AI Forward 2026: What's Next For AI?
Ringkasan AI Forward 2026: What's Next For AI?
Acara ini merupakan forum diskusi yang mempertemukan para pemangku kepentingan dari pemerintah, industri, akademisi, dan regulator untuk membahas arah perkembangan kecerdasan buatan (AI) di Indonesia. Diskusi mencakup berbagai aspek mulai dari kesiapan sumber daya manusia, infrastruktur, regulasi, hingga etika dan tata kelola AI.
Paparan Pembuka: Keberlanjutan Pendidikan Tinggi di Era AI
(± 02:33) Wakil Menteri Pendidikan Tinggi, Sains, dan Teknologi, Stella Christie (di transkrip otomatis tertulis "Stella Kristi"), membuka sesi dengan pertanyaan fundamental tentang keberlanjutan di era artificial intelligence. Ia memulai dengan analogi historis tentang "bubble" ekonomi, dimulai dari Tulip Mania di Belanda abad ke-17, di mana harga tulip melonjak drastis lalu crash dalam waktu kurang dari setahun. Ia juga menyebutkan dot-com bubble sebagai contoh serupa, di mana semua orang berinvestasi pada internet hingga pasar runtuh.
Stella mengajukan pertanyaan kritis: "Bagaimana kita tahu bahwa kita sedang berada di dalam bubble?" Menurutnya, indikator utamanya adalah ketika jawaban dari semua pertanyaan hanya mengerucut pada satu hal. Saat ini, ia mengamati bahwa semua pertanyaan — dari penyembuhan kanker, pembuktian teorema matematika, peningkatan efisiensi perusahaan, hingga peningkatan kualitas pendidikan — semuanya dijawab dengan "pakai AI". Ini, menurutnya, adalah tanda peringatan.
Ia kemudian menyoroti masalah energi yang sangat besar dari AI. Pada 2025, konsumsi energi untuk mengetik di ChatGPT setara dengan konsumsi energi satu negara Latvia. Proyeksinya meningkat: 2026 setara Romania, 2027 Swedia, 2028 Italia, 2029 Inggris Raya, dan 2030 setara Kanada. Belum lagi konsumsi air bersih — pada 2025, pemakaian air untuk menopang AI setara dengan air minum 1,2 juta orang yang terevaporasi dan lenyap selama-lamanya.
Stella menekankan bahwa potensi AI belum sepenuhnya terwujud — AI belum menyembuhkan kanker, belum menulis novel terbaik, belum membangun perusahaan Fortune 500. Namun konsumsi energinya sudah sedemikian besar. Jika AI benar-benar berfungsi optimal, berapa besar lagi energi yang dibutuhkan?
Untuk pendidikan tinggi agar tetap berkelanjutan, Stella mengusulkan tiga pilar: creation of knowledge (penciptaan pengetahuan), transmission of knowledge (transmisi pengetahuan), dan curation of knowledge (kurasi pengetahuan). Ia menekankan pentingnya kurasi — kemampuan memilih mana pengetahuan yang benar-benar penting dan menarik untuk diketahui peradaban manusia. Analoginya dengan Sarinah yang melakukan kurasi produk sehingga pelanggan mudah mendapatkan barang yang tepat, berbeda dengan Shopee yang menyajikan terlalu banyak pilihan. AI belum mampu melakukan kurasi yang baik seperti ini.
Sesi Panel Diskusi: Kesiapan Ekosistem AI Indonesia
(± 23:52) Moderator Desi Anwar memulai diskusi panel dengan menghadirkan para narasumber: Hamam Riza (Ketua Umum KORIKA), Astrid Dita (Head of AI and Innovation, Tony Blair Institute for Global Change Asia Pacific), Alfredo Kuter Ramadan (Staf Khusus Menteri Komunikasi dan Digital), dan Yesi (Director and Chief IT Officer, XL Axiata).
Apakah AI Sedang dalam Bubble?
(± 24:15) Hamam Riza merujuk pada Strategi Nasional Kecerdasan Artifisial Indonesia 2045 menuju Indonesia Emas 2045. Ia berharap bubble AI tidak akan segera pecah karena perjalanan Indonesia masih panjang. Ia menekankan pentingnya menyeimbangkan pertumbuhan AI dalam ekosistem Indonesia — mencakup etika, kebijakan, kedaulatan data, dan infrastruktur. Tantangan terbesar adalah pengembangan talenta, karena bonus demografi 220 juta jiwa belum siap bekerja di ekosistem AI.
Hamam menegaskan bahwa Indonesia tidak perlu membangun semua dari nol untuk frontier model, tetapi juga tidak boleh melupakan kebutuhan untuk membangun fine tuning dan aplikasi, termasuk large language model dalam bahasa Indonesia yang perlu diselaraskan dengan budaya dan pengetahuan tradisional lokal.
Regulasi dan Tata Kelola AI Nasional
(± 32:03) Alfredo Kuter Ramadan menjelaskan bahwa regulasi AI Indonesia mengadopsi model hybrid yang berbeda dari Amerika Serikat maupun Eropa. Model ini mencakup tiga hal:
Pendekatan berbasis risiko: mengatur risiko yang tidak dapat diterima (unacceptable risk seperti pelanggaran HAM dan privasi), risiko tinggi (terkait kesehatan, data, biometrik dengan pengawasan ketat), dan risiko rendah (Gen AI dan solusi AI pada umumnya).
Prinsip Indonesia dengan nilai Pancasila: sembilan nilai etika termasuk inklusivitas, kebebasan, transparansi, perlindungan data pribadi, keamanan, dan kredibilitas.
Pendekatan sektoral: karena Indonesia memiliki 284 juta penduduk dengan beragam latar belakang industri, regulasi diserahkan ke kementerian/lembaga terkait yang lebih ahli di sektornya masing-masing.
Alfredo mengungkapkan bahwa saat ini pemerintah sedang memproses Peraturan Presiden (Perpres) yang mencakup peta jalan AI dan etika AI. Regulasi ini mendorong pengembangan AI yang menjadi solusi use cases sesuai kebutuhan Indonesia, bukan sekadar bersaing dengan AI yang sudah ada.
Kedaulatan Digital dan Daya Tawar Indonesia
(± 37:00) Astrid Dita memaparkan bahwa AI memiliki berbagai lapisan: energi, data untuk training, chip/infrastruktur komputasi, jaringan, model, talenta, dan tata kelola. Ketika berbicara tentang kedaulatan AI, penting untuk melihat semua lapisan ini. Hanya beberapa negara adidaya (AS 75%, Cina 15%) yang bisa kuat di semua lini.
Dugaan Astrid tentang area strategis Indonesia: (1) tata kelola yang selaras dengan tujuan strategis nasional, (2) talenta — hampir 300 juta penduduk bukan hanya user tapi bisa menjadi inovator, (3) data Indonesia yang unik dan belum sepenuhnya terdigitasi, dan (4) potensi energi terbarukan yang bisa menjadi daya tawar.
Astrid menekankan bahwa dengan rivalitas geopolitik yang tajam, akses ke model, chip, dan mesin fabrikasi chip bisa dibatasi. Daya tawar Indonesia ada pada penguatan di lini lain. Ia juga mencontohkan India dengan pendekatan digital public infrastructure, Kenya dengan potensi geothermal yang menarik investasi Microsoft, dan Singapura yang berinvestasi di Anthropic untuk mencapai kepemilikan/kendali atas teknologi AI.
Implementasi AI di Industri Telekomunikasi
(± 48:08) Yesi dari XL Axiata menjelaskan bahwa dari perspektif industri, investasi AI harus memberikan nilai tambah: meningkatkan pendapatan, menurunkan biaya, membuat pelanggan lebih puas, atau mengurangi risiko. Perusahaan memulai perjalanan AI pada 2019 dengan machine learning untuk menentukan lokasi tower dan jalur fiber.
Kini dengan generative AI, fokus bergeser ke customer service dan operasional. Yesi menekankan pentingnya mengidentifikasi proses yang bersifat transaksional, repetitif, dan terukur untuk digantikan oleh agen AI. Contohnya, proses testing yang sebelumnya manual kini bisa dilakukan oleh agen AI yang dapat menghasilkan 100 test cases dalam waktu singkat, 10 kali lipat dari kemampuan manusia.
Tantangannya adalah bagaimana karyawan yang sebelumnya melakukan pekerjaan tersebut kini harus naik kelas menjadi desainer yang mendesain bagaimana agen AI dibuat dan dijalankan.
Pengembangan Talenta dan Mindset
(± 56:08) Hamam menambahkan bahwa KORIKA memiliki KORIKA Akademi yang tidak hanya mencetak talenta baru di AI tetapi juga melakukan upskilling dan reskilling bagi tenaga kerja agar bisa bekerja dengan AI dan menjadi lebih produktif dan kreatif.
Yesi menekankan bahwa investasi untuk talenta mencakup dua hal: functional skill (pemahaman tentang AI) dan karakter (open mindset, change leadership). Perusahaan harus memberikan akses tools, sandbox untuk mencoba, dan pelatihan untuk leadership agar tidak menghukum kegagalan eksperimen.
Daya Tawar Indonesia: Data, Bukan Algoritma atau Chip
(± 61:26) Stella Christie kembali dengan pandangan yang cukup kritis. Ia berpendapat bahwa Indonesia tidak seharusnya berusaha membangun semuanya — karena hingga saat ini belum ada satu pun teknologi di mana Indonesia menjadi excellence. Daya tawar Indonesia adalah data.
Menurutnya, AI hanya terdiri dari tiga komponen: data, algoritma, dan computing power. Indonesia tidak akan bisa mengejar algoritma atau membuat chip setara Nvidia — bahkan China dengan investasi miliaran dolar masih kalah dari Taiwan dan AS. Namun Indonesia memiliki data yang luar biasa banyak. Dengan data, kita bisa membeli algoritma dan computing power.
Masalahnya, Indonesia belum memiliki pendataan yang sistematis, teratur, rapi, terstruktur, dan aman. Data belum dilihat sebagai komoditas yang bisa dijual. Perilaku masyarakat dalam menyimpan dan melindungi data juga masih lemah — ia mencontohkan kebocoran data besar yang terjadi karena password masih "12345" yang ditempel di dinding.
Stella menyerukan agar Indonesia fokus pada bagaimana menyimpan data, mendata secara sungguh-sungguh, menjual dan melakukan trading data. Ini membutuhkan regulasi, pendidikan, dan strategi yang jelas tentang data apa yang perlu dikumpulkan.
Responsible AI Governance
(± 74:59) Paula Galves Kalirgos dari Globe Ethics menyampaikan paparan tentang tata kelola AI yang bertanggung jawab. Ia mencontohkan kasus Air Canada pada 2024 di mana chatbot membuat kebijakan diskon yang tidak ada, dan pengadilan memutuskan maskapai bertanggung jawab atas apa yang dikatakan AI-nya.
Fakta penting: 93% pemimpin bisnis Indonesia menyebut AI penting untuk daya saing, tetapi hanya 24% yang memiliki kerangka tata kelola AI. Paula menekankan bahwa responsible AI bukan sekadar masalah moral, tetapi keunggulan kompetitif yang membangun kepercayaan, diferensiasi, dan pengurangan risiko.
Ia menawarkan kerangka "Four D's" untuk mengevaluasi use case AI: AI sebaiknya digunakan untuk mengelola tugas yang dangerous (berbahaya), dull (membosankan), dirty (kotor), dan difficult (sulit). Kemudian "Four B's" sebelum deployment: buyable (dapat dibeli secara teknis dan ekonomis), value (nilai yang diberikan), volume of data (volume data yang memadai), dan verifiable (dapat diaudit, dijelaskan, dan dipercaya).
Pandangan Penutup: AI Bukanlah Sahabat
(± 104:23) Stella dalam penutupnya menyampaikan pandangan yang kontroversial dan menantang. Ia mengkritik sikap Indonesia yang terlalu ramah terhadap AI — bahkan menamakan large language model dengan istilah "Sahabat AI". Ia mendorong adopsi "adversarial model" terhadap AI.
Beberapa poin penting dari penutupnya:
AI adalah agen, bukan alat: Alat melakukan persis seperti yang diminta, tetapi AI sebagai agen belum tentu melakukan seperti yang diperintahkan. Kita harus waspada.
Disinformasi: Dari 2004 hingga 2025, penyebaran disinformasi oleh 10 large language model terkemuka naik hampir 2,5 kali lipat. Semakin canggih AI, semakin banyak disinformasi yang disebarkan.
Skill evaluasi: Melatih skill yang sama dengan AI akan membuat kita kalah, karena AI pasti lebih unggul. Yang harus dilatih justru kemampuan mengevaluasi luaran AI — apakah output AI itu benar atau tidak, baik atau buruk. Kemampuan berpikir kritis dan research mindset menjadi kunci.
Data sebagai komoditas: Indonesia memiliki oksigen AI (data) tetapi memberikannya secara cuma-cuma tanpa mendapatkan keuntungan. Kita perlu memikirkan bagaimana data diproteksi dan diperdagangkan.
Stella juga meragukan kebutuhan 9 juta tech workers — apakah benar-benar dibutuhkan untuk coding, karena AI sudah bisa coding. Yang lebih dibutuhkan adalah tenaga kerja dengan skill very high level untuk mengevaluasi, menentukan, dan mengetes agen AI mana yang lebih baik.
Alfredo menambahkan bahwa talenta digital harus menopang prinsip "human in the loop" — AI tidak boleh membuat keputusan definitif, melainkan hanya digunakan untuk data dan penjabaran, sementara manusia tetap yang membuat keputusan.
Konteks & Definisi
Bagian ini berisi penjelasan editorial tambahan untuk membantu pemahaman istilah-istilah yang muncul dalam diskusi. Definisi bersumber dari pengetahuan umum dan bukan merupakan bagian dari pernyataan pembicara dalam acara.
Bubble (gelembung ekonomi): Situasi di mana harga suatu aset melambung jauh di atas nilai fundamentalnya karena euforia spekulatif, kemudian runtuh drastis. Dalam diskusi, digunakan sebagai analogi untuk mempertanyakan apakah hype AI saat ini adalah gelembung yang akan pecah seperti Tulip Mania atau dot-com bubble.
Frontier model: Model AI paling canggih yang dikembangkan oleh lab-lab terdepan (seperti GPT, Gemini, Claude) yang membutuhkan sumber daya komputasi dan data sangat besar. Indonesia disebut tidak mungkin mengejar pengembangan frontier model karena keterbatasan energi dan sumber daya.
Large Language Model (LLM): Model AI yang dilatih pada teks dalam jumlah besar untuk memahami dan menghasilkan bahasa manusia. Diskusi menyoroti pentingnya LLM berbahasa Indonesia yang diselaraskan dengan budaya lokal.
Agenic AI / Agentic AI: AI yang tidak sekadar merespons perintah tetapi dapat bertindak secara otonom, merencanakan, dan mengeksekusi tugas-tugas kompleks tanpa arahan langkah demi langkah. Dalam diskusi disebut sebagai perubahan fundamental dari AI sebagai "alat" menjadi AI sebagai "agen".
Fine tuning: Proses melatih ulang model AI yang sudah ada dengan data spesifik untuk menyesuaikan dengan kebutuhan atau domain tertentu, berbeda dengan membangun model dari awal.
Digital sovereignty / Kedaulatan digital: Kemampuan suatu negara untuk mengontrol infrastruktur digital, data, dan teknologi yang digunakan di wilayahnya, termasuk mengurangi ketergantungan pada negara/teknologi asing.
Computing power: Kapasitas komputasi yang dibutuhkan untuk melatih dan menjalankan model AI, biasanya diukur dalam satuan floating point operations per second (FLOPS). Sangat bergantung pada ketersediaan chip khusus seperti GPU Nvidia.
Human in the loop: Prinsip bahwa keputusan akhir tetap berada di tangan manusia, sementara AI hanya berfungsi sebagai alat bantu penyedia data dan analisis, bukan pembuat keputusan definitif.
Responsible AI governance: Kerangka praktik untuk memastikan sistem AI tetap aman, andal, dan menghormati hak asasi manusia, mencakup transparansi, keadilan, akuntabilitas, dan privasi.
Digital Public Infrastructure: Pendekatan di mana pemerintah menyediakan infrastruktur digital terbuka (seperti platform data, sistem identitas digital, sistem pembayaran) yang bisa dimanfaatkan oleh publik dan swasta untuk berinovasi, seperti yang diterapkan di India.
Hyperscaler: Perusahaan teknologi besar seperti Microsoft, Google, Amazon yang mengoperasikan pusat data dalam skala sangat besar dan sering menjadi target investasi data center AI.