Jensen Huang Sebut AGI Sudah Hadir untuk Banyak Tugas: Apa Artinya?

Pernyataan Jensen Huang soal AGI dalam konferensi laporan keuangan Nvidia untuk kuartal kedua tahun fiskal 2027 lebih tepat dibaca sebagai penafsiran bisnis, bukan kesepakatan ilmiah. Ia menilai AI sudah menjadi teknologi yang berguna, agen AI mampu menjalankan pekerjaan bernilai, dan “untuk banyak tugas, kita bisa mengatakan bahwa kita sudah mencapai AGI”. Huang juga menyebut tonggak AGI tradisional “agak tidak masuk akal” untuk dijadikan patokan. 3448

Namun, ada catatan penting. Huang tidak menetapkan ambang AGI yang dapat direproduksi, menyebut rangkaian tolok ukur tertentu, atau mengklaim bahwa sistem AI saat ini memiliki kecerdasan yang sepenuhnya menyerupai manusia di semua bidang. Argumennya terutama berkaitan dengan apa yang dapat dilakukan AI secara produktif sekarang—serta dampaknya terhadap permintaan infrastruktur komputasi.

Apa yang sebenarnya dikatakan Jensen Huang?

Huang membuka konferensi tersebut dengan menekankan bahwa “AI sudah menjadi berguna”. Ia kemudian menyoroti perkembangan agen AI, yakni sistem yang tidak hanya menjawab perintah, tetapi juga dapat menjalankan pekerjaan dalam beberapa tahap.

Menurut Huang, agen AI mungkin membutuhkan daya komputasi sekitar 15 hingga 100 kali lebih besar dibandingkan interaksi yang diarahkan langsung oleh manusia, tergantung pada jenis tugasnya. 3336

Dalam konteks itulah ia mengatakan AGI sudah dapat dianggap tercapai “untuk banyak tugas”. Pilihan kata tersebut penting. Huang sedang menggambarkan kemampuan di bidang-bidang tertentu, bukan menyatakan bahwa satu sistem telah mampu menjalankan hampir semua pekerjaan intelektual manusia secara andal.

Pesan besarnya adalah bahwa AI seharusnya dinilai dari hasil produktif yang dihasilkannya. Materi laporan keuangan Nvidia juga menekankan bahwa AI sudah mengerjakan pekerjaan yang berguna dan permintaan meningkat ketika pelanggan mulai menerapkannya dalam sistem nyata. 47

Mengapa pandangan Huang berbeda dari konsep AGI tradisional?

Belum ada definisi kecerdasan umum buatan atau artificial general intelligence (AGI) yang diterima secara universal. Namun, konsep ini biasanya menekankan kemampuan umum: kecakapan untuk memindahkan pengetahuan dan kompetensi ke berbagai tugas baru, termasuk tugas intelektual yang belum pernah ditemui sebelumnya, bukan hanya unggul di bidang tertentu. 17

Kerangka Huang menggeser perhatian dari satu ambang kemampuan kognitif ke kegunaan praktis. Dalam sudut pandang ini, sistem AI dapat terlihat seperti AGI ketika mampu mengerjakan tugas yang bernilai secara ekonomi, meskipun masih bergantung pada alat bantu, alur kerja yang dirancang secara cermat, pengawasan manusia, atau perangkat pendukung khusus.

Perbedaannya dapat diringkas sebagai berikut:

• Pandangan tradisional yang berfokus pada kemampuan: AGI harus menunjukkan kecakapan yang luas dan dapat dialihkan ke berbagai masalah intelektual baru.
• Pandangan praktis Huang: AI sudah mendekati atau memenuhi tonggak penting di bidang-bidang ketika agen mampu menyelesaikan pekerjaan yang berguna.
• Hal yang belum dibuktikan oleh klaim tersebut: Pernyataan itu tidak dengan sendirinya membuktikan penalaran yang tangguh, otonomi jangka panjang yang konsisten, atau kemampuan umum di luar alur kerja yang direkayasa.

Dengan kata lain, Huang berpendapat bahwa perubahan ekonomi yang ditimbulkan AI mungkin lebih penting daripada label AGI itu sendiri. Pendapat tersebut tidak sama dengan bukti bahwa perdebatan ilmiah mengenai AGI telah selesai.

Perbandingan dengan Sam Altman dan OpenAI

Definisi historis OpenAI juga berorientasi pada dampak ekonomi, tetapi menetapkan standar yang lebih tinggi: “sistem yang sangat otonom dan mengungguli manusia dalam sebagian besar pekerjaan bernilai ekonomi”. 17

Perbedaannya terletak pada cakupan dan tingkat otonomi. Huang berbicara tentang AI yang efektif untuk banyak tugas. Sementara itu, definisi OpenAI mensyaratkan sistem yang mengungguli manusia dalam sebagian besar pekerjaan bernilai ekonomi, dengan tingkat kemandirian yang tinggi.

Sam Altman dilaporkan mengatakan OpenAI mungkin memiliki sistem internal yang akan mereka sebut AGI pada akhir 2026. Perkiraan ini sebaiknya dipahami sebagai target internal berdasarkan definisi OpenAI sendiri—bukan berarti sistem tersebut pasti dirilis untuk publik atau langsung mengubah perekonomian secara luas. 192228

Altman juga mengakui bahwa pencapaian teknologi dan penerapan ekonomi dapat berjalan dengan jadwal yang berbeda. Laporan mengenai perkiraannya menempatkan superinteligensi pada waktu yang lebih akhir, sekitar penghujung 2028. Hal ini menunjukkan bahwa AGI, peluncuran publik, dampak ekonomi, dan superinteligensi merupakan tonggak yang berbeda. 1821

Jadi, perbedaan antara Huang dan Altman sebagian bersumber dari definisi, dan sebagian lagi dari persoalan waktu. Huang menekankan kegunaan AI saat ini, sedangkan Altman membahas kapan OpenAI mungkin menilai sistem internalnya telah memenuhi standar otonomi dan kinerja ekonomi yang lebih luas.

Kritik utama: AI yang berguna belum tentu memiliki kecerdasan umum

Kritik paling kuat terhadap klaim Huang adalah bahwa nilai komersial saja tidak membuktikan kecerdasan umum. Sebuah sistem dapat menghasilkan keuntungan besar, tetapi tetap bersifat sempit, tidak konsisten, atau sangat bergantung pada infrastruktur yang dirancang manusia.

Huang tidak menyertakan evaluasi independen yang menunjukkan bahwa sistem AI saat ini memenuhi kriteria kecerdasan umum. Tanpa rangkaian tugas bersama, standar otonomi, persyaratan keandalan, atau pengujian lintas bidang, pernyataan bahwa “AGI sudah tiba” sulit diverifikasi.

Itu bukan berarti pernyataannya tidak bermakna. Klaim tersebut lebih tepat dipahami sebagai penafsiran berorientasi bisnis, bukan temuan ilmiah yang sudah mapan. Karena belum ada definisi AGI yang universal, perusahaan berbeda dapat menggunakan label yang sama untuk tingkat kemampuan yang sangat berbeda. 17

Mengapa kinerja Nvidia mendukung argumen Huang yang lebih terbatas?

Nvidia melaporkan pendapatan kuartal kedua tahun fiskal 2027 sebesar 96,2 miliar dolar AS, naik 106 persen dibandingkan tahun sebelumnya. Pendapatan pusat data mencapai 89,0 miliar dolar AS, meningkat 117 persen. 1

Angka tersebut tidak membuktikan bahwa AGI telah tercapai. Namun, angka itu menunjukkan bahwa pelanggan mengeluarkan dana besar untuk infrastruktur yang diperlukan guna melatih dan menjalankan sistem AI. Fakta ini mendukung tesis Huang yang lebih sempit: AI sudah cukup bernilai untuk menciptakan permintaan komersial dalam skala sangat besar.

Konferensi laporan keuangan itu menghubungkan dua gagasan utama:

1. Agen AI mulai mampu mengerjakan pekerjaan yang produktif.
2. Pekerjaan yang lebih otonom dan terdiri dari banyak tahap membutuhkan komputasi jauh lebih besar daripada interaksi sederhana yang diarahkan manusia. 3348

Bagi Nvidia, poin kedua sangat penting. Jika agen menjalankan lebih banyak tahap, memakai lebih banyak alat, dan aktif lebih lama, setiap tugas yang berhasil diselesaikan dapat menciptakan permintaan tambahan untuk inferensi serta infrastruktur pendukung.

Biaya memori menunjukkan batas ekspansi AI

Ekonomi AI tidak hanya memiliki sisi positif. Nvidia juga menghadapi tekanan dari komponen memori yang mahal dan langka. Sejumlah laporan menyebut biaya memori yang sangat tinggi mulai membebani ekspektasi margin perusahaan. 15

Kendala ini mengubah cara kita sebaiknya membaca argumen Huang. Sekalipun agen AI menjadi semakin mampu, penerapannya tetap bergantung pada kemampuan perusahaan memperoleh GPU, memori, pasokan listrik, dan kapasitas pusat data dalam jumlah cukup—dengan biaya yang menghasilkan imbal balik memadai.

Pertanyaan utama industri pun mulai bergeser dari “Bisakah model AI menghasilkan jawaban yang mengesankan?” menjadi “Bisakah sistem AI menjalankan pekerjaan bernilai secara andal dan menguntungkan dalam skala besar?”

Hasil Nvidia memberikan bukti kuat dari sisi permintaan. Namun, kelangkaan memori dan tekanan margin menunjukkan bahwa persoalan pasokan serta keekonomian per unit masih belum terselesaikan. 1315

Cara paling tepat memahami klaim Huang

Pernyataan Huang paling baik dipahami sebagai penolakan terhadap gagasan bahwa AGI adalah satu garis finis dramatis. Ia berpendapat bahwa transisi praktis sudah berlangsung: agen AI dapat mengerjakan pekerjaan berguna, pelanggan bersedia membayar infrastrukturnya, dan kebutuhan komputasi meningkat seiring sistem menjadi lebih otonom.

Itu merupakan klaim yang lebih terbatas daripada mengatakan bahwa mesin kini memiliki kecerdasan umum setara manusia. Klaim tersebut juga berbeda dari standar OpenAI, yang mensyaratkan kinerja sangat otonom dalam sebagian besar pekerjaan bernilai ekonomi.

Kesimpulan yang paling dapat dipertanggungjawabkan memiliki dua bagian: AI yang berguna dan produktif secara ekonomi jelas sudah hadir, sedangkan apakah AGI telah tercapai bergantung pada definisi dan standar bukti yang digunakan. Pendapatan Nvidia sebesar 96,2 miliar dolar AS menunjukkan momentum komersial di balik pandangan Huang, tetapi angka itu sendiri tidak dapat menentukan arti AGI.