Catatan Nik: Panik Massal di Slack, Hantu Pengangguran, dan Dongeng Mesin Kiamat

Gelas kopi kedua gue belum juga habis pas Slack di laptop tiba-tiba berisik bukan main jam delapan pagi tadi. Bukan notifikasi biasa, Sar. Ini tipe notifikasi beruntun yang bikin layar getar tanpa jeda gara-gara salah satu associate director gak sengaja ngebocorin draf presentasi restrukturisasi regional ke channel general.

Isi slidenya? Sebuah diagram arsitektur sistem baru bertuliskan Automated Valuation & Market Intelligence Engine, lengkap dengan estimasi penghematan biaya operasional sebesar empat puluh persen untuk regional branches dalam dua tahun ke depan.

Efeknya instan. Anak-anak research dan analis junior langsung kalap. Ruang obrolan pribadi gue mendadak penuh sama pesan panik. Mereka mikir, setelah Bram cabut beberapa minggu lalu sambil bawa dua lead valuer dan ninggalin lubang gede di divisi, manajemen bukannya rekrut pengganti, malah mau sekalian ngegantiin sisa tim yang ada pakai otomasi AI.

Gue cuma bisa geleng-geleng kepala sambil ngabisin kopi yang udah mulai dingin. Ironisnya, drama panik di kantor ini pas banget sama topik kuliah di materi Implementasi AI minggu kedua kemarin: etika, disrupsi pekerjaan, sampai paranoia ancaman eksistensial mesin.

Sambil nunggu jam makan siang dan nyicil bacaan jurnal buat minggu depan, gue ngerasa kita harus bedah kegelisahan ini bareng-bareng. Tarik napas dulu, Sar. Mari kita urai benang kusut antara histeria korporat, data riil, dan batas etika sistem cerdas ini.

Histeria Pengangguran: Dari Operator Lift Sampai Analis SCBD

Reaksi pertama orang tiap kali dengar kata kecerdasan buatan pasti gak jauh dari satu kalimat horor: “Kerjaan gue bakal diambil alih mesin gak, ya?”

Ketakutan anak-anak kantor tadi pagi itu valid banget secara psikologis, tapi kalau kita tarik garis sejarah ke belakang, fenomena ini sebenernya lagu lama yang diputar dengan kaset baru. Disrupsi teknologi itu bukan kiamat pekerjaan, melainkan pergeseran bentuk kerjaan.

Lo inget gak sejarah operator lift di awal abad ke-20? Dulu, lift itu barang mekanis rumit yang butuh operator khusus buat narik tuas manual, ngepasin lantai, dan ngebuka pintu teralis besi. Profesi itu masif banget, serikat pekerjanya kuat, dan pas sistem lift otomatis dengan tombol lantai diciptakan, para operator mogok massal karena ngerasa hidup mereka bakal hancur.

Hasilnya gimana sekarang? Operator lift memang punah, tapi gedung-gedung pencakar langit justru makin menjamur, ngebuka jutaan lapangan kerja baru di sektor pemeliharaan gedung, manajemen fasilitas, dan arsitektur modern.

Laporan World Economic Forum tahun 2018 sebenernya udah ngasih gambaran angka yang cukup seimbang soal transisi ini. Mereka memprediksi ada sekitar 75 juta pekerjaan yang bakal tergeser oleh otomasi dan AI, tapi di saat yang sama, sekitar 133 juta peran baru bakal lahir sampai tahun 2022.

Secara hitung-hitungan makroekonomi, net balance-nya surplus puluhan juta lapangan kerja. Tapi, ini jebakannya, Sar: angka surplus itu gak serta-merta bikin transisinya mulus dan tanpa air mata.

Masalah paling krusial bukan di jumlah kursinya, tapi di jenis kompetensinya. Seorang junior valuer yang kerjaannya cuma copy-paste data transaksi tanah dari PDF ke spreadsheet Excel gak bisa tiba-tiba besok pagi berubah jadi AI prompt engineer, data pipeline curator, atau system auditor. Kecepatan mesin belajar dan berevolusi jauh melompati kecepatan manusia buat sekolah lagi atau ganti haluan karir.

Kesenjangan kompetensi inilah yang bikin kepanikan massal di kantor gue tadi pagi jadi terasa nyata banget. Jurang antara pekerjaan yang hilang dan pekerjaan baru yang tercipta itu dalem banget, dan di jurang itulah kecemasan manusia bersarang.

Kenapa Bos di Singapura Lebih Ngebet Otomasi Dibanding Kita?

Ada hal menarik yang sempat dibahas dosen gue kemarin soal ketimpangan adopsi teknologi secara geografis. Kenapa inisiatif sistem penilaian otomatis tadi pagi datangnya dari kantor regional di Singapura atau bos-bos ekspat, sementara manajemen lokal di Jakarta cenderung santai sebelum draf itu bocor?

Jawabannya simpel: kalkulasi upah kerja alias labor cost.

Otomasi itu mahal di awal. Lo butuh belanja infrastruktur cloud, bayar lisensi foundation models, bangun arsitektur sistem, sampai nyewa konsultan buat fine-tuning model. Di negara-negara maju yang upah tenaga kerjanya tinggi, return on investment (ROI) dari proyek otomasi bakal kelihatan cepet banget. Ngeganti lima analis pemula di London atau Singapura yang gajinya ribuan dollar per bulan dengan satu pipeline AI bakal langsung bikin neraca keuangan divisi hijau royo-royo dalam setahun.

Sebaliknya, di negara berkembang kayak kita, biaya tenaga kerja manusia masih relatif murah dibanding total biaya operasional sistem cerdas level enterprise. Sering kali, langganan API berkapasitas tinggi, sewa server GPU, dan biaya maintenance data engineer justru jauh lebih mahal daripada nggaji tiga staf riset lokal buat ngerjain tugas yang sama secara manual.

Makanya, dorongan buat langsung ngeganti manusia pakai mesin di Jakarta sebenernya gak se-mendesak yang dibayangkan para analis junior tadi pagi.

Tapi jangan salah kaprah dulu. Begitu teknologi AI makin murah dan open-source models makin efisien berjalan di perangkat standar, gelombang itu bakal tetep nyapu kantor kita di SCBD. Kantor cabang lokal gak bakal punya pilihan selain ngikutin standar efisiensi yang udah disetel sama kantor pusat mereka di negara maju. Ketimpangan ini cuma ngulur waktu, bukan ngebatalin keniscayaan.

Realitas AI Hari Ini: Belum Sakti, Masih Rapuh dan Gampang Tertipu

Di tengah kegaduhan Slack kantor, gue sempat nyeletuk di obrolan pribadi bareng salah satu analis senior. Gue bilang, “Lo jangan paranoid duluan sebelum ngecek arsitektur sistemnya.”

Banyak orang, termasuk para petinggi korporat yang suka kemakan istilah keren, mikir kalau AI zaman sekarang itu udah kayak entitas mahatahu yang siap ngambil alih semua keputusan bisnis. Padahal kenyataannya di lapangan teknis, keterbatasan AI saat ini masih sangat mencolok, terutama di dua area vital: robustness (ketangguhan sistem) dan semantic understanding (pemahaman makna bahasa).

Sistem AI yang kita punya hari ini itu sangat rapuh terhadap perubahan konteks (distribution shift). Model machine learning yang dilatih pakai data pasar properti komersial SCBD selama lima tahun terakhir bisa langsung ngaco analisanya begitu ada regulasi tata ruang baru dari pemerintah daerah yang belum pernah masuk ke data latih. Begitu dihadapkan sama kasus anomali, sistem cerdas ini gak punya common sense buat bilang “tunggu, ini gak masuk akal.” Dia bakal tetep ngeluarin angka valuasi dengan tingkat confidence tinggi, padahal hasilnya halusinasi total.

Kelemahan kedua ada di pemahaman bahasa. Large language models atau sistem NLP secanggih apa pun saat ini pada dasarnya cuma mesin penebak probabilitas kata statistik berikutnya. Mereka gak paham konsep hak kepemilikan tanah adat, nuansa tawar-menawar di balik meja makan pejabat, atau dinamika sengketa zonasi properti di Jakarta Selatan. Mereka cuma mencocokkan pola teks.

Kalau kantor gue nekat ngeganti total para valuer manusia pakai sistem otomatis cuma demi nutupin lubang yang ditinggal Bram, taruhannya bukan cuma etika kerja, tapi reputasi legal perusahaan.

Siapa yang mau tanggung jawab hukum kalau algoritma salah ngitung nilai agunan aset gedung senilai triliunan rupiah cuma gara-gara salah nafsirin klausul perjanjian sewa yang ambigu? Mesin gak bisa diseret ke pengadilan, Sar. Tanggung jawab etis dan yuridis tetep harus nempel di leher manusia.

Menambal Retakan Sosial: Pajak Robot, UBI, dan Tanggung Jawab Korporat

Lalu, kalau disrupsi pekerjaan ini nyata tapi transisinya gak seindah angka di atas kertas, solusinya apa? Di kelas kemarin, dosen gue sempat ngebahas beberapa proposal kebijakan sosial yang sering jadi perdebatan panas di kalangan akademisi dan pembuat kebijakan.

Pertama, program re-edukasi dan reskilling skala besar. Teori ini terdengar manis di dokumen kebijakan publik: latih ulang pekerja lama biar relevan sama ekonomi baru. Tapi prakteknya luar biasa terjal. Berapa banyak perusahaan yang mau investasi dana nyata buat mendidik ulang staf mereka daripada tinggal rekrut orang baru yang udah punya skill siap pakai? Di kantor gue aja, jatah anggaran pelatihan divisi marketing tahun ini dipotong setengah demi efisiensi operasional pasca restrukturisasi.

Kedua, ide soal robot tax atau pajak otomasi. Konsep yang sempat diusulkan tokoh seperti Bill Gates ini nuntut perusahaan yang ngegantiin pekerja manusia dengan mesin buat bayar pajak khusus. Uang pajaknya nanti dialokasikan negara buat mendanai program transisi sosial, pelatihan kerja, atau tunjangan hidup pekerja yang terdampak.

Kedengarannya adil, kan? Tapi kritikusnya langsung nyerang dari sudut lain: mendefinisikan apa itu “robot” atau “AI” dalam hitungan pajak itu luar biasa rumit. Apakah macro spreadsheet biasa kena pajak? Apakah chatbot customer service dihitung sebagai satu karyawan yang hilang? Kalau regulasinya terlalu kaku, inovasi teknologi malah bisa mandek dan perusahaan bakal kabur ke negara yang pajaknya lebih longgar.

Ketiga, Universal Basic Income (UBI) alias pendapatan dasar universal. Skenario di mana negara ngasih sejumlah uang tunai secara reguler ke setiap warga negara tanpa syarat apa pun, buat ngejamin kebutuhan dasar mereka terpenuhi di era ketika pekerjaan manusia makin tergeser oleh mesin.

Ini debat yang gak pernah selesai antara kaum sosialis, teknokrat Silicon Valley, dan ekonom konservatif. Apakah UBI bakal bikin manusia jadi malas dan kehilangan makna hidup, atau justru jadi jaring pengaman paling manusiawi biar masyarakat gak roboh pas gelombang otomasi ekstrem beneran datang?

Di sela-sela baca materi ini tadi, Dylan sempat video call sebentar dari asramanya di Magelang. Dia cuma mau cerita kalau sepatu olahraganya jebol pas latihan basket dan minta dikirimin yang baru buat akhir pekan. Sederhana banget, sih, tapi mendadak gue jadi mellow.

Melihat muka anak gue yang masih polos di layar ponsel gue jadi mikir keras: dunia kerja macam apa yang bakal dia hadapi sepuluh tahun lagi pas dia lulus kuliah? Apakah sekolah-sekolah kita hari ini lagi nyiapin anak-anak buat masa depan yang udah gak ada, ngelatih mereka ngerjain tugas-tugas hafalan dan logika mekanis yang justru paling gampang dilumat sama kecerdasan buatan?

Dongeng Mesin Kiamat: Ledakan Kecerdasan dan Superintelligence

Bicara soal masa depan, kita gak bisa nutup mata dari topik paling ekstrem di materi kemarin: risiko eksistensial atau ancaman superintelligence.

Dosen gue sempat ngebedah konsep intelligence explosion yang sering dipopulerkan filsuf kayak Nick Bostrom. Idenya begini: saat ini kita masih di tahap Artificial Narrow Intelligence (ANI), di mana AI cuma jago di satu tugas spesifik. Tapi bayangin kalau suatu hari nanti kita berhasil nyiptain sistem yang setara dengan kecerdasan umum manusia (Artificial General Intelligence / AGI), dan sistem itu punya kemampuan buat merancang atau menyalin sistem AI yang lebih pintar dari dirinya sendiri (recursive self-improvement).

Siklus perbaikannya gak bakal butuh waktu puluhan tahun kayak evolusi biologis manusia. Mesin bisa mengoptimalkan kodenya sendiri, memproses jutaan iterasi dalam hitungan detik, dan memperbanyak kapasitas dirinya sendiri secara eksponensial. Kecerdasan mesin bisa melesat dari level rata-rata manusia ke level yang jutaan kali melampaui gabungan seluruh otak manusia di bumi hanya dalam rentang waktu beberapa minggu atau bahkan beberapa hari.

Itulah yang disebut superintelligence. Dan begitu titik itu terlewati, manusia kehilangan kendali sepenuhnya. Bukan berarti mesin bakal mendadak jadi jahat kayak robot di film Hollywood yang punya dendam pribadi ke manusia.

Bahaya terbesarnya justru terletak pada competence misalignment: mesinnya terlalu pintar dan terlalu efisien dalam ngejar tujuan yang kita setel, tapi tujuan itu gak selaras dengan kelangsungan hidup manusia.

Kira-kira analoginya kayak manusia yang mau ngebangun jalan tol dan ngeratain sarang semut di tanah. Kita gak benci sama semut-semut itu, kita gak punya niat jahat ke mereka. Kita cuma lagi ngebangun infrastruktur, dan keberadaan sarang semut itu kebetulan menghalangi jalan. Di hadapan superintelligence, manusia takut posisi kita bakal berakhir persis kayak semut-semut tadi.

Mungkin kedengarannya kayak fiksi ilmiah yang terlalu jauh kalau dibandingin sama drama draf slide penilaian properti di kantor gue tadi pagi. Tapi memahami spektrum risiko AI dari yang paling membumi (kehilangan mata pencaharian harian) sampai yang paling abstrak (ancaman eksistensial peradaban) bikin gue sadar satu hal: tata kelola dan etika sistem cerdas ini bukan mata kuliah tempelan. Ini fondasi yang bakal nentuin apakah teknologi ini jadi berkah buat manusia atau bumerang yang menghancurkan kita pelan-pelan.

Giliran Lo, Sar: Bedah Logika Manajemen

Dari seluruh kekacauan di kantor gue dan poin-poin materi kuliah di ini, coba deh Sar, bongkar beberapa hal yang masih ngeganjel di kepala gue:

1. Kalau lo jadi konsultan sistem informasi independen yang diminta masukan sama manajemen kantor gue di SCBD, argumen manajerial dan etis apa yang bakal lo kasih buat ngerem ambisi mereka yang mau buru-buru ngeganti tim valuer junior dengan sistem otomasi penuh, tanpa bikin lo dicap anti-inovasi?
2. Soal wacana robot tax dan UBI: dalam konteks negara berkembang kayak Indonesia yang sektor informalnya masih raksasa dan basis data perpajakannya belum serapi negara maju, apakah instrumen kebijakan kayak gitu realistis buat diterapin, atau kita butuh pendekatan jaring pengaman sosial yang sama sekali beda?
3. Terkait keterbatasan robustness dan pemahaman bahasa pada AI modern, di titik mana batas toleransi sebuah organisasi harus ditarik sebelum sebuah keputusan bisnis kritikal diserahkan ke sistem cerdas? Kapan kita tahu pasti kalau sebuah proses bisnis mutlak gak boleh diautomasikan sepenuhnya?

Babai bestie, gue mau bikin kopi lagi sebelum balik ke log variabel itu.

Nik