Tempat paling kejam AI bukanlah ia tidak memberikan jawapan kepada orang miskin.

Sebaliknya, ia memberikan jawapan kepada semua orang.

Ia memberikan kerangka tesis pelajar, templat e-mel pekerja, rancangan perniagaan usahawan, penjelasan undang-undang, nasihat pelaburan, dan perancangan kerjaya kepada orang biasa. Jawapan kali pertama begitu murah, begitu melimpah, dan begitu kelihatan seperti asli.

Tetapi masalahnya di sini: apabila jawapan boleh diperoleh oleh semua orang, yang benar-benar langka bukan lagi jawapan, tetapi kemampuan untuk menilai jawapan.

Orang miskin bukanlah mereka yang dihalang daripada AI, tetapi mereka yang telah mendapat jawapan, tetapi tidak mampu menilai jawapan itu atau tidak mempunyai syarat untuk membawa jawapan itu ke peluang sebenar.

Orang miskin maklumat di era internet ialah mereka yang diasingkan daripada rangkaian. Penyelesaian kelihatan jelas: sambungkan kabel internet, lanjutkan penggunaan peranti, dan tingkatkan kadar melek huruf. Di era enjin carian, ia sedikit lebih kompleks—anda perlu belajar merumuskan kata kunci, menyaring sumber, menilai kredibiliti, dan lebih baik lagi, memahami bahasa Inggeris. Tetapi palang masuknya kelihatan dan boleh diukur.

Perbezaan maklumat di era AI adalah berbeza secara struktur.

Model bahasa besar bukan enjin carian; ia menghasilkan kesimpulan secara langsung untuk anda. Anda tidak perlu lagi "mencari" jawapan—jawapan akan disusun dalam perenggan yang lancar, langkah-langkah yang jelas, dan nada yang percaya diri, serta dihantar secara aktif ke hadapan anda. Secara zahir, rintangan telah berkurang secara besar-besaran. Tetapi di sini tersembunyi satu struktur yang kejam: apabila jawapan menjadi murah, kesalahan juga menjadi murah; dan kemampuan untuk mengenal pasti "adakah jawapan ini boleh dipercayai" justru lebih langka dan lebih berharga daripada sebelumnya.

Setiap penyebaran teknologi umum dalam sejarah mengikuti logik yang sama: teknologi baharu memberi keuntungan terlebih dahulu kepada mereka yang sudah memiliki modal pelengkap. Cetakan memberi keuntungan terlebih dahulu kepada mereka yang boleh membaca; komputer memberi keuntungan terlebih dahulu kepada mereka yang memahami perisian pejabat dan pengaturcaraan; internet memberi keuntungan terlebih dahulu kepada mereka yang mahir dalam bahasa Inggeris dan kemahiran carian. Modal pelengkap AI termasuk latar belakang pendidikan, keahlian profesional, pemikiran kritis, kuasa organisasi, kemampuan membayar, serta yang paling sukar diukur—kebijaksanaan.

Teknologi baharu jarang memberi ganjaran terlebih dahulu kepada mereka yang paling memerlukannya. Ia biasanya memberi ganjaran terlebih dahulu kepada mereka yang paling mampu memanfaatkannya.

Celah pertama ketidakseimbangan telah dibuat sebelum anda membuka aplikasi.

Pada April 2026, institut penyelidikan AI, Epoch AI, bekerjasama dengan agensi tinjauan pendapat Ipsos, menerbitkan satu soal selidik terhadap sekitar 5,000 orang dewasa Amerika. Tiga gelombang soal selidik menanyakan satu soal yang kelihatan biasa: Dalam seminggu terakhir, anda telah menggunakan perkhidmatan AI mana? Tetapi jawapan yang muncul bukan sekadar preferensi produk, melainkan peta yang mengaitkan pendapatan, akses, dan pengagihan.

Di antara pengguna aktif mingguan Claude, sekitar 80% berasal dari rumah tangga dengan pendapatan tahunan lebih dari 100.000 dolar AS; bagi pengguna Meta AI, peratusan ini hanya 37%. Sebaliknya, sekitar 32% pengguna Meta AI berasal dari rumah tangga dengan pendapatan tahunan di bawah 50.000 dolar AS, manakala bagi pengguna Claude, peratusan ini hanya 7%.

Nombor-nombor ini penting bukan kerana ia membuktikan “orang kaya menggunakan AI canggih, orang miskin menggunakan AI percuma”. Itu adalah pembacaan paling cetek. Yang lebih patut ditanya ialah: mengapa orang yang berbeza mengalami AI yang berbeza dalam kehidupan harian mereka?

Seseorang meminta AI untuk mencadangkan makan malam berdasarkan sisa makanan di peti sejuk, menyesuaikan kecerahan latar belakang gambar, dan memperbaiki satu pesan teks agar lebih sopan. Orang lain meminta AI untuk mengurus temu bual pelanggan, membandingkan harga peniaga, dan mengenal pasti anggapan lemah dalam laporan. Keduanya menggunakan teknologi yang sama. Tetapi yang satu berhenti pada keselesaan, sementara yang lain memasuki kitaran pendapatan, jawatan, dan kuasa rundingan.

Perbezaan bukan hanya terletak pada pengguna, tetapi juga pada titik masuk. Laluan penggunaan Claude memerlukan pencarian aktif, perbandingan produk, pemahaman perbezaan kemampuan, pemilihan pembayaran, kemudian integrasi alat ke dalam alur kerja—setiap langkah menyaring pengguna. Laluan Meta AI pula hampir berlawanan: ia dibina ke dalam platform sosial, percuma, dan rendah geseran, di mana pengguna sering secara pasif bertemu semasa menggulirkan aliran, menghantar mesej, atau melihat gambar.

Ini bukan pasaran tentang selera, tetapi pasaran tentang pengagihan. Pengguna kelihatan sedang memilih alat, tetapi harga dan akses alat juga sedang memilih pengguna.

Sumber: epoch.ai

Walaupun anda telah menemui alat AI yang baik, arus kedua menunggu anda di dalam syarikat.

Di pejabat biasa, kedatangan AI jarang berbentuk "notis pemecatan". Ia terlebih dahulu mengambil alih notis mesyuarat, draf e-mel, pengurusan jadual, pengelasan pelanggan, dan draf laporan awal. Bagi pengurus, automatik ini melepaskan masa untuk membuat keputusan; manakala bagi pekerja baru dan pekerja peringkat bawah, automatik ini mengambil alih peluang mereka untuk membuktikan diri, melatih keputusan, dan memasuki peranan yang lebih tinggi.

Data yang lebih sejuk daripada senario ini: Survei pelacakan AI terhadap tenaga kerja British dan Amerika, yang dijalankan bersama oleh Financial Times dan agensi penyelidikan (Februari–Mac 2026, merangkumi lebih daripada 4,000 responden di Britain dan Amerika), menunjukkan bahawa 63% pekerja dalam kelas gaji tertinggi menggunakan AI pada hari kerja biasa, manakala peratusan dalam dua kelas gaji terendah masing-masing hanya 17% dan 16%. Ini bukan satu landasan yang perlahan, ini adalah tebing curam.

Penemuan yang lebih penting ialah faktor pendorong. Analisis regresi dalam survei tempat kerja ini menunjukkan bahawa kesan gaji terhadap penggunaan AI hampir hilang apabila pemboleh ubah lain dikawal—faktor yang benar-benar berkesan ialah empat perkara: umur, pengalaman, industri, dan latihan. Di antaranya, kesan latihan paling besar: syarikat yang menyediakan latihan AI formal mempunyai kadar penggunaan AI harian pekerja 37 peratus lebih tinggi berbanding syarikat sejenis yang tidak melatih. Walaupun hanya bimbingan tidak formal, terdapat peningkatan 24 peratus.

Namun, kenyataannya: sehingga awal 2026, hanya 14% pekerja yang menyatakan pernah menerima latihan AI rasmi yang disediakan oleh majikan, dengan dua pertiga daripadanya tidak menerima sebarang bentuk latihan sama sekali.

Latihan AI bukanlah masalah teknikal, tetapi masalah pengagihan. Siapa yang dipilih untuk menerima latihan, mereka yang diizinkan memasuki landasan peningkatan produktiviti; siapa yang tidak, alat itu hanyalah ikon di skrin yang tidak diberi kebenaran untuk dibuka.

AI di sisi penggunaan ialah satu aplikasi, di sisi pekerjaan pula ia adalah satu kebenaran. Dan kebenaran, tidak pernah dibahagikan secara sama rata.

Sumber: Focaldata

Ini adalah aliran pecahan yang paling tersembunyi, dan juga yang paling asas.

Bayangkan seorang graduan baru yang baru memasuki sebuah syarikat konsultasi. Dia menggunakan AI untuk menghasilkan draf laporan analisis industri yang strukturnya lengkap, data yang mencukupi, dan nada yang yakin. Atasannya—seseorang yang telah berada dalam industri ini selama sepuluh tahun—melihat sekilas dan menunjukkan bahawa dua sumber rujukan data mengandungi kelemahan metodologi, dan kesimpulan ketiga mempunyai masalah dalam penarikan hubungan sebab-akibat. Atasan bukan kerana bekerja lebih keras, tetapi kerana memiliki dasar itu—mengetahui di mana kesilapan mudah berlaku, mengetahui kecergasan yang sebenar dan kecergasan yang hanyalah mesin mengisi ruang kosong.

Ini adalah makna sebenar di sebalik penemuan yang tidak intuitif dalam data penyelidikan tempat kerja: pengguna paling intensif AI di tempat kerja bukanlah pekerja termuda, tetapi mereka yang telah bekerja di jawatan semasa selama 2 hingga 10 tahun. Hubungan antara penggunaan AI dan pengalaman kerja tetap signifikan selepas mengawal umur. Ini bukan kerana generasi muda tidak ingin menggunakannya, tetapi kerana nilai AI sangat bergantung kepada kemampuan penilaian yang sudah dimiliki oleh pengguna itu sendiri.

Pengalaman adalah modal pelengkap paling penting bagi AI, dan pengalaman tidak boleh disubskripsikan.

AI mengurangkan kos untuk "kedengaran faham", tetapi tidak mengurangkan kos untuk "faham benar" dengan cara yang sama. Bahkan, terdapat kesan yang lebih berbahaya: pengguna yang semakin kurang mempunyai asas akan semakin cenderung menerima output AI tanpa pertimbangan; dan semakin menerima tanpa pertimbangan, keupayaan penilaian semakin sukar berkembang. Apabila agen membuat keputusan untuk anda, anda sedang mengonsumsi kecerdasan, bukan mengumpulkannya.

Penerima Hadiah Nobel Ekonomi dan profesor MIT, Daron Acemoglu, berkata tanpa basa-basi: Penggunaan alat AI memerlukan tahap pendidikan, pemikiran abstrak, kemampuan kuantitatif, dan kefahaman terhadap teknologi. "AI hampir pasti akan meningkatkan ketidaksetaraan," katanya.

Maklumat baharu yang muncul di kalangan orang miskin: mereka bukanlah orang yang tidak memiliki AI, tetapi mereka yang memiliki AI, akses, dan jawapan, tetapi kekurangan latihan untuk menilai jawapan tersebut; memiliki alat dan konteks, tetapi tidak memiliki kuasa untuk mengubah output alat menjadi peluang; setiap hari mengonsumsi kecerdasan, tetapi tidak pernah mengumpulkan kecerdasan.

Namun, hubungan antara AI dan ketidaksamaan tidak hanya bersegi memperlebar jurang.

Beberapa kajian eksperimen mendapati bahawa, dalam keadaan terkawal, AI sering memberikan peningkatan yang lebih besar kepada individu dengan kemahiran rendah—seperti pekerja pusat panggilan, penulis peringkat permulaan, dan penasihat peringkat permulaan. Ini mudah difahami: pakar terkemuka mendapat keuntungan marjinal yang terhad daripada AI; seseorang yang sebelum ini tidak mampu membayar perkhidmatan profesional, apabila pertama kali menggunakan AI untuk memahami satu kontrak, merupakan lompatan kualitatif yang nyata.

Namun, terdapat perbezaan utama yang perlu ditekankan: kajian eksperimen mengukur "peningkatan selepas penggunaan", manakala data sebenar mengukur "siapa yang sebenarnya menggunakan", "siapa yang dibenarkan menggunakan", dan "siapa yang setelah menggunakan mampu menjadikan hasilnya sebagai peluang". Kedua-dua set data tidak berbohong; mereka mengukur perkara yang sama sekali berbeza.

Satu teknologi boleh mengurangkan jurang di makmal, tetapi memperluaskan jurang di dunia nyata—jika pengambilan keputusan itu sendiri tidak seimbang, jika konteksnya sendiri tidak seimbang, dan jika penilaian itu sendiri tidak seimbang.

AI memiliki sifat teknikal yang mempromosikan kesetaraan, tetapi beroperasi dalam struktur sosial yang tidak seimbang. Kedua-dua perkara ini benar secara serentak, itulah bentuk sebenar masalahnya.

Setiap generasi cenderung percaya bahawa teknologi universal pada zaman mereka akan menghancurkan tatanama lama.

Selepas penciptaan percetakan, mereka yang mampu membaca dan menulis mendapat manfaat selama beberapa abad. Pada awal kemunculan komputer, ia memperkuat kemampuan mereka yang sudah mahir menggunakan perisian pejabat dan menulis kod. Manfaat awal internet mengalir kepada mereka yang faham bahasa Inggeris, mampu mencari maklumat, serta mempunyai masa dan motivasi untuk mendapatkan keuntungan. Dalam setiap gelombang teknologi, suara "kali ini berbeza" sangat kuat, tetapi perbezaan struktur sering memerlukan puluhan tahun sebelum menjadi jelas.

Kelajuan percabangan AI mungkin lebih pantas, dan percabangan mungkin lebih dalam. Kerana ia mempengaruhi bukan sekadar satu jenis tugas, tetapi hampir semua pekerjaan yang bergantung pada penilaian dan bahasa. Dan inilah tepatnya jenis kemampuan yang paling sukar untuk distandardkan dan paling sukar untuk dialihkan.

Ada yang percaya jurang akhirnya akan menyempit. Sejarawan ekonomi dan profesor di Oxford Internet Institute, Carl Benedikt Frey, memegang pandangan ini berdasarkan sejarah: ketidaksetaraan yang diakibatkan oleh pengenalan komputer perlahan-lahan mereda selepas beberapa dekad apabila rintangan penggunaan menurun. Analogi ini tidak tidak berasas.

Masalahnya ialah, walaupun menerima perbandingan sejarah yang optimis ini, Frey sendiri mengakui syarat penting: "Ia bergantung pada berapa lama masa yang diperlukan untuk menutup jurang tersebut. Jika ia sepuluh atau dua puluh tahun, ia lebih mengkhawatirkan."

Sepuluh atau dua puluh tahun, bukanlah skala masa yang boleh ditunggu dengan mudah—terutama bagi mereka yang perlu mencari pekerjaan, berunding gaji, dan mengumpulkan pengalaman sepanjang tempoh ini.

Ini adalah momen sejarah yang aneh: kami pertama kali memiliki teknologi yang membolehkan semua orang merasa mereka menjadi lebih bijak.

Perasaan ini, sering kali merupakan titik akhir.

Masalahnya, di era di mana keputusan menentukan kemenangan atau kekalahan, menganggap perasaan sebagai tujuan akhir mungkin merupakan kesalahan paling mahal.