Step 2 yang Hilang: Antara Hype AI dan Keuntungan Nyata

Bayangin kamu lagi jalan-jalan di London terus nemu flyer aneh di tengah demo anti-AI. Flyer itu isinya ngejek pake meme South Park: "Langkah 1: Ciptakan super mind digital. Langkah 2: ? Langkah 3: ?" Aktivis Pause AI yang buat ini minta kita pause dulu sampe tahu apa sebenarnya Langkah 2 tersebut.

Kamu inget episode "Gnomes" South Park tahun 1998? Para gnome curi celana dalam terus presentasi bisnis mereka: Fase 1: Kumpulin celana dalam. Fase 2: ? Fase 3: Profit.

Meme ini legenda internet buat ngejek startup atau kebijakan yang visinya keren tapi strategi implementasinya zonk. Elon Musk aja pernah pake buat bahas misi Mars.

Nah, situasi AI sekarang persis gitu. Perusahaan udah bangun teknologinya (Langkah 1) dan janjiin transformasi besar (Langkah 3). Tapi gimana nyampe ke sana? Masih tanda tanya gede.

Bagi Pause AI, Langkah 2 harusnya regulasi ketat soal safety. Tapi bentuknya kayak gimana dan siapa yang enforce, masih debat panas tiada henti.

Sementara para AI boosters yakin Langkah 3 adalah keselamatan umat manusia. Mereka lihat kita bakal menuju masa depan cerah pake "economically transformative technology," kata ilmuwan utama OpenAI, Jakub Pachocki.

Masalahnya, setiap perusahaan ambil rute berbeda buat sampe ke sana. Beberapa mau fokus enterprise, beberapa consumer. Terus siapa yang bakal berhasil? Apakah ada yang bakal sampe tujuan?

Di balik klaim besar soal masa depan, ada penilaian lebih realistis soal tantangan implementasi yang sering diabaikan. Ada dua studi kontradiktif yang menarik perhatian.

Studi Anthropic prediksi pekerjaan apa yang paling kena dampak LLM. Manajer, arsitek, dan media perlu siap-siap adaptasi. Tukang kebun, konstruksi, dan hospitality? Lebih aman dari otomasi total.

Tapi prediksi mereka cuma teoritis berdasarkan task apa yang LLM bisa kerjakan di lab, bukan performa nyata di tempat kerja yang berantakan.

Studi lain dari Mercor, startup hiring AI, nguji beberapa AI agents pake model top tier dari OpenAI, Anthropic, dan Google DeepMind. Agent ini disuruh ngerjain 480 tugas kantoran yang biasa dikerjain bankir, konsultan, dan pengacara.

Hasilnya miris. Semua agent gagal nyelesaiin sebagian besar tugas mereka. Padahal ini pake model paling canggih yang ada sekarang.

Kenapa bisa beda jauh banget? Pertama, perhatiin siapa yang ngomong dan apa motivasinya. Anthropic punya kepentingan bisnis jualan AI, jadi wajar kalau prediksinya agak optimis.

Terus, kebanyakan yang bilang AI bakal gede-gedean ngambil kesimpulan dari seberapa cepat coding tools AI berkembang. Padahal nggak semua kerjaan di dunia ini bisa diselesain pake coding.

Studi lain nemu LLM jelek banget buat strategic judgment calls yang kompleks. Terus pas diterapin, tools ini harus masuk ke lingkungan yang penuh manusia dan workflow legacy yang sudah ada bertahun-tahun.

Kadang malah nambahin AI bikin kerjaan jadi lebih ribet dan lambat. Ya mungkin workflow lama harus dirubah total dari nol buat AI bisa transformative, tapi itu butuh waktu bertahun-tahun dan nyali besar dari manajemen.

Lubang besar itu ada persis di tempat Langkah 2 harusnya berdiri. Kurangnya kesepakatan soal apa yang bakal terjadi dan gimana caranya bikin vacuum informasi yang berbahaya.

Vacuum ini langsung diisi sama klaim liar mingguan, data atau nggak. Kita udah kehilangan pijakan sama pemahaman nyata soal apa yang bakal datang.

Sampai-sampai satu tweet atau post LinkedIn bisa guncang pasar saham dalam hitungan menit. Kita butuh lebih sedikit tebakan spekulatif dan lebih banyak bukti empiris nyata.

Tapi itu butuh transparansi dari pembuat model soal limitation mereka, koordinasi erat antara peneliti akademis dan bisnis, sama framework evaluasi baru yang nunjukin apa yang beneran terjadi pas AI dirilis ke produksi.

Industri tech (dan ekonomi global) sekarang berdiri di atas janji bahwa AI bakal transformative. Tapi itu masih spekulasi, bukan fakta pasti.

Jadi takeaway praktis buat kamu: kapan pun denger klaim bombastis soal AI bakal gantiin pekerjaan atau ubah industri dalam semalam, inget bahwa sebagian besar bisnis masih bingung mau ngapain sama "celana dalam" mereka. Jangan terlalu cepat percaya hype sebelum lihat implementasi nyata yang sustainable.