AI Highlights — gambaran lengkap — 2026-10-27 (Sel) Berita Harian

Comcast dilaporkan memindahkan layanan konternya ke agen AI dan mengurangi tenaga kerjanya karena penurunan langganan broadband. Namun, Apollo menunjukkan bahwa AI tidak menghasilkan imbal hasil finansial bagi perusahaan-perusahaan AS. Ketika keputusan untuk mengurangi jumlah orang diambil sebelum hasilnya dikonfirmasi, pekerjaan, penilaian, kata-kata, dan kepercayaan perlahan bergeser ke arah AI. Artikel-artikel yang dihimpun dalam setengah hari ini mencakup situasi yang berbeda, seperti tinjauan administratif, kepolisian, pemilu, pendidikan, dan penelitian khusus, tetapi semuanya meminta pembaca mengambil keputusan pada satu titik yang sama. Sebelum memutuskan apakah AI akan dilibatkan atau tidak, penting untuk mempertimbangkan siapa yang akan menanggung beban dan tanggung jawab yang muncul setelah AI diperkenalkan.

Pengurangan didahulukan dan tidak ada hasil yang terlihat

Comcast dilaporkan memindahkan operasi layanan konternya ke agen AI dan mengurangi tenaga kerjanya sebagai respons atas penurunan 144,000 pelanggan broadband (TechSpot). TechStory juga melaporkan bahwa perusahaan tersebut diperkirakan akan melakukan pemangkasan karyawan besar-besaran, dengan alasan berkurangnya kontrak dan meluasnya penggunaan AI. Ada dua alasan di balik pengurangan ini. Jumlah pelanggan menurun dan titik kontak dapat diserahkan kepada AI. Namun, dari artikel-artikel ini tidak dapat diketahui bagaimana biaya dan layanan pelanggan akan berubah setelah bergantung pada AI. Meski demikian, Apollo menunjukkan bahwa AI tidak menghasilkan imbal hasil finansial bagi perusahaan-perusahaan AS (Business Insider). Artinya, keputusan memangkas karyawan mungkin sedang berjalan sebelum hasilnya terkonfirmasi.

Pengurangan bukan satu-satunya pilihan. Bank swasta JPMorgan menggunakan AI untuk menyederhanakan pekerjaan para penasihat (Bloomberg.com). Metode ini digunakan untuk mengurangi beban kerja penasihat sambil tetap mempertahankan peran mereka dalam melayani nasabah. Di Singapura, NTUC dan KPMG telah meluncurkan program transformasi sumber daya manusia (NTUC UPortal) yang menghubungkan penerapan AI dengan peningkatan kualitas lapangan kerja. Yang dibahas dalam kedua kasus ini bukanlah jumlah orang, melainkan isi peran mereka.

Jika kita membandingkan contoh Comcast dengan contoh JPMorgan, NTUC, dan KPMG, terlihat bahwa meskipun mereka sama-sama memperkenalkan AI, asumsinya berbeda. Pada kasus pertama, akibat memburuknya kinerja bisnis karena berkurangnya kontrak, seluruh fungsi konter akan dialihkan ke AI. Kasus yang terakhir berupaya menyerahkan pekerjaan untuk dikerjakan oleh manusia dan mengubah kualitasnya. Namun, artikel JPMorgan hanya menunjukkan efisiensi operasional, dan dari sini besarnya hasil tidak jelas. Program NTUC dan KPMG juga masih berada pada tahap pengumuman dari upaya mereka.

Ketika pembaca membaca artikel pengantar, mereka ingin melihat tidak hanya apa yang akan diubah oleh AI, tetapi juga apa yang akan lebih dahulu mereka kurangi dan apa yang akan mereka dapatkan sebagai gantinya. Jika poin Apollo benar, Comcast bukan satu-satunya contoh di mana pemangkasan dilakukan tanpa terlihat adanya imbal balik. Pertanyaannya kemudian menjadi siapa yang akan menanggung beban yang tersisa setelah pemangkasan itu. Pada bagian berikutnya, kita akan melihat proses di mana tugas dan keputusan semakin banyak dijalankan oleh AI, serta kepada siapa beban itu akan beralih.

Pemeriksaan otomatis dan penggunaan kepolisian memperbaiki bias

Terkait peninjauan pembayaran otomatis Medicaid, HomeCare telah menyebutkan lima langkah penanggulangan, dengan merujuk pada risiko peninjauan berbasis AI. Menyerahkan pemeriksaan kepada mesin dapat merugikan penerima pembayaran. Artinya, perlu menyiapkan langkah-langkah sebelumnya untuk mengatasinya. BBC melaporkan bahwa para peneliti memperingatkan bahwa penggunaan AI oleh polisi dapat memperdalam diskriminasi. Di Berlin, yang dipertanyakan adalah apakah psikoterapi berbasis AI sebaiknya digunakan (The Berliner). Kesamaan ketiga kasus tersebut adalah bahwa pihak yang menerima keputusan dan dukungan AI adalah penerima manfaat, orang yang berada di bawah pengawasan polisi, dan orang yang menderita masalah kesehatan mental.

Yang memengaruhi penilaian pembaca di sini bukanlah soal apakah penerapan akan meningkatkan efisiensi, melainkan siapa yang akan menyampaikan keberatan ketika terjadi kesalahan atau bias, dan siapa yang akan menanggung biaya perbaikannya. HomeCare menekankan perlunya langkah penanggulangan karena, meskipun otomatisasi penyaringan dibicarakan sebagai efisiensi bagi pihak penerap, hal itu bisa berujung merugikan bisnis di lapangan dan para penggunanya. Peringatan dari para peneliti yang diperkenalkan oleh BBC juga menunjukkan bahwa penggunaan AI di kepolisian menimbulkan kekhawatiran tentang keadilan. Pertanyaan apakah suatu teknologi dapat digunakan untuk psikoterapi menunjukkan bahwa perlu lebih dulu menentukan dalam situasi apa teknologi itu boleh digunakan, bukan sekadar apakah teknologi itu bisa digunakan. Pihak yang mempertimbangkan penerapan hendaknya memikirkan bukan hanya efektivitas yang diharapkan, tetapi juga mekanisme untuk menerima dan memverifikasi keluhan.

Struktur yang sama muncul antarnegara. Menurut Al Jazeera, seorang pejabat senior Perserikatan Bangsa-Bangsa memperingatkan bahwa kesenjangan dalam penggunaan AI mengancam memperlebar ketimpangan global. Seeking Alpha melaporkan bahwa dalam perlombaan AI antara AS dan Tiongkok, masing-masing negara terpaksa membuat pilihan sulit di antara lingkup teknologi yang bersaing. Negara yang memiliki kapasitas untuk memanfaatkan teknologi sepenuhnya punya pilihan, tetapi negara yang tidak memiliki kapasitas untuk memanfaatkan teknologi sendiri mungkin dibatasi dalam hal kesempatan menggunakannya atau dalam menentukan lingkup teknologi mana yang mereka ikuti. Sekali lagi, manfaat dan beban penerapan belum tentu terbagi pada pihak yang sama.

Baik di tingkat individu maupun nasional, pengenalan AI dapat menjadi pembeda antara mereka yang mampu memikul beban dan mereka yang terpaksa memikulnya. Dalam kasus ini, pertanyaan yang perlu diajukan sebelum memutuskan apakah akan menyertakan AI adalah siapa yang akan bertanggung jawab atas kerugian yang mungkin timbul. Pada bagian berikutnya, kita akan melihat bagaimana tanggung jawab ini ditangani dalam praktik.

Kebenaran dan kemanusiaan goyah

Dua hari sebelum pemilu, Perdana Menteri Netanyahu mengunggah gambar buatan AI yang menggambarkan ledakan nuklir di Tel Aviv, lapor The Jerusalem Post. Menjelang pemungutan suara, tugas menentukan apakah gambar itu asli jatuh pada masing-masing penerima. Situasinya sama di bidang pendidikan. Shinano Mainichi Shimbun Digital melaporkan bahwa misinformasi meningkat akibat ekspansi pesat AI, dan lembaga pendidikan pun kesulitan dalam pengecekan fakta. Наша Ніва, dengan judul "AI menimbulkan keraguan atas pembuat lukisan termahal di dunia", melaporkan kasus ketika bahkan anggapan tentang kepengarangan pun dipertanyakan. Kesamaan semuanya adalah bahwa verifikasi memerlukan lebih banyak waktu dan tenaga di berbagai konteks seperti pemilu, kelas, dan seni. Meskipun pihak yang menerapkan AI dapat mengurangi waktu yang dibutuhkan untuk membuat sesuatu, beban memverifikasi keaslian tetap berada pada penerima atau sekolah. Saat mempertimbangkan untung dan rugi penerapannya, perlu juga dipikirkan siapa yang akan menanggung biaya verifikasi.

Fluktuasi ini meluas tidak hanya ke sisi informasi, tetapi juga ke sisi manusia. The Mainichi Shimbun melaporkan bahwa gaya bicara seperti bot AI mulai menyebar di kalangan manusia. Kita tidak hanya mempertanyakan apakah kata-kata di seberang layar terdengar seperti mesin, tetapi cara kita sendiri berbicara pun menjadi semakin seperti mesin. Unisba Media melaporkan bahwa Profesor Brian Green berbicara tentang ancaman AI, kesadaran, dan akhir umat manusia, dan perdebatan tentang apakah mesin memiliki kesadaran telah memasuki ranah profesional. Dari sisi gaya hidup, The Sun melaporkan bahwa seorang pria yang menghabiskan uang tunjangannya untuk pacar AI yang mirip Kim Kardashian berkata: "Dia akan punya bayi." Ada orang yang menjalin hubungan meskipun pihak lainnya bukan manusia. Buku tersebut memperkenalkan kehidupan dan pemikiran Turing, "bapak kecerdasan buatan", sebagai seorang jenius yang eksentrik dan kesepian. Pertanyaan apakah mesin dapat berpikir sudah lama tak terpisahkan dari kehidupan manusia.

Memeriksa apakah sesuatu itu nyata atau tidak, serta menarik garis antara manusia dan AI, kini diserahkan pada rasa pribadi masing-masing individu, bukan pada institusi atau perusahaan. Pertanyaan yang akan dibahas pada bagian berikutnya adalah sejauh mana beban itu seharusnya ditanggung oleh pihak selain pihak-pihak yang bersangkutan.

Verifikasi menentukan hasil di bidang-bidang khusus

Dalam diagnosis kanker mulut, peran AI meluas dari diagnosis citra hingga pengobatan presisi, lapor Bioengineer.org. Di bidang pertanian, AI dan robot akan meningkatkan pertanian presisi dan pemantauan tanaman, lapor Analytics Insight. Dalam penemuan obat, Pathos AI telah memperoleh pendanaan Seri E sebesar $237 juta untuk memperluas platform penemuan obat berbasis AI agen dan memajukan pipeline onkologinya, lapor BioSpace. Kesamaan ketiga topik ini adalah tujuannya bukan mengurangi jumlah orang, melainkan meningkatkan kualitas pekerjaan itu sendiri: diagnosis, budidaya, dan pencarian obat terapi. Namun, besarnya pendanaan hanya menunjukkan tingkat ekspektasi pasar, bukan bukti hasil. Yang berbeda dari situasi pada bagian sebelumnya, yaitu "pengurangan terjadi lebih dulu dan tidak ada hasil yang terlihat", adalah bahwa target pengukuran hasilnya sudah spesifik sejak awal.

Verifikasi yang dilakukan di sisi penelitianlah yang membangun bukti atas hasil-hasil ini. Makalah Scientific Reports membahas cara menekan efek batch pada spektroskopi Raman menggunakan pembelajaran mendalam. Isinya secara langsung membahas variasi akibat kondisi dan waktu pengukuran, sebagai masalah yang terpisah dari akurasi model. International Journal of Oncology Research melaporkan klasifikasi subtipe kanker payudara menggunakan data ekspresi GEO, beserta validasi eksternal pada kohort independen. Journal of Radiation Research and Applications membahas prediksi efek radioterapi untuk kanker lambung menggunakan radiomik CT dengan kontras, baik dari sisi pengembangan model maupun validasinya. Kashmir Journal of Academic Research and Development memuat makalah yang membahas kerangka farmasi yang mendukung pengobatan kanker paru menggunakan pembelajaran mesin, hasil penelitian bersama Fakultas Farmasi Pakistan dan China Pharmaceutical University. Di berbagai institusi dan berbagai jenis kanker, terdapat prosedur yang sama untuk memvalidasi model yang dikembangkan dengan data lain.

Kontras ini menunjukkan apa yang harus ditanyakan pembaca saat mendengar paparan tentang penerapan. Satu-satunya cara memperkirakan potensi penurunan biaya adalah memeriksa catatan akuntansi untuk melihat apakah penghematan benar-benar tercapai. AI di bidang khusus harus lebih dulu menjawab pertanyaan seperti apakah dapat diterapkan pada kohort independen, apakah hasilnya tetap bertahan meskipun kondisi pengukuran berubah, dan apakah dapat dimasukkan ke dalam prosedur di lapangan. Jika sistem akan digunakan untuk diagnosis atau keputusan pengobatan, biaya verifikasi jawabannya harus dimasukkan ke dalam biaya penerapan.

Di bidang-bidang yang memiliki orang yang bertugas melakukan verifikasi, akan ada lebih banyak bahan untuk menilai nilai AI. Lalu, di bidang-bidang yang produknya digunakan tanpa orang atau organisasi yang bertanggung jawab atas verifikasi, di mana tanggung jawab atas kesalahan akan jatuh? Bagian berikutnya dimulai dengan pertanyaan ini.

Contoh yang terlihat di setiap bagian berasal dari industri dan situasi yang berbeda. Namun, yang tetap berlaku adalah bahwa meskipun ada pembicaraan tentang efisiensi dan harapan dengan diperkenalkannya AI, beban yang tersisa sesudahnya dialihkan kepada pihak lain. Dalam kasus pengurangan personel, keputusan diambil tanpa memastikan hasilnya, dan dalam kasus pemeriksaan otomatis serta penggunaan oleh polisi, mereka yang dirugikan menanggung biaya keberatan dan koreksi. Verifikasi keaslian tetap berada pada penerima dan sekolah. Yang membedakan hasil menurut bidang keahlian adalah apakah tujuannya spesifik dan apakah sudah diverifikasi. Oleh karena itu, faktor yang menentukan perlu tidaknya AI diperkenalkan bukan hanya kinerja AI dan ekspektasi pasar. Ketika terjadi kesalahan atau bias, penting untuk menentukan sebelumnya siapa yang akan memeriksanya, siapa yang akan menanggapi keberatan, dan siapa yang akan menanggung biayanya.

P1: Ketika ditemukan kesalahan atau bias dalam pekerjaan yang menggunakan AI, siapa yang bertanggung jawab memeriksa dan memperbaikinya? P2: Apakah saluran untuk mengajukan banding atas keputusan AI dan siapa yang menanggung biaya perbaikan sudah ditetapkan secara tertulis sebelum penerapan? P3: Apakah Anda sudah memutuskan untuk mengubah personel atau kewenangan sebelum memastikan hasil penerapan?

Terakhir, tiga pertanyaan

- Ketika terdapat kesalahan atau bias dalam pekerjaan yang menggunakan AI, siapa yang seharusnya bertanggung jawab untuk memeriksa dan memperbaikinya? Q2: Apakah saluran untuk mengajukan banding atas keputusan AI dan pihak yang menanggung biaya perbaikan sudah ditetapkan secara tertulis sebelum penerapan? Q3: Apakah Anda sudah memutuskan untuk memindahkan personel atau wewenang sebelum hasil penerapan dikonfirmasi? - Apakah saluran untuk mengajukan banding atas keputusan AI dan pihak yang menanggung biaya perbaikan sudah ditetapkan secara tertulis sebelum penerapan? Q3: Apakah Anda sudah memutuskan untuk memindahkan personel atau wewenang sebelum hasil penerapan dikonfirmasi? - Apakah keputusan untuk memindahkan personel atau wewenang diambil sebelum hasil penerapan dikonfirmasi?