Dalam proses bisnis modern, adopsi AI generatif telah melampaui sekadar pemanfaatan alat dan kini memasuki tahap integrasi sistematis.
Di luar itu, terbentang era baru kecerdasan: "Kecerdasan Simfoni."
Artikel ini akan mengeksplorasi kondisi terkini dan prospek masa depan pemanfaatan AI generatif dari dua perspektif: pekerjaan iteratif dan pekerjaan alir.
Pekerjaan Iteratif
Dalam artikel sebelumnya, kami menganalisis perspektif "pekerjaan iteratif dan alat" versus "pekerjaan alir dan sistem" sebagai sudut pandang untuk memungkinkan AI generatif melakukan tugas-tugas bisnis.
Pekerjaan iteratif mengacu pada tugas-tugas di mana manusia secara semi-tidak sadar menggabungkan beberapa tugas konkret yang berbeda dan melanjutkannya melalui uji coba dan kesalahan.
Dan untuk pekerjaan iteratif ini, alat adalah yang paling optimal. Dengan memilih alat yang sesuai untuk berbagai tugas, pekerjaan dapat berjalan secara efisien. Oleh karena itu, penting untuk mengumpulkan perangkat alat yang diperlukan dan menjadi mahir dalam penggunaannya.
Saat ini, ketika AI generatif dimanfaatkan dalam bisnis, sebagian besar kasus melibatkan AI generatif sebagai alat.
Sebagian besar diskusi tentang peningkatan efisiensi bisnis dengan AI generatif hampir selalu mengacu pada penambahan alat baru yang kuat ini ke perangkat alat yang sudah ada yang digunakan manusia untuk pekerjaan iteratif.
Masalah dengan Pekerjaan Iteratif
Di sisi lain, seperti yang telah dibahas dalam artikel sebelumnya, peningkatan efisiensi dari penggunaan alat dalam pekerjaan iteratif relatif terbatas.
Ketika alat menjadi lebih efisien, manusia pada akhirnya akan menjadi hambatan. Pada akhirnya, batasan jam kerja manusia tidak dapat diatasi.
Selain itu, terdapat kesenjangan yang signifikan dalam efisiensi dan akurasi pekerjaan iteratif antara karyawan veteran dan karyawan baru, dan sulit untuk menjembatani kesenjangan ini. Oleh karena itu, bahkan jika Anda ingin melipatgandakan beban kerja bulan depan, Anda tidak dapat menanganinya tanpa orang-orang dengan keterampilan veteran.
Untuk mengatasi masalah manusia sebagai hambatan, pada akhirnya akan bermuara pada penggantian semuanya dengan kecerdasan buatan.
Namun, AI generatif saat ini belum memiliki tingkat kinerja tersebut.
Terlebih lagi, bahkan tugas-tugas iteratif yang tampaknya sederhana, jika diperiksa lebih dekat, terdiri dari sejumlah besar tugas yang tidak disadari.
Untuk alasan ini, mereka tidak dapat direduksi menjadi sistem IT konvensional atau manual yang dapat diikuti siapa pun, dan dengan demikian bergantung pada kemahiran manusia.
Kecuali jika banyak tugas yang tidak disadari dan membutuhkan kemahiran ini diorganisir dan pengetahuan yang diperlukan untuk masing-masing tugas dikodifikasi menjadi sebuah pengetahuan, AI generatif, tidak peduli seberapa banyak kinerjanya meningkat, tidak dapat menggantikan pekerjaan manusia.
Transformasi menjadi Pekerjaan Alir dan Sistematisasi
Untuk mencapai tujuan mendistribusikan tugas-tugas dalam batas kinerja AI generatif saat ini, dan tujuan mengorganisir tugas-tugas yang tidak disadari serta mengkodifikasi pengetahuan (know-how), sangatlah penting untuk mengorganisir pekerjaan iteratif yang bersifat coba-coba menjadi pekerjaan alir yang terstandardisasi.
Pekerjaan alir yang terstandardisasi cocok tidak hanya untuk alat, tetapi juga untuk sistem.
Dalam pekerjaan alir, terdapat tugas-tugas yang dijalankan oleh AI generatif dan tugas-tugas yang dijalankan oleh manusia. Dengan menghubungkan keduanya melalui sebuah sistem, seluruh pekerjaan alir menjadi dapat dieksekusi.
Transformasi menjadi pekerjaan alir dan sistematisasi menghasilkan beberapa efek signifikan.
Pertama, AI generatif dispesialisasikan untuk tugas-tugas individual, sehingga jelas bagaimana mengoptimalkan efisiensi dan akurasi AI generatif untuk setiap tugas.
Kedua, banyak pekerja dapat menambahkan pengetahuan ke AI generatif, dan manfaatnya meluas ke semua orang.
Ketiga, menjadi mudah untuk secara bertahap mengalihkan pembagian tugas dalam pekerjaan ini ke AI generatif.
Dengan cara ini, dengan mengubah pekerjaan iteratif menjadi pekerjaan alir dan mengumpulkan pengetahuan yang dibutuhkan AI generatif untuk setiap tugas sebagai sebuah sistem, pekerjaan intelektual mendekati otomatisasi seperti lini pabrik.
Dan dengan menggabungkan peningkatan kinerja fundamental AI generatif yang berkembang seiring waktu, serta memanfaatkan pengetahuan terakumulasi yang dispesialisasikan untuk berbagai tugas, akan menjadi mungkin untuk menjadikan seluruh pekerjaan alir sebagai proses otomatis yang digerakkan oleh AI generatif.
Kecerdasan Virtual
Ini mengakhiri analisis dari perspektif pekerjaan iteratif dan alat, serta pekerjaan alir dan sistem.
Artikel lain yang baru-baru ini saya tulis mengembangkan pembahasan ini lebih lanjut.
Dalam artikel tersebut, saya menyentuh topik orkestrasi oleh kecerdasan virtual.
Saat ini, dan dalam waktu yang sangat dekat, karena keterbatasan kinerja, AI generatif berkinerja lebih baik dalam hal efisiensi dan akurasi ketika difokuskan pada tugas-tugas spesifik.
Oleh karena itu, seperti yang dibahas sebelumnya dengan pekerjaan alir dan sistem, mekanisme yang ideal adalah menghubungkan AI generatif yang terspesialisasi untuk setiap tugas individual melalui sebuah sistem.
Namun, bahkan jika kinerja AI generatif meningkat secara signifikan, mungkin akan lebih efisien dan akurat untuk memproses dengan mengalihkan peran dan memanfaatkan pengetahuan yang berbeda dalam satu kali proses, daripada hanya memproses berbagai tugas secara paralel.
Metode ini akan menghilangkan kebutuhan akan sistem untuk menghubungkan AI generatif bersama-sama. Operasi yang mirip dengan integrasi sistem akan terjadi di dalam AI generatif itu sendiri.
Selain itu, dari situasi di mana penataan ulang atau penambahan tugas tidak mungkin dilakukan tanpa perubahan sistem, AI generatif itu sendiri akan dapat merespons secara fleksibel.
Ini berarti mengembalikan tugas-tugas yang telah di-flow-kan dan disistematisasi kembali ke pekerjaan iteratif.
Namun, pekerjaan iteratif yang kembali setelah melalui proses flow-working dan sistematisasi ini akan berada dalam kondisi di mana pengetahuan yang dapat digunakan kembali telah terbentuk, bahkan jika jumlah AI generatif ditingkatkan atau versinya diubah.
Ini menyelesaikan masalah pekerjaan iteratif manusia dan memungkinkan kinerja tugas-tugas fleksibel yang mirip dengan yang dilakukan oleh manusia.
Di sini, saya menyebut kemampuan AI generatif untuk mengalihkan peran dan pengetahuan selama satu eksekusi sebagai "kecerdasan virtual." Ini analog dengan mesin virtual komputer.
Sama seperti teknologi mesin virtual yang mensimulasikan komputer yang sama sekali berbeda berjalan di atas satu perangkat keras, satu AI generatif memproses dengan beralih di antara beberapa peran.
AI generatif secara alami telah memperoleh kemampuan kecerdasan virtual ini. Inilah sebabnya mengapa AI generatif dapat mensimulasikan diskusi yang melibatkan banyak orang atau menghasilkan novel yang menampilkan banyak karakter.
Jika kemampuan kecerdasan virtual ini meningkat dan diberikan pengetahuan yang cukup, maka akan menjadi mungkin untuk melakukan pekerjaan iteratif.
Orkestrasi Kecerdasan
Selanjutnya, saya menyebut kemampuan untuk secara bebas menggabungkan berbagai peran dan pengetahuan untuk melakukan tugas sebagai "orkestrasi kecerdasan."
Ini mirip dengan teknologi orkestrasi yang menangani beberapa mesin virtual.
Sama seperti teknologi orkestrasi yang secara efisien mengoperasikan sistem dengan meluncurkan mesin virtual yang diperlukan saat dibutuhkan, AI generatif dengan keterampilan orkestrasi kecerdasan yang lebih baik—kemampuan kecerdasan virtual—akan mampu melakukan pekerjaan iteratif secara fleksibel, menjaga efisiensi dan akurasi sambil memanfaatkan berbagai peran dan pengetahuan dengan tepat.
Kecerdasan Simfoni
AI generatif yang mencapai tahap ini dapat disebut Kecerdasan Simfoni.
Sama seperti orkestra, dengan setiap musisi mahir dalam instrumennya, memainkan satu karya sambil memenuhi peran masing-masing, Kecerdasan Simfoni dapat memainkan simfoni pekerjaan intelektual.
Kecerdasan Simfoni ini adalah konsep baru, yang merepresentasikan titik akhir untuk AI generatif.
Namun, Kecerdasan Simfoni itu sendiri sudah ada.
Itu adalah kecerdasan manusia kita.
Justru karena kita memiliki Kecerdasan Simfoni, kita dapat secara tidak sadar melakukan tugas-tugas intelektual yang kompleks secara fleksibel melalui pekerjaan iteratif, memanfaatkan berbagai pengetahuan.
Akhirnya: Bentuk AGI
Dengan menyediakan AI generatif, yang mampu mensimulasikan Kecerdasan Simfoni, dengan proses kerja alir dan basis pengetahuan untuk tugas-tugas lain, ia akan mampu menangani berbagai tugas iteratif.
Saat ia menjadi mampu menangani berbagai tugas iteratif yang berbeda, kemungkinan besar ia akan memahami prinsip-prinsip umum dan pola struktural dalam pengetahuan di seluruh tugas-tugas tersebut.
Pada titik itu, untuk tugas-tugas iteratif yang sama sekali tidak dikenal, hanya dengan penjelasan sederhana dari manusia, ia akan dapat mempelajari pengetahuan tentang tugas tersebut hanya dengan mengamati bagaimana manusia melakukannya.
Ini adalah Kecerdasan Simfoni sejati. Setelah tahap ini tercapai, manusia tidak perlu lagi mengeluarkan upaya untuk membuat alur kerja atau mengkodifikasi pengetahuan.
Selain itu, pengetahuan yang secara otomatis dikumpulkan oleh AI generatif ini dapat dibagikan di antara AI generatif itu sendiri.
Ketika itu terjadi, kapasitas belajar AI generatif akan jauh melampaui manusia.
Ini dapat dikatakan sebagai salah satu bentuk AGI.