Halo dan selamat datang di Eye on AI. Di edisi ini… Anthropic menggugat Pentagon soal penentuan risiko rantai pasokan… Yann LeCun mengumpulkan $1 miliar untuk startup barunya… Beberapa berita yang meyakinkan dan kurang meyakinkan tentang kecenderungan agen AI untuk rencana ilegal… dan mengapa mungkin terlalu cepat untuk menyerahkan semua pemrograman ke agen AI.
Dua pertanyaan yang sering saya dapat saat saya bilang ke orang-orang bahwa saya meliput AI dan menulis buku tentang topik ini adalah: apakah saya akan kehilangan pekerjaan? Dan, apa yang harus dipelajari anak saya?
Pertanyaan ini sulit dijawab. Saya sering bilang bahwa saya ragu akan ada pengangguran massal, yang tidak sama dengan bilang pekerjaan kamu aman. Dan saya bilang bahwa penting mengajari anak untuk jadi pembelajar seumur hidup, yang bukan jawaban yang sangat memuaskan.
Sejauh ini, sedikit orang yang kehilangan pekerjaan langsung karena AI. Bahkan beberapa PHK yang perusahaan bilang karena AI, seperti PHK keras baru-baru ini di perusahaan pembayaran Block, kelihatannya, setidaknya sebagian, adalah "AI-washing" — menyebut PHK karena AI, karena itu membuat perusahaan terlihat melek teknologi, padahal alasan sebenarnya adalah tantangan bisnis atau keputusan buruk tidak terkait. Block, contohnya, melipatgandakan pekerjanya saat pandemi, dan banyak yang curiga mereka cuma mencoba menguruskan pekerjaan yang kebanyakan.
Setiap teknologi sebelumnya, dalam jangka panjang, menciptakan lebih banyak pekerjaan daripada yang dihancurkan. Tapi tetap, beberapa orang bersikeras bahwa AI berbeda karena diadopsi sangat luas dan cepat di berbagai industri, dan karena itu mengenai inti keunggulan kompetitif kita atas mesin — kecerdasan kita. Untuk pertanyaan kedua, tentang apa yang harus dipelajari anak, itu juga sulit karena sementara teknologi sebelumnya menciptakan lebih banyak pekerjaan, persis apa pekerjaan baru itu selalu sulit diprediksi sebelumnya. Tidak jelas, contohnya, saat smartphone pertama muncul, bahwa influencer media sosial akan jadi karir yang viable.
Sebuah makalah penelitian baru dari ekonom Maxim Massenkoff dan Peter McCrory di perusahaan AI Anthropic menilai seberapa terekspos berbagai profesi ke AI dengan melihat persentase tugas di bidang itu yang teknologinya berpotensi otomatisasi. Mereka juga mencoba mengukur jarak antara eksposur total mungkin ini, dan sejauh mana AI saat ini digunakan untuk mengotomatisasi tugas-tugas itu, ukuran yang mereka sebut "eksposur teramati".
Eksposur AI Potensial vs ‘Eksposur Teramati’
Makalah ini dapat banyak perhatian di media sosial karena peneliti menyertakan bagan radar yang mencolok yang menyoroti betapa tidak meratanya dampak AI, terutama untuk eksposur teramati.
Contohnya, AI berdampak relatif besar pada bidang yang melibatkan administrasi perkantoran dan komputer serta matematika, tapi relatif sedikit pada hal seperti ilmu hayat dan ilmu sosial atau kesehatan, meskipun dua area itu punya eksposur potensial yang relatif tinggi. Lalu ada area dengan eksposur potensial sangat rendah, seperti konstruksi dan pertanian, di mana, Anthropic temukan eksposur teramatis memang hampir nol. Membandingkan temuan eksposur teramati dengan proyeksi pertumbuhan pekerjaan dari Biro Statistik Tenaga Kerja AS, peneliti Anthropic menemukan ada korelasi antara eksposur AI teramati lebih tinggi dan ramalan pertumbuhan pekerjaan BLS lebih rendah untuk bidang-bidang itu.
Saya agak mempertanyakan temuan pertanian mengingat bahwa AI prediktif dan robotika cukup disruptif untuk pertanian dan teknologi ini sudah masuk ke pertanian. Hanya saja teknologi ini berbeda dari sistem berbasis model bahasa besar yang difokuskan Anthropic. Tapi, mungkin bukan saran buruk untuk anak kamu magang ke tukang ledeng, jadi tukang listrik, atau coba bertani. Makalah Anthropic mencatat bahwa sekitar 30% pekerja Amerika tidak tercakup dalam studi karena "tugas mereka muncul terlalu jarang di data kami untuk memenuhi ambang minimum. Grup ini termasuk, contohnya, Koki, Mekanik Motor, Penjaga Pantai, Bartender, Pencuci Piring, dan Petugas Ruang Ganti."
Bahkan di bidang di mana eksposur potensial total tinggi, seperti yang melibatkan komputer dan matematika, di mana eksposur teoritis 94%, jumlah sebenarnya tugas yang diotomatisasi hari ini jauh lebih rendah, dalam kasus ini 33%. Administrasi perkantoran punya eksposur teramati tertinggi di sekitar 40%, melawan eksposur teoritis total 90%.
Seberapa Cepat Jaraknya Menutup?
Pertanyaan besarnya sekarang: seberapa cepat jarak antara eksposur AI teramati dan eksposur AI teoritis akan menutup? Saya pikir jawabannya adalah itu akan sangat bervariasi antar profesi berbeda. Gagasan bahwa tingkat otomatisasi yang sama yang mengenai pengembang perangkat lunak dalam enam bulan terakhir akan mengenai setiap pekerja pengetahuan lain dalam 12 sampai 18 bulan ke depan tampaknya tidak tepat bagi saya. Saya pikir itu akan butuh waktu lebih lama. Makalah Anthropic mencatat bahwa sejauh ini, sangat sedikit bukti kehilangan pekerjaan, bahkan di bidang di mana eksposur AI teramati terbesar, seperti pengembangan perangkat lunak.
McCrory dan Massenkoff menyoroti beberapa alasan mengapa otomatisasi AI teramati mungkin tertinggal di belakang potensinya. Dalam beberapa kasus model AI belum bisa melakukan tugas yang terlibat, tulis mereka. Tapi dalam banyak lainnya, mereka catat, AI "mungkin lambat menyebar karena kendala hukum, persyaratan perangkat lunak spesifik, langkah verifikasi manusia, atau hambatan lain."
Dampak AI potensial juga tidak seragam di populasi: wanita secara signifikan terlalu terwakili di bidang terekspos AI dibandingkan pria; pekerja terekspos lebih mungkin kulit putih atau Asia, dan mereka juga lebih mungkin berpendidikan tinggi dan dibayar lebih tinggi.
Ekonom Anthropic juga mencatat bahwa rekam jejak ekonom dalam memprediksi perubahan okupasional buruk. Contohnya, mereka sebut penelitian sebelumnya yang menemukan bahwa sekitar seperempat pekerjaan AS rentan terhadap alih daya ke luar negeri, tapi satu dekade kemudian, sebagian besar kategori pekerjaan itu mengalami pertumbuhan pekerjaan sehat.
Pada akhirnya, jawaban paling jujur untuk kedua pertanyaan — apakah saya akan kehilangan pekerjaan, dan apa yang harus dipelajari anak saya? — mungkin: Saya tidak tahu, dan tidak ada orang lain yang tahu juga. Tapi mungkin bukan ide buruk untuk belajar sesuatu tentang pipa ledeng.
Dengan itu, ini lebih banyak berita AI.
Jeremy Kahn
[email protected]
@jeremyakahn
FORTUNE ON AI
Microsoft perkenalkan agen Copilot Cowork dibangun di AI Anthropic dan suite produk E7 AI saat mereka coba tenangkan kekhawatiran investor tentang AI memakan SaaS — oleh Jeremy Kahn
Pemimpin robotika OpenAI mengundurkan diri atas kekhawatiran tentang pengawasan dan senjata otonom di tengah kontrak Pentagon — oleh Sharon Goldman
OpenAI luncurkan GPT-5.4, model terkuatnya untuk pekerjaan perusahaan — dan tembakan langsung ke Anthropic — oleh Beatrice Nolan
Serangan Iran ke pusat data Amazon di UAE, Bahrain sinyal perang jenis baru saat AI main peran strategis makin besar, kata analis — oleh Jeremy Kahn
Perusahaan perangkat lunak keuangan Datarails bertujuan disrupt dirinya sendiri dengan AI sebelum orang lain lakukan dengan peluncuran produk FinanceOS baru — oleh Jeremy Kahn
AI baru kasih kamu enam jam ekstra. Bos kamu sudah ambil itu — oleh Nick Lichtenberg
Dropout Harvard ini bawa perusahaan go public sebelum 30. Sekarang dia mengumpulkan $205M untuk perbaiki sisi bisnis kedokteran — oleh Catherina Gioino
AI DI BERITA
Anthropic menggugat Pentagon atas penentuan risiko rantai pasokan. Perusahaan AI ini berargumen bahwa penentuan itu, yang secara efektif memblokirnya dari kontrak federal, diberlakukan tidak benar dan dimotivasi politik dan ideologi, bukan kekhawatiran aktual bahwa teknologi Anthropic berisiko.
Gugatan Anthropic mengungkap angka keuangan perusahaan. Perusahaan itu bilang dalam dokumen pengadilan bahwa keputusan Pentagon untuk melabelinya "risiko rantai pasokan" sudah mengancam ratusan juta dolar pendapatan 2026 yang diharapkan terkait pekerjaan pertahanan dan bisa akhirnya menelan biaya perusahaan miliaran dalam penjualan hilang jika mitra memutus hubungan luas.
Pemerintah AS pertimbangkan lisensi untuk semua ekspor chip canggih. Administrasi Trump sedang menyusun regulasi yang akan memerlukan persetujuan untuk hampir semua ekspor global chip AI canggih dari perusahaan seperti Nvidia dan AMD, secara efektif membuat Washington penjaga gerbang siapa yang bisa bangun pusat data AI besar.
Startup AI Yann LeCun dihargai $3.5 miliar setelah putaran seed $1 miliar. Mantan kepala ilmuwan AI Meta dan pelopor deep learning Yann LeCun telah mengumpulkan $1.03 miliar untuk startup barunya, Advanced Machine Intelligence (AMI) Labs.
Nvidia investasi di startup Mira Murati Thinking Machines Lab. Nvidia berinvestasi di Thinking Machines Lab, startup AI didirikan mantan CTO OpenAI Mira Murati, sebagai bagian kemitraan multii di mana perusahaan akan setidaknya satu gigawatt chip Nvidia untuk latih dan jalankan model AI frontier.
Meta akuisisi Moltbook. Raksasa media sosial ini beli "jaringan sosial untuk agen AI" yang viral.
Nvidia rencanakan platform open source untuk agen AI. Perusahaan chip ini bersiap luncurkan NemoClaw, platform agen AI ditujukan untuk perusahaan perangkat lunak perusahaan yang ingin gunakan agen otonom untuk lakukan tugas tempat kerja.
EYE ON AI RESEARCH
Perencanaan licik AI nyata dan menakutkan — tapi mungkin ada cara mudah untuk mengurangi. Itu kesimpulan dari dua penelitian yang dapat banyak perhatian di kalangan AI minggu ini.
Pertama, seseorang perhatikan bahwa tersembunyi di makalah penelitian Alibaba yang dipublikasikan ke arxiv.org akhir tahun lalu, peneliti perusahaan melaporkan bahwa saat melatih set up agenik disebut ROME berdasarkan model open source Qwen 3, agen itu terlibat dalam beberapa perilaku mengkhawatirkan. Itu coba lolos dari lingkungan "sandbox" virtual tempatnya dilatih dengan bangun tautan tersembunyi, aman antara itu dan internet lebih luas.
Kedua, dan lebih meyakinkan, peneliti di Google DeepMind publikasi makalah di mana mereka tunjukkan bahwa sementara model frontier akan terlibat perencanaan licik — termasuk upata pemerasan — untuk cegah diri mereka dimatikan dalam berbagai skenario pengujian keamanan, perencanaan licik ini sangat tidak mungkin terjadi di skenario dunia nyata.
AI CALENDAR
12-18 Maret: South by Southwest, Austin, Texas.
16-19 Maret: Nvidia GTC, San Jose, California.
6-9 April: HumanX 2026, San Francisco.
8-10 Juni: Fortune Brainstorm Tech, Aspen, Colorado.
7-10 Juli: AI for Good Summit, Geneva, Swiss.
BRAIN FOOD
Uh oh, mungkin kita masih akan butuh koder manusia, lagian. Berbicara tentang dampak AI pada berbagai profesi, sudah ada beberapa tanda bahwa perusahaan teknologi terkemuka mungkin terlalu bergantung pada AI untuk koding. Amazon telah panggil rapat darurat insinyurnya untuk selidiki serangkaian pemadaman baru-baru ini mempengaruhi layanan ecommercenya, beberapa di antaranya terkait penggunaan alat koding AI.
Tampaknya bahkan dalam koding, di mana agen AI otonom mungkin paling maju, kita tidak bisa keluarkan manusia dari lingkaran.