Bagaimana masa depan kecerdasan buatan menurut Ray Kurzweil, Amy Webb, Dario Amodei, dan para peneliti AI? Dengarkan pembahasan enam babak perkembangan AI, dari agen digital hingga kemungkinan superintelligence, serta implikasinya bagi Indonesia.
Dengarkan episode
Putar audio melalui pemutar di atas. Naskah percakapan tersedia di bawah untuk pembaca yang lebih memilih teks.
Transkrip podcast
Pip: Selamat datang di AIGEO.ID — tempat kita bertanya kapan AI melampaui manusia, lalu menyadari bahwa jawabannya tergantung pada siapa yang ditanya.
Mara: Episode ini mengikuti tulisan NBN yang memetakan prediksi para futurolog besar tentang masa depan AI — dari babak agen digital hingga skenario singularity yang masih diperdebatkan. Mari kita mulai dengan peta gagasan itu sendiri.
Ramalan Para Futurolog: Enam Babak Masa Depan AI
Pip: Pertanyaan utamanya sederhana tapi jawabannya tidak: kapan AI melampaui manusia, dan dalam definisi siapa? Para futurolog besar tidak sepakat — bukan karena salah satu keliru, tapi karena mereka memulai dari asumsi yang berbeda tentang kecerdasan, laju kemajuan, dan hambatan yang ada.
Mara: Temuan utama artikel ini langsung menetapkan kerangkanya: “prediksi masa depan AI paling berguna bila dibagi menjadi kemampuan yang telah teramati, proyeksi bersyarat, dan skenario spekulatif. Tahun 2029 yang sering dikutip Ray Kurzweil bukan tenggat ilmiah universal.”
Pip: Jadi kita punya tiga laci berbeda — bukan satu garis waktu tunggal. Yang sudah terjadi, yang mungkin terjadi dengan syarat tertentu, dan yang masih spekulatif. Perbedaan itu penting supaya kita tidak memperlakukan ramalan futurolog seperti jadwal kereta.
Mara: Kurzweil memang yang paling sering dikutip — AGI 2029, singularity 2045, pertumbuhan eksponensial. Tapi Amy Webb menawarkan lensa berbeda: bukan satu penemuan tunggal, melainkan konvergensi. Dalam 2026 Convergence Outlook-nya, ia mengangkat tema compute shock, living intelligence, dan emotional outsourcing — bagaimana keterbatasan komputasi, bioengineering, dan hubungan manusia-perangkat mengubah bisnis secara bersamaan.
Pip: Masuk akal. Model AI yang canggih tidak otomatis menciptakan revolusi industri kalau jaringan energi, sensor, dan regulasinya belum siap.
Mara: Dario Amodei dalam esai Machines of Loving Grace mengusulkan istilah “powerful AI” — sistem yang bisa unggul dalam beragam tugas intelektual dan memakai perangkat digital untuk bekerja, bukan sekadar menjawab pertanyaan. Ia menilai kemampuan itu mungkin muncul sedini 2026, tapi secara eksplisit mengakui bisa memerlukan waktu jauh lebih panjang.
Mara: Sementara itu, AI Futures Project yang dipimpin Daniel Kokotajlo menyusun skenario rinci — lalu mengevaluasinya sendiri. Pada Februari 2026, mereka melaporkan sebagian indikator hanya berjalan sekitar 65% dari kecepatan skenario awal, dan memundurkan perkiraan otomatisasi penuh pemrograman tiga sampai lima tahun.
Pip: Skenario yang diperbarui ketika bukti baru muncul — itu justru yang seharusnya terjadi.
Mara: Yoshua Bengio dan lebih dari 100 pakar dalam International AI Safety Report 2026 menambahkan dimensi penting: kemampuan AI bersifat “jagged” — sistem bisa unggul di ujian sulit sekaligus gagal di tugas yang terlihat sederhana, atau gagal memulihkan kesalahan dalam alur kerja panjang.
Pip: Artikel ini kemudian menyusun enam babak analitis — dari AI sebagai alat prediksi di era 1950-an hingga skenario superintelligence yang tidak bisa dijadwalkan secara ilmiah. McKinsey dalam Technology Trends Outlook 2026 juga masuk di sini, menekankan bahwa masa depan AI bergantung pada kemampuan ekonomi membangun perangkat keras dan infrastruktur fisik, bukan hanya meningkatkan parameter model.
Mara: Dan OECD memetakan empat lintasan hingga 2030 — melambat, berlanjut, berakselerasi, atau plateau — dengan catatan bahwa para pakar tidak punya dasar kuat untuk menetapkan peluang presisi bagi masing-masing skenario.
Pip: Jadi ini bukan soal memilih tahun yang tepat, melainkan membangun keputusan yang tahan terhadap berbagai kemungkinan sekaligus. Untuk Indonesia, itu berarti adopsi agen yang diaudit, literasi AI, dan dataset bahasa lokal — langkah konkret yang tidak perlu menunggu kepastian AGI.
Mara: Tepat. Artikel ini menutup dengan lima indikator yang bisa diuji dari tahun ke tahun — durasi tugas agen, biaya komputasi per tugas berguna, dampak produktivitas terukur, pencapaian sains yang bisa direplikasi, dan keselamatan sistem saat bertindak di dunia nyata. Bukan tanggal, tapi ukuran yang bisa diperbarui. Pertanyaan berikutnya adalah bagaimana tata kelola dan risiko ikut berkembang di setiap babak itu.
Pip: Yang menarik dari semua ini — Kurzweil, Webb, Amodei, Bengio — tidak ada yang benar-benar bertentangan. Mereka hanya melihat dari sisi yang berbeda dari gunung yang sama.
Mara: Dan peta gabungan mereka lebih berguna dari satu ramalan tunggal. Babak berikutnya tentang bagaimana organisasi dan kebijakan benar-benar merespons — itu yang akan kita ikuti.
Komentar & Diskusi