Era AI dengan Koneksi Dial-up

• Seperti internet pada masa-masa awal 1990-an, revolusi AI juga berada pada tahap awal ketika kekacauan dan ekspektasi berlebihan hidup berdampingan, dan baik optimisme berlebihan maupun skeptisisme sama-sama hanya sebagian benar
• Perdebatan tentang apakah AI akan menggantikan atau menciptakan pekerjaan terpolarisasi, mirip dengan perdebatan seputar internet di masa lalu
• Berlawanan dengan prediksi AI, lapangan kerja radiolog justru meningkat, tetapi ini merupakan contoh ketika paradoks Jevons (fenomena ketika peningkatan efisiensi mendorong kenaikan konsumsi total) bekerja
• Demam investasi AI menunjukkan tanda-tanda overheating yang mirip gelembung dot-com, tetapi investasi infrastruktur para hyperscaler dalam jangka panjang akan membangun fondasi masa depan
• AI menciptakan kategori pekerjaan dan industri baru, dan transformasi struktur kerja sedang berlangsung hingga makna “software engineer” sendiri pun berubah

---

Kemiripan antara internet awal dan era AI

• Pada awal adopsi internet tahun 1995, jumlah situs web hanya sekitar 2.000 dan kebanyakan masih berupa struktur sederhana berbasis teks
  • Memuat gambar butuh beberapa menit, pembayaran online tidak dipercaya, dan nasihat seperti “jangan percaya orang asing di internet” adalah hal yang umum
• Saat itu, kaum optimistis meramalkan pertumbuhan pesat e-commerce dan virtual reality, sementara kaum pesimistis menganggap internet hanya tren sesaat
• Dua puluh lima tahun kemudian, orang mengalami perubahan yang melampaui perkiraan, seperti mengonsumsi berita lewat media sosial, pacaran lewat aplikasi, dan menggunakan layanan ekonomi berbagi
• Tulisan ini menganalogikan bahwa “era AI saat ini seperti internet pada 1995” dan menyoroti bahwa prediksi dari kedua kutub ekstrem sama-sama hanya sebagian benar

Paradoks ketenagakerjaan: mengapa dampak otomatisasi berbeda menurut industri

• Geoffrey Hinton pada 2016 memperingatkan bahwa AI akan memicu pengangguran massal dan mengatakan bahwa “pelatihan radiolog harus dihentikan”
  • Namun pada 2025, posisi residensi radiologi di AS naik 4% menjadi 1.208, tertinggi sepanjang sejarah, dan tingkat kekosongannya juga mencatat rekor tertinggi
  • Gaji rata-rata mencapai US$520.000, naik 48% dibanding 2015, sehingga tetap menjadi spesialisasi medis dengan bayaran tertinggi kedua
• Peneliti Deena Mousa menunjukkan paradoks Jevons sebagai penyebab kegagalan prediksi itu
  • AI meningkatkan produktivitas radiolog sehingga biaya diagnosis turun → lebih banyak orang menjalani pemindaian → lapangan kerja meningkat
  • Kompleksitas dunia nyata, tugas di luar pengenalan gambar, serta hambatan regulasi/asuransi juga menjadi faktor tambahan
• Tokoh industri teknologi seperti Satya Nadella dan Aaron Levie mengemukakan pandangan optimistis bahwa “di hampir semua bidang yang menerapkan AI, permintaan akan meningkat”

• Batas paradoks Jevons

  • Andrej Karpathy menunjukkan bahwa radiologi tidak cocok untuk analisis awal soal penggantian pekerjaan
    • Bidangnya multidimensi, berisiko tinggi, dan sangat diatur
    • Perubahan pekerjaan lebih dulu terjadi di area yang sederhana dan repetitif, mandiri, singkat, serta berbiaya kesalahan rendah
  • Apakah lapangan kerja meningkat atau tidak bergantung pada persaingan antara besarnya permintaan yang belum terpenuhi dan kecepatan peningkatan produktivitas
    • Keseimbangan kedua faktor itu membuat hasil tiap industri berbeda-beda

• Analisis data lintas industri selama 200 tahun

  • Riset ekonom James Bessen menyajikan data ketenagakerjaan/produktivitas/permintaan industri tekstil, baja, dan otomotif dari 1800 hingga 2000
    • Tekstil dan baja: setelah otomatisasi, lapangan kerja naik selama sekitar 100 tahun lalu turun tajam
    • Manufaktur mobil: relatif bertahan stabil dan tidak mengalami penurunan tajam yang sama
  • Grafik produktivitas menunjukkan kenaikan produktivitas eksponensial di semua industri (skala logaritmik)
    • Pada 1900, pekerja tekstil bisa menghasilkan 50 kali lebih banyak dibanding 1800
  • Grafik permintaan: pada fase awal, penurunan harga menciptakan permintaan massal
    • Pada awal 1800-an, kebanyakan orang hanya mampu membeli satu celana atau satu kemeja
    • Otomatisasi menurunkan harga drastis → orang bisa membeli beberapa pakaian → lapangan kerja dan produktivitas melonjak bersamaan

• Kejenuhan permintaan dan penurunan lapangan kerja

  • Ketika permintaan jenuh, lapangan kerja berhenti di puncak permintaan tetapi otomatisasi tetap berjalan
    • Produktivitas terus naik → pada akhirnya lapangan kerja mulai turun
    • Tidak ada kebutuhan untuk pakaian tak terbatas atau laporan radiologi tak terbatas
  • Mobil menunjukkan pola berbeda: permintaannya masih belum jenuh
    • Sebagian besar orang di dunia masih belum memiliki mobil
    • Otomatisasi juga belum sepenuhnya menaklukkan bidang ini (mundurnya Tesla dari otomatisasi manufaktur penuh membuktikan batas teknologi saat ini)
    • Ketika permintaan dan potensi otomatisasi sama-sama tinggi, lapangan kerja bisa bertahan atau meningkat

• Kekhususan industri software

  • Waktu kejenuhan permintaan software adalah pertanyaan yang belum jelas
    • Selama ini, software yang dibuat manual menjadi faktor pembatas
    • Engineer yang mahal dan biaya tenaga kerja membatasi apa yang bisa dibangun perusahaan
  • Jika otomatisasi sangat meningkatkan produktivitas engineer, permintaan yang belum terpenuhi bisa meledak
    • Banyak perusahaan memiliki proyek yang bernilai bisnis tetapi tidak bisa dibangun karena biaya pengembangan tidak bisa dibenarkan atau karena kekurangan sumber daya
    • Contoh Amazon: ribuan ide tidak mendapat pendanaan karena kekurangan sumber daya engineering
  • Jika AI bisa menghasilkan software dengan biaya jauh lebih rendah, permintaan potensial yang sangat besar bisa terbuka
    • Pertanyaan kuncinya adalah kapan permintaan itu akan jenuh

• Faktor penentu hasil ketenagakerjaan per industri

  • Lapangan kerja di tiap industri bergantung pada persaingan antara dua kekuatan
    1. Besarnya dan pertumbuhan permintaan pasar yang belum terpenuhi
    2. Apakah pertumbuhan permintaan melampaui peningkatan produktivitas akibat otomatisasi
  • Bergantung pada keseimbangan dua faktor itu, tiap industri mengalami hasil yang berbeda-beda

Gelembung: euforia irasional membangun masa depan

• Ledakan dot-com pada 1990-an adalah masa ketika perusahaan menaikkan valuasi hanya dengan menambahkan “.com” ke nama mereka
  • Perusahaan infrastruktur menginvestasikan miliaran dolar pada serat optik dan kabel bawah laut (proyek mahal yang hanya mungkin karena hype)
  • Pada 2000-2001, keruntuhan dot-com datang dengan dramatis
• Perusahaan infrastruktur seperti Cisco sempat menjadi perusahaan paling bernilai di dunia lalu jatuh
  • Pets.com mengumpulkan US$82,5 juta saat IPO dan menghabiskan jutaan dolar untuk iklan Super Bowl, tetapi bangkrut hanya dalam 9 bulan

• Warisan positif gelembung dot-com

  • Gelembung dot-com juga benar dalam banyak hal
    • Pembangunan infrastruktur fisik yang memungkinkan YouTube, Netflix, dan Facebook
    • Perusahaan seperti Worldcom, NorthPoint, dan Global Crossing bangkrut, tetapi tetap meletakkan fondasi masa depan
  • Keruntuhan itu dalam jangka pendek membuktikan kaum skeptis benar, tetapi dalam jangka panjang kaum optimistis terbukti benar secara arah

• Euforia serupa pada ledakan AI saat ini

  • Startup AI yang didirikan mantan eksekutif OpenAI, Mira Murati, menggalang seed round US$2 miliar pada valuasi US$10 miliar (terbesar sepanjang sejarah)
    • Belum punya produk, dan menolak mengungkap apa yang akan dibuat maupun bagaimana akan menghasilkan uang
  • Sejumlah AI wrapper menggalang jutaan dolar pendanaan seed meski hampir tidak punya moat

• Investasi infrastruktur para hyperscaler

  • Belanja modal tahunan para hyperscaler naik lebih dari dua kali lipat sejak peluncuran ChatGPT
    • Microsoft, Google, Meta, dan Amazon secara kolektif menginvestasikan hampir US$500 miliar pada data center, chip, dan infrastruktur komputasi
  • Terlepas dari perusahaan mana yang akan bertahan, infrastruktur yang dibangun sekarang sedang menciptakan fondasi masa depan AI
    • Dari kapasitas inferensi hingga produksi listrik yang dibutuhkan untuk menopangnya

• Menilai apakah AI adalah gelembung

  • Azeem Azhar menawarkan kerangka kerja praktis untuk membandingkan ledakan AI lewat 5 indikator
    • Beban ekonomi (rasio investasi terhadap PDB)
    • Beban industri (rasio belanja modal terhadap pendapatan)
    • Lintasan pertumbuhan pendapatan (waktu pelipatan)
    • Overheating valuasi (price-to-earnings ratio)
    • Kualitas pendanaan (ketahanan sumber modal)
  • Hasil analisis: AI saat ini adalah ledakan yang didorong permintaan, bukan gelembung
    • Namun jika 2 dari 5 indikator masuk zona merah, maka itu memasuki wilayah gelembung

• Permintaan itu nyata, tetapi bukan jaminan bebas gelembung

  • OpenAI adalah salah satu perusahaan dengan pertumbuhan tercepat dalam sejarah
    • Tetapi itu saja tidak cukup untuk mencegah gelembung
  • Banyak perusahaan AI menghadapi masalah unit economics yang sama seperti perusahaan dot-com pada 1990-an
    • Pets.com juga punya jutaan pengguna, tetapi bangkrut karena pepatah “jika menjual dolar seharga 85 sen, Anda bisa mendapatkan pelanggan tanpa batas”
  • Terlepas dari adanya permintaan, polanya bisa mirip dengan 1990-an
    • Kelebihan pembangunan mungkin terjadi, kegagalan spektakuler juga mungkin terjadi
    • Tetapi infrastruktur itu akan melampaui siklus hype dan memungkinkan hal-hal yang saat ini belum bisa dibayangkan

Masa depan yang dapat diprediksi tak terduga

• Tahap awal revolusi AI

  • Kita berada di tahap awal revolusi AI (ibarat tahap modem berdecit di era internet)
    • Seperti perusahaan infrastruktur dulu menuangkan miliaran dolar ke serat optik, para hyperscaler kini menginvestasikan miliaran dolar ke komputasi
    • Seperti startup dulu menambahkan “.com”, kini mereka menambahkan “.ai” pada nama untuk mengejar valuasi lebih tinggi
  • Hype akan berputar antara euforia dan keputusasaan
    • Sebagian prediksi akan terlihat sangat salah
    • Sebagian yang tampak gila justru nanti terbukti terlalu konservatif

• Hasil yang terdiferensiasi menurut industri

  • Bertentangan dengan klaim para optimis Jevons, permintaan atas banyak hal akan mandek setelah kebutuhan manusia terpenuhi
  • Hasil ketenagakerjaan di semua industri bergantung pada besarnya dan pertumbuhan permintaan pasar yang belum terpenuhi, serta apakah pertumbuhan itu melampaui peningkatan produktivitas akibat otomatisasi

• Penurunan biaya membuka segmen pasar

  • Aswath Damodaran meremehkan valuasi Uber karena mengasumsikan Uber hanya akan menangkap sebagian pasar taksi yang sudah ada
    • Ia melewatkan fakta bahwa jika perjalanan dibuat jauh lebih murah, pasarnya sendiri akan meluas
    • Orang mulai naik Uber ke tujuan yang sebelumnya tidak akan mereka datangi jika harus membayar harga taksi
  • AI juga akan secara serupa memungkinkan produk dan layanan yang saat ini terlalu mahal untuk dibangun dengan kecerdasan manusia
    • Pemilik restoran menggunakan AI untuk membuat software rantai pasok kustom (sesuatu yang tidak akan pernah dibangun dengan developer manusia seharga US$100.000)
    • Organisasi nirlaba menerapkan AI untuk pertarungan hukum yang sebelumnya tidak mampu mereka tanggung

• Perubahan dapat diprediksi, tetapi detailnya tidak

  • Pada 1995, tidak ada yang meramalkan bahwa orang akan berkencan dengan orang asing di internet, naik mobil mereka (Uber), dan tidur di rumah mereka (Airbnb)
    • Tidak ada juga yang meramalkan bahwa influencer akan menjadi pekerjaan paling diinginkan di kalangan anak muda
  • Kreativitas manusia menghasilkan konsekuensi yang tidak bisa diprediksi oleh model mental saat ini
    • Wilayah dan industri baru diperkirakan akan muncul
  • AI dalam 5 tahun terakhir sudah membantu lebih banyak dalam menguraikan komunikasi hewan daripada 50 tahun sebelumnya
    • Bisakah kita memprediksi pekerjaan apa yang akan muncul jika teknologi memungkinkan percakapan penuh dengan hewan?
  • Pekerjaan paling diinginkan pada 2050 kemungkinan adalah pekerjaan yang belum ada hari ini
    • Kita belum bisa menamainya karena belum ditemukan

• Transformasi kategori pekerjaan

  • Internet membuat sebagian pekerjaan menjadi usang, tetapi mengubah pekerjaan lain dan menciptakan kategori baru
    • Pola yang sama diperkirakan terjadi pada AI
  • Pertanyaan Karpathy: “Enam bulan lalu saya diminta memilih apakah lima tahun ke depan software engineer akan lebih banyak atau lebih sedikit”
    • Itu dibiarkan sebagai latihan bagi pembaca

• Pelajaran dari kasus jurnalis

  • Jika kita kembali ke 1995 dan menanyakan hal yang sama tentang jurnalis:
    • Kita mungkin akan memprediksi lebih banyak jurnalis, karena internet memungkinkan jangkauan global dan menciptakan permintaan lebih besar
    • Selama sekitar 10 tahun awal, prediksi itu akan benar (lapangan kerja jurnalisme meningkat hingga awal 2000-an)
  • Tiga puluh tahun kemudian: jumlah surat kabar dan jumlah jurnalis sama-sama menurun
    • Tetapi “jurnalisme” berlangsung lebih banyak daripada sebelumnya
    • Hanya saja bukan semata oleh orang yang kita sebut jurnalis
  • Blogger, influencer, YouTuber, dan penulis newsletter melakukan pekerjaan yang dulu dikerjakan jurnalis tradisional

• Masa depan software engineer

  • Pola yang sama akan berlaku bagi software engineer
    • Akan ada lebih banyak orang yang melakukan pekerjaan software engineering
    • Dalam sekitar 10 tahun, makna “software engineer” akan berubah
  • Pemilik restoran yang disebut sebelumnya menggunakan AI untuk membuat software inventaris kustom khusus untuk dirinya
    • Mereka tidak akan menyebut diri mereka software engineer

• Masa depan AI yang tak bisa diprediksi

  • Seperti pada 1995, jika para optimis AI hari ini mengatakan bahwa “dalam 25 tahun orang akan lebih memilih berita dari AI daripada influencer media sosial, menonton karakter buatan AI alih-alih aktor manusia, menemukan pasangan lewat mak comblang AI (atau bahkan menggunakan pasangan AI itu sendiri), membalik total nasihat ‘jangan percaya AI’ sehingga bergantung pada AI untuk keputusan hidup-mati dan mempercayai AI membesarkan anak-anak”
    • Kebanyakan orang akan sulit mempercayainya
  • Meski memiliki semua kecerdasan (alami maupun buatan), tidak ada seorang pun yang bisa memprediksi dengan pasti seperti apa masa depan AI
    • CEO teknologi, peneliti AI, maupun orang acak di internet yang bicara panjang lebar sama saja
  • Entah detailnya tepat atau tidak, masa depan AI sedang dimuat

[GN⁺]

Komentar Hacker News

• Kemiripan dengan gelembung dot-com ada batasnya
  Karena konteks sosial, politik, dan ekonomi saat itu dan sekarang sepenuhnya berbeda
  Saat memprediksi masa depan, kita memang merujuk pada pola masa lalu, tetapi sering kali gagal mempertimbangkan perubahan konteks
  Ini tidak bisa dijelaskan hanya dengan permintaan atau otomatisasi semata; kita juga harus melihat interaksi sistem politik, sosial, dan ekonomi

• Menurut saya, sekarang adalah era mainframe AI
  Hanya segelintir perusahaan besar yang mampu mengoperasikan model tersentralisasi raksasa, dan kita pada dasarnya menyewa sumber daya komputasi mereka
  Saya berharap suatu hari nanti datang era komputasi personal, ketika model-model kecil tersebar di mana-mana

  • Era komputasi personal mungkin hanya ilusi sesaat
    Sekarang kebanyakan orang menggunakan komputer sebagai “terminal bodoh” yang terhubung ke layanan terpusat berbasis cloud
  • Kalau perusahaan bisa menjual “telur emas” setiap hari, tidak ada alasan bagi mereka untuk menjual angsa emasnya
  • Perangkat lunak zaman sekarang tidak berjalan tanpa internet
    Bahkan email, peta, dan Git pun sangat bergantung pada server terpusat, sehingga terasa seperti kembali ke era mainframe
  • Sebenarnya sudah ada banyak model kecil yang bagus, tetapi kebanyakan orang tidak punya perangkat keras atau kondisi teknis untuk menjalankannya
    Jika mencoba sendiri dengan alat seperti LM Studio, kita bisa merasakan bahwa model benar-benar dapat berjalan sepenuhnya secara lokal
  • Di era komputasi personal, ada masa ketika organisasi meminta file .doc sehingga tidak bisa memakai Linux sebagai OS utama
    Saya tidak ingin kembali ke masa seperti itu

• Saya merasa ada orang yang terlalu terlalu yakin soal AI
  Saya sendiri tidak cukup yakin untuk menyimpulkan setegas itu

  • Tapi saya juga ingin bertanya balik, apakah mereka punya “keberanian untuk salah”?
  • Kaum penganut teori gelembung kekurangan imajinasi, sehingga dengan sedikit saja imajinasi, timbul ilusi tampak seperti visioner
    Cara berpikir mereka terasa seperti contoh klasik efek Dunning-Kruger
  • Menyatakan dengan pasti bahwa ini gelembung juga merupakan bentuk kesombongan

• Saya sendiri belum pernah mendengar klaim bahwa “AI menciptakan lebih banyak lapangan kerja”
  Baik kerja fisik maupun kerja pengetahuan pada akhirnya ditakdirkan untuk diotomatisasi, jadi saya bertanya-tanya pekerjaan seperti apa yang akan tercipta

  • Saya juga berpikir sama
    Rasanya penulis secara artifisial menciptakan dua kubu agar posisinya sendiri tampak sebagai titik tengah di antara keduanya

• Sulit membandingkan infrastruktur serat optik era dot-com dengan pusat data saat ini
  Serat optik masih bisa dipakai 10 tahun kemudian, tetapi pusat data menjadi usang secepat bahan makanan segar hanya dalam beberapa tahun karena kemajuan teknologi
  Dalam 10 tahun, tidak seorang pun akan peduli pada peralatan saat ini

• Belakangan ini saya merasakan kelelahan AI
  Untuk memperbaiki email singkat, ini lumayan, tetapi untuk hal yang mendalam tidak terlalu berguna
  Saya tidak merasa ini layak dibayar

  • Sebaliknya, bagi saya AI adalah pemecah masalah sulit
    Saya membayar ChatGPT Plus dan GitHub Copilot, dan keduanya memberi saya solusi yang tidak bisa saya temukan sendiri

• Klaim bahwa “biaya insinyur yang mahal membatasi pengembangan” itu keliru
  Perusahaan besar punya modal yang cukup, dan masalah sebenarnya adalah kompleksitas perangkat lunak dan batas pemahaman manusia
  Jika hal ini disorot, argumennya akan lebih meyakinkan
  Seluruh tulisannya terasa penuh gaya sok

• Analisisnya bagus, tetapi yang terlewat adalah kemungkinan AI bisa berjalan langsung di ponsel pintar atau desktop dalam 5–10 tahun ke depan
  Jika itu terjadi, investasi pusat data saat ini dan struktur yang berpusat pada Nvidia bisa menjadi tidak berarti

  • Kalau begitu, mungkin semua komputer akan memakai GPU Nvidia

• Orang-orang pada 1990-an sangat optimistis terhadap teknologi
  Di TV pun mereka percaya perangkat seperti smartphone akan segera dipakai, dan justru kenyataannya terasa datang terlalu lambat

  • Faktanya, iklan AT&T tahun 1993 "You Will" memprediksi masa depan dengan cukup akurat
  • Saya masih menunggu mobil terbang
  • Bahkan dalam berita penyiaran publik nasional Islandia pada 1999, sudah ada prediksi tentang pembayaran lewat ponsel dan internet
    Lihat video terkait

• Tulisan ini diteliti dengan baik dan menarik, tetapi terlepas dari realitas LLM saat ini
  Dengan struktur perangkat lunak sekarang, sulit mencapai AI setingkat fiksi ilmiah, dan masalah ini tidak akan selesai hanya dengan membakar banyak uang
  Demam investasi AI lebih mirip sarana redistribusi kekayaan daripada kemajuan teknologi, dan tidak berbeda dari gelembung dot-com, properti, atau kripto di masa lalu
  AGI tidak akan datang pada putaran kali ini, bahkan masalah halusinasi pun belum bisa diatasi
  Yang benar-benar dibutuhkan adalah kemampuan orang untuk mendengarkan sudut pandang satu sama lain, tetapi AI justru memperkuat gelembung masing-masing

  • Sekarang rasanya AI telah memasuki era ekspektasi berlebihan seperti fusi nuklir, VR, dan perjalanan superluminal