Pendapat pakar ekonomi tentang kecanggihan AI prediktif

Kehidupan ditentukan oleh keputusan yang kita ambil. Apakah Anda akan membawa payung saat bepergian atau tidak? Bagaimana jika peluang hujan turun 25%? Bagaimana jika Anda tidak ingin pakaian Anda menjadi basah kuyup? 

Menurut Ajay Agrawal, seorang ekonom, profesor, dan rekan penulis buku Prediction Machines: The Simple Economics of Artificial Intelligence, kami menggunakan kombinasi prediksi dan penilaian untuk membuat setiap keputusan besar atau kecil. Kecanggihan AI berasal dari kemampuannya dalam menangani sebagian prediksi dari persamaan tersebut — untuk memberi tahu Anda tentang peluang hujan. Pada akhirnya, Anda akan menggunakan penilaian manusia untuk memutuskan apakah Anda harus membawa payung berdasarkan seberapa benci Anda jika basah kuyup dibandingkan dengan seberapa benci Anda membawa payung tetapi hujan tidak turun.

Model kecerdasan buatan dapat memproses data dalam jumlah besar untuk mengidentifikasi pola dan menghasilkan prediksi yang akurat. Tak dapat dipungkiri bahwa AI memang dapat meningkatkan cara seseorang bekerja, membantunya lebih produktif, meningkatkan cara berkolaborasi, dan memperdalam keterampilan mereka. Selain itu, saat perusahaan menggunakan AI untuk analitik prediktif, AI dapat mengubah cara para pimpinan membuat keputusan, membantu mereka melayani pelanggan dengan lebih baik, mengalokasikan sumber daya, dan menciptakan proses yang baru dan lebih baik.

Ajay baru-baru ini mengikuti serangkaian webinar bertema Evolusi Kerja kami untuk berbicara tentang kecanggihan AI dan analitik prediktif. Kami duduk bersama Ajay untuk melanjutkan percakapan tentang AI prediktif — berikut pendapatnya tentang potensi AI dalam mengubah seluruh industri dan karyawan mana yang paling diuntungkan dari penggunaan alat AI prediktif.

Beberapa orang menganggap bahwa AI adalah mesin yang cerdas, yakni robot yang dapat berbicara atau berpikir layaknya manusia. Sebagai seorang ekonom, bagaimana pendapat Anda tentang AI?

Kecerdasan buatan membantu kita memprediksi. Prediksi menggunakan informasi yang Anda miliki untuk menghasilkan informasi yang tidak Anda miliki. 

Itulah fungsi model AI generatif seperti ChatGPT — menggunakan prediksi untuk menghasilkan bahasa yang terdengar seperti manusia. Model AI generatif memprediksi token berikutnya, atau kata, secara berurutan untuk menciptakan pesan yang terdengar seperti manusia. Contoh lainnya adalah bank yang menggunakan AI untuk mendeteksi penipuan, memproses data dari transaksi sebelumnya dan kebiasaan pengguna untuk memperdiksi secara akurat apakah suatu pembelian dianggap penipuan.

Prinsip ekonomi dasarnya adalah ketika harga barang lebih murah, kita akan lebih sering menggunakan barang tersebut. Meningkatnya AI mencerminkan penurunan biaya prediksi. Dan semakin murah prediksi, semakin sering kita akan menggunakannya. 

Mari kita bahas lebih dalam tentang prediksi. Apa yang dimaksud dengan AI prediktif dan apa saja contohnya di dunia nyata?

AI prediktif menggunakan data input untuk menghasilkan output. Sebagai contoh tradisional, kita dapat menggunakan data penjualan historis sejak 20 tahun yang lalu untuk memprediksi penjualan kuartal ketiga untuk tahun berikutnya. Data historis ini disebut input, dan prediksi penjualannya disebut output. 

Sebagai contoh modern, kita dapat menggunakan piksel pada citra medis untuk memprediksi label pada tumor sebagai tumor ganas atau tumor jinak. Data piksel ini disebut input, dan label pada tumor disebut output. Ini juga prediksi. 

Berbeda dengan teknik statistik sebelumnya, salah satu fitur AI yang menarik adalah AI dapat menggunakan data multimodal (mis., gambar, video, bahasa), bukan hanya angka, sebagai data input, dan menghasilkan prediksi dalam bentuk gambar, video, dan bahasa.

Analitik prediktif adalah inti bagi kebanyakan jenis inovasi. Di dunia nyata, AI digunakan untuk memprediksi hal-hal seperti mengemudi, penerjemahan, deteksi penipuan, distribusi ukuran partikel, balasan email, dan pemeriksaan.

Dalam bidang industri di mana AI prediktif menjadi tenaga yang dominan, apa pengaruh AI terhadap pekerjaan? Banyak orang khawatir bahwa peran mereka akan tergantikan oleh revolusi AI ini. Apakah kekhawatiran ini wajar?

Sebelum adanya mesin cuci, dibutuhkan dua orang untuk mencuci pakaian sepanjang hari. Kini, satu orang dapat mencuci pakaian hanya dalam hitungan jam. Tetapi tak seorang pun yang mengeluhkan bahwa mesin ini mengambil alih pekerjaan mereka. 

Sama halnya, kita bisa mengalihkan beberapa aspek pekerjaan kita ke mesin. Ketika kita berpikir tentang pekerjaan, kebanyakan didasarkan pada pembuatan keputusan. Dan setiap keputusan memiliki dua elemen: prediksi dan penilaian. Jika kita dapat membebankan analitik prediktif ke mesin, kita dibebani dengan penilaian manusia, dan keterampilan inilah yang diperlukan orang untuk berfokus pada perkembangan. 

AI dapat menggunakan prediksi untuk membuat konsep email atau memetakan rute dari titik A ke titik B — tetapi keputusan tetap ada di tangan manusia apakah pesan email tersebut mencapai tujuan, atau rute yang dipetakan layak ditempuh. AI hanyalah kopilot, asisten, tetapi tidak dapat mengambil keputusan.

Apa pengaruh AI terhadap produktivitas karyawan dan tenaga kerja secara umum? 

Ketika baru diperkenalkan, komputer membuat orang yang sangat terampil lebih produktif secara tidak proporsional, dan hal ini menimbulkan banyak kesenjangan pendapatan. AI justru memiliki pengaruh sebaliknya. Pekerja berketerampilan rendah banyak diuntungkan karena penggunaan asisten atau kopilot AI.

Ambil contoh, pusat panggilan. Pusat panggilan mulai memperkenalkan alat AI yang memberi karyawan rekomendasi untuk membantu pelanggan yang sedang berbicara dengan mereka. Para peneliti di MIT dan Stanford menemukan bahwa AI tidak begitu berdampak pada pekerja yang terampil karena mereka sudah memahami AI. Namun, karyawan yang sebelumnya tidak memiliki kinerja yang baik kini sangat diuntungkan hingga menyamai level pekerja yang sangat terampil berkat bantuan alat AI. 

Contoh lain yang sudah tidak asing bagi kita adalah betapa navigasionalnya AI sehingga semua orang dapat berkendara di kota mana pun layaknya pengemudi profesional. Hal ini memberi peluang besar bagi perusahaan inovatif seperti Uber. Sebelum adanya Uber, ada 200.000 pengemudi profesional. Kini, ada 3-4 juta pengemudi Uber. Kita berada di momen bersejarah di mana pergeseran tingkat sistem seperti ini mulai terjadi di berbagai industri. 

Kemajuan apa yang paling membuat Anda senang dengan AI? Jika Anda dapat mengeluarkan bola kristal, apa inovasi besar berikutnya dan apakah ini akan memengaruhi dunia kita?

Saya memprediksi bahwa dalam dua hingga tiga tahun, kita akan melihat AI muncul di layar dan memasuki dunia fisik. Saat ini, kita memiliki model untuk memprediksi serangkaian kata di layar, dan tahap berikutnya adalah memiliki robot yang dapat memprediksi serangkaian tindakan untuk menyelesaikan tugas seperti membuat kopi atau memarkir mobil.

Tetapi, pergeseran besar yang sebenarnya adalah dalam hal penemuan ilmiah. Kita akan memiliki model AI yang dapat menghasilkan hipotesis dan mengujinya, memicu robot untuk menjalankan eksperimen, dan mengumpan hasil eksperimen tersebut kembali ke AI, yang memperbarui hipotesa dan menjalankan eksperimen lainnya. Kita sudah melihat laboratorium yang melakukan versi ini.

Melanjutkan percakapan tentang AI prediktif

Untuk mendapatkan lebih banyak wawasan dari Ajay tentang ke mana gebrakan inovasi AI berikutnya akan membawa kita, tonton webinar sesuai permintaan tentang Evolusi Kerja. Anda akan mempelajari lebih dalam tentang AI prediktif dan bagaimana AI dapat membantu perusahaan menghemat waktu dan menciptakan cara kerja yang baru dan lebih efektif.

Ingin tahu bagaimana Zoom berinovasi dengan AI? Pelajari bagaimana Zoom AI Companion, asisten AI kami, dapat meningkatkan cara Anda bekerja.