Pergeseran Eric Schmidt dari Google Search ke Strategi AI

Mengapa Eric Schmidt penting dalam percakapan kebijakan AI

Eric Schmidt penting dalam kebijakan AI karena kariernya menghubungkan pengoperasian platform teknologi global dengan upaya membangun kapasitas teknologi nasional. Pengaruhnya tidak berasal dari jabatan elektif atau dari penulisan regulasi. Pengaruh itu datang dari kemampuannya menerjemahkan persoalan rekayasa, investasi, dan organisasi menjadi rekomendasi yang dapat didanai, ditugaskan, dan diukur oleh pejabat pemerintah.

Perbedaan ini membuat pembahasan tetap terarah. Tahun-tahun Schmidt di Google menjelaskan alasan para pejabat mendengarkannya, tetapi ini bukan biografi atau sejarah mesin pencari. Pertanyaan yang relevan adalah bagaimana pengalamannya dengan data, infrastruktur, talenta teknis, dan iterasi produk yang cepat membentuk pekerjaannya kemudian di bidang keamanan nasional dan kecerdasan buatan.

Strategi AI nasional adalah rencana terkoordinasi pemerintah untuk riset, adopsi komersial, penggunaan di sektor publik, keamanan, dan pengawasan. Strategi ini mencakup pendanaan universitas, imigrasi tenaga terampil, pasokan semikonduktor, pusat data, energi, pengadaan pemerintah, standar teknis, persiapan tenaga kerja, dan kerja sama internasional. Strategi itu juga harus menentukan kapan pembatasan dibenarkan, siapa yang bertanggung jawab atas kegagalan, serta bagaimana warga dapat menggugat keputusan otomatis yang merugikan.

Empat perdebatan mewarnai kerja publik Schmidt:

• Inovasi mencakup riset, pembentukan perusahaan, kecepatan penerapan, serta akses terhadap modal dan komputasi.
• Keamanan mencakup adopsi di bidang pertahanan, operasi siber, intelijen, perlindungan model, dan kemampuan berbahaya yang dapat dipakai untuk tujuan ganda.
• Tata kelola menetapkan tanggung jawab melalui pengujian, dokumentasi, pemantauan, tanggung gugat, dan pemulihan.
• Persaingan menyangkut hubungan AS-China, koordinasi dengan sekutu, chip canggih, standar teknis, dan talenta.

Perdebatan ini saling tumpang tindih, tetapi tidak dapat dipertukarkan. Kebijakan yang menambah kapasitas komputasi domestik dapat mendukung riset dan pertahanan, sembari meningkatkan tekanan pada sistem kelistrikan. Pembatasan ekspor dapat menunda akses pesaing ke perangkat keras canggih, tetapi juga membebani pemasok dalam negeri. Persyaratan keselamatan dapat melindungi orang dalam situasi berisiko tinggi, tetapi menjadi boros bila diterapkan tanpa perubahan pada alat administrasi berisiko rendah.

Pentingnya Schmidt terletak pada cara pandang yang operasional ini. Strategi nasional bukan sekadar pernyataan bahwa AI itu penting. Strategi adalah serangkaian lembaga, anggaran, sistem teknis, insentif, dan tenggat yang menentukan apakah ambisi publik mampu bertahan saat dihadapkan pada pelaksanaan.

Dari kepemimpinan rekayasa ke skala Google

Karier teknologi Schmidt memberinya pengalaman langsung tentang persoalan organisasi yang kemudian muncul dalam rekomendasi kebijakannya. Sebagai lulusan ilmu komputer, ia bekerja di Bell Labs, Sun Microsystems, dan Novell sebelum bergabung dengan Google sebagai CEO pada 2001. Google sudah memiliki para pendirinya, teknologi pencarian, dan jumlah pengguna yang tumbuh pesat. Perannya adalah membantu mengubah momentum itu menjadi perusahaan yang mampu beroperasi secara andal di berbagai pasar dan produk.

Ia tetap menjadi CEO Google hingga 2011. Dalam periode itu, perusahaan memperluas infrastruktur komputasi, bisnis periklanan, tenaga kerja, dan ragam produknya. Pelajarannya lebih luas daripada pertumbuhan: penemuan teknis memiliki nilai terbatas bila organisasi tidak mampu merekrut orang, mengalokasikan sumber daya komputasi, menguji perubahan, pulih dari kegagalan, atau mengambil keputusan dengan kecepatan yang dibutuhkan.

Pencarian memperlihatkan hubungan dengan disiplin operasional tersebut. Secara konsep, sistem pencarian harus melakukan tiga pekerjaan berbeda:

• Crawling menemukan dokumen dan mengunjunginya kembali saat web berubah.
• Indexing mengatur materi yang ditemukan agar dapat diambil kembali secara efisien.
• Ranking memperkirakan hasil mana yang paling memenuhi kueri dan maksud tertentu.

Setiap pekerjaan bergantung pada infrastruktur, kualitas data, pengukuran, dan pemeliharaan berkelanjutan. Perubahan peringkat yang berguna harus berfungsi di berbagai bahasa, kueri langka, upaya spam, peristiwa berita mendadak, jaringan lambat, dan miliaran interaksi. Tingkat kesalahan kecil dapat menghasilkan volume besar hasil buruk setiap hari saat layanan beroperasi dalam skala global.

Era mesin pencari juga membiasakan eksperimen terkendali. Tim dapat membandingkan perubahan yang diusulkan dengan sistem yang ada, mengamati perilaku pengguna, memeriksa kasus kegagalan, dan membatalkan rilis ketika bukti menunjukkan hasil yang buruk. Pemantauan dan pemulihan menjadi bagian dari produk, bukan pekerjaan administratif yang ditambahkan setelah peluncuran.

Kepercayaan lebih sulit diukur, tetapi sama pentingnya. Peringkat pencarian memengaruhi apa yang ditemui orang, sementara pengumpulan data menimbulkan kewajiban privasi dan keamanan. Pengguna dapat meninggalkan layanan bila hasilnya terasa dimanipulasi, tidak aman, atau terus-menerus tidak akurat. Pemerintah menghadapi persoalan serupa dengan AI: suatu sistem dapat memenuhi target kinerja internal, tetapi tetap kehilangan legitimasi bila orang tidak dapat memahami, menggugat, atau menghindari keputusannya.

Analogi ini memiliki batas. Negara bukan perusahaan teknologi, warga bukan pelanggan, dan kewenangan publik tidak dapat dipersempit menjadi manajemen produk. Pemerintah harus mematuhi hukum, melindungi hak konstitusional, mendukung proses hukum yang adil, dan menjawab kepada lembaga dengan mandat yang saling bersaing. Pengalaman Schmidt di sektor swasta berguna ketika membantu mengenali hambatan operasional. Pengalaman itu kurang meyakinkan ketika kecepatan perusahaan dianggap sebagai pengganti akuntabilitas demokratis.

Peran publik yang membentuk pengaruh kebijakan Schmidt

Peralihan Schmidt ke kebijakan teknologi nasional terjadi melalui rangkaian peran penasihat formal dan inisiatif yang didanai swasta. Peran tersebut memberinya akses kepada pemimpin pertahanan, legislator, spesialis teknis, dan staf kebijakan, sekaligus menghasilkan dokumen publik yang dapat dipakai untuk menilai pengaruhnya.

Pada 2016, Menteri Pertahanan Ash Carter memilih Schmidt untuk memimpin Defense Innovation Board yang baru dibentuk. Mandatnya adalah memberi masukan kepada pemimpin Department of Defense tentang praktik organisasi, perangkat lunak, data, talenta, dan adopsi teknologi yang lebih cepat. Dewan ini tidak mengarahkan operasi militer atau memberikan kontrak. Dewan tersebut menghasilkan rekomendasi untuk membantu birokrasi besar bekerja lebih efektif dengan teknologi modern dan pemasok komersial.

Kongres kemudian membentuk National Security Commission on Artificial Intelligence, yang lazim disebut NSCAI. Schmidt memimpin komisi bipartisan beranggotakan 15 orang itu, dengan mantan Wakil Menteri Pertahanan Robert Work sebagai wakil ketua. Tugas resminya adalah merekomendasikan cara Amerika Serikat mengembangkan AI dan teknologi terkait untuk memenuhi kebutuhan keamanan nasional dan ekonomi.

NSCAI menyerahkan laporan akhirnya kepada presiden dan Kongres pada 2021. Laporan itu memuat 16 bab serta cetak biru tindakan terperinci yang mencakup adopsi pertahanan, talenta teknis, infrastruktur riset, mikroelektronika, aliansi, penggunaan yang bertanggung jawab, dan persaingan dengan China. Arti pentingnya berasal dari perpaduan antara klaim strategis dan usulan yang dapat dilaksanakan. Pejabat dapat mengambil struktur kantor, program perekrutan, konsep anggaran, atau persyaratan pengujian, alih-alih hanya menerima seruan umum untuk berinvestasi dalam AI.

Setelah NSCAI menyelesaikan pekerjaannya, Schmidt mendirikan Special Competitive Studies Project pada 2021. Yayasan operasional swasta ini mengkaji AI dan teknologi baru lainnya dalam kaitannya dengan keamanan nasional, ekonomi, dan masyarakat. Schmidt memimpinnya, sementara staf dan penasihatnya terus menerbitkan usulan kebijakan serta mempertemukan pengambil keputusan publik dan swasta.

Posisi-posisi ini menunjukkan empat jalur yang dapat digunakan penasihat untuk memengaruhi kebijakan:

• Pembingkaian mendefinisikan masalah dan kosakata yang dipakai pejabat untuk membahasnya.
• Cetak biru mengubah tujuan luas menjadi kantor, kewenangan, program, dan tenggat.
• Jaringan menghubungkan lembaga dengan peneliti, investor, perusahaan, dan mantan pejabat.
• Tindak lanjut menjaga rekomendasi tetap beredar setelah sebuah komisi dibubarkan.

Tak satu pun jalur ini memberi penasihat kendali formal. Kongres memutuskan apakah akan memberi kewenangan dan pendanaan bagi program. Lembaga eksekutif menafsirkan mandat, menyusun aturan pengadaan, dan mengelola penerapan. Pengadilan, inspektur jenderal, auditor, jurnalis, dan masyarakat sipil dapat mengungkap kekurangan. Schmidt dapat membentuk daftar pilihan, tetapi lembaga publik yang memutuskan apa yang dipilih dan apa yang bertahan.

Pokok argumen strategi NSCAI

Argumen utama NSCAI adalah bahwa keunggulan AI bergantung pada keseluruhan tumpukan teknis dan kelembagaan, bukan satu model yang lebih unggul. Laporan itu menjelaskan tumpukan tersebut melalui talenta, data, perangkat keras, algoritme, aplikasi, dan integrasi. Kelemahan pada salah satu lapisan dapat mencegah hasil laboratorium yang mengesankan berubah menjadi kemampuan nasional yang andal.

Laporan itu menyerukan agar Department of Defense dan Intelligence Community memiliki fondasi untuk integrasi AI secara luas pada 2025. Target tersebut adalah tenggat untuk pekerjaan kesiapan, bukan sertifikasi bahwa setiap lembaga atau misi terkait akan siap AI pada tanggal itu. Tinjauan yang serius perlu menanyakan fondasi apa yang dibangun, bagaimana kinerjanya, dan masalah apa yang masih tersisa.

Rekomendasinya dapat dikelompokkan ke dalam lima tema praktis:

• Adopsi pemerintah memerlukan kepemimpinan senior, data yang dapat digunakan, perangkat lunak modern, komputasi aman, dan pengadaan yang berulang.
• Kebijakan talenta memerlukan jalur karier teknis baru, pelatihan yang lebih baik, perekrutan yang fleksibel, serta akses berkelanjutan ke keahlian internasional.
• Kebijakan perangkat keras memerlukan perhatian terhadap manufaktur semikonduktor, akses chip canggih, konsentrasi pasokan, dan riset.
• Kapasitas riset nasional memerlukan investasi publik dan akses yang lebih luas ke komputasi, kumpulan data, model, serta dukungan teknis.
• Penggunaan yang bertanggung jawab memerlukan pengujian, pertimbangan manusia, akuntabilitas, pemantauan, dan kerja sama dengan sekutu.

Komponen penggunaan yang bertanggung jawab kadang hilang ketika NSCAI diringkas sebagai dokumen perlombaan. Laporan akhirnya berpendapat bahwa sistem keamanan nasional membutuhkan keyakinan yang beralasan. Operator harus memahami di mana sistem bekerja, di mana sistem gagal, bagaimana lawan dapat menyerangnya, dan seberapa besar risiko yang dapat diterima sebuah misi. Laporan itu mengusulkan kepemimpinan AI yang bertanggung jawab di dalam lembaga serta dukungan lintas disiplin untuk evaluasi dan tata kelola.

Sebagian analisis 2021 telah menua karena AI generatif mengubah persoalan praktisnya. Model fondasi serbaguna kini dapat menghasilkan teks, perangkat lunak, gambar, audio, dan rencana melalui satu antarmuka. Model tersebut dapat disesuaikan melalui prompting, retrieval, fine-tuning, dan penggunaan alat tanpa melatih model dari awal. Hal ini memperluas akses, sekaligus membuat batas kemampuan lebih sulit dijelaskan.

Inferensi juga menjadi sumber daya strategis di samping pelatihan. Sebuah negara mungkin memiliki model, tetapi kekurangan komputasi, kapasitas jaringan, listrik, atau lingkungan penerapan yang aman untuk menggunakannya di rumah sakit, lembaga, laboratorium, dan unit militer. Pencurian model, fine-tuning berbahaya, media sintetis, penggunaan alat oleh agen, serta pekerjaan biologis atau siber berbantuan AI kini membutuhkan perhatian lebih besar daripada yang diterima dalam dokumen strategi awal.

Karena itu, bagian NSCAI yang tetap relevan adalah pandangan sistemnya. Bagian yang usang adalah asumsi bahwa adopsi AI mengikuti jalur perangkat lunak konvensional dengan persyaratan stabil dan pembaruan yang dapat diprediksi. Strategi saat ini harus mengatur layanan yang terus berubah, alat di sekitarnya, aliran datanya, dan manusia yang mengandalkannya.

Rekomendasi mana yang menjadi lembaga nyata

Sejumlah inisiatif AS setelahnya menyerupai usulan NSCAI, walaupun kemiripan saja tidak membuktikan bahwa Schmidt atau komisi itu menjadi penyebabnya. Legislasi, kerja lembaga, riset sebelumnya, tekanan komersial, peristiwa keamanan, dan perubahan kebijakan presiden turut membentuk hasilnya.

Department of Defense membentuk posisi Chief Digital and Artificial Intelligence Officer pada Februari 2022. Kantor tersebut menyatukan tanggung jawab utama atas data, analitik, dan AI di bawah pejabat senior. Pilihan organisasi ini menjawab persoalan koordinasi yang digambarkan NSCAI: proyek pilot yang terpencar tidak menghasilkan adopsi di seluruh departemen ketika data, infrastruktur, kebijakan, dan pengadaan tetap terpisah.

CHIPS and Science Act disahkan pada 2022, dengan menyediakan hampir US$53 miliar untuk insentif manufaktur semikonduktor, riset, dan program tenaga kerja terkait. Cakupannya melampaui AI, tetapi komputasi canggih menjadikan kapasitas semikonduktor sebagai perhatian langsung strategi nasional. Pabrik fabrikasi, pengemasan, peralatan manufaktur, riset, tenaga kerja terampil, dan keamanan pasokan menjadi objek kebijakan, bukan lagi perkara yang sepenuhnya diserahkan kepada keputusan pembelian perusahaan.

Pilot National Artificial Intelligence Research Resource dimulai pada 2024 untuk memberi peneliti dan pendidik akses ke komputasi, kumpulan data, model, perangkat lunak, pelatihan, dan dukungan. Dalam pembaruan kemajuan dua tahunnya, program ini melaporkan dukungan bagi lebih dari 600 proyek riset dan 6.000 mahasiswa, partisipasi dari setiap negara bagian, serta sekitar US$100 juta kontribusi non-tunai dari mitra swasta. Ini contoh nyata infrastruktur publik-swasta yang dimaksudkan untuk mengurangi kesenjangan antara laboratorium berpendanaan kuat dan komunitas riset yang lebih luas.

AI Action Plan Gedung Putih pada 2025 memaparkan lebih dari 90 tindakan federal dalam tiga pilar: inovasi, infrastruktur, serta diplomasi dan keamanan internasional. Penekanan politiknya berbeda dari kebijakan sebelumnya. Rencana tersebut memberi bobot lebih besar pada pengembangan cepat sektor swasta, pembangunan pusat data, pasokan energi, ekspor AI, adopsi federal, dan penegakan pembatasan atas komputasi canggih.

Memorandum keamanan nasional pada Juni 2026 mendorong agenda operasional lebih jauh. Memorandum itu mengarahkan pekerjaan tentang adopsi keamanan nasional, perekrutan teknis, cadangan talenta AI, lingkungan data dan model bersama, respons insiden, praktik keamanan, serta metode uji, evaluasi, verifikasi, dan validasi yang terstandar. Memorandum itu juga mendefinisikan keterkendalian sebagai kemampuan untuk memantau sistem dan mengambil tindakan korektif.

Secara bersama-sama, langkah-langkah ini menunjukkan konvergensi kebijakan pada beberapa masalah yang ditekankan Schmidt: kapasitas negara, tenaga teknis, infrastruktur komputasi, koordinasi kelembagaan, dan evaluasi yang terukur. Langkah tersebut tidak menjawab apakah solusi yang diadopsi sudah cukup atau dirancang dengan baik. Membuat kantor lebih mudah daripada memberinya wewenang. Mengumumkan program lebih mudah daripada mempertahankan anggarannya. Menerbitkan metode evaluasi lebih mudah daripada menegakkannya terhadap vendor yang diunggulkan atau misi yang mendesak.

Riset, talenta, dan infrastruktur membuat strategi dapat dilaksanakan

Strategi AI nasional baru dapat dilaksanakan ketika riset, manusia, komputasi, data, dan aturan penerapan berjalan sebagai satu portofolio. Mendanai satu komponen sambil mengabaikan yang lain menghasilkan kapasitas yang tidak terpakai atau ketergantungan pada sejumlah kecil pemasok.

Pendanaan riset publik perlu mendukung ilmu dasar, misi terapan, metode evaluasi, dan pekerjaan dengan pengembalian komersial yang tidak pasti. Pendanaan itu juga perlu mencakup mekanisme transisi. Tim universitas mungkin dapat mendemonstrasikan teknik yang berharga, tetapi adopsi dapat terhenti tanpa hosting aman, rekayasa produk, kewenangan hukum, dana pemeliharaan, dan lembaga publik yang bersedia menanggung hasilnya.

Kebijakan talenta membutuhkan lebih dari sekadar meluluskan lebih banyak peneliti pembelajaran mesin. Pemerintah memerlukan insinyur perangkat lunak, insinyur data, spesialis keamanan siber, manajer produk, staf pengadaan, pengacara, auditor, profesional bidang terkait, dan pejabat senior yang mampu mengambil keputusan teknis. Model pertahanan yang dievaluasi tanpa operator mungkin gagal dalam kondisi lapangan. Sistem tunjangan yang ditinjau tanpa keahlian hukum administrasi dapat mengabaikan proses hukum yang adil meskipun prediksinya akurat secara statistik.

Kebijakan komputasi harus membedakan pelatihan dan inferensi. Pelatihan model besar memerlukan komputasi terkonsentrasi untuk waktu terbatas. Mengoperasikan model itu bagi banyak pengguna menciptakan kebutuhan berkelanjutan akan akselerator, memori, jaringan, penyimpanan, listrik, pendinginan, dan pemeliharaan. Rencana pengadaan yang menganggarkan pengembangan tetapi mengabaikan biaya operasi dapat membuat lembaga memiliki pilot yang sukses namun terlalu mahal untuk diperluas.

Infrastruktur fisik kini termasuk bagian dari strategi. Pusat data memerlukan lokasi yang sesuai, daya yang andal, kapasitas transmisi, air atau sistem pendinginan alternatif, koneksi jaringan, peralatan pengganti, dan rencana darurat. Ukuran yang berguna meliputi waktu untuk menyambungkan kapasitas baru, tingkat pemanfaatan, biaya per beban kerja yang selesai, waktu pemulihan setelah gangguan, dan porsi beban kerja sensitif yang dapat berjalan di lingkungan yang disetujui.

Kebijakan data dimulai dari kewenangan hukum dan tujuan. Lembaga perlu mengetahui alasan keberadaan suatu kumpulan data, siapa yang dapat menggunakannya, berapa lama data boleh disimpan, populasi mana yang digambarkannya secara buruk, dan bagaimana koreksi menyebar. Asal-usul data penting karena evaluasi tidak dapat menjelaskan kegagalan jika asal dan riwayat transformasi catatan yang mendasarinya tidak diketahui.

Metode yang menjaga privasi dapat mengurangi paparan, tetapi tidak menghilangkan kebutuhan akan tata kelola. Kontrol akses, secure enclave, de-identifikasi, privasi diferensial, analisis federatif, dan log audit menangani ancaman yang berbeda. Lembaga sebaiknya memilihnya sesuai dengan data, pengguna, model serangan, dan kewajiban publik yang terlibat.

Penerapan perlu mengikuti siklus hidup, bukan uji penerimaan satu kali:

1. Tentukan keputusan, populasi yang terdampak, kewenangan hukum, dan penanggung jawab manusia.
2. Tetapkan dasar pembanding tanpa AI serta target manfaat yang dapat diukur.
3. Uji kinerja, keamanan, bias, aksesibilitas, dan penyalahgunaan dalam kondisi penggunaan yang dituju.
4. Rilis bertahap dengan log, jalur eskalasi, pelaporan insiden, dan pemulihan.
5. Nilai ulang setelah model, data, kebijakan, atau kondisi operasi berubah.

Proses ini mendukung kecepatan karena memungkinkan uji coba kecil yang dapat dibatalkan. Proses ini juga mencegah demonstrasi purwarupa yang mengesankan dianggap sebagai bukti kesiapan produksi.

AI mengubah keamanan nasional melalui kemampuan penggunaan ganda

AI mengubah keamanan nasional dengan meningkatkan kecepatan, skala, dan kemudahan akses terhadap analisis dan tindakan. Organisasi intelijen dapat memakainya untuk memeriksa citra, menerjemahkan materi, menelusuri koleksi dokumen besar, mengenali anomali siber, dan membantu analis menghubungkan berbagai sinyal. Organisasi militer dapat menerapkannya untuk logistik, pemeliharaan, dukungan perencanaan, pengindraan, dan sistem otonom.

Kemampuan yang sama dapat mendukung penyerang. Pembuatan kode dapat membantu pembela memeriksa perangkat lunak dan membantu lawan memvariasikan program berbahaya. Pembuatan bahasa dapat menurunkan biaya phishing yang dipersonalisasi dan operasi pengaruh. Computer vision dapat mendukung respons bencana atau pengawasan terus-menerus. Model biologis dapat membantu riset yang sah sambil menurunkan sebagian hambatan untuk eksperimen berbahaya.

Inilah alasan kebijakan penggunaan ganda tidak dapat dipersempit menjadi daftar model terlarang. Risiko bergantung pada model, alat yang terhubung, data yang tersedia, akses pengguna, lingkungan penerapan, dan dampak kesalahan. Model umum tanpa izin eksternal menciptakan paparan yang berbeda dibanding model yang sama ketika terhubung ke basis data rahasia, peralatan laboratorium, rekening keuangan, atau senjata.

Pengadaan pemerintah menghadapi kesulitan terkait. Kontrak tradisional mengasumsikan persyaratan yang stabil dan versi produk yang dapat diuji sebelum diterima. Layanan AI dapat mengubah model, lapisan keselamatan, sistem retrieval, campuran pelatihan, atau kebijakan penggunaannya selama masa kontrak. Lembaga membutuhkan pemberitahuan atas perubahan material dan kemampuan mengulangi evaluasi sebelum pembaruan menjangkau pekerjaan sensitif.

Penerapan keamanan nasional yang dapat dipertanggungjawabkan perlu memuat lima pengendalian:

• Pengujian khusus misi yang mengukur positif palsu, negatif palsu, latensi, kegagalan saat tertekan, dan perilaku adversarial.
• Akses dengan hak istimewa minimum yang membatasi data, alat, dan tindakan yang tersedia bagi sistem.
• Kewenangan manusia yang ditetapkan untuk persetujuan, intervensi, eskalasi, dan penghentian.
• Log dan pemantauan berkelanjutan yang dirancang untuk investigasi, bukan pemasaran vendor.
• Ketentuan kontrak yang mencakup pembaruan, insiden, penggunaan data, akses model, portabilitas, dan penghentian.

Keterlibatan manusia harus bermakna. Mewajibkan seseorang mengeklik persetujuan hanya sedikit manfaatnya bila antarmuka menyembunyikan ketidakpastian, beban kerja menghalangi peninjauan, atau budaya organisasi menghukum perbedaan pendapat dengan model. Operator membutuhkan pelatihan, waktu, informasi alternatif, dan wewenang untuk menolak keluaran.

Penggunaan dengan konsekuensi besar menuntut bukti yang lebih ketat. Sistem yang merangkum korespondensi rutin dapat mentoleransi kesalahan yang tidak dapat diterima dalam penentuan sasaran, peringatan intelijen, triase medis, atau akses ke bantuan publik. Kecepatan harus berasal dari peninjauan yang proporsional dan penerapan yang dapat dipulihkan, bukan dari anggapan bahwa semua penggunaan memiliki taruhan yang sama.

Persaingan AS-China lebih luas daripada perlombaan model

Persaingan AI AS-China menyangkut kapasitas industri, riset, talenta, energi, rantai pasokan, adopsi, dan aliansi, bukan satu peringkat model. Memperlakukannya sebagai garis finis mendorong klaim dramatis sambil mengaburkan lembaga yang mempertahankan keunggulan selama bertahun-tahun.

Perbandingan kemampuan harus menjelaskan apa yang diukur. Melatih model berkinerja tinggi berbeda dengan memproduksi chip canggih, menerapkan sistem di seluruh industri, menyediakan kapasitas cloud yang andal, menghasilkan penemuan ilmiah, atau mengintegrasikan AI ke operasi militer. Sebuah negara dapat memimpin dalam satu kategori dan bergantung pada pemasok asing dalam kategori lain.

Pengendalian ekspor bertujuan memperlambat akses terhadap chip canggih dan peralatan manufaktur semikonduktor tertentu. Dampaknya bergantung pada cakupan teknis, penegakan, partisipasi sekutu, persediaan, jalur pengalihan, dan kemampuan negara sasaran mengembangkan pengganti. Pengendalian yang terlalu sempit mungkin berdampak kecil. Aturan yang terlalu luas dapat mendorong pelanggan meninggalkan pemasok AS atau memacu penggantian lebih cepat.

Sekutu penting karena rantai pasokan semikonduktor dan komputasi melintasi batas negara. Desain chip, fabrikasi, peralatan produksi, material, pengemasan, layanan cloud, dan talenta riset tersebar di berbagai negara. Kebijakan yang terkoordinasi dapat mengurangi pengelakan, membagi biaya, mendukung praktik keamanan yang kompatibel, dan memberi mitra alasan untuk membangun dengan sistem tepercaya.

Persaingan juga memengaruhi tata kelola. Bila setiap persyaratan evaluasi digambarkan sebagai perlucutan senjata sepihak, lembaga dan perusahaan akan kurang berinvestasi dalam pengujian hingga kegagalan memaksa reaksi. Bila setiap kemampuan dibatasi atas dasar spekulatif, riset dan adopsi bermanfaat dapat berpindah ke tempat lain. Strategi yang cakap menjaga ruang untuk eksperimen sambil menerapkan pengendalian lebih kuat terhadap akses, tindakan, dan situasi yang menciptakan risiko keamanan nasional yang kredibel.

Konsentrasi memperumit posisi AS. Pelatihan dan pengoperasian sistem terdepan membutuhkan sumber daya yang tersedia bagi sejumlah perusahaan terbatas. Konsentrasi dapat mempercepat investasi dan penerapan, tetapi juga dapat melemahkan daya tawar pemerintah, mengurangi akses riset, dan menciptakan ketergantungan bersama di berbagai lembaga. Kebijakan persaingan, interoperabilitas, portabilitas, infrastruktur riset publik, serta persyaratan akses kode sumber atau model masing-masing dapat menangani sebagian persoalan itu.

Metafora perlombaan tetap efektif secara politik karena menimbulkan rasa mendesak. Namun secara analitis metafora itu tidak lengkap, sebab kepemimpinan yang stabil bergantung pada ketahanan, perbaikan kesalahan, legitimasi publik, dan kerja sama. Negara yang bergerak cepat tetapi tidak dapat mengamankan modelnya, memasok daya ke pusat datanya, melatih operator, atau merespons insiden belum membangun keunggulan yang tahan lama.

Tata kelola harus mengikuti penggunaan dan konsekuensinya

Tata kelola AI yang efektif menetapkan kewajiban berdasarkan tindakan sistem, pihak yang terdampak, dan seberapa parah kegagalan yang mungkin terjadi. Chatbot untuk menjawab pertanyaan umum, alat bantu diagnostik, penyaring rekrutmen, dan komponen penentuan sasaran otonom tidak seharusnya menghadapi persyaratan bukti yang sama.

Tugas tata kelola pertama adalah klasifikasi. Pejabat perlu mengenali apakah sistem memberi informasi kepada seseorang, merekomendasikan tindakan, membuat keputusan, atau menjalankan tindakan. Setelah itu, mereka perlu memetakan hak yang terdampak, potensi kerugian, kelompok rentan, mekanisme banding, dan kemungkinan untuk membalikkan dampak buruk.

Lima pertanyaan dapat dengan cepat mengungkap tata kelola yang lemah:

• Keputusan apa yang dipengaruhi sistem, dan siapa yang tetap bertanggung jawab secara hukum?
• Bukti apa yang mendukung penggunaannya bagi populasi dan lingkungan operasi ini?
• Informasi apa yang dikumpulkan, disimpan, dibagikan, atau dipakai untuk pelatihan berikutnya?
• Bagaimana orang yang terdampak dapat memperoleh penjelasan, koreksi, dan peninjauan manusia?
• Peristiwa apa yang memicu penangguhan, pemberitahuan, pemulihan, atau kompensasi?

Keadilan menuntut pemeriksaan hasil, bukan asumsi bahwa menghapus atribut yang dilindungi otomatis menghapus diskriminasi. Variabel lain dapat menjadi proksi, catatan historis dapat memuat perlakuan tidak setara, dan biaya kesalahan dapat jatuh secara tidak merata. Lembaga perlu menguji kelompok yang relevan, menyelidiki penyebab, dan menentukan apakah penggunaannya tetap sah serta dapat dibenarkan setelah mitigasi.

Transparansi perlu disesuaikan dengan audiens. Insinyur memerlukan dokumentasi model dan data. Operator memerlukan informasi mengenai batas, ketidakpastian, dan instruksi eskalasi. Pejabat pengadaan memerlukan informasi tentang biaya, keamanan, pembaruan, dan ketergantungan. Orang yang terdampak keputusan memerlukan alasan yang dapat dipahami dan jalur banding yang dapat digunakan. Menerbitkan dokumen teknis panjang tidak memenuhi keempat kebutuhan tersebut.

Analisis privasi harus mencakup interaksi model di samping data pelatihan. Prompt, dokumen yang diambil, keluaran alat, log, umpan balik, dan catatan yang dihasilkan dapat berisi informasi sensitif. Ketentuan kontrak perlu menyatakan apakah penyedia dapat menyimpan bahan-bahan ini, menggunakannya untuk pelatihan, memindahkannya lintas negara, atau memaparkannya kepada subkontraktor.

Evaluasi model terdepan dan audit aplikasi menjawab pertanyaan berbeda. Evaluasi model dapat menguji kemampuan siber, penipuan, pengetahuan biologis, atau ketahanan terhadap penyalahgunaan. Audit aplikasi memeriksa keseluruhan sistem yang diterapkan, termasuk prompt, retrieval, alat, antarmuka, prosedur manusia, dan populasi yang terdampak. Lulus salah satunya tidak menggantikan yang lain.

Peneliti independen, organisasi masyarakat sipil, inspektur jenderal, badan standar, dan laboratorium pengujian menambah pengetahuan serta pengawasan yang mungkin tidak dimiliki lembaga dan vendor. Pengaturan akses harus melindungi keamanan dan data pribadi, tetapi kerahasiaan tidak boleh menjadi alasan umum untuk menolak pemeriksaan dari luar.

Kolaborasi publik-swasta membutuhkan batas dan bukti

Kolaborasi publik-swasta berjalan baik ketika para pihak menetapkan masalah publik, kewenangan hukum, hasil yang diharapkan, batas keamanan, dan syarat keluar sebelum memilih teknologi. Kemitraan yang samar menciptakan publisitas, tetapi membuat biaya, tanggung jawab, dan kinerja sulit diperiksa.

Pemerintah menyumbang mandat, pendanaan publik, akses ke lingkungan misi, dan kemampuan mendukung pekerjaan jangka panjang. Perusahaan menyumbang staf rekayasa, infrastruktur komersial, pengetahuan produk terkini, dan pengalaman mengoperasikan sistem dalam skala besar. Universitas dan organisasi nirlaba dapat menyediakan riset dasar, metode evaluasi, pelatihan, dan kritik independen.

Insentif mereka berbeda. Vendor mendapat manfaat ketika pilot berkembang menjadi kontrak jangka panjang. Pemimpin lembaga dapat diuntungkan dengan mengumumkan adopsi cepat sebelum buktinya matang. Kelompok riset mungkin mendukung publikasi terbuka walaupun hasilnya berimplikasi pada keamanan. Kesepakatan yang baik mengakui insentif ini dan membangun hak peninjauan, pengungkapan, persaingan, serta penghentian di sekelilingnya.

Konflik kepentingan layak ditangani secara langsung ketika penasihat terkemuka masih memiliki investasi, posisi dewan, hubungan bisnis, atau proyek filantropi di bidang kebijakan yang sama. Pengungkapan tidak membuktikan adanya pengaruh yang tidak patut, dan keahlian sering datang bersama koneksi profesional. Namun pengungkapan memungkinkan pejabat dan publik menilai asal-usul rekomendasi, mencari pandangan lain, dan meminta peserta mengundurkan diri bila perlu.

Purwarupa berisiko rendah menawarkan satu bidang praktis untuk kolaborasi. Koder.ai, misalnya, memungkinkan pengguna membuat antarmuka web React, layanan backend Go dengan PostgreSQL, serta aplikasi seluler Flutter melalui percakapan bahasa alami. Koder.ai mendukung mode perencanaan, ekspor kode sumber, deployment dan hosting, domain kustom, snapshot, dan pemulihan. Fungsi-fungsi ini dapat memperpendek siklus umpan balik untuk demonstrator atau alat internal.

Aplikasi yang dihasilkan tetap memerlukan peninjauan sebelum dipakai dalam produksi sektor publik. Tim harus memeriksa kode, dependensi, autentikasi, kontrol akses, aliran data, aksesibilitas, pencatatan, ketahanan, lisensi, dan konfigurasi deployment. Beban kerja sensitif juga memerlukan lingkungan hosting yang disetujui serta kepatuhan terhadap kewajiban keamanan dan arsip lembaga. Vibe coding mengubah cara purwarupa dibuat, bukan pihak yang bertanggung jawab atasnya.

Kontrak pilot yang berguna perlu menetapkan:

• Kelompok pengguna yang sempit dan masa operasi berbatas waktu.
• Ukuran dasar biaya, kualitas, dan waktu penyelesaian.
• Pembatasan penyimpanan data, pelatihan, lokasi, dan subkontraktor.
• Kewajiban pengujian keamanan, pemberitahuan perubahan, pelaporan insiden, dan pemulihan.
• Hak ekspor, portabilitas, dokumentasi, dan penghentian.

Struktur ini memungkinkan lembaga belajar tanpa terkunci pada vendor sebelum memahami sistemnya. Struktur ini juga memberi pilot yang berhasil bukti yang dapat dipercaya untuk diperluas.

Cara menilai pengaruh Schmidt dan strategi AI apa pun

Pengaruh Schmidt harus dinilai melalui adopsi, sumber daya, ketahanan kelembagaan, dan hasil, bukan pidato atau kedekatan dengan pejabat. Sebuah rekomendasi dapat membentuk perdebatan tanpa menjadi kebijakan, dan kebijakan berikutnya dapat menyerupainya tanpa disebabkan olehnya.

Mulailah dengan atribusi. Kenali laporan, kesaksian, rekomendasi dewan, atau usulan tertentu yang terkait dengan Schmidt. Pisahkan pernyataan pribadinya dari dokumen konsensus yang dihasilkan komisi atau lembaga. Laporan komisi beranggotakan 15 orang tidak sama dengan pandangan pribadi salah satu ketuanya.

Kemudian telusuri rantai pelaksanaannya:

1. Apakah Kongres atau lembaga mengadopsi usulan tersebut dalam bentuk yang dapat dikenali?
2. Apakah usulan itu menerima kewenangan hukum, anggaran, staf, dan kepemimpinan yang bertanggung jawab?
3. Apakah lembaga yang bertanggung jawab menerbitkan tonggak dan bukti kinerja?
4. Apakah pengguna menerima kemampuan yang andal, bukan sekadar pilot atau pengumuman kantor?
5. Apakah audit, insiden, biaya, dampak hak, atau hasil strategis mendukung klaim awal?

Linimasa harus cukup spesifik agar kegagalan dapat terlihat. Cita-cita lima tahun perlu menjelaskan apa yang terjadi pada siklus anggaran pertama, ketergantungan apa yang harus tersedia lebih dahulu, dan siapa yang dapat bertindak ketika tonggak tertunda. Tanpa itu, rencana dapat dinyatakan berhasil hanya karena ada aktivitas.

Metrik harus sesuai dengan tujuannya. Program adopsi pemerintah dapat mengukur waktu pengadaan, penyelesaian tugas pengguna, biaya per kasus, tingkat pengesampingan, insiden keamanan, dan waktu pemulihan. Program riset dapat mengukur akses yang diberikan, pemanfaatan sumber daya, publikasi, reproduktibilitas, hasil pelatihan, dan peralihan hasil ke praktik. Menghitung rapat atau dokumen yang dihasilkan hanya sedikit menjelaskan kemampuan.

Pertukaran kepentingan harus terlihat. Rencana yang serius menjelaskan siapa yang menanggung biaya energi, bagaimana pembatasan ekspor memengaruhi pemasok, data apa yang tidak dapat digunakan, kapan manusia harus mengambil keputusan, serta penerapan mana yang akan dilarang atau ditangguhkan. Strategi yang menjanjikan kecepatan, keselamatan, keterbukaan, privasi, dan kendali maksimal sekaligus telah menghindari keputusan yang seharusnya dibuat strategi.

Apa yang pada akhirnya ditunjukkan oleh perjalanan karier Schmidt

Perjalanan karier Schmidt menunjukkan bahwa kepemimpinan AI adalah persoalan organisasi dan politik, sama besarnya dengan persoalan pengembangan model. Google menunjukkan nilai infrastruktur, pengukuran, talenta teknis, eksperimen, dan pemulihan dalam skala sangat besar. Kerja penasihatnya menerapkan gagasan operasional itu pada kapasitas pemerintah, adopsi pertahanan, kebijakan semikonduktor, akses riset, dan persaingan internasional.

Pemindahan gagasan itu berguna, tetapi tidak lengkap. Lembaga publik harus melindungi hak, membenarkan keputusan koersif, mengungkap konflik, menjaga pengawasan demokratis, dan menyediakan pemulihan. Kewajiban tersebut tidak dapat digantikan oleh siklus produk yang lebih cepat atau manajemen teknis yang lebih baik.

Bagian terkuat dari sumbangan kebijakan Schmidt adalah penegasannya bahwa strategi AI nasional memerlukan perangkat yang terkoordinasi. Riset tanpa akses komputasi akan terhenti. Model tanpa operator terampil tetap menjadi demonstrasi. Pengadaan tanpa evaluasi membeli ketidakpastian. Keamanan tanpa aliansi mengabaikan struktur rantai pasokan. Inovasi tanpa akuntabilitas dapat merusak kepercayaan yang dibutuhkan untuk adopsi.

Respons yang tepat bukan penerimaan otomatis atau penolakan berdasarkan latar belakang korporat Schmidt. Yang dibutuhkan adalah verifikasi yang disiplin: kenali usulannya, telusuri kewenangan dan dananya, periksa pelaksanaan, ukur hasilnya, dan hitung biaya yang tidak disebutkan dalam klaim publik. Begitulah pengaruh menjadi terlihat dan strategi AI nasional dapat dinilai berdasarkan hasilnya.