Tahun Ketika Gelembung AI Bertemu Realitas

Dalam beberapa tahun saja, kecerdasan buatan beralih dari bidang penelitian khusus menjadi teknologi paling dibesar-besarkan dalam sejarah modern. Triliunan dolar dalam kapitalisasi pasar, miliaran dalam pendanaan ventura, dan banjir prediksi antusias tentang kecerdasan umum buatan bersatu untuk menciptakan suasana kegembiraan yang tidak masuk akal yang menyamai era dot-com. Kemudian datang 2025, dan waktunya telah tiba untuk membayar tagihan.

MIT Technology Review telah menyusun penilaian komprehensifnya tentang apa yang salah dalam eBook baru, mendokumentasikan putusnya hubungan antara apa yang dijanjikan perusahaan AI dan apa yang mereka berikan. Seri "Koreksi Hype" publikasi berpendapat bahwa industri telah memasuki fase pasca-hype yang diperlukan, yang membutuhkan akuntansi jujur dengan kemampuan teknologi yang sebenarnya dan keterbatasannya yang sama serius.

eBook tiba pada saat industri AI menghadapi krisis identitas. Teknologi revolusioner yang seharusnya mengubah setiap industri, menghilangkan jutaan pekerjaan, dan berpotensi mencapai kecerdasan supermanusia justru menghasilkan realitas yang lebih sederhana berupa alat yang berguna namun terbatas yang bekerja paling baik ketika terintegrasi dengan hati-hati ke dalam alur kerja manusia yang ada.

Tingkat Kegagalan 95%

Mungkin statistik paling menghukum dalam perhitungan berasal dari laporan "GenAI Divide" MIT itu sendiri, yang diterbitkan pada Juli 2025. Studi tersebut menemukan bahwa sembilan puluh lima persen penerapan AI perusahaan tidak memberikan nilai bisnis yang terukur. Ini bukan angka dari skeptis atau kritikus. Ini muncul dari analisis ketat penerapan perusahaan aktual di berbagai industri.

Tingkat kegagalan memerlukan konteks. Selama 2023 dan 2024, perusahaan di setiap sektor tergesa-gesa untuk mengadopsi AI generatif, sering kali di bawah tekanan dari dewan, investor, dan narasi media yang memperlakukan implementasi AI sebagai hal yang ada. CEO yang tidak bisa menguraikan strategi AI menghadapi pertanyaan tajam dari pemegang saham. Hasilnya adalah gelombang penerapan yang tergesa-gesa dan tidak terencana yang didorong lebih oleh ketakutan melewatkan sesuatu daripada kebutuhan bisnis yang sebenarnya.

Banyak dari penerapan ini mengikuti pola yang dapat diprediksi. Sebuah perusahaan akan melisensikan model bahasa besar, membangun prototipe chatbot atau alat ringkasan dokumen, menunjukkannya kepada eksekutif dalam pengaturan yang terkontrol, dan kemudian menemukan bahwa kinerja memburuk secara dramatis ketika diterapkan ke pengguna nyata yang menangani tugas nyata dengan data nyata. Celah antara demo dan produksi terbukti jauh lebih lebar daripada yang disarankan vendor.

Agen Otonom: Janji Yang Runtuh

Tidak ada segmen industri AI yang mengalami koreksi hype lebih dramatis daripada agen otonom. Sepanjang 2024 dan awal 2025, perusahaan AI utama mempromosikan visi agen perangkat lunak yang dapat secara independen menyelesaikan tugas tempat kerja yang kompleks, mulai dari memesan perjalanan hingga menulis laporan hingga mengelola proyek, dengan pengawasan manusia minimal.

Sebuah studi oleh peneliti di Upwork menguji proposisi ini secara sistematis, menyebarkan agen yang didukung oleh model bahasa besar terkemuka dari OpenAI, Google DeepMind, dan Anthropic pada berbagai tugas tempat kerja standar. Hasilnya mengecewakan. Agen-agen ini gagal menyelesaikan banyak tugas sederhana dengan sendirinya. Model seperti GPT-5 dan Gemini mencapai tingkat penyelesaian hanya dua puluh persen pada tugas yang memerlukan lebih dari sekadar pengambilan informasi sederhana.

Tugas yang memerlukan nuansa budaya terbukti sangat bermasalah. Pembuatan salinan pemasaran, terjemahan bahasa, desain tata letak situs web, dan pekerjaan apa pun yang memerlukan pemahaman tentang audiens, konteks, atau penilaian estetika gagal total. Agen dapat menghasilkan teks yang secara permukaan menyerupai pekerjaan yang kompeten tetapi runtuh di bawah pengawasan, menghasilkan keluaran yang generik, tidak sensitif secara budaya, atau tidak dapat diandalkan secara faktual.

Paradoks Pengkodean

Salah satu temuan paling mengejutkan dalam koreksi hype menyangkut asisten pengkodean AI, yang telah menjadi di antara aplikasi paling merayakan dan diadopsi secara luas dari model bahasa besar. Beberapa studi yang dirilis pada 2025 berkumpul pada kesimpulan yang tidak terduga: pengembang yang menggunakan asisten pengkodean AI sebenarnya menyelesaikan tugas sembilan belas persen lebih lambat daripada mereka yang bekerja tanpanya.

Penjelasannya tampaknya melibatkan biaya tersembunyi dari pengkodean berbantuan AI. Meskipun alat mempercepat pembuatan kode awal, pengembang menghabiskan waktu tambahan yang cukup banyak meninjau, menguji, dan memperbaiki keluaran AI. Model sering kali memperkenalkan bug halus, menggunakan API yang sudah tidak digunakan, atau menghasilkan kode yang secara teknis dikompilasi tetapi melanggar konvensi arsitektur atau praktik terbaik keamanan. Waktu yang disimpan dalam penulisan lebih dari dihabiskan oleh waktu yang dihabiskan untuk memverifikasi dan memperbaiki.

Temuan ini secara langsung bertentangan dengan klaim perusahaan AI, yang telah memproyeksikan peningkatan produktivitas yang sangat besar dari asisten pengkodean. Beberapa studi terkemuka yang ditugaskan oleh perusahaan AI itu sendiri menunjukkan penghematan waktu yang dramatis, tetapi ini biasanya dilakukan dalam pengaturan terkontrol dengan tugas sederhana dan terdefinisi dengan baik daripada pekerjaan yang berantakan dan ambigu yang mencirikan pengembangan perangkat lunak nyata.

Fatamorgana AGI

Mendasar sebagian besar hype AI adalah janji, atau ancaman, kecerdasan umum buatan, sistem hipotetis yang mampu mencocokkan atau melampaui kemampuan kognitif manusia di semua domain. Sepanjang 2023 dan 2024, para pemimpin perusahaan AI utama secara aktif memelihara harapan bahwa AGI segera atau hampir akan datang, dengan kerangka waktu mulai dari dua hingga lima tahun.

Pada akhir 2025, narasi ini sebagian besar telah runtuh. Peneliti AI terkemuka mulai menyatakan secara publik bahwa era terobosan benar-benar berakhir dan bahwa model bahasa besar, teknologi pendorong generasi sistem AI saat ini, bukanlah jalan menuju AGI. Hukum penskalaan yang mendorong peningkatan cepat dalam kinerja model menunjukkan tanda-tanda menyentuh dinding penskalaan kognitif, di mana hanya membuat model lebih besar dan melatihnya dengan lebih banyak data menghasilkan pengembalian yang berkurang.

Alasan teknis semakin dipahami dengan baik. Model bahasa besar adalah sistem pencocokan pola canggih yang dilatih pada teks yang dihasilkan manusia. Mereka dapat menggabungkan kembali dan menginterpolasi pola dengan cara yang mengesankan, tetapi mereka tidak memiliki penalaran kausal, model dunia, dan pemahaman asli yang akan mencirikan kecerdasan umum sejati. Celah antara menghasilkan teks yang lancar dan memahami apa yang dimaksud teks itu tetap selebar sebelumnya, terlepas dari skala model.

Biaya Manusia dari Hype

Koreksi hype AI bukan sekadar masalah abstrak penilaian teknologi. Konsekuensi nyata mengikuti dari ekspektasi yang membengkak. Perusahaan yang membuat komitmen terlalu cepat untuk otomasi berbasis AI menghadapi pembalikan yang mahal. Pekerja yang diberitahu bahwa pekerjaan mereka akan dihilangkan oleh AI mengalami kecemasan yang berkepanjangan hanya untuk menemukan peran mereka tetap hampir tidak berubah. Siswa yang merestrukturisasi pendidikan mereka di sekitar keterampilan yang berdekatan dengan AI sekarang mempertanyakan apakah pasar tenaga kerja yang mereka janjikan akan terwujud.

Mungkin yang paling penting, sumber daya yang dikhususkan untuk AI selama siklus hype mewakili biaya peluang. Modal, bakat teknik, dan perhatian organisasi yang diarahkan ke proyek AI dengan pengembalian minimal bisa telah diinvestasikan dalam teknologi lain atau mengatasi tantangan non-teknologi yang mendesak.

Apa Yang Bertahan dari Koreksi

Koreksi hype tidak berarti kecerdasan buatan tidak berguna. Sebaliknya, dengan menghilangkan ekspektasi yang tidak realistis, ini memperjelas di mana teknologi benar-benar bersinar. Alat AI efektif untuk tugas-tugas tertentu dan terdefinisi dengan baik: merangkum dokumen, menerjemahkan bahasa dengan ulasan manusia, mempercepat pencarian di seluruh dataset besar, menghasilkan draf pertama yang kemudian disempurnakan manusia, dan mengidentifikasi pola dalam data terstruktur.

Benang bersama di antara aplikasi sukses adalah pengawasan manusia. AI bekerja terbaik tidak sebagai agen otonom tetapi sebagai alat yang meningkatkan penilaian manusia, menangani hal-hal rutin dan berulang sementara manusia memberikan konteks, kreativitas, dan pemikiran kritis yang teknologi tidak miliki. Ini adalah visi yang kurang dramatis daripada AGI, tetapi visi yang realistis, dan menggambarkan pasar senilai ratusan miliar dolar.

eBook MIT Technology Review berpendapat bahwa fase pasca-hype, meskipun menyakitkan bagi mereka yang bertaruh besar pada proyeksi paling ambisius, pada akhirnya sehat untuk pengembangan jangka panjang teknologi. Ekspektasi realistis mengarah ke implementasi yang lebih baik, yang mengarah ke nilai nyata, yang mendukung investasi yang diperlukan untuk penelitian berkelanjutan. Koreksi hype AI besar-besaran 2025 mungkin pada akhirnya diingat bukan sebagai kegagalan teknologi tetapi sebagai pendewasaan yang diperlukan dari industri yang membangunnya.

Artikel ini didasarkan pada pelaporan oleh MIT Technology Review. Baca artikel asli.