Ketika Sembilan Raksasa Menentukan Nasib Algoritma Kita

Webb mengidentifikasi dua blok kekuasaan: G-MAFIA (Google, Microsoft, Amazon, Facebook, IBM, Apple) di Barat dan BAT (Baidu, Alibaba, Tencent) di China. Model bisnis G-MAFIA bergantung pada iklan dan langganan, memaksa mereka mengoptimalkan keterlibatan pengguna — sering kali berarti memrioritaskan konten yang memicu emosi, bukan akurasi. Di sisi lain, BAT beroperasi di bawah arahan negara yang mengintegrasikan AI ke sistem survei, kredit sosial, dan kontrol informasi. Perbedaan fundamental ini bukan soal budaya korporat, melainkan arsitektur insentif yang menentukan arah penelitian dan penerapan teknologi.

Argumen inti Webb: AI bukan teknologi netral yang berkembang secara organik, melainkan sistem yang dibentuk oleh keputusan investasi, rekrutmen, dan strategi jangka panjang dari segelintir aktor. Dia menunjukkan bagaimana DeepMind (Google) memprioritaskan protein folding karena potensi farmasi, sementara penelitian AI untuk iklim atau kesehatan masyarakat tertinggal karena tidak menjanjikan ROI cepat. Di China, pengenalan wajah diterapkan massal untuk keamanan publik karena prioritas negara, bukan permintaan pasar. Pola ini mengulang sejarah: seperti jalur rel kereta api di abad ke-19 menentukan kota mana yang berkembang, arsitektur model dan data hari ini menentukan masalah mana yang terselesaikan.

Webb memperkenalkan tiga skenario 2023-2069: Optimistis, Pragmatis, dan Kataastrofik. Di skenario Kataastrofik, AI memperkuat polarisasi, mengotomatiskan bias dalam rekrutmen dan peradilan, dan memusatkan kekuasaan ekonomi ke segelintir platform — semua sudah terlihat benihnya sejak 2019. Dia menegaskan bahwa regulasi reaktif (seperti GDPR) tidak cukup karena hukum selalu ketinggalan iterasi model. Solusinya: badan koordinasi global mirip IAEA untuk AI, standar transparansi data pelatihan, dan dana publik untuk penelitian non-komersial. Usulan ini ambisius, tapi Webb berargumen dengan logika sistem: tanpa guardrails arsitektur, pasar akan selalu memilih jalur termudah ke profit.

Kekuatan buku ada pada kerangka foresight Webb: dia tidak memprediksi, tapi memodelkan trajectory berdasarkan drivers struktural — geopolitik, ekonomi platform, dinamika talenta, dan siklus hype. Analisisnya tentang talent war tajam: universitas kehilangan peneliti terbaik ke lab korporat yang menawarkan gaji 10x dan komputasi tak terbatas. Akibatnya, penelitian dasar bergeser dari jurnal terbuka ke trade secret. Di Indonesia, fenomena serupa terlihat: talenta AI migrasi ke Singapura atau remote untuk Big Tech, meninggalkan ekosistem riset lokal kekurangan mentor dan infrastruktur GPU. Webb memberikan lensa untuk memahami brain drain ini bukan sebagai keputusan individu, melainkan hasil sistem insentif global.

Catatan kritis: beberapa proyeksi Webb terlalu linier dan mengabaikan black swan seperti open-source LLM (LLaMA, Mistral) yang mendemokratisasi akses model besar pasca-2022. Buku ini ditulis sebelum generative AI meledak, jadi analisis tentang foundation model dan fine-tuning economy tidak ada. Selain itu, fokus pada sembilan raksasa mengabaikan peran chipmakers (NVIDIA, TSMC, ASML) yang sebenarnya memegang bottleneck komputasi — kekuasaan upstream yang lebih keras dari platform. Untuk pembaca 2024, bab tentang regulasi China perlu dibaca beriringan dengan realita AI governance terbaru Pejing yang lebih fleksibel dari prediksi Webb.

Buku ini paling berharga bagi policy maker, investor deep tech, dan pemimpin produk yang perlu memahami landscape kekuasaan di balik API yang mereka gunakan. Bukan bacaan ringan untuk hype AI, tapi peta struktural untuk menavigasi decade ke depan. Webb mengingatkan kita: setiap kali kita prompt model, kita berpartisipasi melatih sistem yang dirancang oleh keputusan segelintir orang di Mountain View, Seattle, Beijing, dan Shenzhen. Memahami arsitektur keputusan itu — bukan sekadar capability model — adalah kewajaran strategis.