Masyarakat Informatika Sosial Indonesia

Arief Prihantoro

INTERNAL MODEL: Mengapa Otak Lebih Sering Menebak daripada Melihat

Artikel ini merupakan kelanjutan dari tulisan saya sebelumnya, “Roadshow Kampus: Perang Narasi dan Perebutan Ruang Kognitif”, yang membahas bagaimana ruang publik modern telah bergeser dari perebutan fakta menuju perebutan makna. Dalam tulisan tersebut saya menunjukkan bahwa pada era media sosial, pertarungan komunikasi tidak lagi semata-mata berkaitan dengan siapa yang memiliki data paling akurat, melainkan siapa yang lebih dahulu membentuk cara publik memaknai data tersebut. Namun, pembahasan itu menyisakan satu pertanyaan yang lebih mendasar. Jika makna memang dapat diperebutkan, di manakah sebenarnya makna itu dibentuk? Apakah di media, di bahasa, atau justru di dalam diri manusia ketika ia memahami dunia? Tulisan ini berangkat dari pertanyaan tersebut.

Roadshow Kampus, Perang Narasi, dan Perebutan Ruang Kognitif

Pernahkah kita menyaksikan dua orang menghadiri peristiwa yang sama, mendengar pidato yang sama, membaca berita yang sama, tetapi pulang dengan keyakinan yang sama sekali berbeda?

Continue reading BAGAIMANA FAKTA MENJADI REALITAS?

Saya baru dapat berita Instagram yang mengabarkan ada perusahaan AI membeli buku jadul besar-besaran untuk discan dengan cepat. Disebutkan high speed scanner yang digunakan perlu memotong punggung buku. Setelah selesai, buku yang terlanjur rusak jahitan bendelnya langsung dihancurkan untuk direcycle.

Dari googling, saya temukan artikel guardian yang membahas itu. Toko buku jadul di Australia mulai curiga karena ada pembelian buku jadul besar-besaran. Masalahnya, banyak buku jadul itu sudah bersifat langka. Kalau kemudian dihancurkan, meskipun ada copy digitalnya, keaslian tulisan menjadi sulit dibuktikan seperti ijazah Jokowi. Bagaimana kita meneliti keberadaannya kalau para pembaca buku tertentu sudah meninggal dan bukunya sudah tidak bisa ditemukan?

Kita tahu ada masalah halusinasi di AI. Tidak tertutup kemungkinan pengelola sistem AI demi kepentingan tertentu bisa “manulis” buku dengan style jadul dan dibuat versi “scan” digitalnya kemudian diclaim sebagai referensi yang buku aslinya dinyatakan sudah dihancurkan.

Di artikel sebelumnya, saya menulis tentang dua wajah ancaman dari sistem AI otonom, virus bertenaga-AI dan agen berkemampuan-viral, dua ujung sumbu yang sama-sama menggambarkan ancaman yang datang dari luar, menembus batas yang sengaja dipasang untuk mengurungnya. Selain itu ada persoalan lain yang sedang berlangsung sekarang juga, ini tidak menembus apa-apa. karena kita sendiri yang membukakan pintunya saat melakukan pengembangan sistem informasi menggunakan tool AI. Satu commit demi satu commit, setiap hari, di repositori kode yang kita anggap biasa saja tapi kedepannya akan dimakan AI untuk memperbarui modelnya.

Googling “ai generated code yang masuk github/gitlab” mendapati hasil survei terhadap lebih dari 1.500 pengembang dan pembuat keputusan teknologi di enam negara pada Juni 2026, menemukan bahwa hampir semua organisasi kini memakai dua alat coding AI atau lebih, dan mayoritas mengaku kode mereka ditulis dan di-commit lebih cepat sejak memakai alat-alat itu. Bagus lah. Tapi temuan berikutnya lebih menarik: hampir separuh responden mengaku kesulitan membedakan mana kode buatan AI dan mana yang ditulis manusia, di dalam basis kode mereka sendiri. Dan ketika ditanya soal insiden produksi yang benar-benar terjadi, sepertiga organisasi yang mengalaminya mengaku tidak bisa memastikan apakah kode buatan AI ikut andil di dalamnya, meskipun mayoritas tadinya yakin mereka bisa menentukannya dalam waktu 24 jam.

Continue reading Kode Buatan AI, Verifikasi oleh AI, dan Risiko Loop Tertutup dalam Pembentukan Model Berikutnya

Ketika Fred Cohen mendefinisikan virus komputer pada 1984 sebagai program yang menyisip ke program lain dengan salinan dirinya, ia sekaligus membuka pikiran tentang ancaman digital selama bertahun-tahun kemudian. Sesuatu bersifat virus jika ia mereplikasi diri, dan replikasi itu adalah tujuannya. Definisi ini bertahan lama karena mekanismenya jelas, dan begitu pola penyebarannya dipahami, ia bisa dipagari dengan signature detection meskipun tetap saja harus ada korban awal zero daynya untuk memperbarui basis data ciri virusnya.

Belakangan orang memrogram agen AI otonom, dengan algoritma untuk mengambil keputusan bertingkat, termasuk menembus batas yang dirancang untuk mengurungnya. Ini menunjukkan bahwa kerangka lama ini tidak lagi cukup untuk memetakan seluruh lanskap ancaman. Kita perlu sumbu-sumbu klasifikasi baru yakni virus bertenaga-AI dan agen berkemampuan-viral.

Continue reading Model Ancaman Sistem Informasi baru: Virus Bertenaga-AI dan Agen Berkemampuan-Viral

WhatsApp menggunakan protokol Signal untuk perlindungan data percapakan para penggunanya termasuk percakapan yang dilakukan di group. Perlu dipahami bahwa perlindungan itu hanya dilakukan untuk isi percakapan, tidak termasuk metadata siapa, kirim pesan ke siapa, kapan, dan seberapa besar pesannya. Selain itu, WhatsApp menawarkan penggunaan Meta AI untuk analisa, tanya jawab, dan meringkas pesan-pesan yang belum sempat terbaca. Untuk memberi layanan tersebut, janji enkripsi pesan end-to-end tidak bisa sepenuhnya ditepati. User harus memberi hak pada Meta AI untuk membaca pesan yang diolah.

Continue reading Memahami Seberapa Jauh End to End Enkripsi WhatsApp Melindungi Percapakan Kita

Istilah “agentic AI” belakangan menjadi buzz word makin populer di banyak presentasi vendor teknologi. Sistem yang bisa “bertindak sendiri,” “mengambil keputusan,” dan “bekerja otonom” ditawarkan sebagai lompatan besar berikutnya setelah generative AI. Tetapi ketika istilah teknis dipakai orang untuk pemasaran, ia cenderung dilebih-lebihkan maknanya, mencakup jauh lebih banyak hal daripada yang sebenarnya dimaksudkan komunitas riset yang menciptakannya. Tulisan ini mencoba menelusuri kembali apa yang secara teknis membedakan “agentic AI” dari sekadar automation yang dibungkus istilah baru, dan menawarkan kerangka penilaian yang bisa dipakai siapa pun untuk menguji klaim yang mereka dengar di ruang presentasi. Tulisan saya buat dengan Claude AI. Daftar prompt beserta interpretasi dan kunci respon AI saya lampirkan di bawah.

Continue reading Meninjau Ulang Pengembangan Agentic AI

Penulis fiksi Joanna Maciejewska pernah posting pesan X yang ringkas tapi dalam tentang arah pengembangan AI: dia ingin AI mengerjakan londre dan cuci piring supaya dia punya waktu untuk berkarya dan menulis, bukan sebaliknya, AI yang mengambil alih kerja berkarya dan menulis sementara dia tetap harus ncuci piring sendiri. Ini seperti lelucon rumah tangga biasa, tapi kalau dipikir-pikir ada diagnosis yang dalam soal bagaimana arah pengambangan otomasi. Dalam praktek, pengembangan itu bukan oleh apa yang paling ingin dibebaskan manusia dari beban hidupnya, melainkan oleh apa yang secara komputasional paling mudah untuk dikerjakan lebih dulu.

Kerja simbolik dan kreatif, yang selama ini dianggap puncak kemampuan manusia, ternyata jauh lebih mudah diformalkan lewat data teks dan gambar yang melimpah, sementara pekerjaan fisik yang dianggap remeh justru membutuhkan koordinasi syaraf motorik dalam dunia nyata yang jauh lebih sulit direplikasi. Arah yang terbalik dari harapan Maciejewska ini memunculkan pertanyaan kemajuan macam apa yang diharapkan dari pengembangan robotika dan ai?.

Continue reading Ketika Kemajuan Umat Manusia Ditentukan Oleh Algoritma

– Arief Prihantoro –

Di Bawah Bayang-Bayang Algoritma

Dalam sejarah perkembangan ilmu pengetahuan, tidak sedikit konsep yang pada mulanya lahir sebagai alat untuk menjelaskan suatu gejala, tetapi perlahan berubah menjadi cara berpikir yang hampir tidak pernah lagi dipertanyakan. Semakin sering konsep tersebut digunakan untuk menjelaskan berbagai fenomena, semakin kecil pula kecenderungan untuk meninjau kembali asumsi-asumsi yang melahirkannya. Pada titik tertentu, perhatian ilmiah tidak lagi diarahkan kepada fondasi konseptualnya, melainkan kepada berbagai persoalan baru yang tumbuh di atasnya. Ketika keadaan itu terjadi, sebuah paradigma sesungguhnya sedang bekerja dalam bentuknya yang paling kuat: bukan karena ia selalu benar, melainkan karena ia telah diterima sebagai titik berangkat yang nyaris tak lagi dipersoalkan.

Barangkali keadaan semacam itu sedang berlangsung dalam cara kita memahami komunikasi pada era digital. Dalam beberapa tahun terakhir, hampir setiap pembahasan mengenai komunikasi politik bersinggungan dengan algoritma. Polarisasi politik, disinformasi, deepfake, filter bubble, echo chamber, microtargeting, hingga menurunnya kualitas ruang publik, semakin sering dijelaskan melalui cara kerja algoritma. Istilah tersebut bukan lagi sekadar menunjuk pada prosedur komputasional, melainkan telah menjadi pusat penjelasan bagi beragam fenomena komunikasi kontemporer.

Kecenderungan tersebut tampak jelas dalam Webinar Nasional “Komunikasi Politik dalam Kendali Algoritma” yang diselenggarakan oleh Majelis Pengurus Pusat ICMI pada 15 Juli 2026. Forum yang menghadirkan pembicara dari kalangan pemerintah, akademisi, dan praktisi teknologi informasi tersebut memperlihatkan betapa luasnya persoalan yang kini dikaitkan dengan algoritma. Mulai dari penyebaran disinformasi, polarisasi politik, tata kelola platform digital, hingga perkembangan Kecerdasan Tiruan, seluruhnya dibahas sebagai bagian dari perubahan besar yang sedang terjadi pada ekosistem komunikasi.

Continue reading Dari Informasi Menuju Epistemic State – Membaca Ulang Komunikasi Politik di Era Algoritma

– Arief Prihantoro –

Ketika Komunikasi Tidak Lagi Dimulai dari Makna

Salah satu kemampuan yang paling sering membuat orang terkejut ketika berinteraksi dengan Large Language Models adalah kemampuannya menghasilkan jawaban yang terasa bermakna. Sebuah pertanyaan yang diajukan dengan bahasa sehari-hari dapat dijawab menggunakan kalimat-kalimat yang koheren, mengikuti konteks percakapan, bahkan mampu menyesuaikan gaya bahasa penggunanya. Pengalaman semacam ini hampir secara spontan melahirkan satu kesimpulan intuitif: AI tampaknya memahami makna sebagaimana manusia memahami makna.

Kesan tersebut tidak sepenuhnya keliru, tetapi juga tidak sepenuhnya benar.

Dalam pengalaman sehari-hari, manusia memang hampir tidak pernah memisahkan bahasa dari makna. Ketika seseorang berbicara, perhatian segera tertuju pada apa yang ingin disampaikan, bukan pada bagaimana suara merambat melalui udara, bagaimana gelombang tersebut diterima oleh telinga, atau bagaimana rangkaian simbol akhirnya diproses oleh otak. Makna menjadi tujuan komunikasi, sehingga keberadaannya terasa begitu dominan hingga seluruh proses lain yang memungkinkan komunikasi berlangsung nyaris tidak pernah disadari.

Cara pandang semacam itu juga sangat memengaruhi perkembangan berbagai disiplin ilmu. Linguistik, semiotika, filsafat bahasa, maupun ilmu komunikasi selama puluhan tahun lebih banyak memusatkan perhatian pada bagaimana makna dibentuk, dipertukarkan, dipahami, dan diinterpretasikan. Tidak mengherankan apabila pembahasan mengenai AI modern pun sering mengikuti pola yang sama. Ketika sebuah mesin mampu menghasilkan bahasa yang tampak masuk akal, pertanyaan pertama yang muncul hampir selalu berkisar pada persoalan makna: apakah mesin benar-benar memahami apa yang dikatakannya?

Continue reading Genealogi Intelektual AI (II) – Dari Makna ke Informasi

– Arief Prihantoro –

Ketika Bahasa Berhasil Ditulis dalam Bahasa Matematika

Setiap hari manusia menggunakan bahasa tanpa pernah merasa sedang berhadapan dengan sebuah keajaiban intelektual. Sejak bangun tidur hingga kembali memejamkan mata, hampir seluruh aktivitas sosial berlangsung melalui bahasa. Seseorang membaca berita sambil menikmati secangkir kopi, membalas pesan singkat di telepon genggam, mengikuti rapat daring, berdiskusi dengan rekan kerja, bercanda dengan keluarga, hingga menutup hari dengan menonton tayangan yang seluruh narasinya dibangun melalui rangkaian kata. Bahasa hadir begitu dekat dengan kehidupan sehingga keberadaannya nyaris tidak pernah dipertanyakan. Ia terasa alami, seolah-olah memang demikian adanya.

Keakraban itu justru membuat satu hal penting luput dari perhatian. Kita mengetahui kapan sebuah kalimat terdengar janggal, tetapi hampir tidak pernah mampu menjelaskan secara spontan mengapa kalimat itu janggal. Kita dapat membedakan mana ucapan yang tulus dan mana yang sekadar basa-basi, meskipun kata-kata yang digunakan sering kali hampir sama. Kita memahami ironi tanpa harus diberi penjelasan bahwa lawan bicara sedang mengatakan sesuatu yang bertentangan dengan maksud sebenarnya. Bahkan ketika seseorang mengucapkan sebuah kalimat yang belum pernah kita dengar sebelumnya, kita hampir selalu dapat menangkap maknanya tanpa merasa sedang melakukan proses berpikir yang rumit.

Seluruh kemampuan tersebut berlangsung begitu cepat sehingga bahasa tampak lebih menyerupai naluri daripada hasil kerja intelektual. Padahal, jika diamati lebih cermat, setiap percakapan sesungguhnya merupakan rangkaian proses yang luar biasa kompleks. Ketika mendengar sebuah kalimat, manusia tidak sekadar mengenali bunyi, kemudian mencocokkannya dengan arti setiap kata di dalam kamus. Otak secara hampir seketika menghubungkan kata-kata itu dengan pengalaman sebelumnya, memperkirakan konteks pembicaraan, mengenali hubungan antarkalimat, membaca situasi sosial, bahkan menafsirkan maksud yang tidak pernah diucapkan secara eksplisit. Semua itu terjadi dalam hitungan detik tanpa pernah kita sadari.

Continue reading Genealogi Intelektual AI (I)