AI Highlights — gambaran utuh — Berita Harian 2026-10-25 (Min)
Tautan sumber mengarah ke media asli. Analisis Terpadu AI dibuat otomatis hanya dari judul berita di bawah ini dan tidak dimaksudkan untuk menambah fakta di luarnya. Bukan saran investasi.
Generali di Jerman dilaporkan akan memangkas 800 pekerjaan hingga 2030 dan menata ulang bisnisnya di sekitar AI. Eksekutif TI Departemen Pertanian AS mengatakan pengawasan manusia terhadap AI akan sulit dipertahankan akibat pengurangan pegawai secara alami. Penerapan AI meluas ke bidang ketenagakerjaan, keuangan, dan kesehatan mental. Perbedaan antara keputusan untuk bergegas menerapkannya dan keputusan untuk menundanya bukanlah soal besarnya dampak, melainkan apakah pengawasan dan dukungan dari manusia dapat dipertahankan. Artikel setengah hari ini dapat dibaca untuk memastikan apakah syarat-syarat tersebut terpenuhi di bidang ketenagakerjaan, pasar keuangan, dukungan emosional, pemantauan keselamatan, dan pencitraan diagnostik.
Pengurangan personel terus berjalan dan para penyelia tidak dapat mengimbanginya
Generali di Jerman dilaporkan akan memangkas 800 pekerjaan hingga 2030 dan menata ulang bisnisnya di sekitar AI (Menafn). Di Amerika Serikat, kekhawatiran akan PHK massal akibat AI mendorong Kongres menjajaki cara untuk mendukung para pekerja (The New York Times). Gerakan PHK ini muncul baik dalam perencanaan perusahaan maupun agenda politik. Di sisi lain, angkanya tidak searah. Berdasarkan survei Kamar Dagang AS, dilaporkan bahwa banyak usaha kecil dan menengah di Oklahoma melaporkan peningkatan lapangan kerja berkat penerapan AI (KSWO 7News). Meskipun AI yang digunakan sama, cara penggunaannya berbeda antara rencana restrukturisasi perusahaan besar dan tempat kerja usaha kecil dan menengah. Berbahaya jika salah satu contoh diterapkan begitu saja pada perusahaan Anda tanpa memperhatikan ukuran dan industri perusahaan Anda.
Ketika pengurangan berjalan, persoalannya akan lebih sedikit mengenai jumlah orang dan lebih banyak mengenai apa yang mampu dilakukan oleh orang-orang yang tersisa. Seorang eksekutif TI di Departemen Pertanian AS mengatakan bahwa "pengawasan manusia" terhadap AI akan sulit dipertahankan akibat pemangkasan staf (FedScoop). Telah ditunjukkan bahwa meskipun AI diperkenalkan dengan asumsi bahwa manusia akan bertanggung jawab memeriksa keluaran AI dan mencegah kesalahan, asumsi itu akan runtuh jika jumlah orang yang bertanggung jawab atas peran tersebut dikurangi. Dari sudut pandang ini, keputusan untuk memperkirakan efektivitas biaya pengenalan semata-mata berdasarkan jumlah orang yang dapat dikurangi harus dipertimbangkan kembali.
Organisasi Buruh Internasional (ILO) juga berfokus pada hak-hak pekerja, dengan mempertanyakan siapa yang punya suara ketika AI menjalankan tempat kerja (Devdiscourse). Pertanyaannya di sini adalah apakah ada sistem yang memungkinkan pekerja menyampaikan pendapat mereka ketika AI mengambil keputusan tentang penempatan dan penilaian. Menyediakan tenaga pengawas dan memberi pekerja suara mungkin tampak sebagai dua isu yang terpisah, tetapi keduanya berkaitan dengan persoalan yang sama: apakah manusia dapat terus dilibatkan dalam keputusan AI.
Salah satu contohnya ada di Irlandia, tempat FIT dan Intel bermitra untuk meningkatkan keterampilan AI para pekerja (Silicon Republic). Peningkatan keterampilan (upskilling) akan diperlukan baik bagi mereka yang berganti pekerjaan maupun yang pindah ke peran pengawasan. Namun, keberadaan aliansi saja tidak menjamin bahwa pelatihan dapat mengimbangi kecepatan pengurangan tenaga kerja. Mana yang akan didahulukan: keputusan untuk mengurangi jumlah orang atau persiapan untuk mendukung mereka yang akan tetap bertahan atau berpindah? Urutan penerapannya akan menjadi faktor penentu apakah penerapan dipercepat atau ditunda. Pertanyaan ini muncul dalam bentuk yang sama di ranah keuangan dan psikologi di luar ketenagakerjaan.
Reaksi berlebihan dan tekanan yang tercermin di pasar uang dan perbankan
Indikator ekonomi terbaru menunjukkan adanya pandangan yang berhati-hati terhadap investasi dan perdagangan terkait AI. Menurut ringkasan yang disusun oleh www.christophe-barraud.com, perdagangan global terkait AI sedang berada di bawah tekanan. Tingkat inflasi Jepang melampaui target Bank of Japan, sementara Indeks Manajer Pembelian (PMI) Zona Euro berada di bawah ekspektasi. Di sisi keuangan, ada kekhawatiran bahwa agen AI akan mengguncang simpanan bank, dan CNBC melaporkan bahwa hal ini mungkin merupakan reaksi berlebihan di Wall Street. Karena harga, kepercayaan bisnis, dan simpanan dibahas secara bersamaan, perusahaan yang menerapkan AI terdorong untuk mempertimbangkan bukan hanya efek yang diharapkan, tetapi juga lingkungan eksternal, seperti pendanaan dan pergerakan pelanggan. Salah satu faktor penentu apakah akan bergegas melakukan penerapan atau tidak adalah apakah kekhawatiran tersebut dibesar-besarkan melampaui kenyataan.
Di sisi lain, transaksi di bidang data farmasi dan medis belum berhenti. Menurut tokenpost.com, Tempus AI dan Pathos AI telah menandatangani kesepakatan data saraf senilai hingga $55 million. marketscreener.com melaporkan bahwa Tempus AI telah menandatangani perjanjian multitahun dengan Bristol-Myers Squibb untuk melisensikan data onkologi multimodal. Menurut Indian Pharma Post, Tricog Health akan memperluas jangkauan globalnya bersama Sanofi dan OMRON Healthcare dalam upaya beralih dari elektrokardiogram (EKG) ke layanan berbasis AI. Ada kontrak dengan nilai dan ketentuan yang jelas, dan para pihaknya mencakup perusahaan farmasi besar dan perusahaan perangkat medis.
Kedua perkembangan ini menunjukkan bahwa meskipun AI-nya sama, dasar pengambilan keputusan berbeda tergantung bidangnya. Di pasar keuangan, kekhawatiran lebih dulu tercermin dalam harga dan pandangan, dan pertanyaannya baru belakangan adalah apakah reaksi Wall Street berlebihan. Dalam transaksi data, ketentuan ditetapkan sebelumnya dalam bentuk kontrak di bidang-bidang tertentu seperti neurologi, onkologi, dan elektrokardiografi. Namun, yang dapat kita pelajari dari materi saat ini adalah penyelesaian kontrak dan perluasan penerapan, dan dari laporan-laporan ini saja tidak jelas bagaimana verifikasi dan dukungan terhadap manusia akan berjalan setelah pengenalan.
Jika ada bidang di mana transaksi tetap dapat berjalan meskipun kondisi pasar berfluktuasi, maka keputusan untuk menerapkannya akan lebih bergantung pada apakah orang dapat terus memeriksa hasilnya di lapangan, bukan pada kuat atau lemahnya ekonomi. Pada bagian berikutnya, kita akan melihat ranah pikiran untuk mengetahui apakah konfirmasi dan dukungan ini benar-benar terjaga.
Semakin banyak orang beralih ke AI untuk dukungan emosional
Anak muda mulai menggunakan AI untuk mendukung kesehatan mental mereka, lapor Fast Company. Fox News membahas mengapa semakin banyak orang tertarik pada AI Muse milik Meta. Sementara itu, The Independent melaporkan bahwa seorang psikiater telah menunjukkan bahaya meminta saran kesehatan mental kepada AI. Jika ketiga kasus ini disandingkan, meluasnya penggunaan dan ditunjukkannya bahaya oleh para ahli berlangsung pada saat yang sama. Ketika pembaca memutuskan produk perusahaan dan cara menggunakannya di rumah, tidak cukup hanya mengandalkan pertumbuhan jumlah pengguna sebagai dasar pengenalan. Pertama-tama perlu dipastikan bahwa penggunaan istilah tersebut untuk meminta saran dipandang bermasalah oleh para psikiater.
Social Market Foundation menyatakan bahwa AI yang meniru empati dan keintiman manusia membawa peluang sekaligus biaya. Mekanisme yang meniru empati menyediakan pilihan yang mudah bagi mereka yang mencari teman bicara. Di sisi lain, ada pandangan bahwa peniruan itu menimbulkan biaya, dan pihak yang memperkenalkannya juga harus menanggungnya. Keputusan yang dihadapi di sini adalah apakah akan memperluas berdasarkan peluang atau mempersempit cakupan berdasarkan biaya.
Pertanyaan ini tidak terbatas pada lingkungan medis atau konseling. CBS News melaporkan pandangan seorang pemuka agama di Minnesota tentang dampak AI terhadap agama. Boston University mengumumkan pameran baru di 808 Gallery yang menjelajahi keindahan cetakan yang tidak sempurna di era AI. Bahkan di dua bidang yang terpisah, yaitu agama dan seni cetak, kemunculan AI memaksa kita untuk mempertimbangkan kembali apa artinya menjadi manusia.
Seiring semakin meluasnya kecenderungan mengandalkan AI untuk dukungan emosional, sejauh mana manusia dapat mengawasi dukungan tersebut akan menjadi pembeda antara keputusan untuk segera menerapkannya dan keputusan untuk mengurungkannya.
Menarik garis batas terkait celah keamanan dan kesadaran/kerja sama
Audit eksternal menemukan celah besar dalam pengawasan keamanan OpenAI (the-decoder.com). Artinya, audit eksternal menemukan cacat yang tidak terlihat dalam pemeriksaan internal. Bagi pihak yang menerapkan AI, pelaku usaha yang menjelaskan bahwa mereka menjalankan pemantauan keamanan adalah satu hal, sedangkan hasilnya dikonfirmasi oleh pihak ketiga adalah hal lain. Jika Anda sedang memutuskan apakah akan bergegas melakukan penerapan atau menundanya, kini Anda memiliki dasar untuk memeriksa tidak hanya arahan dari penyedia, tetapi juga ada tidaknya audit eksternal dan isi temuannya.
Pada saat yang sama dengan dilaporkannya celah ini, muncul tiga diskusi tentang di mana garis batas harus ditarik. Yang pertama adalah kesadaran AI. National Review, yang memuat esai yang diterbitkan di Nature tentang kesadaran AI, menentang pemberian hak kepada mesin. Diskusi tentang apakah sesuatu memiliki kesadaran atau tidak dan penilaian tentang layak tidaknya hak diberikan dapat diperlakukan sebagai dua pertanyaan yang terpisah. Dari sudut pandang operator, bagaimanapun perdebatan tentang kesadaran berkembang, keputusan apakah manusia akan terus ditempatkan untuk mengawasi keluaran AI tetap harus ditentukan oleh perusahaan itu sendiri.
Yang kedua adalah kerja sama antarnegara. Bulletin of the Atomic Scientists berpendapat bahwa keamanan nuklir dapat menjadi pintu masuk bagi kerja sama AI antara AS dan Tiongkok. Gagasannya adalah bahwa meskipun kedua negara saling berseteru, akan lebih mudah membentuk forum diskusi jika ada kepentingan bersama dalam pengendalian nuklir. Yang ketiga adalah regulasi medis. Menurut Radiology Business, Society of Radiology telah mengeluarkan pendapat seiring FDA bergerak untuk mengatur AI generatif. Sekelompok pakar yang terlibat dalam pencitraan diagnostik di lingkungan klinis memiliki suara langsung dalam membentuk usulan regulasi. Bagi perusahaan, prasyarat untuk merencanakan implementasi adalah mengikuti pendapat yang disampaikan oleh perhimpunan akademik dan kelompok industri di bidang mereka bahkan sebelum isi regulasi ditetapkan.
Jika kita melihat hasil audit OpenAI, diskusi tentang kesadaran dan hak, kerja sama AS-Tiongkok, serta pendapat akademisi tentang FDA, tampak bahwa pihak yang menarik garis batas terbagi menjadi pelaku usaha, komentator, negara, dan organisasi profesional. Pertanyaan tentang siapa yang akan memeriksa garis yang telah ditarik itu masih belum terjawab. Pada bagian berikutnya, kita akan melihat sejauh mana sudah ada sistem untuk melakukan pemeriksaan tersebut.
Memperluas verifikasi model diagnosis citra
Pada kanker payudara, dilaporkan sebuah model yang menggabungkan radiomik dari MRI dinamis dengan kontras multifase pada tumor dan area peritumoral beserta fitur konvensional untuk memprediksi jumlah limfosit yang menginfiltrasi tumor sebelum operasi (BMC Medical Imaging). Pada kanker endometrium, stratifikasi risiko praoperasi menggunakan kombinasi radiomik MRI multiparametrik dan pembelajaran mendalam (deep learning) telah diteliti (Frontiers in Oncology). Mengenai hati, telah dipublikasikan sebuah studi untuk membedakan secara noninvasif karsinoma hepatoseluler dari kolangiokarsinoma intrahepatik berbentuk massa dengan menggabungkan model deep learning dari MRI dinamis dengan kontras dan model klinis (Frontiers in Oncology). Ketiganya bertujuan menambah jumlah informasi yang tersedia untuk mengambil keputusan sebelum operasi atau biopsi. Pihak yang mempertimbangkan penerapan model perlu lebih dulu menentukan bukan hanya angka akurasinya, tetapi juga tahap pengobatan tempat model tersebut akan digunakan.
Laporan yang menggunakan citra CT dan patologi juga terus bermunculan. Model berbasis Transformer digunakan untuk memprediksi prognosis kanker neuroendokrin paru. Studi tersebut merupakan kohort retrospektif dua pusat (Frontiers in Oncology). Untuk metastasis kelenjar getah bening pada kanker lambung stadium awal, risiko praoperasi dinilai menggunakan Transformer multimodal dengan whole slide image dari biopsi endoskopi (Annals of Biomedical Engineering). Pada kanker kandung kemih invasif otot, model cross-attention transformer yang dapat diinterpretasikan berbasis CT dengan kontras digunakan untuk memprediksi kesintasan bebas progresi. Hal ini disajikan sebagai studi multisenter (Abdominal Radiology). Ini mencakup desain retrospektif dan laporan yang terbatas pada dua fasilitas. Apakah model tersebut dapat digunakan apa adanya dalam perawatan medis sehari-hari perlu dikonfirmasi melalui verifikasi terpisah. Di sisi lain, munculnya desain yang mendorong interpretabilitas berkaitan langsung dengan isu pengawasan, yaitu apakah dokter dapat memeriksa keluaran model.
Penerapan AI citra meluas hingga di luar bidang kedokteran. Sebuah studi yang menggunakan model CNN untuk mengklasifikasikan citra MRI otak anjing yang abnormal diterbitkan di Scientific Reports. Ada pula studi yang membandingkan metode terawasi dan tidak terawasi untuk mengekstraksi tumor otak dari citra MRI (Romanian Reports in Physics). Di bidang yang lebih dekat dengan pertanian, prototipe AI ringan yang menggunakan satu kamera untuk mendeteksi dan menyingkirkan apel yang buruk diuji dalam proses penyortiran daring (Bioengineer.org). Teknologi analisis citra yang sama digunakan untuk diagnosis manusia, diagnosis hewan, dan penyortiran buah. Oleh karena itu, perlu diputuskan secara terpisah untuk setiap penerapan seberapa besar bagian proses yang diserahkan kepada mesin dan apa yang harus diperiksa oleh manusia.
Seiring semakin banyaknya verifikasi yang dilakukan, berhasil atau tidaknya implementasi akan ditentukan oleh siapa yang dapat terus memeriksa keluaran dan bagaimana caranya, bukan oleh akurasinya itu sendiri.
Kesamaan dari setiap bagian adalah bahwa, dibandingkan dengan kecepatan AI diperkenalkan dan digunakan, mudah untuk memastikan apakah pengawasan dan dukungan manusia dapat dipertahankan nantinya. Dengan berlanjutnya pemangkasan tenaga kerja, muncul pertanyaan tentang tanggung jawab apa yang mampu diemban oleh mereka yang tetap bertahan. Di pasar modal, menjadi perlu untuk menentukan apakah kekhawatiran melebihi kenyataan. Terkait dukungan emosional, penggunaannya meluas dan para ahli menunjukkan bahwa hal itu berkembang pada saat yang sama. Pemantauan keselamatan memerlukan konfirmasi pihak ketiga, dan diagnosis citra memerlukan keputusan tentang pada tahap pengobatan mana ia ditempatkan. Apakah akan bergegas melakukan pengenalan atau menundanya dapat ditentukan tidak hanya oleh besarnya efek yang diharapkan, tetapi juga oleh apakah sistem pengawasan dan dukungan telah dibangun sebelum pengenalan.
Q1: Dengan jumlah orang saat ini, apakah Anda memiliki cukup orang dan waktu untuk terus memeriksa hasil pekerjaan yang dipercayakan kepada AI bahkan setelah implementasi? Q2: Apakah Anda memasukkan hasil konfirmasi eksternal dan komentar para ahli sebagai syarat persetujuan penggunaan AI, alih-alih hanya mengandalkan penjelasan dari penyedia? Q3: Apakah efek yang diharapkan dari penerapan AI dibandingkan dengan biaya dan personel yang diperlukan untuk mempertahankan pengawasan dan dukungan manusia dalam forum pengambilan keputusan yang sama?
Terakhir, tiga pertanyaan
- Apakah jumlah orang saat ini memiliki cukup orang dan waktu untuk terus memeriksa hasil pekerjaan yang diserahkan kepada AI bahkan setelah implementasi? Q2: Apakah Anda memasukkan hasil konfirmasi eksternal dan komentar para ahli sebagai syarat untuk menyetujui penggunaan AI, alih-alih hanya bergantung pada penjelasan penyedia? Q3: Apakah efek yang diharapkan dari penerapan AI dibandingkan dengan biaya dan personel yang diperlukan untuk mempertahankan pengawasan dan dukungan manusia dalam forum penilaian yang sama? - Alih-alih hanya bergantung pada penjelasan penyedia, apakah hasil konfirmasi eksternal dan komentar para ahli dimasukkan sebagai syarat untuk menyetujui penggunaan AI? Q3: Apakah efek yang diharapkan dari penerapan AI dibandingkan dengan biaya dan personel yang diperlukan untuk mempertahankan pengawasan dan dukungan manusia dalam forum penilaian yang sama? - Apakah efek yang diharapkan dari penerapan AI dibandingkan dengan biaya dan personel yang diperlukan untuk mempertahankan pengawasan dan dukungan manusia dalam forum penilaian yang sama?
📚 Sumber (semua materi)
Semua item yang menjadi bahan edisi ini. Tautan eksternal dibuka di tab baru. 30 item.
AI dan Keuangan
Hidup dan Bekerja dengan AI
AI dan Layanan Kesehatan
AI dan Politik Internasional
AI di Seluruh Dunia
AI & Pendidikan
AI, Filsafat & Pemikiran
AI, Seni & Kreativitas
AI di Bidang Kedokteran (Perawatan Kanker, Penyakit Langka)
AI dan Pertanian
Regulasi, Keamanan, dan Geopolitik AI
AI dan Industri Farmasi
- Tempus AI dan Pathos AI Menandatangani Kesepakatan Data Neurologi Senilai hingga $55 Juta— www.tokenpost.com
- Tempus AI, Inc. Menjalin Perjanjian Multitahun dengan Bristol Myers Squibb untuk Melisensikan Data Onkologi Multimodal — marketscreener.com
- Dari EKG hingga Perawatan Berbasis AI: Tricog Health memperluas ambisi globalnya bersama Sanofi & OMRON Healthcare— Pos Farmasi India
AI dan Penelitian Kanker
- Klasifikasi gambar berbasis model CNN untuk kelainan MRI otak anjing— Laporan Ilmiah
- Prediksi praoperasi kadar limfosit yang menginfiltrasi tumor pada kanker payudara dengan radiomik DCE-MRI tumor–peritumor multifase dan fitur konvensional— Pencitraan Medis BMC
- Prediksi prognosis karsinoma neuroendokrin paru menggunakan model kecerdasan buatan berbasis transformer: studi kohort retrospektif dua pusat — Frontiers dalam Onkologi
- Menjelajahi metode terawasi dan tidak terawasi untuk segmentasi tumor otak pada citra MRI— Laporan Rumania di Bidang Fisika
- Radiomik berbasis MRI multiparametrik yang dikombinasikan dengan deep learning untuk stratifikasi risiko praoperasi karsinoma endometrium — Frontiers dalam Onkologi
- Penilaian Risiko Praoperasi Metastasis Kelenjar Getah Bening pada Kanker Lambung Dini Berbasis Multimodal Transformer Menggunakan Whole Slide Image dari Biopsi Endoskopi— Annals of Biomedical Engineering
- Model deep learning MRI dengan kontras dinamis yang dikombinasikan dengan model klinis untuk membedakan secara noninvasif karsinoma hepatoseluler dari kolangiokarsinoma intrahepatik berbentuk massa — Frontiers dalam Onkologi
- Model transformer cross-attention yang dapat diinterpretasikan berbasis CT dengan kontras untuk memprediksi kelangsungan hidup bebas progresi pada kanker kandung kemih invasif otot: studi multisenter— Radiologi Abdomen