yang membuat langkahnya berhenti justru pekerjaan paling mekanis dari seluruh rangkaian penelitian: mengetik ulang rekaman.
Hitungannya tidak menghibur. Satu jam rekaman umumnya menuntut lima sampai tujuh jam pengetikan manual, sebab tangan harus berhenti setiap beberapa detik untuk memutar ulang bagian yang tidak jelas. Seorang mahasiswa dengan enam informan berarti berhadapan dengan tiga puluh jam kerja sebelum satu paragraf analisis sempat ditulis. Tidak sedikit yang akhirnya kehilangan satu semester bukan karena penelitiannya berat, melainkan karena tertahan di pekerjaan menyalin.
Pada bagian inilah teknologi menawarkan kelonggaran yang wajar diterima. Layanan pengenal suara yang memang dilatih untuk Bahasa Indonesia, seperti Verbatim AI, mengubah rekaman satu jam menjadi draf teks dalam tiga sampai lima menit, lengkap dengan penanda waktu dan pemisahan pembicara. Dengan alur mesin dulu lalu koreksi manusia, lima wawancara yang tadinya menuntut tiga puluh jam bisa dirampungkan dalam empat sampai enam jam.
Yang perlu ditegaskan, hasil mesin itu berstatus draf, bukan data. Akurasinya berkisar sembilan puluh sampai sembilan puluh lima persen, dan sisa kesalahannya justru berkumpul pada bagian yang paling menentukan: lafal Arab, nama kitab, istilah fikih, sebutan lembaga, dan nama informan. Memeriksanya satu per satu sambil mendengarkan ulang bukan pekerjaan tambahan yang bisa ditawar; itulah bagian yang membuat transkrip kita layak disebut data.
Perlu diingat pula bahwa penelitian kualitatif menuntut mode verbatim, bukan teks yang sudah dirapikan. Jeda sebelum menjawab, keraguan yang tertahan di tengah kalimat, pengulangan yang tampak tidak perlu — semuanya adalah keterangan. Ketika seorang informan berhenti dua detik sebelum menjawab pertanyaan yang menyentuh keyakinannya, hentian itu kerap lebih jujur daripada jawaban yang menyusulnya. Notasi bakunya, [jeda 2.4d] dan [tertawa], beserta perbedaan mode verbatim dan clean, diuraikan dalam panduan AI transkripsi wawancara.
Tentang kebolehannya, sebagian besar kampus mengizinkan alat bantu semacam ini sepanjang peneliti tetap memverifikasi dan memikul tanggung jawab atas keakuratan datanya. Prinsipnya tidak berbeda dari perangkat hitung dalam penelitian kuantitatif: alatnya bekerja, penelitinya yang menanggung. Kalau pembimbing punya ketentuan sendiri, tanyakan sejak awal, jangan menjelang sidang.
Dan satu hal yang tidak boleh tergerus oleh kemudahan apa pun: adab kepada orang yang bersedia bercerita. Mintalah izin sebelum merekam, sampaikan untuk apa rekaman itu akan dipakai, dan samarkan identitasnya bila yang dituturkan menyangkut hal yang sensitif. Alat boleh berganti dari pena dan kertas menjadi perekam dan perangkat lunak, tetapi kehati-hatian dalam menjaga ucapan orang lain semestinya tetap sama.
