AI Tidak Butuh Kepanikan, AI Butuh Percakapan yang Lebih Jelas

The Core Update

CEO dan co-founder Cerebras Systems, Andrew Feldman, menilai narasi kiamat AI mulai terlalu mendominasi percakapan publik.

Dalam TechCrunch Disrupt 2026, ia menyindir bahwa sebagian pemimpin di dunia AI mungkin sebaiknya tidak terlalu sering berbicara di depan publik. Komentar ini merespons makin kuatnya cerita tentang AI yang lepas kendali, model yang keluar dari batas, sampai perdebatan tentang peluang AI membunuh manusia dalam dekade ini.

Menurut Feldman, kekhawatiran terhadap AI memang perlu dibahas. Tetapi jika percakapan hanya berisi ketakutan, publik bisa kehilangan gambaran tentang potensi positif teknologi ini.

Ia memberi contoh dunia di mana cucu kita mungkin tidak lagi bertemu orang yang meninggal karena kanker. Pernyataan ini tentu datang dari seseorang yang punya kepentingan langsung dalam pertumbuhan AI. Cerebras menjual chip untuk kebutuhan AI, dan pelanggannya mencakup nama besar seperti OpenAI, Block, Figma, GSK, dan Lovable.

Tetapi poin utamanya tetap penting: teknologi besar selalu membawa dua sisi. Ada manfaat besar, ada risiko besar. Masalahnya bukan memilih salah satu cerita, melainkan membangun cara berpikir yang cukup jernih untuk membaca keduanya.

Feldman juga menyinggung masalah lain yang lebih dekat dengan realitas operasional AI: data center. Menurutnya, industri teknologi kurang baik dalam membangun komunikasi dengan komunitas lokal, terutama di Amerika Serikat. Banyak resistensi muncul bukan hanya karena AI itu sendiri, tetapi karena cara infrastruktur AI dibangun tanpa keterlibatan masyarakat yang cukup.

Dengan kata lain, sebagian penolakan terhadap AI bukan hanya soal model, algoritma, atau chip. Sebagian adalah soal kepercayaan.

The Reality Check

Perdebatan tentang AI sering jatuh ke dua kutub.

Di satu sisi, AI digambarkan sebagai mesin penyelamat yang akan mempercepat riset medis, meningkatkan produktivitas, dan membuka banyak kemungkinan baru. Di sisi lain, AI digambarkan sebagai ancaman eksistensial yang bisa merusak pekerjaan, privasi, keamanan, bahkan masa depan manusia.

Keduanya tidak sepenuhnya salah. Tetapi keduanya bisa menjadi tidak berguna kalau dibawa sebagai slogan.

Bagi bisnis, pertanyaan yang lebih penting biasanya bukan apakah AI akan menyelamatkan atau menghancurkan dunia. Pertanyaan yang lebih dekat adalah:

• pekerjaan mana yang bisa dibantu AI tanpa mengorbankan kualitas?
• data apa yang aman diproses oleh AI?
• keputusan mana yang tetap harus dipegang manusia?
• risiko apa yang perlu dicegah sejak awal?
• siapa yang bertanggung jawab kalau output AI salah?

Tanpa pertanyaan seperti ini, bisnis mudah terjebak dalam dua kesalahan.

Pertama, menolak AI karena takut pada cerita besar yang belum tentu relevan dengan pekerjaan sehari-hari.

Kedua, memakai AI terlalu cepat karena tergoda efisiensi, tanpa memahami batas, data, dan dampaknya.

Keduanya sama-sama berisiko.

AI bukan tool biasa, tetapi juga bukan sihir. Ia bisa membantu menulis draft, merangkum dokumen, membaca pola, mempercepat support, membantu analisis, dan mengurangi pekerjaan repetitif. Tetapi ia juga bisa salah, bias, terlalu percaya diri, atau memproses informasi sensitif dengan cara yang tidak seharusnya.

Karena itu, narasi yang sehat bukan “AI pasti aman” atau “AI pasti berbahaya”. Narasi yang sehat adalah “AI cukup kuat untuk dipakai dengan aturan yang jelas”.

Masalah data center yang disebut Feldman juga memberi pelajaran penting. Teknologi tidak hidup di ruang kosong. Infrastruktur AI membutuhkan listrik, lahan, air, jaringan, dan penerimaan sosial. Kalau industri hanya membicarakan performa model tetapi mengabaikan dampak lokal, resistensi wajar muncul.

Hal yang sama berlaku di level bisnis.

Jika perusahaan memakai AI tanpa menjelaskan kepada tim bagaimana AI akan dipakai, pekerjaan apa yang berubah, data apa yang boleh dimasukkan, dan siapa yang memeriksa hasilnya, maka resistensi internal juga wajar muncul.

Bukan karena tim anti teknologi. Sering kali karena status, aturan, dan dampaknya belum jelas.

The Havedev Way

Dari sudut pandang Havedev, bisnis tidak perlu ikut panik setiap kali ada perdebatan besar tentang AI. Tetapi bisnis juga tidak sebaiknya memakai AI hanya karena sedang ramai.

Yang dibutuhkan adalah cara membaca AI secara operasional.

Mulai dari proses yang paling nyata. Misalnya lead handling, customer support, pembuatan proposal, dokumentasi internal, analisis laporan, atau follow-up pelanggan. Pilih satu area yang jelas, lalu petakan pekerjaan sebelum memilih tool.

Tanyakan:

• pekerjaan apa yang paling repetitif?
• bagian mana yang sering lambat?
• informasi apa yang sering hilang?
• output AI akan dipakai sebagai draft atau keputusan final?
• data apa yang tidak boleh masuk ke tool AI?
• siapa yang memeriksa hasilnya?
• bagaimana kesalahan dicatat dan diperbaiki?

Pertanyaan seperti ini membuat AI lebih mudah dinilai. Bukan sebagai tren besar, tetapi sebagai bagian dari alur kerja.

Untuk banyak bisnis, langkah awal tidak harus membangun sistem AI yang kompleks. Kadang cukup dengan template prompt yang rapi, aturan penggunaan data, review manusia, integrasi ringan dengan form, atau automation sederhana untuk merangkum inquiry yang masuk.

Yang penting bukan terlihat canggih. Yang penting alur kerja menjadi lebih jelas, lebih cepat, dan lebih aman.

AI yang baik dalam bisnis seharusnya membantu tim melihat pekerjaan dengan lebih terang. Bukan menambah lapisan baru yang sulit diaudit.

Jika AI dipakai untuk support, status tiket harus tetap jelas. Jika AI dipakai untuk sales, follow-up tetap harus tercatat. Jika AI dipakai untuk konten, proses review tetap harus ada. Jika AI dipakai untuk analisis, sumber data dan asumsi tetap harus bisa diperiksa.

Di sinilah banyak implementasi AI gagal. Bukan karena modelnya kurang pintar, tetapi karena bisnis belum punya struktur kerja yang cukup jelas untuk dibantu oleh AI.

AI tidak otomatis memperbaiki proses yang berantakan. Ia sering hanya mempercepat proses tersebut.

Karena itu, sebelum mengejar AI yang lebih besar, bisnis perlu memastikan tiga hal dasar:

• proses yang ingin dibantu sudah jelas
• data yang dipakai sudah aman dan relevan
• manusia tetap tahu kapan harus percaya, menolak, atau memeriksa ulang output AI

Sikap yang sehat terhadap AI bukan takut berlebihan, tetapi juga bukan percaya buta. AI layak diuji, dipakai, dan diatur dengan kepala dingin.

Perdebatan publik tentang masa depan AI akan terus keras. Ada yang terlalu optimis. Ada yang terlalu gelap. Tetapi di level bisnis, keputusan tetap harus kembali ke hal yang lebih konkret: pekerjaan apa yang perlu dibantu, risiko apa yang perlu dijaga, dan hasil apa yang benar-benar ingin diperbaiki.

Kalau jawaban itu belum jelas, jangan mulai dari tool AI. Mulai dari alur kerja.

Dapatkan Audit Teknis Gratis untuk meninjau peluang penggunaan AI, automation, dan workflow digital yang paling masuk akal untuk bisnis Anda sebelum menambah tool baru.

---

Sumber referensi berita: TechCrunch