Dalam proses bisnis modern, adopsi AI generatif telah melampaui tahap pemanfaatan sebagai alat dan kini memasuki fase sistematisasi.
Di luar itu, era kecerdasan baru yang disebut "Kecerdasan Simfonik" menanti.
Artikel ini membahas kondisi saat ini dan prospek masa depan pemanfaatan AI generatif dari dua perspektif: kerja iterasi dan kerja aliran.
Kerja Iterasi
Dalam artikel sebelumnya, saya menganalisis perspektif kerja iterasi dan alat, serta kerja aliran dan sistem, sebagai sudut pandang untuk memungkinkan AI generatif melakukan tugas.
Kerja iterasi mengacu pada tugas-tugas yang dilakukan manusia dengan secara semi-tidak sadar menggabungkan beberapa tugas konkret yang berbeda dan melanjutkan melalui coba-coba.
Dan untuk kerja iterasi ini, alat-alat adalah optimal. Dengan memilih alat yang sesuai dengan berbagai tugas, pekerjaan dapat berjalan efisien. Oleh karena itu, penting untuk menyiapkan kotak peralatan 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 merujuk pada penambahan alat baru yang kuat ini ke dalam kotak peralatan yang ada yang digunakan manusia untuk kerja iterasi mereka.
Masalah dalam Kerja Iterasi
Di sisi lain, seperti yang telah dibahas dalam artikel sebelumnya, peningkatan efisiensi dari penggunaan alat dalam kerja iterasi relatif terbatas.
Ketika alat menjadi lebih efisien, manusia pada akhirnya akan menjadi penghambat. Kita tidak dapat sepenuhnya mengatasi batasan jam kerja manusia.
Selain itu, terdapat kesenjangan signifikan dalam efisiensi dan akurasi kerja iterasi antara karyawan veteran dan karyawan baru, dan menjembatani kesenjangan ini sulit. Akibatnya, bahkan jika seseorang bertujuan untuk menggandakan beban kerja bulan depan, hal itu tidak dapat ditangani tanpa personel yang memiliki keterampilan seorang veteran.
Untuk mengatasi masalah manusia sebagai penghambat, solusi utamanya adalah mengganti semuanya dengan kecerdasan buatan.
Namun, AI generatif saat ini belum memiliki tingkat kinerja tersebut.
Terlebih lagi, bahkan tugas iterasi yang tampaknya sederhana, jika diperiksa lebih dekat, terdiri dari sejumlah besar subtugas yang tidak disadari.
Karena alasan ini, tugas-tugas ini tidak dapat dipecah menjadi sistem TI konvensional atau manual yang mudah diikuti, dan sebaliknya bergantung pada kemahiran manusia.
Kecuali banyak tugas tak sadar yang membutuhkan kemahiran ini diorganisir, dan pengetahuan yang diperlukan untuk setiap tugas dikristalisasi menjadi pengetahuan, AI generatif, seberapa pun peningkatannya, tidak akan dapat melakukan tugas sebagai pengganti manusia.
Konversi Kerja Aliran dan Sistematisasi
Untuk mencapai tujuan mendistribusikan tugas dalam batas kinerja AI generatif saat ini, serta mengorganisir tugas-tugas bawah sadar dan mengkristalkan pengetahuan menjadi informasi, sangatlah penting untuk mengubah kerja iterasi yang bersifat coba-coba menjadi kerja aliran yang terstandardisasi.
Kerja aliran yang terstandardisasi sangat cocok tidak hanya untuk alat, tetapi juga untuk sistem.
Dalam kerja aliran, terdapat tugas-tugas yang akan dilaksanakan oleh AI generatif dan tugas-tugas yang akan dilaksanakan oleh manusia. Dengan menghubungkan ini melalui sebuah sistem, seluruh kerja aliran menjadi dapat dilaksanakan.
Konversi kerja aliran dan sistematisasi menghasilkan beberapa manfaat signifikan:
Pertama, karena AI generatif terspesialisasi untuk setiap tugas individual, optimasi efisiensi dan akurasinya untuk setiap tugas menjadi jelas.
Kedua, banyak pekerja dapat menambahkan pengetahuan ke AI generatif, dan manfaatnya akan menyebar ke semua orang.
Ketiga, menjadi lebih mudah untuk secara bertahap mengalihkan pembagian tugas dalam pekerjaan ini ke AI generatif.
Dengan mengubah kerja iterasi menjadi kerja aliran dan mengumpulkan pengetahuan yang dibutuhkan oleh AI generatif untuk setiap tugas sebagai sebuah sistem, kerja intelektual mendekati otomatisasi, mirip seperti lini produksi pabrik.
Dan dengan menggabungkan peningkatan kinerja dasar AI generatif, yang berkembang seiring waktu, serta memanfaatkan pengetahuan terakumulasi yang terspesialisasi untuk berbagai tugas, akan menjadi mungkin untuk menjadikan seluruh kerja aliran sebagai proses otomatis yang dilakukan oleh AI generatif.
Kecerdasan Virtual
Sejauh ini, analisis telah dilakukan dari perspektif kerja iterasi dan alat, serta kerja aliran dan sistem.
Artikel terbaru lainnya semakin mengembangkan diskusi ini.
Dalam artikel tersebut, saya menyentuh topik orkestrasi oleh kecerdasan virtual.
Saat ini, dan dalam waktu yang sangat dekat, karena keterbatasan kinerja, AI generatif lebih efisien dan akurat ketika difokuskan pada tugas-tugas tertentu.
Oleh karena itu, seperti yang dibahas sebelumnya dengan kerja aliran dan sistem, mekanisme yang menghubungkan AI generatif yang terspesialisasi untuk setiap tugas individual adalah ideal.
Namun, bahkan jika kinerja AI generatif meningkat secara signifikan, pemrosesan tugas dengan beralih peran dan memanfaatkan pengetahuan dalam satu proses, daripada hanya menangani berbagai tugas secara bersamaan, berpotensi mengarah pada efisiensi dan akurasi yang lebih tinggi.
Pendekatan ini 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, ini memungkinkan respons yang fleksibel di dalam AI generatif itu sendiri, menjauh dari situasi di mana tugas tidak dapat ditukar atau ditambahkan tanpa memodifikasi sistem.
Ini berarti mengembalikan kerja aliran yang disistematisasi ke kerja iterasi.
Namun, kerja iterasi ini, setelah melalui sistematisasi dan konversi kerja aliran, kini berada dalam keadaan di mana pengetahuan yang dapat digunakan kembali dapat terbentuk, bahkan jika jumlah AI generatif ditingkatkan atau versi diubah.
Ini menyelesaikan masalah kerja iterasi manusia, memungkinkan kerja fleksibel yang mirip dengan manusia.
Di sini, saya menyebut kemampuan AI generatif untuk beralih 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 satu perangkat keras, satu AI generatif memproses tugas dengan beralih di antara beberapa peran.
AI generatif saat ini telah secara alami memperoleh kemampuan kecerdasan virtual ini. Karena alasan ini, AI generatif dapat mensimulasikan diskusi antara banyak orang dan menghasilkan novel yang menampilkan banyak karakter.
Jika kemampuan kecerdasan virtual ini meningkat dan pengetahuan yang cukup diberikan, maka akan menjadi mungkin untuk melakukan kerja iterasi.
Orkestrasi Kecerdasan
Selanjutnya, saya menyebut kemampuan untuk secara bebas menggabungkan berbagai peran dan pengetahuan untuk melakukan tugas dengan cara ini sebagai orkestrasi kecerdasan.
Ini mirip dengan teknologi orkestrasi yang mengelola 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 ditingkatkan—kemampuan kecerdasan virtual—akan mampu melakukan kerja iterasi secara fleksibel, sambil mengelola berbagai peran dan pengetahuan dengan tepat, serta menjaga efisiensi dan akurasi.
Kecerdasan Simfonik
AI generatif yang mencapai tahap ini dapat disebut Kecerdasan Simfonik.
Sama seperti sebuah orkestra, yang terampil memainkan setiap instrumen, membawakan satu karya musik sambil memenuhi peran masing-masing, Kecerdasan Simfonik dapat memainkan simfoni tugas-tugas intelektual.
Kecerdasan Simfonik ini adalah konsep baru, yang mewakili salah satu titik puncak bagi AI generatif.
Namun, Kecerdasan Simfonik itu sendiri sudah ada.
Yaitu kecerdasan manusia kita.
Justru karena kita memiliki Kecerdasan Simfonik, kita dapat secara tidak sadar dan fleksibel melakukan berbagai tugas intelektual kompleks melalui kerja iterasi, dengan memanfaatkan banyak pengetahuan.
Akhirnya: Bentuk AGI
Dengan menyediakan AI generatif yang mampu mensimulasikan Kecerdasan Simfonik dengan kerja aliran dan basis pengetahuan untuk tugas-tugas lain, ia akan mampu menangani berbagai tugas iterasi.
Setelah dapat menangani berbagai tugas iterasi yang berbeda, ia akan dapat memahami aturan umum di antara tugas-tugas tersebut dan pola struktural dalam pengetahuannya.
Pada titik itu, untuk tugas iterasi yang sama sekali tidak diketahui, hanya dengan penjelasan singkat dari manusia, AI akan dapat mempelajari pengetahuan tentang tugas tersebut hanya dengan mengamati bagaimana manusia melakukannya.
Inilah Kecerdasan Simfonik sejati. Setelah tahap ini tercapai, manusia tidak perlu lagi mengerahkan upaya untuk mengubah pekerjaan menjadi proses aliran atau mengkristalisasi pengetahuan.
Selain itu, pengetahuan yang secara otomatis terakumulasi oleh AI generatif dapat dibagikan di antara AI generatif lainnya.
Jika ini terjadi, kemampuan belajar AI generatif akan jauh melampaui kemampuan manusia.
Ini dapat dianggap sebagai salah satu bentuk AGI.