Ang sektor ng business process outsourcing (BPO) — 1.57 milyong manggagawa noong 2023, na nag-aambag ng 7.4% ng GDP — ay nahaharap sa direktang paglilipat habang sinisipsip ng AI ang mga nakagawiang function na tinukoy dito: serbisyo sa customer, data entry, pangunahing pinansiyal na pagproseso. Tinatantya ng International Labor Organization na 89% ng mga trabaho sa BPO ang nahaharap sa mataas na panganib sa automation. Sa buong mundo, ang AI ay umabot sa 26% ng lahat ng mga pagbawas sa trabaho noong Abril 2026 — ang pangalawang magkakasunod na buwan na niraranggo nito bilang nangungunang driver ng mga tanggalan, bawat outplacement firm na Challenger, Grey & Christmas. Ang sektor ng BPO ng Pilipinas, na binuo sa mga eksaktong function na ginagawa na ngayon ng AI, ay direktang nakaupo sa landas ng pagkagambalang ito. Samantala, ang AI-generated deepfakes ay lumipat mula sa hypothetical tungo sa dokumentadong pinsala — ibinahagi nina Senator Ronald Dela Rosa at Mayor Sebastian Duterte ang isang deepfake na video ng mga pekeng panayam ng estudyante tungkol sa impeachment ni VP Sara Duterte, kung saan ipinagtanggol ito ni Dela Rosa bilang katanggap-tanggap dahil sumang-ayon siya sa punto ng mensahe. Ang pinsala ay hindi dumarating mula sa hinaharap. Ito ay narito na — at ito ay dumarating sa pamamagitan ng pag-deploy.
Inaabot ng Kongreso ng Pilipinas ang EU AI Act bilang sagot nito. Ngunit ito ay pagkopya ng maling takdang-aralin — ang EU AI Act ay itinayo para sa mga hurisdiksyon na bubuo at nagde-deploy ng frontier AI, hindi para sa mga nagde-deploy nito sa non-frontier, mga consumerist na estado tulad ng sa amin. Ang batas ng Pilipinas ay maaaring patungo sa maling direksyon hindi dahil wala itong ambisyon, ngunit dahil ito ay naghahangad na pamahalaan at ayusin ang isang AI ekonomiya na wala sa Pilipinas.
Pagkopya ng maling takdang-aralin
Ang karamihan sa mga panukalang batas na inihain sa Kapulungan ng mga Kinatawan ay nakabalangkas sa pangunahing istruktura ng EU AI Act— pag-uuri na nakabatay sa panganib, regulasyon ng General Purpose Artificial Intelligence (GPAI) na may mga limitasyon ng kakayahan ng modelo tulad ng mga nasa itaas ng 1025 Mga FLOP, pagtatasa ng pagsunod, at mga obligasyon ng provider na dumadaloy sa ibaba ng agos. Ang nangingibabaw na imahinasyon ng pambatasan ay nakaharap sa provider. Para makasigurado, kinokontrol ng EU AI Act ang mga deployer bukod sa mga provider — ngunit tina-target ng AI Act ang mga frontier AI development lifecycle dahil ang EU ay may institusyonal na imprastraktura, kapasidad sa pagpapatupad, at market leverage upang gawing makabuluhan at totoo ang pamamahala sa lifecycle. Ang pagkopya ng teksto nang hindi isinasaalang-alang ang konteksto ay nagbubunga ng mga obligasyong umiiral sa papel. Maaaring kulang ang Pilipinas ng maipapatupad na long arm jurisdiction sa mga frontier AI system na idinisenyo ng mga panukalang batas na i-regulate, at wala itong domestic AI industry para sa mga obligasyong iyon na mapunta sa kaibahan sa EU, na mayroong domestic frontier AI developers tulad ng Mistral at Aleph Alpha at isang itinatag na enterprise AI ecosystem kung saan isinulat ang mga obligasyong iyon.
Kapag nasira ang mga kategorya
Ang isang Philippine fintech lending platform ay naglalarawan kung bakit ang pagkakaiba ng provider-deployer ay nasira sa pagsasanay sa Pilipinas. Ang Philippine fintech lending platform ay sabay-sabay na bumuo ng sarili nitong proprietary AI credit scoring models na nagsusuplay ng AI system sa mga kasosyong bangko at ini-deploy ito sa mga Filipino borrower. Kung ang isa ay bumaling sa mga nakabinbing panukalang batas sa Kongreso upang hanapin kung aling kategorya ang sasailalim nito, walang lalabas na malinis na kategoryang sagot—dahil ito ay gumaganap bilang provider, deployer, at maging user, nang sabay-sabay—isang hybrid na hindi malulutas ng mahigpit na pag-uuri ng mga nakabinbing bill, na kulang sa mga probisyon sa pagbabago ng tungkulin na ginagawang pamahalaan ang mga naturang kaso sa ilalim ng orihinal na balangkas ng EU AI Act.
Kung ang isang Pilipinong nanghihiram ay maling tinanggihan ng utang, sino ang mananagot sa ilalim ng isang regime ng regulasyon na nakaharap sa provider? Ang developer ay nasa Shanghai, sa labas ng hurisdiksyon ng teritoryo ng Pilipinas. Ang nanghihiram ay walang malinaw na apela. Ang pag-block ng ISP ay hindi makakarating sa mga algorithmic na desisyon na ginawa sa loob ng isang lokal na rehistradong entity. Ang sagot ay maaaring nasa regulasyon na nakabatay sa pag-andar: mga obligasyong sumusunod sa ginagawa ng isang aktor sa bawat punto ng pakikipag-ugnayan, hindi kung anong kategorya ng korporasyon ang nasasakop nito. Nangangailangan ito ng pagtatasa ng supply chain ng AI, na nakatuon sa end user o consumer. Kapag ang fintech lending platform ay nakakuha ng borrower, nalalapat ang mga obligasyon sa pagbubunyag. Kapag nagsu-supply ito ng modelo sa isang bangko, nalalapat ang mga obligasyon sa pag-audit. Kapag tinanggihan nito ang kredito, nalalapat ang karapatang magpaliwanag – hindi alintana kung ang fintech lending platform ay nauuri bilang provider, o deployer.
Kung ano talaga ang nangangailangan ng regulasyon
Ang solusyon para sa pagsulat ng magandang black letter na batas ay maaaring nasa function-based, hindi actor-based, approaches. Ang regulasyong nakabatay sa function ay nagmamapa ng panganib o pinsalang nauugnay sa isang function, pagkatapos ay nagpapataw ng obligasyon na maglapat ng mga partikular na kontrol, at pagkatapos ay magtatalaga kung sino ang mananagot sa obligasyong iyon. Maaaring bumaling ang isa sa OECD AI Incident Monitor (OECD AIM) at MIT AI Risk Repositories, na nagdodokumento ng mga panganib na nauugnay sa AI sa buong mundo, mapapahamak man o hindi nakapipinsalang mga panganib ang mga ito, kabilang ang mga kaso na partikular sa Pilipinas, at nagbibigay ng ebidensyang base para sa pagpili ng panganib sa halip na pambatasan.
Gamit ang OECD AIM, tatlong kategorya ang lalabas bilang mas agarang mga kandidato:
Ang huling kaso ay nakapagtuturo. Kumilos ang Pambansang Komisyon sa Pagkapribado dahil ang diumano’y pinsala ay nahulog sa loob ng mandato ng pagkapribado nito. Ang parehong lohika ng institusyonal ay dapat umabot sa mga sektor: BSP na namamahala sa AI sa kredito at pagpapautang, DOLE na namamahala sa algorithmic labor management, DICT na namamahala sa AI sa digital na imprastraktura. Alam ng bawat ahensya ang panganib ng sektor nito. Dapat kilalanin ng batas ang kanilang mandato sa domain at bigyan sila ng kapangyarihan na kumilos sa loob nito. Gayunpaman, ang mga panukalang batas na nakabinbin sa Kongreso ngayon ay hindi nagbibigay ng kapangyarihan sa mga ahensya ng sektor na kumilos ayon sa kanilang mga mandato. Ang Philippine Council on Artificial Intelligence na nilikha sa ilalim ng ilang panukalang batas ay isang advisory body — hindi isang mekanismo ng pagpapatupad. Ang pagpapayo sa patakaran ng AI at pamamahala sa pag-deploy ng AI ay pangunahing magkaibang bagay. Sa halip na likhain muli ang gulong o walang tigil na copy-paste, ang mas magandang tanong para sa mga mambabatas ngayon ay: Paano mas mahusay na magagamit ng batas ng AI ang kadalubhasaan sa domain at mga kasalukuyang mapagkukunan ng mga ahensya ng gobyerno ngayon?
Ang gastos ng pagkuha ng mali
Tulad ng hindi pagkakatugma ng AI, ang maling batas na batas ay hindi lamang hindi epektibo – ito ay isang pagkabigo sa istruktura, na gumagawa ng mga kontrol na hindi tumutugon sa antas ng lupa. Matagal nang nagbabala ang iskolar sa paglilipat ng patakaran na ang pagkopya sa mga balangkas ng regulasyon nang hindi iniaangkop ang mga ito sa mga lokal na realidad ng institusyon ay nagbubunga ng tinatawag nina Dolowitz at Marsh na ‘di-nakakaalam na paglilipat’, o mga patakarang hiwalay sa mga kundisyon na nagpagana sa kanila sa ibang lugar. Ang Philippine AI bill ay isang textbook case.
Kung itutuloy natin ang batas na hindi naaayon sa pangangailangang panlipunan, hindi lang natin hahayaan ang mga masasamang aktor na hindi mapangasiwaan– nawawalan tayo ng pagkakataon sa pamamahala sa buong layer ng deployment.
Anong magandang batas ang gagawin?
Ang epektibong pamamahala ng AI para sa Pilipinas ay dapat na nakabatay sa paggana, nakaharap sa deployer, at iniangkop sa mga panganib na partikular sa sektor. Maaari itong magsimula kahit na walang batas — sa pamamagitan ng isang executive order, ang mga ahensya ng sektor ay maaaring mag-coordinate para bumuo ng deployment-context risk assessments at registries, na maililipat sa isang central AI authority kapag naitatag na ang central body. Hindi maaaring pamahalaan ng DOLE ang algorithmic labor management nang mag-isa- kailangan nito ang teknikal na kapasidad ng DICT. Hindi maaaring pamahalaan ng BSP ang AI sa pagpapautang nang walang malinaw na pamantayan sa panganib. Walang sinumang ahensya ang magagawa, ngunit dapat ang bawat ahensya. Hindi kailangang kopyahin ng Pilipinas ang takdang-aralin mula sa iba. Kailangan lang nito ng isang magandang sulyap kung saan ito aktwal na nakaupo sa pandaigdigang AI supply chain – at gumawa ng batas mula doon.
* Si Yanro Ferrer ay isang Fellow sa AI Safety Diliman sa ilalim ng 1st cohort ng AI Governance Accelerator nito, na tumutuon sa non-frontier AI governance at AI risk-based frameworks sa AI policy sa Global South. Isa rin siyang lecturer sa Ateneo de Manila University, kung saan siya nagtuturo at nagsasaliksik ng digital sociology, teknolohiya, at kontemporaryong online na kultura. Nakatuon ang kanyang trabaho sa pakikipag-ugnayan sa pagitan ng mga tao at mga teknolohikal na sistema, lalo na sa mga lugar ng AI, mga platform, at sosyoteknikal na buhay. Batay sa mga interdisciplinary approach sa pag-aaral ng sosyolohiya at agham at teknolohiya, sinusuri ng kanyang pananaliksik kung paano hinuhubog ng mga digital na imprastraktura ang pagkakakilanlan, komunikasyon, at pamamahala sa mga konteksto ng network at institusyonal. Kasabay ng kanyang gawaing pang-akademiko, nag-draft siya ng mga panukalang batas at nagsasagawa ng pagsasaliksik sa pambatasan para sa isang miyembro ng Kapulungan ng mga Kinatawan ng Pilipinas, na nag-aambag sa mga talakayan sa patakaran sa intersection ng teknolohiya, regulasyon, at mga pampublikong institusyon.
**Sinabi ni Atty. Edsel Tupaz ay Lead Researcher at Fellow sa AI Governance Accelerator Program ng AI Safety Diliman. Siya ay isang Senior Partner sa Gorriceta Africa Cauton & Saavedra at pinamumunuan nito ang pagsasanay sa Data Privacy, Cybersecurity, at & AI Initiatives. Kasama siya sa Top 100 Lawyers in the Philippines for 2023, 2024, at 2025.
Kinikilala ng mga may-akda ang pangangasiwa ni Ze Shen Chin ng AI Standards Lab at isang Research Affiliate sa Oxford Martin School AI Governance Initiative, gayundin sina Lenz Dagohoy at Lexley Villasis ng AI Safety Diliman.
Ang AI Safety Diliman ay sinusuportahan ng Kairos, isang AI safety field-building nonprofit na nakatuon sa pagpapalakas ng pandaigdigang AI safety at policy talent pipeline, at pinansiyal na itinataguyod ng Berkeley Existential Risk Initiative, isang entity na sumusuporta sa mga pagsisikap sa akademiko at field-building upang mabawasan ang mga sakuna na panganib na nauugnay sa mga advanced na teknolohiya.
