Sorotan AI — gambaran lengkap — 2026-10-15 (Kamis) Berita Sore

HubSpot akan memangkas sekitar 7% tenaga kerjanya sebagai bagian dari reorganisasi, dan para menteri Inggris telah menyatakan bahwa pergantian staf tersebut akan melibatkan AI. Sementara itu, laboratorium farmasi dan traktor pertanian mulai mengirimkan AI sebagai bagian dari kontrak dan peralatannya. Perkembangan yang dilaporkan dalam setengah hari terakhir menunjukkan bahwa AI telah memasuki tahap yang benar-benar menggerakkan alokasi personel dan modal lintas industri dan negara. Namun, prosedur untuk memeriksa keputusan apa saja yang dapat didasarkan pada keluaran AI dan pembentukan pihak yang bertanggung jawab atas hasilnya belum mengimbangi kecepatan penerapannya. Kontroversi seputar deteksi pneumotoraks neonatal telah menunjukkan bahwa akurasi yang tinggi tidak serta-merta berarti signifikan secara klinis. Tidak cukup hanya mendaftar apa yang bisa dilakukan AI; fokus bacaan ke depan adalah melihat siapa yang memastikan apa dan bagaimana caranya.

Reorganisasi organisasi dan pengurangan karyawan muncul sebagai harga dari penerapan AI

HubSpot telah memangkas sekitar 7% tenaga kerjanya sebagai bagian dari reorganisasi yang berpusat pada AI (Yahoo Finance). Menteri-menteri Inggris menyatakan bahwa AI terlibat dalam pergantian staf dan pemangkasan pekerjaan dalam beberapa bulan terakhir (London Evening Standard). Bank-bank Wall Street dilaporkan menghadapi risiko yang makin besar baik dalam pemberian pinjaman AI maupun penerapan AI (Reuters). Meskipun ketiga laporan tersebut mencakup industri dan negara yang berbeda, ketiganya beririsan dalam hal bahwa penerapan AI benar-benar mengubah alokasi personel dan dana. Kita telah melewati tahap di mana dampak penerapan hanya dapat dibicarakan dari sisi "produktivitas", dan kini perlu dilihat pekerjaan siapa dan dana siapa yang digunakan untuk membayarnya.

Namun, pergerakan di lapangan tidak hanya mengarah pada pengurangan. Di Security Operations Center (SOC), AI bertanggung jawab atas penyaringan awal, dengan pengawasan manusia. Security Boulevard menggambarkan satu hari dalam kehidupan seorang analis ancaman di SOC otonom, di mana manusia memeriksa dan mengambil keputusan berdasarkan hasil yang disortir oleh AI. Pekerjaan para analis tidak hilang; mereka beralih dari membaca sendiri setumpuk peringatan menjadi meninjau penyaring AI dan menangani pengecualian. Jika nama jabatannya tetap sama tetapi isinya berubah, besarnya perubahan tidak dapat diukur hanya dari bertambah atau berkurangnya jumlah orang.

Cara orang mengungkapkan nilai mereka juga sedang dipertimbangkan kembali. Forbes JAPAN membahas kemampuan manusia yang akan menjadi lebih berharga di era AI, dari sudut pandang bahwa kita sebaiknya berhenti menyebutnya "soft skills." Selain itu, Bipartisan Policy Center di Amerika Serikat memfokuskan perhatian pada dampak AI terhadap tenaga kerja perawatan lansia, dengan menyatakan bahwa perlu membahas dampak penerapan AI bahkan di profesi yang selama ini ditopang oleh manusia. Kedua pertanyaan tersebut menimbang ulang batas antara tugas yang akan digantikan oleh AI dan tugas yang akan tetap berada di sisi manusia.

Jika kita melihat materi yang telah dibahas sejauh ini, angka pengurangan tersebut merupakan hasil dari berjalannya restrukturisasi organisasi, dan bagaimana isi setiap kategori pekerjaan akan disusun ulang akan berbeda di setiap lokasi. Keputusan untuk mengurangi personel atau mempertahankan orang dan mengubah peran mereka didasarkan pada asumsi bahwa keluaran AI itu benar. Pertanyaan berikutnya adalah siapa yang harus memeriksa keluaran tersebut, bagaimana caranya, dan siapa yang harus bertanggung jawab jika terjadi kesalahan.

Pengenalan oleh industri kini berada pada tahap peralatan dan kemitraan

Di bidang farmasi dan pertanian, AI bergerak melampaui tahap usulan dan analisis dan mulai dimasukkan ke dalam kontrak, peralatan, dan perangkat yang nyata. Zealand Pharma telah menandatangani perjanjian riset dan lisensi dengan Generate Biomedicines untuk mengembangkan terapi protein yang dirancang oleh AI untuk penyakit metabolik (The Manila Times). Perusahaan instrumen analitik Waters telah bermitra dengan Anthropic untuk memajukan alur kerja laboratorium otonom berbasis AI (BioPharma APAC). Di bidang pertanian, PerPlant bekerja sama dengan Valtra untuk memasang sensor tanaman AI di pabrik pada traktor (AgFunderNews). Ini adalah gerakan agar AI menjadi bagian dari mesin yang dikirim dan proses di laboratorium, bukan sebagai tambahan di kemudian hari.

Fondasinya terus dikembangkan dari segi sumber daya komputasi, penelitian, dan sumber daya manusia. China meluncurkan delapan satelit untuk perhitungan AI (Global Times). Hal ini menunjukkan bahwa lokasi komputasi tidak lagi terbatas pada pusat data di darat. Menurut Carnegie Mellon University, tiga peneliti dari universitas tersebut akan berpartisipasi dalam penelitian "AI and the Economy" milik Google (Carnegie Mellon University). Kerangka kerja untuk mengukur dampak ekonomi AI mulai bermunculan di luar dunia bisnis. Di Jepang, dukungan pendidikan AI dari Microsoft Japan memperluas "perolehan keterampilan dan reformasi pendidikan," dan ada kasus di mana biaya berhasil ditekan hingga puluhan juta dolar (DX Magazine).

Yang berubah bagi pembaca adalah unit pandangnya. Alih-alih melihat performa model atau gemerlap pengumuman, lebih baik melihat secara spesifik kontrak mana, peralatan mana, dan proses mana yang menggunakan AI, sehingga lebih dekat dengan kondisi implementasi yang sebenarnya. Ketika AI masuk ke peralatan atau proses, seperti sensor yang terpasang di pabrik atau laboratorium otonom, keluarannya langsung mengalir ke pekerjaan berikutnya. Hasil seperti penghematan puluhan juta dolar tidak dapat dievaluasi sebelum asumsi di balik perhitungannya disajikan.

Cerita sejauh ini cenderung condong ke arah langkah pengenalan AI. Seiring kemajuan peralatan dan kemitraan, pertanyaan tentang siapa yang akan memeriksa keluaran dan pada tahap apa menjadi lebih konkret dan lebih dekat ke lapangan.

Kesulitan verifikasi: akurasi, signifikansi klinis, dan struktur penilaian

Kontroversi seputar deteksi pneumotoraks neonatal oleh AI (Bioengineer.org) menyoroti kesenjangan antara akurasi deteksi dan signifikansi klinis. Meskipun temuan pada citra dapat dideteksi dengan akurasi tinggi, apakah hal itu akan mengarah pada penentuan perlunya pengobatan dan hasilnya merupakan pertanyaan lain. Sebuah artikel (AIM Media House) yang meninjau industri farmasi selama 10 tahun terakhir menyatakan bahwa "kemajuan teknologi telah melampaui adopsi." Disebutkan bahwa performa model maju lebih dulu, sedangkan langkah untuk mengevaluasinya di lapangan dan memasukkannya ke dalam pekerjaan menyusul kemudian. Kesamaan kedua cerita ini adalah bahwa angka yang bagus belum tentu bermakna di lapangan. Ketika pembaca melihat angka dalam tabel performa, pertanyaan yang seharusnya diajukan adalah, "Keputusan apa yang dapat diambil dengan angka-angka itu?"

Studi-studi yang berupaya menjembatani kesenjangan ini juga tersedia sebagai preprint. Semuanya telah dipublikasikan di arXiv dan belum melalui tinjauan sejawat. Yang pertama adalah EviScene, agen yang mengevaluasi realitas gambar. Meskipun kita dapat mengetahui apakah suatu gambar dibuat oleh AI, kita tidak dapat mengetahui apakah peristiwa yang digambarkan benar-benar terjadi. Terkadang foto asli beredar sebagai cerita dari tempat lain pada hari yang berbeda. Para penulis menyebut metode ini "evaluasi faktual gambar" dan mengusulkan sebuah sistem yang mengubah pertanyaannya dari gambar saja, tanpa menyertakan pernyataan argumen, lalu menggunakan sistem untuk mengumpulkan bukti eksternal dan memberikan penilaian beserta alasannya. Yang kedua adalah Jeva, struktur khusus yang tidak menyerahkan keputusan untuk memilih salah satu kandidat atau menjawab ``tidak berlaku'' kepada generator kalimat. Para penulis berargumen bahwa struktur pertanyaan penilaian tidak dapat dihormati jika pertanyaan diajukan untuk dijawab dalam bentuk kalimat, dan menyajikan desain yang memenuhi empat persyaratan: jawaban tidak berubah meskipun urutannya disusun ulang, dan dimungkinkan untuk menunjukkan ``tidak berlaku'' secara jelas. Yang ketiga adalah kerangka kerja yang mempelajari keyakinan dan niat pihak lain sebagai representasi laten dan menggunakannya sebagai bahan untuk pemilihan tindakan. Ketika beberapa agen berkolaborasi, tujuannya adalah mengganti bagian-bagian yang selama ini ditambal dengan akal-akalan prompt dan mekanisme memori dengan ekspresi eksplisit. Ketiga kasus ini dapat dibaca sebagai upaya memindahkan prosedur pemeriksaan keluaran dari inspeksi tambahan di akhir ke dalam desain itu sendiri.

Di sisi lain, perilaku orang-orang di sisi verifikasi tidak konstan. Penelitian (The Conversation) menunjukkan bahwa konsumen yang pernah mengalami diskriminasi lebih cenderung memilih rekomendasi AI daripada saran manusia. Ini adalah bentuk di mana ketidakpercayaan terhadap manusia digantikan oleh kepercayaan pada AI. Dalam kasus ini, kepercayaan dapat bergeser bukan sebagai hasil dari output AI yang telah diverifikasi, melainkan sebagai akibat dari ketidakpercayaan terhadap manusia. Situasi di mana sebuah rekomendasi dipilih sebelum verifikasi sempat menyusul tidak dapat dilihat hanya dari angka akurasi.

Pembahasan sejauh ini adalah tentang cara memeriksa kebenaran masing-masing keluaran. Pertanyaan berikutnya adalah siapa yang akan bertanggung jawab atas hasil yang telah dikonfirmasi dan siapa yang akan memikul tanggung jawab jika terjadi kesalahan.

Menciptakan standar internasional dan menarik batas terkait hati dan hubungan

Harris telah menyerukan standar internasional untuk AI (KFBK News Radio), menyatakan bahwa jendela keselamatan AI semakin menutup, dan menyerukan kerja sama dengan Tiongkok (Forbes). Alasan yang disebutkan untuk bergegas membuat standar adalah pengakuan bahwa pengembangan norma belum mengejar kecepatan kemajuan teknologi. Yang penting bagi pembaca adalah bahwa yang dibutuhkan di sini adalah pengaturan lintas negara yang melampaui upaya sukarela masing-masing perusahaan. Pertanyaan tentang siapa yang memiliki sistem untuk memverifikasi hal ini bergeser melampaui perusahaan dan regulasi dalam negeri menuju koordinasi negara-negara yang bersaing.

Namun, dalam menentukan standar, perlu dipertimbangkan bagaimana subjek tersebut harus diposisikan. "Godfather" AI menunjukkan bahwa AI itu "alien" (PC Gamer). Meskipun diciptakan oleh manusia, AI dipandang sebagai makhluk yang tidak dapat dipahami dengan cara yang sama seperti manusia. Menanggapi hal itu, Musk berkata, "Jangan sakiti perasaan AI" (Cybernews). Ia berada pada posisi yang peduli terhadap kesejahteraan model. Standar yang dibutuhkan akan berbeda tergantung pada apakah AI dipandang sebagai alat, jenis kecerdasan yang berbeda, atau objek pertimbangan. Seiring dengan seruan agar standar segera ditetapkan, fakta bahwa statusnya sendiri belum ditentukan menunjukkan sulitnya mencapai kesepakatan internasional.

Pergeseran posisi menjadi lebih konkret dalam situasi yang dekat dengan hati dan hubungan individu. Universidad de Córdoba (UCO) membahas apakah aplikasi pacar AI dapat membuat Anda jatuh cinta, dan ikatan emosional yang dimiliki pengguna dengan AI menjadi subjek penelitian. Dalam hal kesehatan mental, para ahli memperingatkan bahwa meskipun AI dapat membantu, AI tidak dapat menggantikan profesional yang berkualifikasi (Medical Xpress). Seorang psikiater juga mengangkat pertanyaan apakah AI sebaiknya digunakan untuk konsultasi kesehatan mental dan menjelaskan cara mengambil keputusan tersebut (Newswise). Sebuah laporan baru mempertanyakan apakah AI dapat membuat museum seni lebih "manusiawi" dan mempersoalkan makna seni itu sendiri (The Conversation).

Kesamaan dari ketiga situasi tersebut adalah perlunya menarik garis antara AI yang mendukung manusia dan AI yang menggantikan peran yang secara tradisional dipegang manusia. Bagi pengguna, hal ini akan membantu Anda membedakan apa yang coba diambil alih oleh sebuah aplikasi atau layanan konsultasi. Pihak yang menerapkan sistem diwajibkan menentukan sebelumnya cakupan peran yang membutuhkan kualifikasi dan tanggung jawab yang dapat dipercayakan kepada mesin. Baik standar internasional maupun batasan pribadi kembali pada pertanyaan yang sama: siapa yang bertanggung jawab atas keluaran?

Cerita-cerita di setiap bagian terhubung pada satu titik: pengenalan datang lebih dulu, dan mekanisme konfirmasi menyusul kemudian. Restrukturisasi dan PHK telah memperjelas pekerjaan siapa dan uang siapa yang akan digerakkan oleh pengenalan AI. Di bidang farmasi dan pertanian, AI mulai dimasukkan ke dalam kontrak dan peralatan, melampaui tahap proposal dan menjadi bagian dari proses di lapangan. Diskusi seputar verifikasi telah menegaskan bahwa ada kesenjangan antara akurasi numerik dan makna di lapangan. Pernyataan yang menyerukan standar internasional dan perbedaan pendapat tentang bagaimana AI harus diposisikan menunjukkan bahwa pihak yang bertanggung jawab melakukan pemeriksaan tidak lagi terbatas pada perusahaan. Semakin banyak angka yang menunjukkan peningkatan kinerja, semakin penting untuk memperjelas siapa yang memeriksa angka-angka tersebut, untuk keputusan apa, dan siapa yang bertanggung jawab jika terjadi kesalahan, yang akan menentukan nilai dari penerapannya.

Q1: Dapatkah penanggung jawab menjelaskan dengan kata-katanya sendiri keputusan di lapangan apa yang akan menggunakan keluaran AI yang diperkenalkan, serta siapa yang akan memeriksa hasilnya dan kapan? Q2: Bagaimana Anda mendefinisikan kesenjangan antara angka kinerja dan maknanya di lapangan sebagai standar pengawasan dan kualitas, serta mendokumentasikan di mana letak tanggung jawab ketika terjadi kesalahan? Q3: Terkait alokasi personel dan dana untuk pengenalan AI, apakah efek dan biayanya ditampilkan di tempat yang sama, dan apakah investasi pada sistem verifikasi dinilai bersama dengan biaya pengenalannya?

Terakhir, tiga pertanyaan

- Apakah penanggung jawab dapat menjelaskan dengan kata-katanya sendiri untuk keputusan apa saja keluaran AI yang diperkenalkan akan digunakan dalam pengambilan keputusan di lapangan, serta siapa yang akan memeriksa hasilnya dan kapan? Q2: Bagaimana Anda mendefinisikan kesenjangan antara angka kinerja dan maknanya di lapangan sebagai standar pengawasan dan kualitas, serta mendokumentasikan di mana tanggung jawab berada ketika terjadi kesalahan? Q3: Terkait alokasi personel dan dana untuk penerapan AI, apakah efek dan biayanya ditunjukkan di tempat yang sama, dan apakah investasi pada sistem untuk verifikasi dinilai bersama dengan biaya penerapan? - Bagaimana Anda mendefinisikan kesenjangan antara angka kinerja dan maknanya di lapangan sebagai standar pengawasan dan kualitas, serta mendokumentasikan di mana tanggung jawab berada ketika terjadi kesalahan? Q3: Terkait alokasi personel dan dana untuk penerapan AI, apakah efek dan biayanya ditunjukkan di tempat yang sama, dan apakah investasi pada sistem untuk verifikasi dinilai bersama dengan biaya penerapan? - Terkait alokasi personel dan dana untuk penerapan AI, apakah efek dan biayanya ditunjukkan di tempat yang sama, dan apakah investasi pada sistem untuk memastikannya dipertimbangkan bersama dengan biaya penerapan?