Altman, Amodei, Hassabis, dan Huang Punya Definisi AGI yang Berbeda

AGI (artificial general intelligence atau kecerdasan umum buatan) kini menjadi istilah payung untuk gagasan yang sangat berbeda: pekerja otonom yang bernilai secara ekonomi, peneliti digital sekelas peraih Nobel, mesin dengan seluruh spektrum kemampuan kognitif manusia, atau sekadar sistem yang unggul dalam berbagai tes.

Jurang definisi inilah yang membuat klaim jadwal yang terdengar sangat yakin dapat muncul bersamaan. Ini pula alasan kepercayaan publik makin bergantung pada evaluasi independen, bukan pernyataan para eksekutif.

Empat pemimpin, empat ambang batas

Sam Altman: AGI sebagai otonomi yang bernilai secara ekonomi

Definisi OpenAI yang kerap dikutip menyebut AGI sebagai “sistem yang sangat otonom dan mengungguli manusia dalam sebagian besar pekerjaan yang bernilai secara ekonomi”. Ambang batasnya terutama bersifat praktis dan ekonomi: yang utama ialah apakah sistem dapat mengerjakan pekerjaan bernilai dalam skala besar, bukan apakah ia sepenuhnya menyerupai cara manusia berpikir.

Dalam penjelasan publik yang lebih baru, OpenAI menekankan agensi manusia. Perusahaan itu menyatakan tujuannya adalah membangun sistem yang membantu orang mengejar tujuan pilihannya, bukan menggantikan penilaian manusia; OpenAI juga menilai otomatisasi total akan berbahaya dan tidak memuaskan. 23 Kerangka kerjanya tentang pekerjaan mengingatkan bahwa otomatisasi tugas tidak otomatis menghapus suatu profesi, karena manusia masih dapat memegang peran penting dalam pelaksanaan, pengawasan, atau pertanggungjawaban. 25

Artinya, batas antara alat yang sangat cakap, agen otonom, dan AGI tetap luas serta dapat bergeser. Definisi ekonomi berguna untuk menilai dampak di dunia nyata, tetapi bukan sebuah tes ilmiah publik.

Dario Amodei: “AI kuat” sebagai gabungan kemampuan yang konkret, tetapi luar biasa

CEO Anthropic, Dario Amodei, umumnya lebih memilih istilah AI kuat (powerful AI) ketimbang AGI. Dalam pengajuan kebijakan Anthropic, AI kuat berarti lompatan besar melampaui sistem saat ini: kemampuan intelektual yang menyamai atau melampaui peraih Nobel di sebagian besar disiplin; kemampuan memakai antarmuka digital yang tersedia bagi pekerja manusia; serta kapasitas menjalankan pekerjaan rumit secara otonom. 3

Anthropic memperkirakan sistem tersebut muncul pada akhir 2026 atau awal 2027. Amodei menggambarkan prospek itu sebagai “negara berisi para jenius di pusat data”, untuk menekankan konsekuensi ekonomi, keamanan, dan geopolitik jika kemampuan semacam itu terkonsentrasi. 6 7

Definisi ini memang lebih spesifik daripada label AGI yang umum. Namun, ia tetap menyatukan beberapa klaim sulit—keluasan keahlian, otonomi, penggunaan alat, dan keandalan berkelanjutan—dalam satu ramalan. Sebuah model dapat memenuhi sebagian syarat jauh sebelum memenuhi semuanya.

Demis Hassabis: AGI sebagai seluruh rentang kognisi manusia

CEO Google DeepMind, Demis Hassabis, menetapkan standar lebih tinggi untuk AGI: sistem dengan seluruh kemampuan kognitif yang dimiliki manusia. Ia mengatakan AI setara manusia mungkin hadir pada dekade ini, tetapi juga menegaskan sistem saat ini masih “jauh dari” AGI setara manusia. 33 38

Kerangka ini memperlakukan AGI bukan terutama sebagai tonggak produk, melainkan ambang ilmiah yang menuntut kemampuan umum yang kukuh. Itu berarti lebih dari nilai ujian tinggi atau performa mengesankan di beberapa bidang profesional: sistem harus mampu berfungsi dalam keluasan kognisi manusia.

Jensen Huang: AGI sebagai performa unggul dalam tes yang luas

CEO Nvidia, Jensen Huang, menggunakan standar yang lebih berorientasi pada tolok ukur. Pada 2024, ia mengatakan AGI dapat tiba dalam lima tahun bila didefinisikan sebagai AI yang mampu mengungguli manusia pada hampir setiap tes; pemberitaan pada 2026 menggambarkan pandangannya sebagai pernyataan bahwa AGI telah tercapai dengan standar praktis yang jauh lebih longgar. 34

Kelebihan pendekatan ini adalah kejelasan: tes menghasilkan skor. Namun keterbatasannya juga jelas. Lulus banyak tes tidak dengan sendirinya membuktikan otonomi yang andal dalam jangka panjang, pertimbangan yang matang, atau kinerja aman di situasi dunia nyata yang rumit.

Mengapa jadwal mereka tidak bisa dibandingkan langsung

Keempat tokoh ini bukan sekadar memperkirakan tanggal berbeda untuk satu peristiwa yang sama. Mereka memprediksi tujuan yang berbeda:

• Altman/OpenAI: performa otonom pada sebagian besar pekerjaan bernilai ekonomi.
• Amodei/Anthropic: pekerjaan intelektual luas setingkat Nobel, ditambah eksekusi digital otonom dalam waktu panjang.
• Hassabis/DeepMind: seluruh spektrum kemampuan kognitif manusia.
• Huang/Nvidia: performa yang melampaui manusia dalam pengujian yang luas.

AI dapat menduduki puncak banyak benchmark tanpa mampu menyelesaikan riset mandiri selama berminggu-minggu. AI juga dapat mengotomatisasi porsi besar pekerjaan digital tanpa menunjukkan seluruh repertoar kognitif manusia. Karena itu, tanggal yang melekat pada klaim-klaim tersebut tidak seharusnya dibaca sebagai satu hitung mundur AGI.

Mengapa AGI kerap dianggap tak dapat diuji—atau bahkan “spiritual”

Keberatannya bukan bahwa kemampuan AI mustahil diukur. Kemampuan itu bisa diukur. Masalahnya, AGI belum memiliki aturan lulus/gagal bersama yang dikelola secara independen.

Sebuah proposal akademik menyebut AGI sebagai konsep yang penting sekaligus kontroversial, lalu mengoperasionalkannya sebagai kemampuan setidaknya setara manusia pada sebagian besar tugas. Rumusan itu memperlihatkan ambisi untuk membuat istilah ini terukur, sekaligus pilihan-pilihan yang belum tuntas: tugas yang mana, manusia yang mana, tingkat keandalan seperti apa, dan dalam kondisi apa? 50

Agar kredibel, pengujian publik setidaknya memerlukan:

1. Distribusi tugas yang dijelaskan secara tegas, bukan rangkaian demonstrasi yang terus berubah.
2. Ambang performa dan keandalan, termasuk seberapa sering sistem gagal.
3. Uji otonomi jangka panjang dan penggunaan alat, bukan hanya jawaban sekali jadi.
4. Perlindungan agar pengembang tidak melatih model khusus untuk mengejar evaluasi tersebut.
5. Akses independen yang cukup untuk mereplikasi atau mengaudit hasil.

Tanpa infrastruktur itu, AGI dapat berubah menjadi klaim status dari organisasi yang paling berkepentingan menentukan garis finis. AI Now Institute mengkritik banyak metrik yang tersedia karena sempit, kabur, dan menguntungkan pihak yang membuatnya sendiri. 62

Masalah kepercayaan di balik istilah AGI

Perdebatan soal AGI juga mencerminkan persoalan kredibilitas yang lebih luas. Perusahaan dapat mengajukan klaim besar tentang kemampuan transformatif, sementara pekerja dan pelanggan menjumpai sistem yang masih tidak merata, rawan salah, atau sulit diterapkan secara andal. Ketidaksesuaian itu tidak membuktikan semua ramalan jangka panjang keliru. Namun, klaim luar biasa memang memerlukan bukti yang bisa diamati dan prediksi yang dapat dimintai pertanggungjawaban.

Perdebatan pekerjaan menggambarkan ketegangan tersebut. OpenAI mengatakan AI akan membentuk ulang pekerjaan, sebagian pekerjaan akan hilang, dan bukti sejauh ini menunjukkan AI lebih banyak menjadi pendukung daripada pengganti. 17 Pernyataan itu tidak harus bertentangan dengan disrupsi: otomatisasi tugas, perubahan profesi, dan hilangnya pekerjaan adalah hasil yang berbeda. Namun kepercayaan publik melemah bila proyeksi transformasi besar tidak disertai ukuran yang transparan mengenai dampak nyata di pasar tenaga kerja.

Dari label AGI ke pengawasan berbasis kemampuan

Model tata kelola yang lebih kuat sebaiknya tidak terlalu berfokus pada keputusan apakah sebuah sistem telah menjadi AGI. Fokusnya perlu beralih ke kemampuan spesifik dan risiko nyata yang dibawa sistem tersebut.

Pendekatan AI Safety Levels Anthropic memakai struktur bersyarat yang eksplisit: jika sebuah model memiliki kemampuan berbahaya tertentu, perlindungan tertentu harus diberlakukan sebelum model diterapkan atau ditingkatkan lebih jauh. 5 Kerangka kebijakan Anthropic berikutnya menyerukan transparansi, evaluasi independen, dan kewenangan pemerintah untuk memblokir atau mencegah penerapan yang berbahaya. 10

Altman juga menyerukan validasi eksternal dan penilaian risiko independen untuk model-model kuat, termasuk pengujian sebelum peluncuran serta publikasi hasil evaluasi. 49

Hassabis mengusulkan badan standar AI frontier yang dipimpin Amerika Serikat dan dimodelkan pada FINRA—otoritas pengawas industri keuangan AS yang didanai industri tetapi berada di bawah pengawasan publik. Badan itu akan menilai model frontier secara independen sebelum dirilis. 52 Pemberitaan tentang usulan tersebut menyebut titik temu yang muncul di antara sejumlah pemimpin AI frontier: pihak ketiga seharusnya menguji sistem canggih dan membantu menyusun standar untuk kebijakan. 51

Kesenjangan besar masih terbentang antara usulan dan praktik yang benar-benar mengikat. AI Safety Index 2026 dari Future of Life Institute melaporkan belum ada regulasi atau standar nasional yang mengikat yang secara eksplisit menangani risiko AI frontier beserta proses penilaian risikonya. 59

Seperti apa klaim AI yang layak dipercaya

Pertanyaan publik yang lebih berguna bukanlah “Apakah AGI sudah tiba?” Melainkan: Apa yang dapat dilakukan model ini, seberapa andal ia melakukannya, apa yang dapat salah, dan siapa yang memverifikasi jawabannya secara independen?

Arah tersebut menuntut persyaratan berbasis kemampuan, seperti:

• protokol evaluasi publik untuk kemampuan siber, biologis, dan penipuan yang berisiko tinggi;
• pengujian independen sebelum penerapan serta red-teaming;
• pelaporan mengenai keandalan, insiden, dan perubahan material pada kondisi penerapan;
• pengamanan dan pembatasan akses yang dikaitkan dengan ambang risiko yang terbukti; serta
• konsekuensi hukum atas ketidakpatuhan, bukan sekadar klaim sukarela.

AGI mungkin tetap menjadi aspirasi kuat, istilah pemasaran, dan pertanyaan filosofis. Namun, ia adalah pemicu regulasi yang lemah bila deklarasinya tidak ditopang bukti publik. Kepercayaan akan tumbuh ketika pengembang tidak bisa sekadar mengubah definisi tonggak, mengumumkan telah mencapainya, lalu menyatakan sendiri sistem mereka aman.