Memahami Era 'Jagged AGI': Mengapa Kecerdasan Buatan Sudah Hadir Lebih Cepat

Banyak pemimpin bisnis masih menanti momentum pasti kapan kecerdasan umum buatan atau artificial general intelligence (AGI) benar-benar tiba. Namun, tulisan terbaru jurnalis teknologi Kevin Roose dalam bukunya The AGI Chronicles mengungkap fakta berbeda: kita sesungguhnya sudah hidup di era AGI awal yang masih mentah.

Melalui tulisan yang dirilis Fast Company, mantan kolumnis The New York Times tersebut menjelaskan bahwa batas definisi AGI terus bergeser. Berdasarkan definisi tahun 2016, yaitu mesin yang mampu mengerjakan sebagian besar tugas kognitif setara manusia, kemampuan model AI masa kini dalam menulis kode, menganalisis dokumen, hingga memecahkan soal matematika rumit sudah memenuhi tolok ukur tersebut.

Jebakan Kecerdasan Bergerigi dan Lari Tanpa Henti

Menurut Roose, banyak pelaku usaha meremehkan kapabilitas AI karena sistem ini memiliki jagged intelligence atau kecerdasan yang tidak merata. Model cerdas ini mampu menyelesaikan persoalan matematika tingkat lanjut, namun masih bisa salah menghitung huruf dalam kata atau gagal pada aritmatika dasar.

Ketidakteraturan kemampuan ini memudahkan orang untuk mengabaikannya dan menyimpulkan teknologi ini cuma sensasi. Namun, kecerdasan bergerigi tetaplah sebuah kecerdasan.

Roose juga menyoroti paradoks para tokoh kunci kecerdasan buatan seperti CEO Anthropic Dario Amodei dan mantan kepala ilmuwan OpenAI Ilya Sutskever. Mereka cemas terhadap risiko keselamatan AI, namun merasa terpaksa terus mempercepat riset melalui pasokan komputasi masif agar tidak didahului pihak lain.

Dinamika ini berubah menjadi Red Queen's race, istilah biologi evolusioner saat semua pihak berlari sekuat tenaga hanya untuk bertahan di posisi yang sama. Akibatnya, ekspektasi adanya garis finis perlombaan pengembangan AI kian kabur.

Apa Artinya bagi Pelaku Usaha

Bagi direktur dan manajer di Indonesia, temuan ini mempertegas bahwa menunda adopsi AI hingga teknologinya sempurna adalah langkah keliru. Lembaga riset dan korporasi global memanfaatkan model bahasa besar bukan karena sistem tersebut bebas dari cacat, melainkan karena keandalannya dalam menangani persoalan umum secara fleksibel.

Karakteristik jagged intelligence menuntut pelaku usaha menyusun alur pengawasan manusia di lingkaran kerja (human-in-the-loop). Manajemen dapat mendelegasikan tugas pemrosesan awal seperti draf analisis, pembuatan kode pemrograman, atau peringkasan dokumen kepada AI, namun verifikasi detail angka dan logika mikro wajib tetap dikawal oleh staf profesional.

Mitigasi risiko paling relevan saat ini bukanlah mencemaskan skenario fiksi ilmiah tentang pemberontakan robot. Bahaya paling nyata justru lahir dari inersia kelembagaan, yaitu keengganan menyesuaikan struktur kerja dan efisiensi tim di tengah kemampuan otomasi cerdas yang sudah berjalan di industri.