Richard Marshall mengatur nada tegas pada acara Teknologi ScotlandIS tahun ini. Diadakan di kantor Glasgow Burness Paull – yang merupakan bagian kedua dari seri tiga malam yang juga mencakup Edinburgh dan Aberdeen – Marshall menekankan tema nihilistik dengan senang hati tentang “masa depan rusak,” mendorong audit praktis atas kekurangan teknologi modern – alias, “bagaimana kita memperbaikinya?”
Melihat kembali beberapa berita terbesar yang dipublikasikan oleh DIGIT selama 12 bulan terakhir, sulit untuk membantah keparahan penilaian Marshall.
Gangguan IT massal telah memengaruhi sistem global – mulai dari update yang tampaknya tak berbahaya namun diterapkan secara ceroboh hingga serangan yang ditargetkan secara langsung. Kecerdasan buatan, meskipun memiliki potensi tak terbatas untuk kebaikan (lihat aplikasi dalam diagnosis kesehatan, pemodelan iklim, dan optimisasi industri), juga menawarkan jalur yang sangat mudah untuk digunakan dalam kasus-kasus buruk dan tercela.
Kesenjangan digital tetap menjadi kekhawatiran serius – terutama karena teknologi yang sedang berkembang perlahan-lahan menggantikan beberapa kebutuhan keterampilan tertentu dan menuntut kompetensi yang semakin sulit untuk diperoleh bagi mereka di luar lingkungan yang memiliki sumber daya yang memadai.
Semua ini dan lebih banyak lagi dibahas di bawah ini saat kita melihat sorotan dari perbincangan Teknologi Richard Marshall, di mana dia “melihat daerah-daerah di mana sesuatu rusak dan menyarankan beberapa cara untuk memperbaikinya dan menambahkan beberapa hal yang menyenangkan di sepanjang jalan.”
1. Fragmentasi Kecerdasan Buatan dan Hype yang Tidak Tepat
2. Sistem yang Tidak Andal dan Arsitektur yang Rumit
3. Data yang Berantakan dan Berisiko, Diperbesar oleh Kecerdasan Buatan
4. Krisis Palsu dan Kompleksitas Serangan yang Meningkat
5. Kurangnya Keterampilan, Augmentasi Manusia, dan Ketimpangan Teknologi
6. Perbaikan, Bukan Pembaharuan
Marshall menutup dengan mengingatkan ruangan bahwa semua perbaikan teknologi kita bergantung pada orang. Permasalahan ganda adalah kurangnya pelatihan yang sesuai diterapkan dan kesenjangan perekrutan yang mengkhawatirkan.
Solusinya bukanlah membeku pada teori. Latih orang dalam tugas yang sebenarnya akan mereka lakukan – dorongan teknik, triase cepat, validasi model – dan pasangkan mereka dengan sistem augmentasi yang mengajarkan saat bekerja. Meskipun tentu saja, ini adalah metode yang akan memerlukan seperangkat pengecekkan sendiri dari otoritas manusia untuk memastikan bahwa yang diajarkan tidak hanya digagas.
Marshall juga memperingatkan tentang peningkatan ketimpangan: perusahaan yang dapat berinvestasi dalam bakat dan data yang bersih akan melaju jauh dari mereka yang tidak bisa, menciptakan lingkaran setan kerugian. Jawaban kebijakan dan komersial bisa diprediksi namun mendesak: berinvestasi dalam pelatihan, tetap merekrut di tingkat junior, dan menyadari bahwa kemampuan jangka panjang dibangun melalui orang, bukan jalan pintas – dan mungkin layak mengaitkan poin ini dengan kesatuan canggih Marshall sebelumnya tentang mahakarya buatan. Setiap sistem AI yang Anda implementasikan sekarang, meskipun pasti berguna, kemungkinan besar akan memerlukan perbaikan dalam beberapa tahun ke depan. Tidak demikian jika Anda berinvestasi dalam manusia.
Perbaikan, bukan pembaharuan. Jika kita ingin membangun hal-hal baru yang keren, kita punya pekerjaan yang harus dilakukan.
