Dulu, saya pikir kompetisi terbesar di AI akan terjadi antar model. Model yang lebih cepat, model yang lebih besar, model yang lebih murah, model yang lebih akurat. Setiap percakapan sepertinya mengarah ke arah itu. Setiap judul fokus pada kinerja. Setiap benchmark merayakan peningkatan lainnya. Tapi semakin lama saya mengamati industri ini berkembang, semakin saya merasa bahwa ada sesuatu yang jauh lebih penting yang terjadi di bawah permukaan. Saya terus mendapati diri saya lebih memperhatikan kondisi yang menentukan siapa yang diakui untuk memproduksinya, daripada kecerdasan yang dihasilkan.
Saya pikir AI punya masalah visibilitas yang masih diremehkan oleh kebanyakan orang. Kita terus-menerus membicarakan keluaran karena keluaran mudah diamati. Kita melihat sebuah jawaban. Kita melihat sebuah gambar. Kita melihat sebuah prediksi. Kita melihat hasil yang dihasilkan. Yang jarang kita lihat adalah rangkaian panjang para kontributor, keputusan, evaluasi, validasi, koreksi, dan sumber data yang ada sebelum keluaran itu menjadi mungkin. Jawaban akhirnya terlihat. Sejarah yang menghasilkannya tidak terlihat.
Saya merasa menarik bahwa kebanyakan industri pada akhirnya menjadi terobsesi dengan keterlacakan. Manufaktur ingin tahu dari mana bahan berasal. Keuangan ingin tahu dari mana transaksi bermula. Sistem pangan ingin tahu dari mana bahan-bahannya didapat. Kesehatan ingin tahu bagaimana keputusan diambil. Namun AI sering bertingkah seolah keluaran akhir cukup sebagai bukti penciptaan nilai. Sistem berbicara. Pengguna menerima. Prosesnya menghilang.
Saya terus bertanya-tanya apakah asumsi itu bisa bertahan sampai tahap berikutnya pengembangan AI. Semakin banyak aktivitas ekonomi yang dipengaruhi AI, semakin banyak orang akan mempertanyakan asal-usulnya. Dari mana informasi ini berasal? Siapa yang berkontribusi pada penciptaannya? Siapa yang memverifikasi kebenarannya? Siapa yang harus mendapat kredit jika keluarannya menjadi berharga? Pertanyaan-pertanyaan itu terdengar sederhana sampai Anda menyadari bahwa sistem AI modern dibangun di atas lapisan-lapisan besar partisipasi yang tersembunyi.
Saya pikir OpenLedger menjadi menarik justru karena ia mengalihkan perhatian ke lapisan partisipasi yang tersembunyi itu. Bukan karena ia secara ajaib menyelesaikan atribusi. Bukan karena ia menjamin keadilan. Bukan karena ia menghapus kompleksitas. Yang menarik perhatian saya adalah bahwa ia memperlakukan atribusi itu sendiri sebagai infrastruktur. Ini terasa seperti sudut pandang yang benar-benar berbeda dari banyak proyek AI yang hampir sepenuhnya berfokus pada performa model.
Saya memperhatikan bahwa begitu atribusi menjadi penting, seluruh percakapan berubah. Tantangannya tidak lagi sekadar menghasilkan kecerdasan. Tantangannya menjadi mendokumentasikan jejak yang ditempuh kecerdasan sebelum sampai kepada pengguna. Setiap kontributor menjadi bagian dari rantai yang lebih besar. Setiap kumpulan data menjadi sebuah ketergantungan. Setiap proses validasi menjadi bukti. Setiap koreksi menjadi bagian dari catatan sejarah yang mungkin memengaruhi imbalan di masa depan.
Saya pikir itu menciptakan pergeseran insentif yang tidak biasa. Orang sering mengira bahwa penciptaan nilai dan pengakuan nilai adalah hal yang sama. Padahal tidak. Seseorang bisa menciptakan nilai yang sangat besar namun tetap tak terlihat. Orang lain bisa menciptakan nilai yang lebih kecil tetapi menempati posisi yang lebih mudah diverifikasi. Visibilitas dan kontribusi sering bergerak ke arah yang berbeda. Realitas itu ada di hampir setiap industri, tetapi AI bisa memperbesarnya karena begitu banyak proses produksi terjadi di balik layar.
Saya mendapati diri memikirkan berapa banyak kontribusi yang berguna menghilang sebelum sistem pengenalan sempat menemukannya. Para peneliti meninggalkan ide-ide yang menjanjikan. Para penanda data memperbaiki kumpulan data dengan cara kecil namun bermakna. Anggota komunitas mengidentifikasi kelemahan. Spesialis memberi konteks. Para evaluator mendeteksi kesalahan. Sebagian besar kontribusi ini jarang menjadi terlihat bagi pengguna akhir. Namun tanpa mereka, banyak sistem AI akan berkinerja jauh lebih buruk. Kepentingan mereka tetap ada bahkan ketika pengakuannya tidak ada.
Saya pikir di sinilah ide tentang rantai pasok AI menjadi semakin relevan. Kecerdasan tidak muncul dari ruang hampa. Ia menempuh perjalanan melalui banyak lapisan sebelum akhirnya sampai ke siapa pun. Pengumpulan data, verifikasi, pengorganisasian, pemrosesan, evaluasi, optimasi, penerapan, pemantauan, dan umpan balik semuanya memengaruhi hasil akhir. Yang dialami pengguna sering kali hanyalah ujung dari perjalanan yang jauh lebih besar.
Saya menyadari bahwa rantai pasok menciptakan ilusi psikologis yang aneh. Orang secara alami memusatkan perhatian pada objek yang bisa mereka lihat. Seorang konsumen melihat produk di rak. Mereka tidak melihat setiap pabrik, pemasok, rute transportasi, proses inspeksi, atau ketergantungan logistik yang membuat produk itu mungkin. AI tampaknya mengembangkan struktur yang serupa. Pengguna berinteraksi dengan respons, sementara tetap terputus dari jaringan para peserta yang menghasilkan respons tersebut.
Saya pikir OpenLedger sedang mengeksplorasi masa depan ketika keterputusan itu menjadi semakin sulit untuk diabaikan. Jika atribusi menjadi bernilai secara ekonomi, maka para peserta akan semakin bersaing untuk memastikan kontribusi mereka tetap terlihat sepanjang proses produksi. Pengakuan menjadi bagian dari infrastruktur. Keterjelasan menjadi bagian dari ekonomi. Dokumentasi menjadi bagian dari penciptaan nilai itu sendiri.
Saya terus kembali ke pertanyaan yang terasa tidak nyaman. Apa yang terjadi ketika sistem hanya bisa memberi imbalan pada hal-hal yang dapat mereka verifikasi? Pada satu tingkat, itu terdengar masuk akal. Verifikasi menciptakan kepercayaan. Bukti menciptakan akuntabilitas. Catatan menciptakan konsistensi. Tetapi verifikasi juga menciptakan batas. Apa pun di luar batas itu menjadi sulit untuk dikenali. Kontribusi berharga mungkin ada di luar batas kemampuan sistem untuk mengamatinya.
Saya pikir setiap sistem infrastruktur menghadapi ketegangan ini. Kesederhanaan menuntut kompresi. Catatan menuntut standardisasi. Bukti menuntut struktur. Namun kenyataan jarang terstruktur cukup rapi untuk bisa dimasukkan secara mulus ke dalam persyaratan-persyaratan itu. Saat sebuah sistem memutuskan apa yang dianggap sebagai bukti, saat itu juga ia memutuskan apa yang akan tetap tak terlihat. Kompromi itu tampak tak terhindarkan.
Saya memperhatikan bahwa banyak diskusi tentang desentralisasi berfokus pada kepemilikan. Lebih sedikit diskusi yang membahas pengakuan. Kepemilikan memang penting, tetapi pengakuan mungkin menjadi sama pentingnya dalam ekosistem AI. Seorang peserta tidak dapat memperoleh manfaat dari sebuah kontribusi jika tak ada yang bisa mengidentifikasinya. Sebuah kontribusi tidak bisa masuk ke sistem ekonomi jika sistem tersebut tidak memiliki mekanisme untuk mengamatinya. Visibilitas menjadi prasyarat untuk partisipasi.
Saya pikir inilah mengapa atribusi terasa lebih besar daripada sekadar masalah teknis. Ini juga masalah ekonomi, masalah tata kelola, dan masalah sosial. Setiap sistem atribusi secara implisit menjawab pertanyaan tentang pekerjaan siapa yang dianggap penting, bukti siapa yang dianggap sah, dan kontribusi siapa yang pantas bertahan di dalam catatan sejarah. Keputusan-keputusan itu membentuk insentif jauh sebelum imbalan dibagikan.
Saya merasa menarik bahwa AI pada akhirnya mungkin memaksa masyarakat berpikir lebih hati-hati tentang kerja yang tak terlihat. Selama bertahun-tahun, banyak diskusi berfokus pada otomatisasi yang menggantikan pekerjaan manusia. Namun tantangan lain mulai muncul. Kontribusi manusia semakin sering berada di dalam sistem yang menyamarkan asal-usulnya. Pertanyaannya mungkin bukan hanya apakah orang digantikan. Pertanyaannya mungkin juga apakah orang tetap terlihat.
Saya pikir masa depan infrastruktur AI akan melibatkan pertarungan yang makin besar antara efisiensi dan transparansi. Sistem yang efisien menginginkan kompresi. Sistem yang transparan menginginkan keterlacakan. Sistem yang efisien menginginkan abstraksi. Sistem yang transparan menginginkan detail. Tidak ada yang benar-benar salah dari dua tujuan itu. Tantangannya adalah menentukan seberapa banyak visibilitas yang dapat dipertahankan tanpa mengorbankan kegunaan.
Saya memperhatikan bahwa kepercayaan sering bergantung pada lebih sedikit pada kecerdasan daripada yang diasumsikan orang. Sistem yang sangat cerdas pun bisa tetap memunculkan skeptisisme jika tak ada yang memahami dari mana kesimpulannya berasal. Sementara itu, sistem yang kemampuannya lebih terbatas mungkin mendapatkan kepercayaan jika prosesnya tetap bisa diamati. Manusia selalu peduli pada penjelasan, akuntabilitas, dan asal-usul. AI tidak menghapus kekhawatiran itu. Dalam banyak hal, AI justru memperbesarnya.
Saya pikir OpenLedger layak untuk diperhatikan karena ia mendorong percakapan yang berbeda tentang AI. Alih-alih hanya bertanya bagaimana kecerdasan dihasilkan, ia bertanya bagaimana partisipasi dicatat. Alih-alih berfokus secara eksklusif pada keluaran, ia memusatkan perhatian pada rantai ketergantungan di balik keluaran tersebut. Alih-alih menganggap atribusi sebagai renungan belaka, ia mengeksplorasi apa yang terjadi ketika atribusi menjadi bagian dari fondasi.
Saya terus merasa bahwa transformasi terpenting dalam AI mungkin bukanlah kecerdasan itu sendiri. Kecerdasan akan terus membaik. Model akan terus berkembang. Kapabilitas akan terus meluas. Namun pertanyaan yang lebih dalam mungkin berkisar pada visibilitas. Siapa yang diakui? Siapa yang diingat? Siapa yang menjadi bagian dari catatan permanen yang kelak diandalkan oleh sistem-sistem masa depan?
Saya pikir tahap berikutnya dari AI mungkin didefinisikan oleh pertanyaan itu lebih daripada yang disadari banyak orang. Bukan karena kecerdasan berhenti menjadi hal yang penting, melainkan karena kecerdasan saja tidak dapat menjelaskan dari mana nilai berasal. Ketika sistem AI menjadi semakin berpengaruh, kemampuan untuk melacak kontribusi bisa menjadi sama pentingnya dengan kemampuan untuk menghasilkan keluaran. Masa depan mungkin tidak hanya milik sistem yang menciptakan kecerdasan, tetapi juga sistem yang mengungkap bagaimana kecerdasan itu diciptakan sejak awal.
