AI ghost memungkinkan orang berbicara dengan simulasi orang meninggal. Manfaat emosionalnya ada, tetapi batasnya perlu dipahami agar duka tidak berubah menjadi ketergantungan digital.
Hedra.ID, Jakarta - Indonesia bisa terlihat sudah siap menghadapi perkembangan AI ketika semakin banyak orang memakai ChatGPT dan berbagai aplikasi sejenis. Angka penggunaan memang menunjukkan bahwa teknologi ini cepat diterima. Namun, jumlah pengguna belum menjawab pertanyaan yang lebih penting: seberapa jauh AI benar-benar membantu menyelesaikan masalah, memperbaiki cara kerja, atau menghasilkan solusi yang sesuai dengan kebutuhan nasional?
Di sinilah perbedaan antara adopsi dan kapabilitas menjadi penting. Ya, dalam forum tentang kesenjangan kapabilitas AI yang digelar Rabu (15/7/2026) lalu, Wakil Menteri Komunikasi dan Digital Nezar Patria mengingatkan bahwa pemakaian saja belum cukup. “Adopsi saja mungkin tidak cukup, memakai AI saja tidak cukup, tapi bagaimana kapabilitas dalam menggunakannya menjadi sangat penting,” ujarnya.
Pernyataan itu menunjukkan bahwa ramainya penggunaan baru merupakan lapisan awal. Adopsi menjawab apakah teknologi sudah dipakai. Kapabilitas menjawab apakah manusia dan organisasi mampu memakainya secara efektif, aman, dan berkelanjutan.
Seseorang yang memakai AI untuk merangkum dokumen, menyusun pesan, atau mencari ide sudah dapat disebut pengguna. Namun, aktivitas tersebut belum tentu menunjukkan bahwa ia mampu menilai ketepatan hasilnya, menjaga informasi sensitif, memilih alat yang sesuai, atau mengetahui kapan jawaban AI tidak layak dipercaya.
Perbedaan yang sama terlihat di tingkat organisasi. Sebuah perusahaan dapat menyediakan aplikasi AI untuk karyawan tanpa benar-benar mengubah proses kerjanya. Teknologi mungkin hanya dipakai untuk tugas tambahan, berjalan tanpa aturan yang seragam, atau tidak terhubung dengan data dan sistem utama perusahaan.
Pemanfaatan menjadi lebih dalam ketika organisasi tahu masalah apa yang hendak diselesaikan. Mereka juga perlu menyiapkan data, menentukan siapa yang memeriksa hasil, mengatur batas penggunaannya, serta mengukur apakah teknologi benar-benar memperbaiki pekerjaan.
Dengan kata lain, kemampuan AI tidak hanya berada pada alatnya. Kapabilitas juga terletak pada cara sebuah organisasi mengelola alat tersebut.
Masalah ini menjadi lebih terasa bagi usaha yang proses dasarnya belum terdigitalisasi. Bisnis yang belum memiliki pencatatan data, alur kerja digital, atau sumber daya manusia yang memadai akan sulit langsung memakai AI untuk kebutuhan yang lebih kompleks. Aplikasi AI tersedia, tetapi fondasi untuk memanfaatkannya belum terbentuk.
Karena itu, kesenjangan kapabilitas tidak selalu berarti orang belum mengenal AI. Kesenjangan juga dapat muncul ketika teknologi sudah sering digunakan, tetapi penggunaannya masih dangkal dan terpisah dari pekerjaan utama.
Pada tingkat nasional, kemampuan AI tidak dapat diwakili oleh satu angka penggunaan. Kapabilitas terbentuk dari beberapa lapisan yang saling bergantung, mulai dari tenaga terampil, data, infrastruktur komputasi, riset, pembiayaan, hingga aturan yang mengarahkan penggunaannya.
KORIKA menggambarkan kebutuhan tersebut melalui enam domain strategis: pengembangan kasus penggunaan, tata kelola dan keamanan, talenta AI, infrastruktur dan data, riset dan inovasi, serta pembiayaan dan investasi. Kerangka ini memperlihatkan bahwa memperbanyak pengguna hanya menyentuh sebagian kecil dari persoalan.
Infrastruktur komputasi, misalnya, memang diperlukan untuk mengembangkan dan menjalankan sistem AI. Namun, ketersediaan perangkat komputasi belum otomatis menghasilkan manfaat.
Sementara itu, OECD membagi perencanaan kapasitas komputasi AI nasional ke dalam tiga dimensi. Selain kapasitas yang tersedia dan digunakan, ada efektivitas yang mencakup manusia, kebijakan, inovasi, serta akses. Ada pula ketahanan yang mencakup keamanan, kedaulatan, dan keberlanjutan.
Artinya, pusat komputasi berkapasitas besar belum cukup apabila peneliti, perguruan tinggi, lembaga publik, atau perusahaan kecil tidak mampu mengakses dan memanfaatkannya. Sebaliknya, banyaknya orang yang memakai layanan AI dari luar juga belum menunjukkan bahwa sebuah negara mampu membangun atau menyesuaikan solusi sendiri.
Hal serupa berlaku pada talenta. Kapabilitas nasional tidak hanya membutuhkan orang yang dapat membuat model AI. Ekosistemnya juga memerlukan orang yang mampu menyiapkan data, merancang penerapan, menguji risiko, memahami bidang yang ditangani, mengawasi hasil, dan mengambil keputusan ketika sistem keliru.
Kebutuhan tersebut membuat pembangunan kapabilitas lebih rumit daripada sekadar pelatihan memakai aplikasi. Yang dibangun bukan hanya kecakapan individu, melainkan kemampuan lembaga untuk memakai AI secara konsisten dan dapat dipertanggungjawabkan.
Pemerintah telah menyelesaikan pembahasan lintas kementerian untuk rancangan Peraturan Presiden tentang Etika Kecerdasan Artifisial serta Peta Jalan Kecerdasan Artifisial Nasional 2026–2029. Kedua rancangan itu selanjutnya diajukan kepada Presiden untuk ditetapkan.
Kerangka kebijakan diperlukan agar pengembangan AI memiliki arah bersama. Namun, keberadaan dokumen belum dengan sendirinya membuktikan bahwa kesenjangan kapabilitas sudah teratasi.
Hasilnya baru dapat dinilai melalui pelaksanaan. Apakah lembaga memiliki tenaga yang mampu menerapkan AI? Apakah data dapat digunakan dengan aman? Apakah infrastruktur bisa diakses oleh pihak yang membutuhkan? Apakah penerapannya menghasilkan perbaikan yang dapat diperiksa?
Pertanyaan semacam itu membantu menghindari cara pandang yang terlalu optimistis terhadap angka adopsi. Pertumbuhan pengguna tetap penting karena menunjukkan minat, kebiasaan baru, dan ruang eksperimen yang besar. Namun, angka tersebut lebih tepat dibaca sebagai titik awal daripada ukuran keberhasilan akhir.
Kapabilitas AI nasional mulai terlihat ketika penggunaan dapat diterjemahkan menjadi pengetahuan, proses kerja yang matang, riset, layanan yang dapat dipercaya, dan solusi yang menjawab kebutuhan nyata. Tantangannya bukan sekadar membuat lebih banyak orang mencoba AI, tetapi memastikan ekosistemnya mampu mengubah pemakaian itu menjadi hasil yang bernilai.
