Kecerdasan buatan tidak diragukan lagi merupakan protagonis tak terbantahkan di pasar keuangan dan teknologi dalam beberapa tahun terakhir. Namun, sementara antusiasme di sekitar potensinya tumbuh, sinyal juga muncul yang meminta kehati-hatian. Perbandingan dengan gelembung dot-com di awal milenium semakin sering terdengar di antara para analis dan investor, yang dengan cemas mengamati konsentrasi nilai di sebutan Tujuh yang Agung: Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia, dan Tesla.
Raksasa-raksasa ini hari ini mewakili lebih dari sepertiga dari indeks S&P 500, sebuah pangsa yang jauh lebih tinggi daripada 15% yang dipegang oleh saham teknologi utama selama puncak gelembung internet pada tahun 2000. Konsentrasi seperti itu secara tak terhindarkan meningkatkan risiko sistemik.
Ini bukan hanya masalah kapitalisasi. Selama era gelembung dot-com, dorongan untuk berinvestasi dalam infrastruktur telekomunikasi menyebabkan ekspansi berlebihan jaringan serat optik, yang berpuncak pada kegagalan besar ketika permintaan yang dijanjikan tidak terwujud dalam jangka pendek.
Hari ini, sejarah tampaknya terulang: perusahaan-perusahaan AI besar menginvestasikan ratusan miliar dolar untuk membangun pusat data baru, dengan total pengeluaran mendekati triliunan dolar, angka yang dulunya hanya terkait dengan PDB negara-negara besar. Pertanyaan yang diajukan semua orang adalah apakah gelombang investasi ini dibenarkan atau jika kita berada di ambang krisis baru.
Permintaan untuk Kecerdasan Buatan (AI): di luar ledakan konsumen
Perhatian media sering kali terfokus pada adopsi massal alat-alat seperti ChatGPT, yang pada bulan Juli saja melebihi lima miliar kunjungan. Namun, dampak ekonomi sebenarnya dari AI akan diukur berdasarkan adopsi oleh konsumen dan bisnis.
Menurut data yang diterbitkan oleh National Bureau of Economic Research, sekitar 40% populasi AS telah menggunakan sistem AI generatif pada akhir 2024, dan 23% telah memanfaatkannya setidaknya sekali untuk pekerjaan dalam seminggu sebelum survei. Adopsi AI di tempat kerja terjadi dengan kecepatan yang lebih cepat dibandingkan dengan yang tercatat untuk komputer pribadi atau internet pada masa awalnya masing-masing, menunjukkan bahwa kita menghadapi teknologi tujuan umum yang ditakdirkan untuk secara mendalam mengubah ekonomi.
Namun, jalan menuju pengembalian ekonomi yang nyata tidaklah sederhana. Sebuah studi yang dilakukan oleh MIT terhadap lebih dari 300 inisiatif AI publik, lebih dari 50 perusahaan, dan ratusan eksekutif, mengungkapkan bahwa 95% bisnis masih belum mendapatkan pengembalian dari investasi AI. Hanya 5% dari perusahaan yang dianalisis yang telah berhasil, berkat tiga faktor kunci: lebih memilih pembelian solusi siap pakai daripada pengembangan internal, mengintegrasikan AI langsung ke dalam unit bisnis daripada laboratorium pusat, dan memilih alat yang kompatibel dengan alur kerja yang ada.
Meskipun kesulitan dalam mengubah AI menjadi nilai konkret, 90% perusahaan sedang mempertimbangkan dengan serius untuk membeli solusi AI, mengkonfirmasi minat luas yang mengikuti siklus hype klasik dari teknologi inovatif.
Contoh emblematis adalah Bank of America, bank terbesar kedua di Amerika Serikat, yang telah mengalokasikan empat miliar dolar untuk teknologi baru seperti AI. Institusi ini telah mengembangkan alat yang membantu banker mempersiapkan pertemuan dengan klien, mengambil informasi dari berbagai sistem dan secara drastis mengurangi waktu persiapan.
Batasan dan prospek model AI saat ini
Perluasan penggunaan AI memicu debat tentang potensi sebenarnya dan keberlanjutan model pengembangan saat ini. Sejauh ini, kemajuan didorong oleh model bahasa besar, yang meningkat seiring dengan peningkatan daya komputasi dan jumlah data yang tersedia. Namun, beberapa suara otoritatif di sektor ini menyerukan kehati-hatian.
Richard Sutton, seorang pelopor dalam AI, telah mengamati pada tahun 2019 bahwa metode umum yang memanfaatkan kekuatan komputasi melampaui yang didasarkan pada kecerdikan manusia dan heuristik kompleks, mendefinisikan kenyataan ini sebagai "Pelajaran Pahit". Baru-baru ini, Sutton mengkritik penekanan yang berlebihan pada peningkatan skala, menyarankan perlunya perubahan paradigma menuju agen yang mampu belajar secara terus-menerus.
Bahkan Gary Marcus, seorang kritikus terkenal terhadap hype AI, telah menyatakan keraguan tentang versi terbaru ChatGPT, berargumen bahwa model pengembangan yang hanya didasarkan pada skala bukanlah jalur yang tepat. Menurut Marcus, pendekatan alternatif diperlukan, yang mungkin memerlukan investasi yang lebih besar dalam penelitian dan pengembangan.
Gelembung AI: antara optimisme berlebihan dan risiko koreksi
Perdebatan mengenai kemungkinan gelembung AI semakin memanas, terutama ketika tokoh-tokoh seperti Sam Altman, salah satu arsitek utama dari lonjakan saat ini, memperingatkan tentang risiko pasar yang terlalu panas. Altman dan investor lainnya menunjuk pada valuasi yang sangat tinggi, modal yang mengejar model bisnis yang masih belum teruji, dan bahaya membangun infrastruktur dengan kecepatan yang melebihi permintaan yang sebenarnya. Kekhawatiran ini bukan semata-mata mengenai potensi jangka panjang AI, tetapi lebih kepada harapan yang dibesar-besarkan yang bisa mengatur panggung untuk koreksi tajam.
Risiko nyata, menurut banyak pengamat, adalah terjebak dalam visi biner, berosilasi antara antusiasme yang tidak rasional dan ketakutan akan gelembung yang akan segera terjadi, tanpa memahami nuansa dari fenomena yang kompleks. Potensi jangka panjang AI tetap sangat besar, tetapi pasar jarang mengikuti trajektori linier. Koreksi dapat sementara memperlambat pertumbuhan, tetapi pada saat yang sama memperkuat disiplin investasi dan mendorong perhatian yang lebih besar pada kualitas model dan nilai ekonomi yang nyata.
Menuju masa depan: disiplin, penelitian, dan nilai konkret
Masa depan kecerdasan buatan akan bergantung pada kemampuan untuk mengatasi fase hype saat ini, dengan fokus pada penelitian lanjutan, meningkatkan kualitas model, dan investasi terarah yang bertujuan untuk menghasilkan nilai yang terukur bagi bisnis dan konsumen. Hanya dengan cara ini akan mungkin untuk menghindari kesalahan masa lalu dan sepenuhnya memanfaatkan peluang yang ditawarkan oleh teknologi yang ditakdirkan untuk mendefinisikan kembali cara kita hidup dan bekerja.
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Kecerdasan Buatan: antara hype, risiko gelembung, dan peluang nyata
Kecerdasan buatan tidak diragukan lagi merupakan protagonis tak terbantahkan di pasar keuangan dan teknologi dalam beberapa tahun terakhir. Namun, sementara antusiasme di sekitar potensinya tumbuh, sinyal juga muncul yang meminta kehati-hatian. Perbandingan dengan gelembung dot-com di awal milenium semakin sering terdengar di antara para analis dan investor, yang dengan cemas mengamati konsentrasi nilai di sebutan Tujuh yang Agung: Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia, dan Tesla.
Raksasa-raksasa ini hari ini mewakili lebih dari sepertiga dari indeks S&P 500, sebuah pangsa yang jauh lebih tinggi daripada 15% yang dipegang oleh saham teknologi utama selama puncak gelembung internet pada tahun 2000. Konsentrasi seperti itu secara tak terhindarkan meningkatkan risiko sistemik.
Ini bukan hanya masalah kapitalisasi. Selama era gelembung dot-com, dorongan untuk berinvestasi dalam infrastruktur telekomunikasi menyebabkan ekspansi berlebihan jaringan serat optik, yang berpuncak pada kegagalan besar ketika permintaan yang dijanjikan tidak terwujud dalam jangka pendek.
Hari ini, sejarah tampaknya terulang: perusahaan-perusahaan AI besar menginvestasikan ratusan miliar dolar untuk membangun pusat data baru, dengan total pengeluaran mendekati triliunan dolar, angka yang dulunya hanya terkait dengan PDB negara-negara besar. Pertanyaan yang diajukan semua orang adalah apakah gelombang investasi ini dibenarkan atau jika kita berada di ambang krisis baru.
Permintaan untuk Kecerdasan Buatan (AI): di luar ledakan konsumen
Perhatian media sering kali terfokus pada adopsi massal alat-alat seperti ChatGPT, yang pada bulan Juli saja melebihi lima miliar kunjungan. Namun, dampak ekonomi sebenarnya dari AI akan diukur berdasarkan adopsi oleh konsumen dan bisnis.
Menurut data yang diterbitkan oleh National Bureau of Economic Research, sekitar 40% populasi AS telah menggunakan sistem AI generatif pada akhir 2024, dan 23% telah memanfaatkannya setidaknya sekali untuk pekerjaan dalam seminggu sebelum survei. Adopsi AI di tempat kerja terjadi dengan kecepatan yang lebih cepat dibandingkan dengan yang tercatat untuk komputer pribadi atau internet pada masa awalnya masing-masing, menunjukkan bahwa kita menghadapi teknologi tujuan umum yang ditakdirkan untuk secara mendalam mengubah ekonomi.
Namun, jalan menuju pengembalian ekonomi yang nyata tidaklah sederhana. Sebuah studi yang dilakukan oleh MIT terhadap lebih dari 300 inisiatif AI publik, lebih dari 50 perusahaan, dan ratusan eksekutif, mengungkapkan bahwa 95% bisnis masih belum mendapatkan pengembalian dari investasi AI. Hanya 5% dari perusahaan yang dianalisis yang telah berhasil, berkat tiga faktor kunci: lebih memilih pembelian solusi siap pakai daripada pengembangan internal, mengintegrasikan AI langsung ke dalam unit bisnis daripada laboratorium pusat, dan memilih alat yang kompatibel dengan alur kerja yang ada.
Meskipun kesulitan dalam mengubah AI menjadi nilai konkret, 90% perusahaan sedang mempertimbangkan dengan serius untuk membeli solusi AI, mengkonfirmasi minat luas yang mengikuti siklus hype klasik dari teknologi inovatif.
Contoh emblematis adalah Bank of America, bank terbesar kedua di Amerika Serikat, yang telah mengalokasikan empat miliar dolar untuk teknologi baru seperti AI. Institusi ini telah mengembangkan alat yang membantu banker mempersiapkan pertemuan dengan klien, mengambil informasi dari berbagai sistem dan secara drastis mengurangi waktu persiapan.
Batasan dan prospek model AI saat ini
Perluasan penggunaan AI memicu debat tentang potensi sebenarnya dan keberlanjutan model pengembangan saat ini. Sejauh ini, kemajuan didorong oleh model bahasa besar, yang meningkat seiring dengan peningkatan daya komputasi dan jumlah data yang tersedia. Namun, beberapa suara otoritatif di sektor ini menyerukan kehati-hatian.
Richard Sutton, seorang pelopor dalam AI, telah mengamati pada tahun 2019 bahwa metode umum yang memanfaatkan kekuatan komputasi melampaui yang didasarkan pada kecerdikan manusia dan heuristik kompleks, mendefinisikan kenyataan ini sebagai "Pelajaran Pahit". Baru-baru ini, Sutton mengkritik penekanan yang berlebihan pada peningkatan skala, menyarankan perlunya perubahan paradigma menuju agen yang mampu belajar secara terus-menerus.
Bahkan Gary Marcus, seorang kritikus terkenal terhadap hype AI, telah menyatakan keraguan tentang versi terbaru ChatGPT, berargumen bahwa model pengembangan yang hanya didasarkan pada skala bukanlah jalur yang tepat. Menurut Marcus, pendekatan alternatif diperlukan, yang mungkin memerlukan investasi yang lebih besar dalam penelitian dan pengembangan.
Gelembung AI: antara optimisme berlebihan dan risiko koreksi
Perdebatan mengenai kemungkinan gelembung AI semakin memanas, terutama ketika tokoh-tokoh seperti Sam Altman, salah satu arsitek utama dari lonjakan saat ini, memperingatkan tentang risiko pasar yang terlalu panas. Altman dan investor lainnya menunjuk pada valuasi yang sangat tinggi, modal yang mengejar model bisnis yang masih belum teruji, dan bahaya membangun infrastruktur dengan kecepatan yang melebihi permintaan yang sebenarnya. Kekhawatiran ini bukan semata-mata mengenai potensi jangka panjang AI, tetapi lebih kepada harapan yang dibesar-besarkan yang bisa mengatur panggung untuk koreksi tajam.
Risiko nyata, menurut banyak pengamat, adalah terjebak dalam visi biner, berosilasi antara antusiasme yang tidak rasional dan ketakutan akan gelembung yang akan segera terjadi, tanpa memahami nuansa dari fenomena yang kompleks. Potensi jangka panjang AI tetap sangat besar, tetapi pasar jarang mengikuti trajektori linier. Koreksi dapat sementara memperlambat pertumbuhan, tetapi pada saat yang sama memperkuat disiplin investasi dan mendorong perhatian yang lebih besar pada kualitas model dan nilai ekonomi yang nyata.
Menuju masa depan: disiplin, penelitian, dan nilai konkret
Masa depan kecerdasan buatan akan bergantung pada kemampuan untuk mengatasi fase hype saat ini, dengan fokus pada penelitian lanjutan, meningkatkan kualitas model, dan investasi terarah yang bertujuan untuk menghasilkan nilai yang terukur bagi bisnis dan konsumen. Hanya dengan cara ini akan mungkin untuk menghindari kesalahan masa lalu dan sepenuhnya memanfaatkan peluang yang ditawarkan oleh teknologi yang ditakdirkan untuk mendefinisikan kembali cara kita hidup dan bekerja.