Jika AI Melampaui Manusia, Apakah Ekonomi Ikut Tumbuh Eksponensial?

Apakah superintelligence membuat ekonomi tumbuh eksponensial? Bandingkan studi produktivitas AI, hambatan produksi, dan dampaknya bagi Indonesia.
4 menit baca
Pekerja memeriksa lini produksi di pabrik
Ilustrasi konseptual berbantuan AI.
Dalam artikel ini
  1. Dari produktivitas tugas ke produktivitas ekonomi
  2. Mengapa para ekonom bisa sampai pada kesimpulan berbeda?
  3. Apa yang bisa diuji di Indonesia?
  4. Pertanyaan umum
Transparansi Penggunaan AI: AI membantu penelusuran sumber, penulisan, dan penyuntingan. Ilustrasi dibuat dengan AI. Naskah ini belum ditinjau redaktur manusia.

Bayangkan perangkat lunak AI membuat rancangan lini produksi baru dalam satu malam. Pabrik baru bisa menghasilkan barang setelah mesin disiapkan, pekerja dilatih, bahan datang dan hasilnya lolos uji. Kecepatan merancang dan kecepatan menghasilkan barang bergerak dengan jadwal berbeda. Perbedaan itulah yang menentukan apakah singularity AI bisa terlihat sebagai lonjakan pertumbuhan ekonomi.

Otomatisasi bisa meningkatkan produktivitas. Besarnya dampak ekonomi bergantung pada porsi aktivitas yang berubah, biaya yang dihemat, dan kemampuan organisasi mengerahkan sumber daya ke pekerjaan produktif lain. Ekonomi juga bisa mendapat produk dan cara kerja baru yang sebelumnya tidak mungkin. Semua jalur itu perlu diukur sebelum menyimpulkan pertumbuhan akan beralih ke laju yang terus meningkat.

Dari produktivitas tugas ke produktivitas ekonomi

Penelitian lapangan oleh Erik Brynjolfsson, Danielle Li, dan Lindsey Raymond menemukan bahwa asisten AI meningkatkan jumlah kasus yang diselesaikan per jam rata-rata 15% dalam studi terhadap 5.172 agen layanan pelanggan. Manfaat relatif lebih besar pada pekerja yang lebih baru dan kurang terampil dalam konteks penelitian tersebut. Unit pengukurannya adalah pekerjaan yang diselesaikan per jam dalam sebuah organisasi, sehingga angka itu tidak bisa langsung diterapkan pada semua pekerja atau sektor. Sumber studi Generative AI at Work.

Ilustrasinya: dalam layanan yang memerlukan 100 jam per pekan, AI memangkas waktu untuk bagian 30 jam menjadi 15 jam. Total waktu turun menjadi 85 jam apabila tahap lain tetap. Keluaran per jam dapat meningkat jika mutu tetap dan permintaan mencukupi. Jika jam yang dibebaskan justru dipakai untuk memperbaiki kesalahan agen, penghematan bersih menjadi lebih kecil. Pendapatan juga hanya bertambah jika ada tambahan permintaan, harga berubah, atau mutu yang lebih baik menghasilkan nilai bagi pengguna.

Tingkat pengukuranApa yang dicatat
TugasWaktu bersih, kualitas, koreksi, dan biaya teknologi untuk satu keluaran.
PerusahaanOutput bernilai tambah per jam, volume yang lolos standar, serta biaya integrasi dan pelatihan.
Industri atau ekonomiPenyebaran adopsi, perubahan kapasitas, produktivitas faktor total, serta distribusi pendapatan.

Mengapa para ekonom bisa sampai pada kesimpulan berbeda?

Daron Acemoglu memulai dari proporsi tugas yang terpapar dan perkiraan penghematan biaya di tingkat tugas. Makalah kerjanya menyajikan perkiraan kenaikan tingkat produktivitas faktor total paling banyak sekitar 0,66% selama sepuluh tahun berdasarkan estimasi yang dipakainya. Itu perkiraan kumulatif untuk suatu kerangka dan periode, bukan tambahan pertumbuhan 0,66 poin persentase per tahun dan bukan batas bagi semua kemungkinan AI di masa depan. Sumber The Simple Macroeconomics of AI oleh Daron Acemoglu.

Philippe Aghion, Benjamin Jones, dan Charles Jones menanyakan apa yang terjadi bila otomatisasi juga mempercepat penciptaan ide dan penemuan. Pendekatan itu membuat pertumbuhan yang lebih cepat masuk akal dalam model. Namun ketika proses produksi masih membutuhkan kegiatan penting yang sulit dipercepat, kegiatan itu dapat menentukan laju hasil keseluruhan. Charles Jones kembali membahas kemungkinan perubahan pertumbuhan jangka panjang dalam makalah tahun 2026. Sumber Aghion, Jones, dan Jones tentang AI dan pertumbuhan ekonomi dan A.I. and Our Economic Future.

Di antara kedua kondisi ada masa penyesuaian. Literatur kurva J produktivitas menjelaskan mengapa pelatihan, proses baru, dan investasi tak berwujud sering perlu dilakukan lebih dahulu. Biaya awal dapat muncul sebelum manfaat terukur. Sebaliknya, kenaikan kinerja satu tim setelah pelatihan intensif belum memberi tahu berapa banyak waktu dan biaya yang dibutuhkan agar praktik itu menyebar. Sumber studi Productivity J-Curve.

Perhatikan pula siapa yang memperoleh manfaat. Produsen mungkin menghemat biaya sambil menanggung lisensi, komputasi, dan pelatihan. Pembeli dapat menikmati harga lebih rendah atau mutu lebih tinggi jika kompetisi mendorong perusahaan meneruskan penghematan. Pekerja bisa mengerjakan tugas baru, tetapi peralihan itu membutuhkan waktu dan pelatihan. Statistik produktivitas saja tidak menjawab bagaimana hasilnya terbagi.

Apa yang bisa diuji di Indonesia?

Ambil contoh satu rantai manufaktur. AI dapat membantu mengurutkan laporan cacat, menyusun draf inspeksi, atau memprediksi kebutuhan persediaan. Uji apakah perubahan itu menambah produksi yang memenuhi standar, menurunkan retur, atau mempersingkat waktu henti. Catat pula biaya bahan, waktu operator, dan waktu teknisi. Angka output per pekerja yang sudah tersedia untuk subsektor tertentu memberi titik awal. Untuk menilai dampak AI, tetap diperlukan data waktu adopsi dan pembanding yang mirip. Sumber tabel produktivitas subsektor BPS.

Implikasinya bagi pembuat kebijakan juga lebih terukur. Jika model membaik cepat, manfaat akan lebih besar di tempat yang mampu menghubungkan perangkat lunak dengan tenaga kerja, pembiayaan, infrastruktur dan pembeli. Jika kemajuan model melambat, investasi dalam kualitas data, pelatihan dan ukuran kinerja tetap dapat memperbaiki kerja. Untuk konteks skenario kemampuan, baca artikel pembuka seri tentang ledakan kecerdasan dan peta skenario masa depan AI.

Pertanyaan umum

Kalau pertumbuhan tahunan konstan, apakah PDB bisa naik eksponensial?

Secara matematis, ya. Perdebatan singularity ekonomi lebih spesifik: apakah laju pertumbuhannya sendiri naik terus atau melonjak secara permanen akibat otomatisasi riset dan produksi.

Apakah superintelligence cukup untuk memicu lonjakan PDB?

Kemampuan model baru perlu masuk ke kegiatan ekonomi yang bisa menambah output atau mutu. Besarnya lonjakan bergantung pada penyebaran adopsi, kemampuan menambah kapasitas, dan apa yang masih harus dilakukan manusia.

Lihat bacaan tersimpan

Disimpan hanya di browser perangkat ini.

Komentar & Diskusi

Tulis Komentar

Bagikan pendapat Anda dengan sopan dan relevan. Alamat email tidak akan ditampilkan.