Saya baru-baru ini melihat diskusi sengit tentang bagaimana kecerdasan buatan akan menghancurkan ekonomi dan pekerjaan dengan kecepatan luar biasa. Jujur saja, saya sangat berbeda pendapat dengan mereka.

Orang-orang selalu melupakan kekuatan inersia institusional. Ambil contoh agen properti — orang bilang "agen sudah selesai" selama 20 tahun, tapi mereka tetap mengambil komisi 5-6%! Saya membeli apartemen beberapa waktu lalu, dan prosesnya memaksa saya untuk menggunakan agen meskipun saya tidak mau. Pria itu mendapatkan sekitar 50 ribu dolar dari satu transaksi yang dia habiskan paling banyak 10 jam. Ini contoh jelas bagaimana institusi, regulasi, dan kebiasaan melindungi pekerjaan lama dengan kekuatan yang jauh lebih besar dari yang kita bayangkan.

Tentang perangkat lunak, orang takut bahwa kecerdasan buatan akan membuat semua program menjadi seragam dan tanpa keuntungan. Tapi kenyataannya yang diabaikan semua orang: sebagian besar perangkat lunak saat ini benar-benar sangat buruk. Salesforce dan Monday yang saya habiskan ratusan ribu dolar — semuanya penuh dengan kesalahan dan kompleksitas yang tidak perlu. Bahkan aplikasi besar pun tidak memiliki kecocokan yang benar antara versi mobile dan desktop. Satu-satunya yang membuat Stripe dan Linear bersinar adalah karena mereka tidak membuat penggunaannya membebani seperti pesaing.

Di sinilah muncul poin penting: permintaan terhadap insinyur dan pengembang hampir tak terbatas. Setiap program memiliki peluang besar untuk perbaikan sebelum mencapai titik jenuh. Bahkan dengan semua kemajuan teknologi, industri perangkat lunak tetap dalam kondisi kekurangan terus-menerus. Saya seorang pengembang, dan produktivitas saya setara dengan ratusan orang dari 50 tahun lalu, tapi hasilnya masih membutuhkan banyak peningkatan. Inilah yang mereka sebut paradoks Gibbons — meningkatkan efisiensi justru meningkatkan permintaan total, bukan menguranginya.

Inersia dalam masyarakat manusia jauh lebih kompleks dari yang kita bayangkan. Saya pernah mendirikan perusahaan yang seluruh ide utamanya adalah mengubah perusahaan asuransi dari layanan manual menjadi perangkat lunak, dan saya belajar bahwa setiap perubahan membutuhkan waktu jauh lebih lama. Ini bukan berarti dunia tidak akan berubah — artinya perubahan akan lebih lambat dan bertahap.

Tentang pekerjaan, memang beberapa akan hilang seperti pengemudi otomatis. Tapi bagian penting di sini adalah: Amerika memiliki kebutuhan yang hampir tak terbatas untuk manufaktur dan pembangunan kembali. Kita kehilangan kemampuan memproduksi dasar-dasar: baterai, motor, chip elektronik — semuanya kita impor. Bahkan pupuk! China memproduksi 90% amonia global. Jika pasokan terhenti, kita menghadapi masalah besar.

Pemerintah AS mulai fokus pada kembalinya manufaktur dan infrastruktur. Ini bukan sekadar retorika politik — ini kebutuhan strategis. Ketika kecerdasan buatan mulai mempengaruhi pekerjaan, cara termudah secara politik adalah dengan membiayai proyek-proyek besar untuk pembangunan dan manufaktur guna menyerap tenaga kerja. Jembatan, jalan, dan fasilitas tidak memerlukan "titik unik", mereka bergantung pada gesekan dan kenyataan fisik.

Insinyur Salesforce yang mendapatkan 180 ribu dolar per tahun mungkin akan menemukan pekerjaan baru di stasiun desalinasi air atau proyek infrastruktur. Dan orang-orang menyadari bahwa pencapaian fisik yang nyata memberikan perasaan yang lebih baik daripada berputar di dunia digital.

Kesimpulannya: saya sangat optimis tentang kecerdasan buatan, tetapi transformasi akan jauh lebih lambat dari prediksi pesimis. Pemerintah memiliki alat untuk intervensi dan stimulasi, dan ekonomi fisik memiliki kebutuhan besar. Jika kita tetap waspada dan merespons dengan cepat selama revolusi bertahap ini, kita akan aman. Waktu memberi kita kesempatan untuk merencanakan dengan benar.