Di balik Tim MiniMax 10x, AI industri tidak bertemu dengan hambatan teknis, tetapi rantai tanggung jawab di dunia nyata

Penulis artikel: Yan Jun

Sumber artikel: 36氪

Pembuka: Model besar semakin mahir menulis jawaban, tetapi tantangan sebenarnya di lapangan industri adalah bagaimana jawaban tersebut diadopsi, dijelaskan, dan ditanggung jawabkan. Makna Tim MiniMax 10x bukan hanya merekrut para ahli—melainkan perusahaan model mulai mencari titik masuk ke dalam rantai tanggung jawab industri.

Tahun lalu, saya benar-benar merasa ditinggalkan oleh zaman.

Kemampuan penilaian dan感 intuitif selama dua puluh tahun, tiba-tiba kehilangan titik tumpu. Bukan karena melakukan kesalahan apa pun, tetapi dunia telah mengganti aturan penilaian.

Model besar, Agent, AI Coding, datang bertubi-tubi. Seluruh dunia penuh dengan klaim “efisiensi meningkat sepuluh kali lipat” “meng重构 industri”. Awalnya saya juga bersemangat. Kemudian semangat itu hilang, tersisa perasaan hampa.

Saya mulai mengejar ketertinggalan. Mempelajari AI, sekaligus memperbaiki penilaian saya sendiri. Bukan tiba-tiba menjadi pecinta teknologi, tetapi merasa tidak bisa lagi hanya berdiri di luar. Tidak menyangka di usia ini, saya malah mendaftar program magister komputer, mengulang pelajaran, membaca paper, dan bersusah payah memahami teknologi dan algoritma.

Sangat abstrak, tapi nyata, dan cukup menyenangkan.

Semakin sering menggunakan AI, semakin Anda menyadari satu hal: AI bisa menulis, berhitung, dan merangkum, serta sangat ahli dalam menangani masalah yang jelas dan batasnya terdefinisi dengan baik. Namun, di dunia nyata, banyak masalah yang bahkan soalnya sendiri samar.

Setiap kali tiba saatnya harus mengambil keputusan, saran dari AI selalu—terlihat benar, tapi tidak ada "tapi".

Tidak ada kalimat: "Waktunya tidak tepat, sekarang mempromosikannya hanya akan membuat semua pihak terlihat buruk."

Tidak ada kalimat: "Risiko ini ditulis untuk memenuhi kewajiban hukum, tapi siapa yang bertanggung jawab jika terjadi masalah?"

Tidak ada kalimat: "Skema ini tidak bisa diajukan seperti itu, sekali diajukan, lawan akan tahu bahwa Anda tidak memahami siapa yang berkuasa."

Tidak ada kalimat: "Kalimat ini tidak masalah di PPT, tapi akan bermasalah saat dimasukkan ke dalam kontrak."

AI tidak akan mengatakan hal-hal seperti itu. Bukan karena ia tidak cukup cerdas, tetapi karena ia tidak perlu menanggung konsekuensi dari kesalahan yang diucapkan.

Jadi, artikel ini tidak membahas "Apakah AI akan menggantikan manusia". Saya ingin menanyakan lebih lanjut: ketika jawaban menjadi semakin murah, pengalaman apa yang masih bernilai? Ketika AI bisa menulis rencana, siapa yang menilai apakah rencana tersebut bisa dilaksanakan? Mereka yang dulunya membuat keputusan berdasarkan pengalaman dunia nyata, sebenarnya masih bisa masuk dengan cara apa?

Setelah melihat pesan dari Tim MiniMax 10x, saya tiba-tiba merasa bahwa pertanyaan yang telah saya renungkan berulang-ulang selama ini telah mendapatkan catatan nyata di industri ini.

Ini bukan model baru, bukan pengumuman pendanaan. Informasi publik menunjukkan bahwa Tim MiniMax 10x berfokus pada para ahli di bidang perangkat lunak industri, mesin game, desain chip, keuangan, dan akuntansi, lebih mirip mekanisme “mitra penelitian industri”: para ahli bidang terkait terlibat dalam mendefinisikan masalah, membangun evaluasi dan alur kerja bersama, serta memberikan umpan balik langsung dari pengalaman industri nyata kepada model.

Yang benar-benar patut diperhatikan bukan seberapa ramai peristiwa ini, melainkan sinyal yang dilepaskannya: AI industri harus masuk ke garis depan, tidak cukup hanya dengan model yang lebih kuat, tetapi juga harus terhubung dengan definisi masalah nyata, umpan balik, dan rantai tanggung jawab di industri.

Inilah yang putus:

Biaya menghasilkan jawaban sedang turun dengan cepat. Biaya untuk membuat jawaban diterima, dijelaskan, dan dimintai pertanggungjawaban, tidak turun sama sekali.

01 Mengapa AI menjawab dengan benar, tetapi jawabannya tidak masuk ke rantai tanggung jawab?

AI tidak memiliki identitas nyata, juga tidak mengalami kerugian nyata. Ia tidak kehilangan pelanggan karena satu kesalahan penilaian, tidak dituntut tanggung jawab karena keputusan yang salah, dan tidak perlu menjelaskan di rapat evaluasi "mengapa dulu membuat penilaian seperti itu".

Tanpa kerugian nyata, ia tidak akan belajar penilaian yang hanya bisa dipahami setelah melewati pengalaman tersebut.

Jadi, mencari ahli industri bukan hanya untuk melengkapi pengetahuan, tetapi juga untuk membawa masukan dunia nyata: masalah apa yang layak ditanyakan, batasan apa yang tidak boleh dilanggar, penilaian apa yang bisa masuk ke dalam proses, dan konsekuensi apa yang harus dijelaskan terlebih dahulu.

Ahli bukan patch pengetahuan AI, melainkan ujung saraf AI yang masuk ke lapangan industri.

Dulu, menulis proposal, membuat keputusan, dan menanggung tanggung jawab ketiga hal ini terikat bersama. Sekarang, model besar membuat bagian “menulis jawaban” menjadi lebih murah, sementara kemampuan yang tersisa—untuk menentukan apakah jawaban tersebut dapat diterima, dijelaskan, dan ditanggung jawabkan—justru kembali menjadi lebih berharga.

Saya menyebutnya rantai tanggung jawab: proses lengkap sebuah jawaban bergerak dari “terlihat benar” hingga “ada yang berani menggunakannya, mengirimkannya, menandatanganinya, dan bertanggung jawab atasnya.” Semakin tinggi nilai, risiko, dan regulasinya—keuangan, kesehatan, hukum, industri, pemerintahan—semakin panjang rantai ini, dan semakin sulit untuk diselesaikan.

Model besar sampai di garis depan, baru mengerti apa artinya bertanggung jawab.

02 Empat sesi langsung: AI bisa melakukan semuanya dengan benar, tetapi setiap langkah terjebak di luar jawaban

Masalahnya bukan AI salah menjawab. Masalahnya adalah jawaban tidak masuk ke dalam rantai tanggung jawab.

Sesi Langsung 1: Yang sebenarnya ditanyakan oleh regulator bukanlah "Apakah kamu punya nilai?", tetapi "Kalau ada masalah, siapa yang harus saya hubungi?"

Suatu kali, mantan perusahaan mengalami konflik regulasi secara bersamaan di beberapa kota. Internal telah menyiapkan sejumlah besar materi: data pengguna, bukti kepatuhan, ketentuan hukum, kontribusi ekonomi. Jika diberikan kepada model besar hari ini, ia pasti bisa menulisnya dengan indah—inovasi teknologi, efisiensi kota, ekonomi platform yang melepaskan nilai sosial.

Semua pernyataan itu benar. Tetapi dalam skenario itu, bukan yang utama.

Otoritas regulasi dan penegak hukum tidak peduli dengan narasi nilai komersial itu. Yang benar-benar ingin mereka tanyakan, hanya satu hal: Jika hal ini bermasalah, kepada siapa saya bisa menuntut pertanggungjawaban? Bagaimana saya bisa menjelaskan kepada atasan saya?

Yang benar-benar menjadi perhatian pemerintah adalah: bagaimana jika terjadi insiden massa? Siapa yang bertanggung jawab jika terjadi kecelakaan keselamatan? Platform berkembang pesat tetapi pengawasan tidak bisa mengejar, siapa yang harus disalahkan?

Yang terakhir harus dilakukan bukanlah mengirimkan lebih banyak dokumen, tetapi menerjemahkan ulang kemampuan platform—data dapat membantu mengidentifikasi anomali, catatan pesanan dapat membantu pelacakan tanggung jawab, dan sistem teknis tidak boleh hanya menjadi objek pengawasan, tetapi juga menjadi alat pengawasan.

Hanya dengan cara ini, pihak lain akan melihat sebuah antarmuka: jika terjadi masalah, saya tahu siapa yang harus saya hubungi. Jika ada masalah, saya tahu cara memeriksanya. Jika perlu melaporkan, saya tahu cara menjelaskannya.

AI dapat mengatur bahan dengan sempurna. Namun, ia belum tentu tahu di mana letak antarmuka tersebut, dan mengapa itulah yang sebenarnya menjadi kunci seluruh komunikasi.

Ini bukan masalah bahan. Ini adalah masalah antarmuka tanggung jawab regulasi.

Lokasi dua: Apakah reformasi berjalan atau tidak, bukan hanya dilihat dari rencananya, tapi apakah "setiap orang memiliki jalan keluar"

Sekali waktu, saya berpartisipasi dalam kompetisi untuk proyek percontohan reformasi lokal. Pesaing memiliki dana yang lebih besar, proposal yang lebih lengkap, dan logika yang tak terbantahkan. Namun, mereka tersingkir.

Karena skema mereka melewatkan masalah inti yang tidak tertulis di mana pun dalam daftar penilaian: selama pelaksanaan reformasi, jika terjadi masalah, apakah setiap orang di ruangan ini mampu menemukan alasan yang masuk akal untuk diri mereka sendiri.

Bukan menyalahkan, tapi menjaga martabat.

Banyak reformasi bukan karena tidak ada yang memahami nilainya, tetapi karena tidak ada yang bersedia melangkah lebih jauh untuk sebuah rencana yang tidak jelas tanggung jawabnya.

Namun, hanya menghilangkan ketakutan saja tidak cukup. Yang lebih penting adalah membuat setiap unit yang terlibat melihat secara konkret apa yang akan mereka dapatkan setelah mendorong hal ini—bukan sekadar ucapan kosong seperti “mendorong reformasi bersama”, tetapi unit ini mendapat satu contoh pilot yang bisa dipamerkan ke luar, unit itu mendapat satu hasil kinerja yang jelas dan tercatat, dan pemimpin ini mendapat satu kesempatan lagi untuk disebut oleh atasan.

Ada masalah, saya tidak akan terlibat dalam masalah. Setelah selesai, apa yang bisa saya dapatkan?

Kedua kalimat ini digabungkan, baru merupakan tombol aksi sejati.

Pemerintah daerah bukan sedang membaca sebuah rencana kewirausahaan. Ia sedang menilai: siapa yang akan memimpin? Departemen mana yang akan mendukung? Anggaran berasal dari mana? Standar penerimaan bagaimana? Siapa yang akan menjelaskan jika terjadi masalah?

Ini bukan masalah skema, tetapi apakah setiap peserta dapat menjelaskan mengapa mereka mendorongnya.

Sesi langsung tiga: Bahkan jika BP ditulis dengan sangat lengkap, itu tidak bisa menggantikan penilaian operasional dan tanggung jawab investasi.

Suatu kali, seorang wirausahawan membawa proyeknya untuk bertemu dengan dana. Model bisnisnya jelas, pasar cukup besar, dan semua bahan tersedia. Sekarang dengan adanya AI, model besar dapat dengan cepat menghasilkan sebuah rencana bisnis yang terstruktur lengkap, bahkan dengan nuansa internasional.

Namun, yang sering diperhatikan oleh dana bukanlah kelengkapan dokumen.

Pada hari itu, investor membalik beberapa halaman, lalu hanya bertanya satu pertanyaan: "Klien-klien Anda ini, apakah permintaan nyata dari pasar, atau hanya uji coba yang diakibatkan oleh jendela kebijakan? Tahun depan tanpa subsidi, apakah klien akan memperpanjang langganan?"

Kalimat ini tampaknya bertanya kepada pelanggan, tetapi sebenarnya sekaligus memverifikasi dua hal.

Satu hal adalah penilaian bisnis pendiri: Apakah Anda benar-benar tahu dari mana pendapatan Anda berasal, mengapa pelanggan membayar, dan apakah mereka akan terus membayar tahun depan. Apakah Anda menghadapi risiko, atau hanya menyembunyikan risiko dengan bahan-bahan yang menarik?

Hal lain adalah tanggung jawab investasi investor: Jika saya membawa proyek ini ke komite investasi, apakah saya bisa menjelaskan dengan jelas, kualitas pendapatan apa, seberapa besar ketergantungan kebijakan, di mana risiko perpanjangan berada, dan apa yang menjadi dasar jalur keluar.

Jawabannya tidak ada dalam bahan. Hanya saja, seringkali tidak ada yang tahu, baris mana yang merupakan pertanyaan kunci sebenarnya dari seluruh rapat.

Investor sebenarnya sudah melihat baris itu. Dia hanya ingin tahu: apakah Anda benar-benar pernah memikirkan masalah ini, atau hanya menggunakan bahan yang menarik untuk menghindari jawaban yang bahkan Anda sendiri belum jelas.

Ini bukan tentang mencari kesalahan pada bahan, melainkan memverifikasi apakah dua rantai tanggung jawab dapat berlaku: pendiri dapat bertanggung jawab atas hasil operasional, dan investor dapat bertanggung jawab atas keputusan investasi mereka.

AI bisa mengatur semuanya dengan sempurna. Namun, ia tidak tahu bahwa terkadang bahan yang terlalu lengkap justru menjadi sinyal: belum siap untuk benar-benar ditanyakan.

Bahan bukanlah intinya. Yang benar-benar penting adalah: apakah kualitas pendapatan dapat diverifikasi, apakah risiko dapat dijelaskan, dan apakah penilaian operasional serta tanggung jawab investasi dapat sekaligus dipertahankan.

Sesi Langsung 4: Ketika perdagangan macet, konflik sejati sering kali bukan terletak pada ketentuan, tetapi pada "dua sistem tanggung jawab".

Sekali lagi, sebuah proyek teknologi diletakkan di atas meja, dan semua pihak mengatakan ingin mendorongnya. Teknologinya memiliki hambatan, kualitas pelanggannya juga baik, due diligence telah selesai, dan ketentuan hampir disepakati. Secara tampak, jarak menuju penandatanganan tinggal selangkah lagi.

Namun, transaksi ini tiba-tiba dihentikan. Tidak ada yang menjelaskan alasannya.

Dana RMB mengatakan: Kami masih perlu melihat strukturnya. Pemegang saham dolar mengatakan: Kami perlu mengonfirmasi hak lanjutan. Pendiri mengatakan: Apakah ada ruang untuk penilaian ulang? Setiap orang menggunakan kata-kata yang lebih aman untuk menyampaikan kekhawatiran sebenarnya.

Dana renminbi didukung oleh tujuan industri lokal, tugas menarik investasi, persyaratan reinvestasi, dan tekanan kepatuhan milik negara—ia memerlukan perusahaan ini untuk melayani wilayah tertentu dalam beberapa cara. Namun, pemegang saham dolar tidak datang untuk melayani wilayah tertentu; mereka menginginkan efisiensi, exit, dan DPI.

Ini adalah dua sistem tanggung jawab yang pasti menimbulkan ketegangan struktural di dalam perusahaan yang sama.

Yang kemudian dilakukan bukanlah meminta pihak mana pun untuk berkompromi, melainkan mendesain ulang strukturnya: pemegang saham dolar tetap berada di struktur tingkat atas, menjaga fleksibilitas keseluruhan dan jalur keluar tetap tidak terganggu; dana renminbi memasuki jalur bisnis tertentu melalui anak perusahaan regional, dengan kewajiban reinvestasi dan penarikan investasi pemerintah daerah ditanggung di tingkat anak perusahaan. Dua logika ini berjalan secara terpisah di tingkat masing-masing, tanpa saling mengganggu.

Untuk dana RMB, ini adalah memo yang dapat diajukan ke komite investasi—bukan untuk membuktikan “tidak ada risiko”, tetapi agar mereka dapat menjawab: Mengapa saya berinvestasi, risiko apa yang saya ketahui, dan bagaimana risiko-risiko ini dikendalikan.

Untuk pemegang saham dolar, integritas arsitektur tingkat atas tetap terjaga, dan jalur keluar tidak diubah.

Tidak ada yang mengalah. Tapi setiap orang mendapatkan apa yang benar-benar mereka butuhkan.

Hakikat negosiasi, sejak awal, bukanlah meyakinkan, melainkan sebuah restrukturisasi kepentingan.

03 Dua sinyal publik: AI dapat membantu, tetapi tidak dapat menggantikan tanggung jawab manusia

Melihat kembali empat momen ini, AI bisa melakukan semuanya “benar”. Bahannya benar, logikanya lengkap, dan ketentuannya akurat. Namun, setiap kali, langkah yang benar-benar mendorong segalanya terjadi di luar jawaban AI.

Ini adalah batas sebenarnya dari AI industri saat ini: bukan karena ia tidak cukup cerdas, tetapi karena ia tidak menanggung konsekuensi.

It doesn't need to explain this decision at a review meeting three years later, nor does it need to answer the investment committee on why it made that judgment at the time. Real-world decisions are not just about choosing an answer, but about choosing a consequence you are willing to bear.

Keputusan yang dibuat setelah diam selama tiga detik di ruang rapat bukan karena algoritma tidak bisa menghitungnya. Tapi karena algoritma belum tahu, selama tiga detik itu, seseorang sedang khawatir.

Ekspresi profesional sedang menjadi murah. Penilaian industri tidak.

Konteks hukum paling jelas memperjelas masalah ini. Laporan kerja Mahkamah Agung tahun 2026 secara eksplisit menyatakan bahwa perlu secara aktif dan hati-hati mengembangkan sistem bantuan pengadilan berbasis kecerdasan buatan, dengan mempertahankan posisi sebagai "bantuan", dan pihak yang bertanggung jawab secara hukum hanya dapat merupakan hakim.

Ini bukan menyangkal AI, tetapi menempatkan AI pada posisinya: dapat membantu, tetapi tidak dapat menggantikan orang yang secara akhir bertanggung jawab secara hukum.

Kasus lain terjadi di Pengadilan Tongzhou, Beijing. Dalam sebuah sengketa komersial, agen mengajukan "kasus referensi" yang dihasilkan oleh AI tanpa memverifikasi sendiri, dan pengadilan tidak menerimanya serta mengkritik dalam putusan hukumnya.

Contoh ini kecil, tetapi sangat khas.

Masalahnya bukan hanya kualitas generasi, tetapi node verifikasi dan konfirmasi di tengah dilewati. Masalahnya bukan apakah AI bisa menulis konten yang tampak profesional, tetapi siapa yang memverifikasi, siapa yang mengirimkan, siapa yang menandatangani, dan siapa yang bertanggung jawab atas konsekuensinya sebelum konten ini masuk ke program nyata.

04 Siapa yang akan menjadi lebih mahal? Tiga jenis orang, dan satu kemampuan baru

Nilai layanan industri masa lalu sering kali dicampur aduk: data, hubungan, pengalaman, penilaian, tanggung jawab, semuanya dibundel dan dikenakan biaya.

AI akan membongkar hal ini.

Data pertama kali terdevaluasi, ekspresi kemudian terdevaluasi, analisis biasa juga terdevaluasi. Yang benar-benar bertahan adalah penilaian yang mampu memasuki rantai tanggung jawab.

Ini juga merupakan penilaian teknik yang saya pahami.

Menilai teknik, bukan sekadar memberikan pengetahuan kepada model. Melainkan memecah "apa yang boleh diserahkan, apa yang tidak boleh ditandatangani, dan risiko apa yang harus dijelaskan terlebih dahulu" menjadi standar yang dapat diverifikasi oleh sistem dan diadopsi oleh organisasi.

Di masa lalu, penilaian-penilaian ini tersembunyi dalam intuisi para ahli; di masa depan, mereka akan dipecah menjadi sistem.

Di balik ini terdapat kemampuan baru: kemampuan mengubah penilaian menjadi alur kerja tanggung jawab.

Ini bukan sekadar memahami industri atau hanya mampu menggunakan AI, tetapi mampu memecah batasan, risiko, contoh sebaliknya, titik tanggung jawab, dan kriteria penerimaan di dunia nyata menjadi proses yang dapat dipelajari oleh model, diverifikasi oleh sistem, diadopsi oleh organisasi, dan dapat dijelaskan jika terjadi masalah.

Melihat garis ini, tiga jenis orang yang kemungkinan akan menjadi lebih mahal di masa depan.

Kategori pertama, orang yang bisa memecah pengalaman menjadi standar.

Bukan hanya bisa mengatakan "saya berpengalaman", tetapi mampu menjelaskan dengan jelas: apa yang boleh diperdagangkan, apa yang tidak boleh diperdagangkan; risiko apa yang harus disebutkan terlebih dahulu; solusi apa yang terlihat bagus saat ditulis, tetapi akan bermasalah saat dijalankan. Orang-orang semacam ini, jika mampu memecah pengalaman mereka menjadi standar, contoh negatif, evaluasi, dan daftar periksa, akan menjadi antarmuka kunci yang membawa model ke lapangan industri.

Kategori kedua, orang yang dapat memahami beberapa sistem tanggung jawab sekaligus.

Pemerintah, dana renminbi, dana dolar, dan klien industri memberikan penjelasan yang sama sekali berbeda terhadap satu set fakta yang sama. Orang yang dapat menerjemahkan di antara sistem-sistem ini bukan sekadar menyampaikan pesan, tetapi sedang menempatkan ulang tanggung jawab.

Kategori ketiga, perusahaan yang dapat menyisipkan penilaian ke dalam alur kerja.

Yang benar-benar sulit digantikan adalah sistem-sistem yang terintegrasi dalam proses tanggung jawab pelanggan—mengetahui bagaimana sebuah laporan diajukan, bagaimana sebuah risiko dicatat, dan bagaimana sebuah keputusan kepatuhan diterima oleh organisasi.

Yang dibayar oleh pelanggan akhirnya bukan "seberapa baik AI menulis", tetapi: apakah penilaian ini membuat saya berani menggunakannya.

Nilai AI industri, jangka pendek ada pada model dan alat, jangka menengah ada pada Agent vertikal, jangka panjang ada pada sistem alur kerja yang dapat memasuki proses tanggung jawab pelanggan.

“Menghasilkan jawaban” akan semakin seperti listrik dan air—penting, tetapi bukan lagi keunggulan kompetitif. Yang benar-benar berpotensi menghasilkan keuntungan tinggi adalah lapisan alur kerja industri.

Penutup: Jeda beberapa detik itu tidak hanya berisi logika, tetapi juga tanggung jawab

Masalah sebenarnya bukan tentang penggantian, tetapi tentang bagaimana manusia dan AI mendistribusikan ulang peran. AI menyediakan kecepatan, struktur, dan skala; manusia menyediakan makna, batasan, dan tanggung jawab. Hanya dengan menggabungkan keduanya, sebuah keputusan bisa berubah dari "terlihat benar" menjadi benar-benar nyata.

AI bukan membuat pengalaman nyata menjadi tidak relevan. Ia memaksa semua orang untuk meningkatkan pengalaman mereka.

Pengalaman yang hanya tersisa di dalam pikiran akan cepat terlarut; pengalaman yang dapat diuraikan, diekspresikan, diverifikasi, dan diiterasi akan menjadi bahan bakar sejati untuk kolaborasi manusia-mesin.

Model besar memproses dunia yang aturannya sudah ditetapkan. Namun masyarakat nyata adalah sesuatu yang hidup—ia akan memantul, menafsirkan ulang dirinya sendiri, dan membuat setiap “jawaban benar” berubah bentuk saat diterapkan.

Di dunia seperti ini, hanya mengolah informasi saja tidak cukup. Anda juga harus mampu merasakan maknanya—siapa yang peduli akan hal ini, dan mengapa hal ini penting. Anda juga harus mampu menilai nilainya—apakah jawaban ini layak diterima, layak ditandatangani, layak dipercayakan.

Persepsi ini bukan dihitung dari data. Ia berasal dari pengalaman mencoba berulang kali, menanggung konsekuensi, dan menyesuaikan kembali dalam lingkungan industri.

Jadi, meskipun model menjadi semakin kuat, ia tetap membutuhkan seseorang yang memberitahunya: di lapangan industri, apa yang benar-benar penting.

Ini bukan sekadar transmisi pengetahuan, tetapi terjemahan makna dan nilai. Mereka yang pernah membuat keputusan di lokasi, memikul tanggung jawab, dan mengalami kesalahan, bukan hanya sumber pengetahuan AI, tetapi juga antarmuka yang menghubungkannya dengan dunia nyata.

Artikel ini ditulis bukan hanya untuk para praktisi AI, tetapi juga untuk semua orang yang masih membuat keputusan di dunia nyata, pernah mengalami kesalahan, dan memikul tanggung jawab.

Pengalaman-pengalaman ini mungkin sulit ditulis di resume, dan sulit dipahami secara langsung oleh model. Namun, justru inilah antarmuka paling dibutuhkan ketika AI industri memasuki dunia nyata.

Model besar akan menjadi semakin kuat dan semakin cepat. Namun, di garis depan, dunia nyata tidak akan berjalan otomatis hanya karena sebuah jawaban logis konsisten. Ia akan memberikan umpan balik, akan memantul kembali, dan akan membuat setiap keputusan membawa konsekuensi.

Masih ada saja yang berhenti beberapa detik sebelum menekan konfirmasi.

Dalam beberapa detik itu, bukan hanya logika.

Masih ada tanggung jawab.