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.
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.
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?.
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.
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?
Ketika Bahasa Berhasil Ditulis dalam Bahasa Matematika
“Bahasa tidak berubah ketika AI lahir. Yang berubah adalah cara manusia memandang bahasa.”
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.
Tiga seri sebelumnya telah membawa pembahasan pada satu rangkaian gagasan yang saling berkaitan. Pada seri pertama dijelaskan bahwa komunikasi bukanlah proses memindahkan informasi dari pengirim kepada penerima, melainkan proses interpretasi terhadap tanda. Pada seri kedua, pembahasan bergerak lebih jauh melalui konsep Encyclopedia, yaitu bahwa makna tidak pernah lahir dari definisi yang berdiri sendiri, tetapi dari jaringan relasi pengetahuan yang terus berkembang. Selanjutnya pada seri ketiga diperlihatkan bagaimana proses tersebut diaktualisasikan melalui konsep Model Reader, yakni bahwa setiap teks membangun pembacanya sendiri agar makna yang dikandungnya dapat direalisasikan melalui proses interpretasi.
Ketiga konsep tersebut sebenarnya masih menyisakan satu pertanyaan yang lebih mendasar. Setelah interpretasi berlangsung, apakah proses itu selesai? Apakah makna akhirnya mencapai titik akhir yang stabil, sehingga tidak lagi memerlukan penafsiran berikutnya?
Pertanyaan inilah yang membawa kita kepada salah satu gagasan paling mendalam dalam pemikiran Umberto Eco, yaitu Unlimited Semiosis.
Tulisan pada seri III sebelumnya dapat dibaca melalui tautan berikut.
Dalam kehidupan sehari-hari kita sering membayangkan bahwa memahami sebuah kalimat berarti mengakhiri proses berpikir. Ketika seseorang bertanya mengenai arti suatu kata, kita membuka kamus, menemukan definisinya, lalu menganggap persoalan telah selesai. Demikian pula ketika membaca sebuah berita atau artikel, kita cenderung menganggap bahwa tujuan membaca adalah menemukan satu makna yang benar dan final.
Cara berpikir seperti ini sebenarnya merupakan warisan paradigma komunikasi linear yang telah lama mendominasi cara kita memahami bahasa. Dalam paradigma tersebut, makna dipandang sebagai sesuatu yang sudah berada di dalam teks. Tugas pembaca hanyalah menemukannya.
Namun Umberto Eco menawarkan pandangan yang berbeda.
Serial sebelumnya berakhir pada satu kesimpulan yang menjadi fondasi pembahasan berikutnya. Makna tidak pernah lahir dari definisi yang berdiri sendiri, melainkan dari jaringan relasi yang menghubungkan tanda dengan pengalaman, pengetahuan, sejarah, dan kebudayaan. Umberto Eco menyebut jaringan tersebut sebagai Encyclopedia. Melalui konsep ini, Eco memperlihatkan bahwa memahami bahasa bukanlah kegiatan membuka kamus, melainkan memasuki jaringan pengetahuan yang jauh lebih luas daripada sekadar arti leksikal sebuah kata.
Tulisan pada seri sebelumnya dapat dibaca melalui tautan berikut.
Akan tetapi, penjelasan mengenai Encyclopedia masih menyisakan satu pertanyaan yang sangat mendasar. Jika makna lahir dari jaringan pengetahuan, bagaimana jaringan tersebut akhirnya diaktifkan ketika seseorang membaca sebuah teks? Mengapa dua orang yang memiliki kemampuan berbahasa yang sama tetap dapat menghasilkan interpretasi yang berbeda ketika membaca novel, artikel ilmiah, berita, atau bahkan satu unggahan yang sama di media sosial? Pertanyaan ini membawa pembahasan kepada salah satu konsep paling penting dalam keseluruhan teori semiotika Umberto Eco, yaitu Model Reader.
Serial pertama berakhir pada sebuah kesimpulan yang sekaligus membuka arah pembahasan berikutnya. Perkembangan AI generatif memperlihatkan bahwa persoalan mendasar yang kini dihadapi bukan lagi sekadar bagaimana mesin melakukan komputasi, melainkan bagaimana hasil komputasi tersebut memasuki ruang komunikasi manusia sebagai sesuatu yang dapat dibaca, dipahami, diperdebatkan, bahkan diinterpretasikan. Pergeseran ini membawa diskusi mengenai kecerdasan buatan keluar dari batas-batas tradisional ilmu komputer dan memasukkannya ke dalam wilayah yang sejak lama menjadi perhatian ilmu komunikasi, linguistik, filsafat bahasa, dan semiotika.
Tulisan sebelumnya dapat dibaca pada tautan berikut:
Dalam dua tulisan sebelumnya di socioinformatics.id, saya berusaha menunjukkan bahwa perkembangan kecerdasan tiruan modern tidak lagi memadai dipahami hanya sebagai keberhasilan matematika, statistika, atau ilmu komputer. Pada tulisan “Semiotika sebagai Teori Kognitif Tersembunyi di Balik Kemajuan AI”
argumentasinya bahwa AI modern sesungguhnya memperlihatkan karakteristik yang jauh lebih dekat dengan proses semiosis daripada sekadar manipulasi simbol sebagaimana dibayangkan dalam paradigma komputasi klasik. Argumentasi tersebut kemudian saya lanjutkan dalam tulisan “Semantik Artificial Intelligence: Kemunculan Makna dari Komputasi Statistik dalam Kecerdasan Buatan Modern”
yang berupaya menjelaskan bagaimana makna dapat muncul dari mekanisme komputasi statistik yang menjadi fondasi Large Language Models. Kedua tulisan tersebut merupakan langkah awal untuk memperlihatkan bahwa AI tidak lagi cukup dipahami sebagai persoalan algoritma, melainkan juga sebagai persoalan tanda, makna, dan interpretasi.
Akan tetapi, kedua tulisan tersebut sengaja berakhir pada satu pertanyaan yang belum dibahas secara mendalam. Jika semiotika memang menyediakan perspektif yang relevan untuk membaca perkembangan AI generatif, lalu tradisi semiotika manakah yang paling mampu menjelaskan fenomena tersebut secara sistematis?
