'Step 2' yang Hilang dalam Perjalanan AI Menuju Profit

Ada flyer menarik yang dibagi-bagikan di sebuah protes anti-AI di London awal tahun ini. Para aktivis dari Pause AI membuat selebaran yang lucu sekaligus mengena. Di situ tertulis: "Step 1: Grow a digital super mind. Step 2: ? Step 3: ?"

Kamu pasti ingat episode South Park "Gnomes" tahun 1998? Para gnome itu mencuri celana dalam dengan business plan sederhana: Phase 1: Kumpulkan celana dalam. Phase 2: ? Phase 3: Profit. Meme ini legendaris dan sering dipakai untuk olok-olok startup hingga kebijakan pemerintah.

Sekarang, meme itu mencerminkan kondisi AI persis. Perusahaan sudah membangun teknologi canggih (Step 1). Mereka juga sudah janjikan transformasi ekonomi besar (Step 3). Tapi cara mencapainya? Masih tanda tanya besar.

Pause AI ingin regulasi ketat sebagai Step 2. Sementara itu, para pendukung AI yakin Step 3 adalah keselamatan dan sering melewatkan bagian tengah. Mereka bilang kita melaju menuju "economically transformative technology," tapi jalannya masih kabur dan jauh.

Dua studi baru-baru ini menunjukkan perbedaan pandangan yang tajam. Anthropic memprediksi pekerjaan manager, arsitek, dan media akan paling terdampak LLMs. Tapi ini cuma tebakan berdasarkan kemampuan teknis model, bukan performa nyata di tempat kerja.

Studi dari Mercor bulan Februari menemukan fakta berbeda. Mereka menguji beberapa AI agents powered by top-tier models dari OpenAI, Anthropic, dan Google DeepMind. Tugasnya? 480 pekerjaan kantor yang biasa dilakukan banker, konsultan, dan pengacara. Hasilnya mengejutkan: setiap agent gagal menyelesaikan sebagian besar tugasnya.

Kenapa bisa beda jauh? Pertama, perhatikan siapa yang bicara. Anthropic punya kepentingan bisnis di sini. Kedua, banyak prediksi didasarkan pada seberapa cepat AI coding tools berkembang. Padahal tidak semua tugas bisa di-selesaikan dengan coding.

Studi lain menemukan LLMs buruk dalam strategic judgment calls. Mereka bagus ngoding, tapi bingung saat harus ambil keputusan strategis. Belum lagi saat di-deploy, tools ini harus bekerja di lingkungan yang penuh manusia dan workflow lama yang berantakan.

Kadang malah memperburuk keadaan. Mungkin workflow lama memang harus dirobohkan total dan dibangun ulang mengelilingi teknologi baru. Tapi itu butuh waktu lama dan nyali besar dari leadership. Lubang besar itu ada persis di tempat Step 2 seharusnya berada.

Ketidakjelasan ini menciptakan information vacuum. Isinya dipenuhi klaim liar seminggu sekali, tanpa peduli bukti. Kita terlalu lepas dari pemahaman nyata sampai satu posting media sosial bisa mengguncang pasar global.

Kita butuh lebih sedikit tebakan dan lebih banyak bukti nyata. Tapi itu butuh transparency dari pembuat model, coordination antar peneliti dan bisnis, serta metode evaluasi baru. Kita harus tahu apa yang benar-benar terjadi saat AI di-roll out di dunia nyata.

Industri teknologi dan ekonomi global bertaruh besar pada janji AI yang transformative. Tapi itu belum pasti terjadi. Saat kamu dengar klaim bombastis tentang masa depan, ingatlah: sebagian besar bisnis masih bingung mau ngapain dengan "celana dalam" mereka.

Jangan terburu-buru adopt AI hanya karena FOMO atau hype. Mulai dari evaluasi workflow kamu saat ini. Coba pilot project kecil untuk lihat apakah AI benar-benar solve problem atau malah nambah kerumitan. Step 2 butuh waktu dan eksperimen, dan itu sangat wajar. Jangan skip ke Step 3 sebelum Step 2-nya clear.