Siapa pun yang menyatakan adanya AGI (Artificial General Intelligence) tidak hanya menggambarkan kemajuan – mereka mengklaim wewenang untuk menafsirkan masa depan pekerjaan

Fleksibilitas vs. generalitas: Apa yang sebenarnya membuat AI cerdas?

Mengapa diskusi tentang AGI melampaui teknologi: Dimensi sosial dan ekonomi

Debat seputar AGI (Kecerdasan Buatan Umum) tidak hanya signifikan secara teknologi, tetapi juga secara sosial dan ekonomi. Sementara beberapa ahli khawatir bahwa istilah tersebut digunakan secara berlebihan dan menyebabkan persepsi yang menyimpang tentang kemajuan, yang lain berpendapat bahwa kemampuan baru sistem AI seperti GPT-6 Astra dapat memiliki implikasi mendalam bagi dunia kerja. Sangat penting untuk membedakan antara pencapaian mengesankan model AI modern dan apa yang dapat dianggap sebagai kecerdasan umum sejati. Analisis berikut akan menjelaskan berbagai aspek diskusi AGI untuk memberikan gambaran yang lebih jelas tentang peluang dan keterbatasan teknologi ini.

Narasi AGI: Ketika sebuah label menjadi lebih kuat daripada teknologinya

Sebuah model menggeser batasan, tetapi tidak membuktikan perubahan era

Dengan GPT-6 Astra, OpenAI meluncurkan sebuah sistem pada tanggal 3 September 2026 yang mewakili lompatan signifikan dalam kinerja di beberapa disiplin ilmu yang menuntut. Model ini dapat berinteraksi dengan antarmuka perangkat lunak, menavigasi internet, mengembangkan program, menganalisis kerentanan keamanan, dan menjalankan alur kerja digital multi-tahap dengan intervensi manusia yang relatif sedikit. Fungsionalitas berbasis komputer ini sangat signifikan dari perspektif ekonomi: Model bahasa yang tidak hanya merumuskan respons tetapi juga membuka program, mentransfer data, mengisi formulir, mengedit spreadsheet, dan memasukkan hasil ke sistem lain melampaui peran sebagai alat informasi semata. Ia mendekati status aktor digital yang mampu mengelola seluruh rantai proses.

Di akhir presentasi, Presiden OpenAI Greg Brockman pada dasarnya menyatakan bahwa era kecerdasan buatan umum (AGI) kini telah dimulai. Pernyataan ini berdampak, tetapi sama sekali tidak meyakinkan secara ilmiah. Pernyataan ini lebih menunjukkan interpretasi kemajuan yang telah dicapai daripada suatu keadaan yang terbukti. GPT-6 Astra memberikan bukti kuat bahwa sistem AI menjadi lebih luas, lebih otonom, dan lebih relevan secara ekonomi. Namun, ini tidak secara otomatis berarti bahwa ambang batas yang diterima secara umum untuk AGI telah terlampaui. Ambang batas tersebut belum ada dalam bentuk yang mengikat.

Oleh karena itu, konflik utama tidak hanya terletak pada pertanyaan tentang kemampuan teknis model tersebut. Konflik tersebut terletak pada kemampuan mana yang harus dianggap sebagai bukti kecerdasan umum, siapa yang menetapkan kriterianya, dan kepentingan apa yang terkait dengan klasifikasi ini. Sebuah perusahaan dapat menyatakan adanya titik balik bersejarah. Namun, apakah hal ini benar-benar mengarah ke era teknologi baru hanya akan ditentukan oleh pengujian independen, penggunaan berkelanjutan, dan realitas ekonomi.

Singkatan tersebut tidak memiliki arti yang mengikat

AGI sering disamakan dengan AI yang mencapai atau melampaui kemampuan manusia dalam berbagai tugas. Namun, deskripsi yang tampaknya jelas ini, setelah diteliti lebih lanjut, akan menimbulkan beberapa pertanyaan terbuka. Apakah sistem seperti itu harus mampu menangani setiap tugas mental, atau hanya sebagian besar? Apakah kemampuan manusia rata-rata sudah cukup, atau apakah AI harus mengungguli para ahli? Apakah diperlukan persepsi sosial, pengalaman fisik, perencanaan jangka panjang, dan penilaian moral? Apakah sistem tersebut harus secara mandiri merumuskan tujuan baru, atau cukupkah untuk secara fleksibel mengejar tujuan yang telah ditentukan sebelumnya?

Tergantung pada jawabannya, definisi yang berbeda akan muncul. Definisi ekonomi memandang AGI sebagai sistem yang sangat otonom yang melampaui manusia dalam sebagian besar aktivitas yang bernilai ekonomi. Definisi kognitif membutuhkan keterampilan pemecahan masalah manusia yang luas. Definisi teori pembelajaran menekankan kemampuan untuk menangani tugas-tugas yang sepenuhnya baru dengan sedikit pengalaman. Definisi berorientasi tindakan berfokus pada otonomi yang andal di lingkungan terbuka. Definisi filosofis mungkin juga membutuhkan pemahaman, kesadaran, atau refleksi diri.

Pendekatan-pendekatan ini tidak setara dan tidak menghasilkan penilaian positif secara bersamaan. Suatu sistem dapat mencapai hasil ekonomi yang sangat besar tanpa memiliki pemahaman dunia seperti manusia. Sebaliknya, sebuah mesin mungkin memiliki kemampuan belajar yang fleksibel tanpa unggul secara ekonomi karena biaya yang tinggi, eksekusi yang lambat, atau kurangnya antarmuka. Oleh karena itu, AGI bukanlah fenomena alam yang dapat diukur secara jelas seperti suhu atau massa. Istilah ini adalah kategori yang dibangun oleh manusia di mana asumsi teknis, ekonomi, dan normatif bertemu.

Ambiguitas konseptual ini bukan hanya bersifat akademis. Hal ini memengaruhi valuasi perusahaan, keputusan investasi, regulasi, tanggung jawab, dan ekspektasi pasar tenaga kerja. Jika AGI (Artificial General Income) dianggap telah tercapai secara instan, tekanan pada perusahaan dan pemerintah untuk berinvestasi lebih cepat meningkat. Sebaliknya, jika istilah tersebut hanya dikhususkan untuk sistem yang hampir universal dan menyerupai manusia, bahkan model yang sangat canggih pun dapat tampak sebagai tahap awal. Teknologi yang sama kemudian menghasilkan narasi ekonomi yang sama sekali berbeda tergantung pada definisinya.

Perbedaan antara keserbagunaan dan generalitas

Model dasar modern dapat diterapkan secara universal karena dapat memproses teks, gambar, kode perangkat lunak, dan format data lainnya di berbagai domain. Cakupan ini jelas membedakannya dari perangkat lunak khusus tradisional. Program catur mungkin sangat hebat dalam disiplin ilmu yang sempit, tetapi tidak dapat memeriksa laporan pajak. Di sisi lain, model multimodal yang besar dapat memecahkan masalah matematika, meringkas kontrak, menafsirkan gambar, mengembangkan perangkat lunak, dan mempersiapkan pertemuan pelanggan. Dengan demikian, model ini memiliki bentuk fleksibilitas fungsional.

Namun, keserbagunaan saja tidak membuktikan kecerdasan umum yang kuat. Yang krusial adalah seberapa andal suatu sistem mentransfer pengetahuan antar domain, bagaimana ia menangani situasi baru, dan seberapa andal ia mengenali kesalahannya sendiri. Sebuah model dapat berkinerja baik dalam seratus tes namun gagal dalam tugas yang tampaknya sederhana jika strukturnya berada di luar pola yang dipelajari. Manusia juga rentan terhadap kesalahan, tetapi mereka memiliki pengalaman fisik, keterkaitan sosial, ingatan yang kuat, dan pemahaman yang kaya tentang hubungan sebab-akibat. Kemampuan ini tidak sama pentingnya di setiap profesi, tetapi dapat menjadi penentu dalam situasi yang tidak pasti.

Oleh karena itu, generalitas tidak boleh dipahami hanya sebagai jumlah tugas yang dikuasai. Yang lebih penting adalah kemampuan untuk menyusun masalah yang tidak diketahui dengan petunjuk terbatas, untuk memperoleh informasi yang relevan, untuk memverifikasi hasil sementara, dan untuk menyesuaikan pendekatan dalam menghadapi kejadian yang tidak terduga. Sama pentingnya adalah apakah kinerja ini tetap dapat diulang. Prestasi individu yang spektakuler memiliki nilai ekonomi yang lebih rendah daripada sistem yang agak lebih lemah tetapi dapat dikendalikan dengan andal.

GPT-6 Astra tampaknya menunjukkan kemajuan dalam beberapa kriteria ini. Kekuatannya dalam tugas interaktif, penggunaan komputer, dan alur kerja yang panjang menunjukkan generalisasi operasional yang lebih besar. Namun, masih belum jelas seberapa baik kemampuan ini berfungsi di luar tes yang telah disiapkan, dalam jangka waktu yang lama, dan dalam kondisi yang tidak lengkap. Transisi dari cakupan yang mengesankan ke generalisasi yang kuat bukanlah transisi linguistik, melainkan transisi empiris.

Mengapa skor tertinggi tidak membuktikan kecerdasan umum?

Tolok ukur sangat diperlukan karena kemajuan teknologi sulit dinilai tanpa metode pengukuran yang sebanding. Pada saat yang sama, tolok ukur menciptakan ilusi presisi yang berbahaya. Persentase tampak objektif, meskipun hasilnya dapat sangat bergantung pada pemilihan tugas, alat, anggaran komputasi, lingkungan eksekusi, dan aturan evaluasi. Pada sistem berbasis agen, komplikasi tambahannya adalah bahwa bukan hanya model itu sendiri, tetapi seluruh penyertaan teknisnya yang diukur.

Hal ini terutama terlihat pada ARC-AGI-3, sebuah tes untuk beradaptasi dengan lingkungan interaktif yang tidak dikenal. GPT-6 Astra mencapai hampir 100 persen dalam lingkungan eksekusi khusus vendor. Namun, dalam lingkungan standar yang lebih netral, hasil terbaiknya sekitar 63 persen. Kedua nilai tersebut relevan, tetapi keduanya membahas pertanyaan yang berbeda. Lingkungan standar membandingkan model dalam kondisi yang lebih terstandarisasi. Lingkungan khusus vendor menunjukkan apa yang dapat dicapai oleh sebuah model dengan manajemen status yang dioptimalkan dan bantuan teknis yang dimaksudkan.

Perbedaan besar tersebut bukan berarti nilai yang lebih tinggi tidak berharga. Pada akhirnya, bagi perusahaan, yang terpenting adalah kinerja seluruh sistem sebagaimana adanya, bukan kecerdasan model inti yang terisolasi secara teoritis. Pada saat yang sama, nilai yang dioptimalkan tidak boleh diperlakukan seolah-olah membuktikan kemampuan universal yang independen dari lingkungan teknis. Suatu hasil hanya bermakna jika dikaitkan dengan kondisi pengujian.

Patut juga dicatat bahwa Astra membutuhkan langkah tindakan yang lebih sedikit daripada rata-rata orang yang diuji untuk banyak tugas. Ini menunjukkan efisiensi tinggi dalam membangun representasi internal lingkungan baru. Meskipun demikian, ARC-AGI-3 hanya mengukur aspek spesifik: pemecahan masalah adaptif dalam skenario interaktif yang dibangun. Tes ini tidak mencakup seluruh dunia kerja, kompetensi sosial, pemahaman kelembagaan, tanggung jawab jangka panjang, atau tindakan fisik. Skor yang sangat baik dapat menjadi indikator kemajuan yang kuat, tetapi bukan bukti universal dari AGI.

Lingkungan eksekusi menjadi bagian dari kecerdasan

Diskusi tentang berbagai lingkungan pengujian menunjukkan pergeseran mendasar. Kinerja AI di masa depan akan semakin jarang muncul semata-mata dari model. Kinerja tersebut akan muncul dari interaksi antara model, memori, alat, akses data, aturan keamanan, lingkungan perangkat lunak, dan umpan balik. Mereka yang hanya fokus pada nama model meremehkan sifat sistemik dari AI modern.

Secara ekonomi, perkembangan ini menyerupai transisi dari komputer individual ke TI perusahaan yang terhubung dalam jaringan. Nilainya tidak hanya terletak pada prosesor, tetapi juga pada integrasinya ke dalam proses, basis data, dan sistem pengambilan keputusan. Model AI tanpa akses ke data bisnis yang relevan dapat merumuskan ide-ide brilian namun hanya mencapai sedikit hasil. Sebaliknya, model yang agak lebih lemah dengan fondasi data yang bersih, antarmuka yang aman, dan aturan persetujuan yang jelas dapat menghasilkan peningkatan produktivitas yang signifikan.

Hal ini juga mengubah lanskap persaingan. Penyedia model tidak lagi hanya bersaing untuk mendapatkan jawaban yang lebih baik, tetapi untuk lingkungan eksekusi yang lengkap. Mereka ingin menjadi sistem operasi untuk pekerjaan berbasis pengetahuan. Siapa pun yang mengontrol akses ke peramban, perangkat lunak perkantoran, lingkungan pengembangan, platform komunikasi, dan data perusahaan memiliki keunggulan strategis. Pasar untuk kueri AI individual berkembang menjadi pasar untuk kapasitas tenaga kerja digital.

Perspektif ini juga menempatkan pertanyaan apakah inti dari model tersebut sudah berupa AGI (Automated Industrial Intelligence) ke dalam perspektif yang tepat. Bagi banyak perusahaan, yang lebih penting adalah apakah sistem secara keseluruhan menjalankan suatu proses dengan andal, aman, dan lebih hemat biaya daripada organisasi sebelumnya. Oleh karena itu, titik balik ekonomi dapat terjadi sebelum AGI yang meyakinkan secara filosofis tercapai. Sebuah mesin tidak harus berpikir seperti manusia untuk mengatur ulang pekerjaan manusia dalam skala besar.

Penggunaan komputer adalah lompatan ekonomi yang sesungguhnya

Model bahasa generasi pertama terutama meningkatkan produktivitas tugas-tugas individual. Mereka menulis draf, meringkas dokumen, menerjemahkan teks, dan memberikan bantuan pemrograman. Manusia tetap menjadi elemen penghubung. Mereka menyalin hasil, beralih program, memantau langkah-langkah perantara, dan memutuskan kapan suatu proses selesai.

Model alur kerja berbasis komputer yang canggih mampu menangani proses secara lebih mendalam. Model ini berpotensi menangani seluruh proses dari tugas hingga hasil. Ini termasuk riset, entri data, manajemen file, komunikasi, analisis, dan dokumentasi. Hal ini tidak hanya mengurangi biaya tugas individual tetapi juga biaya koordinasi, waktu tunggu, dan kerugian saat serah terima. Ketidakefisienan yang tidak terlihat ini menyumbang sebagian besar beban kerja di banyak perusahaan jasa.

Oleh karena itu, nilai ekonomi AI berbasis agen kurang bergantung pada kefasihannya daripada pada kemampuannya untuk menyelesaikan tugas. Sistem yang mengotomatiskan 90 persen proses tetapi membutuhkan intervensi manusia dalam setiap kasus pengecualian dapat bernilai. Namun, sistem tersebut tetap menjadi beban bagi organisasi jika pengecualian tersebut sulit diprediksi. Sistem dengan kecepatan puncak yang agak lebih rendah dapat lebih unggul jika sistem tersebut mengenali tanggung jawab, melaporkan ketidakpastian, dan mengelola penyerahan tugas kepada manusia.

Hal ini mengarah pada kriteria evaluasi yang lebih objektif: Bukan jumlah kemampuan yang mengesankan yang penting, melainkan proporsi proses yang berhasil diselesaikan dalam kondisi biaya, waktu, dan kualitas yang realistis. Oleh karena itu, perusahaan harus mengukur waktu penyelesaian, biaya kesalahan, pengerjaan ulang, tingkat eskalasi, risiko privasi data, dan kegagalan sistem. Hanya metrik-metrik ini yang mengungkapkan apakah sistem yang tampaknya serbaguna juga layak secara ekonomi.

AGI lebih merupakan kurva daripada tanggal tertentu

Gagasan tentang momen AGI tunggal sangat menarik secara komunikatif. Gagasan ini menciptakan pemisahan yang jelas antara sebelum dan sesudah. ​​Namun, kemajuan teknologi biasanya tidak merata. Sistem awalnya mencapai kinerja luar biasa dalam disiplin ilmu tertentu, kemudian menjadi kompeten di lebih banyak tugas, dan secara bertahap memperoleh otonomi. Pada saat yang sama, kelemahan yang mengejutkan tetap ada.

Oleh karena itu, model bertingkat lebih masuk akal daripada keputusan ya atau tidak yang sederhana. Dua sumbu yang sangat penting adalah: luasnya kemampuan dan kedalaman kinerja. Dimensi ketiga, otonomi, juga sangat penting. Suatu sistem dapat melakukan banyak tugas secara rata-rata, beberapa tugas dengan sangat baik, atau banyak tugas dengan sangat baik di bawah pengawasan manusia. Variasi ini memiliki implikasi kebijakan ekonomi dan keamanan yang berbeda.

Keandalan juga harus dianggap sebagai dimensi terpisah. Di banyak industri, tingkat keberhasilan rata-rata saja tidak cukup. Kedokteran, keuangan, infrastruktur kritis, dan sistem kontrol industri menuntut keamanan yang dapat dibuktikan. Suatu sistem secara teoritis dapat lebih kompeten daripada manusia dan tetap tidak sesuai jika kesalahan langka yang terjadi sulit dideteksi atau memiliki konsekuensi yang sangat serius.

Oleh karena itu, pernyataan yang paling bermakna tentang GPT-6 Astra bukanlah bahwa AGI telah tercapai secara pasti atau belum tercapai secara pasti. Lebih masuk akal bahwa tahap baru AI agenik yang dapat diterapkan secara luas telah tercapai. Apakah tahap ini nantinya akan dianggap sebagai awal era AGI bergantung pada pengembangan lebih lanjutnya, keandalannya, dan dampak ekonominya yang nyata.

Definisi ekonomi bersifat praktis dan politis

Selama bertahun-tahun, OpenAI pada dasarnya mendeskripsikan AGI sebagai sistem yang sangat otonom yang mengungguli manusia dalam sebagian besar aktivitas yang bernilai ekonomi. Definisi ini memiliki satu keunggulan: menghindari perdebatan yang sulit dipecahkan tentang kesadaran dan berfokus pada kinerja yang dapat diamati. Pada saat yang sama, definisi ini sama sekali tidak netral. Apa yang bernilai ekonomi ditentukan oleh pasar, institusi, pendapatan, dan prioritas masyarakat.

Perawatan tanpa bayaran, pendidikan, perwalian, kerja komunitas, dan mediasi budaya dapat menjadi sangat penting secara sosial, meskipun nilai pasarnya tidak diukur secara memadai. Sebaliknya, aktivitas dapat menghasilkan pendapatan tinggi tanpa memberikan manfaat sosial yang setara. Definisi AGI (Ambient Identification and Growth) yang murni ekonomi melanggengkan distorsi ini. Definisi ini tidak mengukur kecerdasan itu sendiri, melainkan kemampuan untuk menghasilkan hasil yang dapat dipasarkan dalam struktur pasar yang ada.

Selain itu, tolok ukur bergeser seiring tersedianya AI. Jika suatu sistem secara drastis mengurangi biaya tugas-tugas tertentu, nilai pasarnya mungkin menurun. Definisi tersebut kemudian secara paradoks dapat tertinggal dari kemajuan teknologi: apa yang dianggap sebagai pekerjaan bernilai ekonomi kemarin, hari ini diotomatisasi dan nilainya akan berkurang besok. Dengan demikian, AGI akan terikat pada variabel target yang dinamis.

Terlepas dari kelemahan-kelemahan ini, definisi ekonomi tetap relevan bagi bisnis dan pembuat kebijakan. AI tidak membutuhkan kesadaran untuk mengubah upah, keuntungan, dan struktur kekuasaan. Begitu sistem secara otonom mengambil alih sebagian besar tugas digital, gejolak makroekonomi akan terjadi—terlepas dari apakah para filsuf menerima istilah AGI atau tidak. Konsekuensi ekonominya bisa jauh melampaui konsensus konseptual apa pun.

Dimensi baru transformasi digital dengan 'Managed AI' (Kecerdasan Buatan) – Platform & solusi B2B | Xpert Consulting - Gambar: Xpert.Digital

Di sini Anda akan mempelajari bagaimana perusahaan Anda dapat mengimplementasikan solusi AI yang disesuaikan dengan cepat, aman, dan tanpa hambatan masuk yang tinggi.

Platform AI terkelola adalah solusi lengkap dan bebas khawatir Anda untuk kecerdasan buatan. Alih-alih berurusan dengan teknologi yang kompleks, infrastruktur yang mahal, dan proses pengembangan yang panjang, Anda menerima solusi siap pakai yang disesuaikan dengan kebutuhan Anda dari mitra khusus – seringkali hanya dalam beberapa hari.

Keunggulan utama secara sekilas:

⚡ Implementasi cepat: Dari ide hingga aplikasi siap pakai dalam hitungan hari, bukan bulan. Kami menghadirkan solusi praktis yang menciptakan nilai tambah langsung.

🔒 Keamanan data maksimal: Data sensitif Anda tetap aman. Kami menjamin pemrosesan yang aman dan sesuai peraturan tanpa membagikan data dengan pihak ketiga.

💸 Tanpa risiko finansial: Anda hanya membayar untuk hasil. Investasi awal yang tinggi untuk perangkat keras, perangkat lunak, atau personel sepenuhnya dihilangkan.

🎯 Fokus pada bisnis inti Anda: Konsentrasikan pada apa yang Anda kuasai. Kami mengurus seluruh implementasi teknis, pengoperasian, dan pemeliharaan solusi AI Anda.

📈 Tahan masa depan & dapat diskalakan: AI Anda tumbuh bersama Anda. Kami memastikan optimasi dan skalabilitas berkelanjutan, serta secara fleksibel menyesuaikan model dengan kebutuhan baru.

Informasi selengkapnya di sini:

• Solusi AI Terkelola - Layanan AI Industri: Kunci Daya Saing di Sektor Jasa, Industri, dan Teknik Mesin

Produktivitas tidak secara otomatis muncul dari kemampuan teknis

Studi sebelumnya tentang penggunaan AI generatif telah menunjukkan peningkatan produktivitas yang signifikan dalam tugas-tugas yang terdefinisi dengan jelas. Dalam uji coba layanan pelanggan skala besar, jumlah kasus yang ditangani per jam meningkat rata-rata 14 persen. Peningkatan tersebut jauh lebih tinggi untuk karyawan yang kurang berpengalaman. Hasil tersebut menunjukkan bahwa AI dapat menyebarkan pengetahuan dan mengurangi perbedaan kinerja dalam sebuah tim.

Namun, efek-efek ini tidak boleh digunakan untuk menarik kesimpulan linier tentang model otonom. Semakin luas suatu sistem diterapkan, semakin bergantung hasilnya pada organisasi, kualitas data, dan desain proses. Model berkinerja tinggi dapat mempercepat proses yang tidak efisien tanpa memperbaikinya. Model tersebut dapat menciptakan kewajiban audit tambahan jika hasilnya tidak dapat diandalkan. Model tersebut dapat mengurangi beban kerja karyawan, tetapi juga dapat meningkatkan intensitas kerja dan pemantauan.

Selain itu, produktivitas tidak selalu identik dengan pengurangan biaya. Ketika suatu tugas diselesaikan lebih cepat, permintaan akan variasi, analisis, dan dokumentasi tambahan seringkali meningkat. Perusahaan kemudian menghasilkan lebih banyak, tetapi belum tentu menghemat biaya personel. Efek rebound ini sangat mungkin terjadi pada pekerjaan digital karena layanan baru memiliki biaya marginal yang rendah. Sepuluh presentasi menjadi seratus versi yang dipersonalisasi; analisis data sesekali menjadi evaluasi berkelanjutan.

Oleh karena itu, manfaat terbesar bukan hanya berasal dari pembelian model, tetapi dari reorganisasi proses kerja. Tugas harus dipecah, tanggung jawab diperjelas, dan titik kontrol ditentukan. Perusahaan membutuhkan akses data, pencatatan, dan pelatihan yang andal. Hambatan bergeser dari pembuatan teks ke perancangan proses yang aman, terukur, dan mudah beradaptasi.

Pasar tenaga kerja sedang diubah oleh tugas-tugas, bukan oleh profesi

Debat publik cenderung berfokus pada profesi mana yang akan hilang. Dari perspektif ekonomi, lebih masuk akal untuk mempertimbangkan tugas-tugas individual. Sebagian besar profesi terdiri dari rutinitas, keputusan ahli, komunikasi, tanggung jawab, dan tindakan situasional. AI dapat sepenuhnya mengambil alih beberapa komponen, mempercepat komponen lainnya, dan hampir tidak memengaruhi komponen lainnya lagi.

Analisis pasar tenaga kerja internasional menunjukkan bahwa sekitar seperempat dari lapangan kerja global melibatkan pekerjaan yang memiliki beberapa keterpaparan terhadap AI generatif. Hanya sebagian kecil yang termasuk dalam kategori keterpaparan tertinggi. Dampaknya lebih besar di negara-negara kaya karena lebih banyak pekerjaan administratif, analitis, dan komunikasi yang didigitalisasi di sana. Pekerjaan kantor dan klerikal, serta profesi yang semakin teknis dan terkait media, sangat terpengaruh.

Angka-angka ini bukanlah perkiraan kehilangan pekerjaan yang sebenarnya. Angka-angka ini menunjukkan di mana tugas-tugas dapat diubah secara teknologi. Apakah ini menghasilkan pengurangan pekerjaan, peningkatan produktivitas, atau penawaran baru bergantung pada permintaan, upah, regulasi, dan strategi perusahaan. Secara historis, teknologi sering kali menggantikan pekerjaan individu sekaligus menciptakan bidang aktivitas baru. Namun, transisi tersebut masih bisa menyakitkan, karena pekerjaan baru tidak secara otomatis muncul di tempat yang sama, pada waktu yang sama, atau untuk orang yang sama.

Sistem berbasis agen seperti Astra meningkatkan tekanan untuk perubahan karena dapat mengotomatiskan transisi antar tugas. Hal ini tidak hanya mengubah pekerjaan dalam satu profesi, tetapi juga pengelompokan aktivitas dalam organisasi. Misalnya, sebuah perusahaan dapat menggabungkan riset, persiapan data, komunikasi standar, dan dokumentasi dalam proses yang didukung AI. Karyawan kemudian dapat menangani pengecualian dengan lebih efektif, membina hubungan, menetapkan tujuan, dan memikul tanggung jawab yang lebih besar.

Pengetahuan menjadi lebih murah, tanggung jawab menjadi lebih berharga

Ketika AI menghasilkan desain, analisis, dan perangkat lunak berkualitas tinggi dalam jumlah besar, harga pekerjaan berbasis pengetahuan yang terstandarisasi menurun. Namun, data yang andal, akses ke pelanggan, persetujuan regulasi, infrastruktur fisik, dan kemampuan untuk memikul tanggung jawab tetap langka. Hal ini mengubah penciptaan nilai di banyak industri.

Konsultan akan dibayar lebih rendah untuk meringkas informasi yang tersedia untuk umum. Definisi masalah, data spesifik industri, tinjauan kritis, dan implementasi dalam organisasi tertentu akan menjadi lebih berharga. Pengembang perangkat lunak akan menghabiskan lebih sedikit waktu untuk kode standar dan lebih banyak waktu untuk arsitektur, keamanan, dan integrasi sistem. Para eksekutif dapat menerima lebih banyak analisis, tetapi mereka perlu lebih mahir dalam membedakan antara hasil yang masuk akal dan hasil yang dapat diandalkan.

Pergeseran ini dapat meningkatkan produktivitas, tetapi juga dapat menciptakan ketergantungan baru. Mereka yang terlalu bergantung pada investasi AI mungkin kehilangan kemampuan menilai sendiri. Jika staf junior tidak lagi melakukan tugas rutin sendiri, mereka kehilangan kesempatan belajar yang nantinya akan berkembang menjadi keahlian. Oleh karena itu, perusahaan harus memutuskan aktivitas mana yang harus diotomatisasi dan mana yang harus dipertahankan secara sengaja sebagai langkah pelatihan dan pengendalian mutu.

Kepercayaan bisa menjadi sumber daya langka utama dalam ekonomi AI. Pelanggan, otoritas, dan mitra bisnis harus dapat memahami siapa yang membuat keputusan, data apa yang digunakan, dan siapa yang bertanggung jawab atas kesalahan. Semakin otonom sistem beroperasi, semakin penting bukti asal, log, dan garis pertanggungjawaban yang jelas. Kecerdasan teknologi tidak menghilangkan tanggung jawab; justru meningkatkan harganya.

Modal, energi, dan data membatasi apa yang dianggap sebagai ketidakterbatasan

Cara AGI (Artificial General Intelligence) dijelaskan dapat dengan mudah menciptakan kesan teknologi yang hampir tidak berwujud. Pada kenyataannya, AI modern bergantung pada infrastruktur yang sangat padat modal. Pusat data, prosesor berkinerja tinggi, jaringan listrik, sistem pendingin, koneksi serat optik, dan personel khusus menentukan seberapa cepat dan berapa biaya model dapat dikembangkan dan diterapkan.

Investasi oleh perusahaan teknologi terbesar di pusat data dan infrastruktur terkait mencapai lebih dari $400 miliar pada tahun 2025 dan diproyeksikan akan meningkat secara signifikan lagi pada tahun 2026. Skala ini menunjukkan bahwa persaingan tidak hanya ditentukan oleh algoritma yang lebih baik. Akses ke modal, energi, dan rantai pasokan menjadi faktor strategis. Penyedia kecil dapat mengembangkan model inovatif, tetapi seringkali tetap bergantung pada beberapa perusahaan infrastruktur untuk pelatihan dan operasi skala besar.

Permintaan listrik juga meningkat. Pusat data di seluruh dunia mengonsumsi sekitar 485 terawatt-jam pada tahun 2025. Angka ini dapat berlipat ganda menjadi sekitar 950 terawatt-jam pada tahun 2030. Meskipun pangsa konsumsi listrik global mereka akan tetap terbatas sekitar tiga persen, beban tersebut semakin terkonsentrasi secara regional. Lokasi-lokasi individual akan membutuhkan koneksi jaringan listrik yang besar, kapasitas pembangkitan baru, dan pasokan listrik yang andal dalam waktu singkat.

Konsumsi energi yang lebih rendah per tugas AI tidak secara otomatis menyelesaikan masalah ini. Jika penggunaan tumbuh lebih cepat daripada efisiensi, konsumsi keseluruhan akan tetap meningkat. Sistem berbasis agen, khususnya, dapat memicu banyak panggilan model karena mereka merencanakan, menggunakan alat, memeriksa hasil, dan mengulang tugas. Oleh karena itu, harga ekonomi dari agen digital terdiri dari lebih dari sekadar lisensi. Ini termasuk daya komputasi, transmisi data, pemantauan keamanan, dan biaya pengawasan manusia.

Narasi AGI mendorong konsentrasi pasar

Klaim yang kredibel atas kecerdasan umum dapat memberikan keuntungan yang sangat besar bagi penyedia layanan. Perusahaan ingin menghubungkan proses mereka ke platform yang paling canggih. Pengembang membangun aplikasi pelengkap. Investor menyediakan modal. Pekerja terampil pindah ke perusahaan yang dianggap sebagai pemimpin teknologi. Hal ini menciptakan siklus yang saling memperkuat dalam hal pangsa pasar, data, pendapatan, dan infrastruktur.

Struktur biaya lebih menguntungkan platform besar. Melatih model-model terkemuka membutuhkan investasi awal yang signifikan, sementara penggunaan tambahan dapat ditingkatkan dengan relatif murah setelah infrastruktur tersedia. Pada saat yang sama, antarmuka eksklusif, lingkungan agen khusus, dan data perusahaan terintegrasi menciptakan biaya peralihan. Mereka yang sangat mengintegrasikan alur kerja mereka dengan satu penyedia model akan kesulitan untuk beralih di kemudian hari.

Namun, pasar tidak selalu merupakan monopoli alami. Model dapat menjadi lebih mudah dipertukarkan, sistem terbuka dapat mencukupi untuk banyak tugas, dan perusahaan dapat menggunakan beberapa penyedia secara paralel. Lebih jauh lagi, solusi khusus muncul yang lebih andal atau hemat biaya di industri tertentu daripada model universal. Oleh karena itu, persaingan kemungkinan akan terjadi di beberapa tingkatan: kualitas model, infrastruktur, akses data, integrasi, keamanan, dan keahlian khusus industri.

Bagi kebijakan ekonomi, ini berarti akses ke infrastruktur AI menjadi semakin penting. Persaingan tidak dapat dipastikan hanya melalui regulasi model individual. Pasar cloud, kapasitas komputasi, pasokan chip, koneksi energi, portabilitas data, dan standar teknis terbuka semuanya relevan. Siapa pun yang mengendalikan fundamental ini akan memegang kekuasaan, meskipun istilah AGI (Artificial General Intelligence) masih belum didefinisikan secara ilmiah.

Kemampuan keamanan tidak sama artinya dengan keamanan

GPT-6 Astra meraih skor tertinggi dalam uji pengembangan eksploitasi yang menuntut dan untuk pertama kalinya diklasifikasikan sebagai sangat mumpuni di bidang keamanan siber dalam kerangka keamanan internalnya. Klasifikasi ini tidak berarti bahwa model itu sendiri pasti berbahaya. Ini berarti bahwa, dengan alat dan akses yang tepat, ia memiliki kemampuan yang dapat sangat efektif baik untuk pertahanan maupun serangan.

Kemampuan dwifungsi ini merupakan masalah inti dari AI tingkat lanjut. Model yang menemukan kerentanan yang tidak diketahui dapat melindungi perusahaan sebelum penyerang mengeksploitasinya. Namun, kemampuan yang sama ini dapat disalahgunakan. Lebih jauh lagi, seiring meningkatnya otonomi, upaya yang dibutuhkan untuk merencanakan dan mengeksekusi serangan kompleks berkurang. Hal ini dapat membuat kemampuan yang sebelumnya hanya diperuntukkan bagi tim yang sangat terspesialisasi menjadi lebih mudah diakses secara luas.

Oleh karena itu, langkah-langkah keamanan harus mencakup berbagai tingkatan. Aturan perilaku dalam model saja tidak cukup. Kontrol akses, pemantauan, pembatasan hak akses alat, lingkungan eksekusi yang terisolasi, dan kemampuan intervensi cepat diperlukan. Fungsi-fungsi yang sangat canggih hanya dapat diberikan kepada pengguna yang terverifikasi dalam skenario yang jelas. Secara bersamaan, badan-badan independen harus dapat menilai efektivitas langkah-langkah keamanan ini.

Istilah AGI (Kesadaran, Kecerdasan, dan Kecerdasan Umum) bahkan dapat menyesatkan dalam perdebatan ini. Suatu sistem tidak perlu memiliki kecerdasan umum untuk menyebabkan kerusakan signifikan dalam satu disiplin kritis keselamatan. Oleh karena itu, regulasi harus fokus pada kemampuan spesifik, kondisi operasi, dan potensi kerusakan. Klasifikasi abstrak sebagai AGI atau non-AGI terlalu luas untuk manajemen risiko.

Siapa pun yang menetapkan AGI (Adjusted Gross Income) akan mendistribusikan hak dan kewajiban

Definisi AGI (Artificial General Intelligence) dapat memiliki konsekuensi hukum dan kontraktual langsung. Kemitraan, kepemilikan saham, pembagian keuntungan, dan hak kendali dapat dikaitkan dengan pencapaian tonggak teknologi tertentu. Bahkan tanpa memeriksa kontrak individual, jelas bahwa deklarasi AGI dapat lebih dari sekadar pernyataan filosofis; hal itu dapat memengaruhi kepentingan ekonomi.

Hal ini menciptakan konflik kepentingan struktural. Penyedia model memiliki informasi paling banyak tentang sistem mereka, tetapi juga memiliki insentif yang kuat untuk menampilkan kemajuan secara positif. Para pesaing dapat mengecilkan pencapaian. Pemerintah, yang didorong oleh kepentingan ekonomi, dapat mempercepat atau memperingatkan terhadap pengembangan. Oleh karena itu, penelitian independen sangat diperlukan tetapi seringkali kekurangan sumber daya komputasi dan akses yang sama.

Oleh karena itu, penilaian yang andal tidak boleh bergantung pada satu organisasi saja. Proses yang transparan dengan pengujian independen, kriteria yang jelas, dan hasil yang dapat diulang sangat diperlukan. Proses ini harus membedakan antara kemampuan model, kinerja sistem, dan penggunaan aktual. Penilaian ulang secara berkala sama pentingnya karena model, alat, dan biaya berubah dengan cepat.

Bahkan prosedur semacam itu pun tidak akan memberikan kebenaran metafisik tentang kecerdasan. Namun, hal itu dapat mendisiplinkan perdebatan politik dan ekonomi. Alih-alih deklarasi diri yang menarik perhatian publik, akan muncul klasifikasi yang mudah dipahami tentang tingkat kemampuan tertentu. Itu mungkin kurang spektakuler, tetapi jauh lebih bermanfaat.

Perusahaan membutuhkan rencana pengujian, bukan konsep yang spesifik untuk era tertentu

Untuk pengambilan keputusan bisnis, pertanyaan tentang AGI biasanya terlalu abstrak. Sebuah perusahaan perlu mengetahui apakah suatu sistem dapat menangani proses tertentu dengan lebih baik, lebih cepat, dan lebih hemat biaya, serta apakah risikonya dapat dikelola. Oleh karena itu, pengenalan AI berbasis agen harus dimulai dengan rencana pengujian yang jelas.

Pertama, tugas harus didefinisikan secara tepat. Masukan apa yang tersedia, hasil apa yang diharapkan, dan kesalahan apa yang dapat diterima? Selanjutnya, dilakukan perbandingan dengan kinerja sebelumnya dari segi manusia dan perangkat lunak. Pengukuran tidak hanya mencakup kecepatan dan biaya langsung, tetapi juga pengerjaan ulang, eskalasi, kegagalan, dan variasi kualitas. Nilai rata-rata tidak cukup jika kesalahan yang jarang terjadi dapat menyebabkan kerusakan yang signifikan.

Selanjutnya, tingkat otonomi harus didefinisikan. Suatu sistem dapat memberikan saran, mempersiapkan tindakan, mengeksekusinya setelah persetujuan, atau membuat keputusan secara independen dalam batasan yang telah ditentukan. Tingkat-tingkat ini tidak boleh dicampuradukkan demi kemudahan. Semakin tinggi otonomi, semakin penting manajemen hak akses, pencatatan log, dan mekanisme cadangan.

Pada akhirnya, operasi tersebut harus terus dipantau. Model dapat berubah melalui pembaruan, sumber data eksternal dapat gagal, dan penyerang dapat menemukan cara baru untuk memanipulasi sistem. Oleh karena itu, fase uji coba yang sukses bukanlah bukti yang meyakinkan. AI menjadi sistem produksi yang membutuhkan pemantauan terus-menerus, seperti halnya perangkat lunak kritis atau pabrik industri.

Perusahaan yang menguasai disiplin ini akan mendapat manfaat terlepas dari apakah Astra disebut AGI atau tidak. Sebaliknya, perusahaan yang membiarkan diri mereka disesatkan oleh label ke dalam otomatisasi yang tidak terkendali akan meningkatkan ketergantungan operasional mereka. Tolok ukur yang tepat bukanlah kekaguman teknologi, tetapi penciptaan nilai yang terbukti.

Eropa tidak boleh terjebak dalam perselisihan mengenai terminologi

Perselisihan ini sangat penting bagi Jerman dan Eropa. Kawasan ini memiliki perusahaan industri yang kuat, data proses berkualitas tinggi, lembaga penelitian, dan pasar yang diatur dengan ketat. Pada saat yang sama, kawasan ini menghadapi ketergantungan yang signifikan pada penyedia cloud dan model non-Eropa. Oleh karena itu, strategi yang hanya berfokus pada model dasar yang tersedia berikutnya tidaklah cukup.

Kekuatan Eropa mungkin terletak pada penggabungan model-model canggih dengan rantai nilai dunia nyata. Industri, logistik, energi, perawatan kesehatan, dan administrasi publik menawarkan bidang aplikasi yang kompleks di mana keahlian domain, keamanan, dan integrasi sangat penting. Skor tolok ukur terbaik saja tidak cukup. Ketersediaan, kedaulatan data, tanggung jawab, dan kemampuan untuk mengoperasikan proses secara stabil selama bertahun-tahun adalah hal yang menentukan.

Untuk itu, Eropa membutuhkan kapasitas komputasi yang memadai, pasokan listrik yang kompetitif, ruang data bersama, dan standar yang jelas untuk sistem berbasis agen. Regulasi harus membatasi risiko spesifik tanpa memperlakukan semua otomatisasi sebagai kecerdasan super otonom. Kewajiban bertingkat berdasarkan kemampuan, konteks operasional, dan potensi bahaya sangat penting.

Pendidikan berkelanjutan juga perlu berubah. Pengetahuan umum tentang AI saja tidak cukup. Karyawan perlu memiliki kemampuan untuk menyusun proses untuk AI, mengevaluasi hasil secara profesional, dan mengenali batasan tanggung jawab. Manajer harus memahami bahwa implementasi AI adalah pengembangan organisasi, bukan hanya pengadaan perangkat lunak.

Penilaian objektif terhadap GPT-6 Astra

Berdasarkan informasi yang tersedia untuk umum, GPT-6 Astra adalah sistem AI yang sangat andal, dapat diterapkan secara luas, dan lebih berbasis agen. Sistem ini menunjukkan kemajuan signifikan dalam pemecahan masalah abstrak, literasi komputer, pengembangan perangkat lunak, dan keamanan siber. Sistem ini dapat menangani rangkaian tugas yang, beberapa tahun yang lalu, membutuhkan pengawasan manusia yang ketat. Kemampuan ini membenarkan pernyataan bahwa fase baru otomatisasi telah dimulai.

Klaim bahwa satu nilai benchmark tunggal secara objektif membuktikan AGI (Artificial General Intelligence) tidak beralasan. Hal ini disebabkan kurangnya definisi yang diterima secara umum, metode pengukuran yang komprehensif, dan data jangka panjang yang cukup independen. Ketergantungan hasil pada lingkungan eksekusi, alat, dan anggaran komputasi, khususnya, menunjukkan bahwa kinerja model tidak dapat dipertimbangkan secara terpisah.

Namun, sikap skeptis ini tidak boleh mengarah pada trivialisasi. Akan menjadi kesalahan jika hanya mengakui AGI (Artificial General Intelligence) ketika sebuah mesin mereplikasi semua karakteristik manusia, termasuk kesadaran, pengalaman sosial, dan kemampuan fisik. Definisi ini secara sistematis dapat gagal menangkap perubahan besar yang relevan secara ekonomi. Sebuah sistem dapat secara mendalam mengubah pasar, lapangan kerja, dan keamanan jauh sebelum sepenuhnya menyerupai manusia.

Perspektif yang tepat terletak di antara pemasaran dan sikap defensif. Astra bukanlah bukti pasti dari kecerdasan umum yang sempurna, juga bukan sekadar model bahasa lain. Ini adalah langkah menuju aktor digital yang semakin mengambil alih seluruh alur kerja. Transisi ini layak mendapatkan perhatian lebih daripada perdebatan tentang sebuah label.

Titik balik sebenarnya adalah ekonomi, bukan semantik

Pertanyaan apakah AGI (Artificial General Intelligence) sudah ada mungkin tidak akan pernah dijawab dengan kepastian yang sama seperti pengukuran fisik. Konsepsi tentang kecerdasan terlalu beragam, tugas berubah terlalu drastis, dan kinerja teknis serta evaluasi masyarakat terlalu erat kaitannya. Oleh karena itu, upaya untuk menetapkan tanggal batas universal dapat lebih membingungkan daripada memperjelas.

Untuk bidang ekonomi, pertanyaan yang berbeda jauh lebih penting: Pada titik mana sistem AI dapat secara mandiri dan andal melakukan cukup banyak tugas berharga dengan biaya yang wajar, sehingga memungkinkan perusahaan untuk secara fundamental menyesuaikan organisasi, investasi, dan ketenagakerjaan mereka? GPT-6 Astra membawa perekonomian lebih dekat ke ambang batas ini. Di beberapa sektor digital, ambang batas ini mungkin sudah terlampaui, sementara di sektor lain masih jauh.

Oleh karena itu, transformasi yang akan datang akan berlangsung secara tidak merata. Pengembangan perangkat lunak, keamanan siber, analitik, dan administrasi digital dapat berubah lebih cepat daripada layanan fisik, kerajinan, atau aktivitas dengan tanggung jawab sosial yang tinggi. Perbedaan signifikan juga akan muncul antar perusahaan. Bisnis yang berbasis data dan terorganisir dengan baik akan lebih cepat mendapatkan manfaat daripada organisasi dengan sistem yang terfragmentasi dan proses yang tidak jelas.

Pernyataan AGI yang provokatif mengandung sedikit kebenaran: era di mana AI yang canggih hanya dapat dilihat sebagai alat bantu untuk teks dan gambar individual akan segera berakhir. Namun, klaim bahwa ini menyelesaikan pertanyaan ilmiah tentang kecerdasan umum adalah berlebihan. Garis pemisah terpenting bukanlah antara AGI dan non-AGI. Garis pemisah tersebut terletak antara sistem yang secara mengesankan menunjukkan kemampuan dan sistem yang, dalam kondisi dunia nyata, secara permanen mengubah tanggung jawab, biaya, dan hasil.

Mereka yang menyatakan keberadaan AGI saat ini sedang membangun kerangka interpretasi. Mereka yang secara kategoris menyangkalnya berisiko meremehkan perubahan ekonomi. Posisi yang paling masuk akal mengakui keduanya: istilahnya tetap kabur, tetapi kemampuannya menjadi konkret. Oleh karena itu, bagi perusahaan, karyawan, dan pemerintah, pertanyaan krusial bukanlah apakah mereka percaya pada AGI. Yang penting adalah apakah mereka dapat mengukur, membentuk, dan mengendalikan apa yang sebenarnya dilakukan oleh sistem ini.

Solusi semi-internal: Bagaimana Xpert.Digital menutup kesenjangan operasional dalam pemasaran dan penjualan B2B – Bisnis Cerdas Berbasis Konten - Gambar: Xpert.Digital

Xpert.Digital adalah pusat industri B2B berbasis data yang dipimpin oleh Konrad Wolfenstein . Perusahaan ini bertindak sebagai solusi eksternal, yang hampir bersifat internal, bagi mitra industri, menutup kesenjangan operasional dalam pemasaran, konten, dan penjualan – tanpa memerlukan sumber daya tambahan di pihak klien.

Informasi selengkapnya di sini:

• Solusi semi-internal: Bagaimana Xpert.Digital menutup kesenjangan operasional dalam pemasaran dan penjualan B2B – Bisnis Cerdas Berbasis Konten

☑️ Bahasa bisnis kami adalah bahasa Inggris atau Jerman

☑️ BARU: Korespondensi dalam bahasa ibu Anda!

Konrad Wolfenstein

Saya dan tim saya dengan senang hati siap membantu Anda sebagai penasihat pribadi Anda.

Anda dapat menghubungi saya dengan mengisi formulir kontak di sini [email protected]:atau cukup hubungi saya di +49 7348 4088 965. Alamat email saya adalah

Saya sangat menantikan proyek bersama kita.

☑️ Dukungan UKM dalam strategi, konsultasi, perencanaan, dan implementasi

☑️ Pembuatan atau penyesuaian kembali strategi digital dan digitalisasi

☑️ Perluasan dan optimalisasi proses penjualan internasional

☑️ Platform perdagangan B2B global & digital

☑️ Pelopor Pengembangan Bisnis / Pemasaran / Humas / Pameran Dagang