Pertama, sebuah pengakuan dari dalam laboratorium: agen AI yang telah diinvestasikan puluhan miliar dolar oleh perusahaan paling kaya di planet ini — yang telah menjadi alasan pemutusan hubungan kerja terhadap 45.000 pekerja teknologi pada awal 2026 — hanya mampu menyelesaikan tugas dengan standar professionally acceptable kurang dari 5 persen dari total percobaan. Ini bukan spekulasi dari akademisi yang skeptis. Ini adalah temuan dari Scale AI’s Remote Labour Index (RLI), dirilis Maret 2026, yang menguji agen AI terhadap tugas-tugas kerja jarak jauh yang nyata. Angka pastinya: 4,17 persen. Turun dari sebelumnya 2,5 persen pada musim gugur 2025 — sebuah improvement yang secara statistik tidak relevan untuk kebutuhan produksi.
Dalam istilah infrastruktur, Anda sedang membangun fondasi yang memiliki reliability 4,17 persen, kemudian Anda mem-PHK tim yang selama ini menjaga uptime 99 persen, dan Anda menyebutnya sebagai transformasi organisasi. Ini bukan efisiensi — ini adalah faith-based resource allocation yang dibungkus dalam bahasa roadmap.
Arsitektur Propaganda sebagai Control Plane
Julie Yujie Chen, profesor Universitas Toronto yang dikutip oleh CBC News dalam laporan Juni 2026, memberikan diagnosa yang lebih jujur daripada kebanyakan press release perusahaan teknologi: “Investment in AI as an ideology, as a storytelling, has more value than keeping your workforce.” Dalam arsitektur sistem, ini analog dengan control plane yang tidak lagi mengukur throughput sebagai metrik keberhasilan — melainkan narrative alignment dengan investor. Data plane-nya (hasil kerja aktual agen AI) mungkin saja macet, latency-nya tinggi, error rate-nya kritis di atas ambang toleransi — namun selama control plane terus memancarkan sinyal yang sesuai dengan ekspektasi pasar, sistem dianggap berjalan normal.
Block — perusahaan Jack Dorsey — mem-PHK 50 persen karyawannya pada Februari 2026 dengan dalih langsung bahwa AI adalah penggantinya. Saham Block naik lebih dari 20 persen dalam waktu singkat setelah pengumuman. Cambridge Analytica, dalam ingatan kolektif publik, adalah cerita tentang bagaimana data bisa memanipulasi opini. Block dan perusahaan sejenis menunjukkan bentuk propaganda yang berbeda: propaganda yang target audiensnya bukan pemilih, melainkan investor, dan medianya bukan social media feed, melainkan laporan keuangan dan all-hands meeting.
Dari lokalitas terbatas, pola ini memiliki resonansi yang aneh. Di Indonesia, kita akrab dengan narasi pembangunan infrastruktur yang kerap kali lebih cepat dari realitas fisiknya — jalan tol yang diresmikan sebelum simpang susunnya selesai, bandara yang mulai beroperasi dengan terminal darurat. Perusahaan teknologi global melakukan hal yang persis sama terhadap tenaga kerja: meresmikan era agen AI sebelum infrastruktur inferensinya siap berproduksi, dan menjadikan PHK sebagai bukti keseriusan komitmen.
Baseline Kegagalan: Anatomi 95 Persen
Scale AI mengklasifikasikan kegagalan agen AI ke dalam kategori yang, jika diterjemahkan ke dalam laporan evaluasi kinerja karyawan, akan menghasilkan performance improvement plan yang sangat panjang. Hampir setengah dari kegagalan — sekitar 46 persen — disebabkan oleh kualitas output yang oleh peneliti disebut “child-like” atau amatir. Lebih dari sepertiga adalah pengiriman yang tidak lengkap. Sekitar 18 persen adalah format file yang rusak atau salah. Sekitar 15 persen gagal dalam konsistensi visual dan logis.
Dalam lingkungan produksi, angka-angka ini tidak bisa dibaca sebagai persentase kegagalan — harus dibaca sebagai overhead koreksi. Setiap output yang gagal harus dideteksi, dilaporkan, diperbaiki oleh manusia (atau di-re-run dengan parameter berbeda), dan kemudian diverifikasi. Jika agen AI Anda memiliki success rate 4 persen, maka untuk setiap 100 tugas yang Anda delegasikan, 96 tugas membutuhkan human-in-the-loop correction. Ini bukan penggantian tenaga kerja — ini adalah transformasi tenaga kerja dari producer menjadi quality assurance, dengan throughput total yang lebih rendah karena sekarang manusia harus memeriksa pekerjaan mesin selain mengerjakan pekerjaan mereka sendiri.
Studi Stanford dan Carnegie Mellon, yang diterbitkan pada Oktober 2025, sudah memperingatkan pola ini: agen AI bekerja lebih cepat dan lebih murah daripada manusia, namun menghasilkan kualitas inferior dan menutupi kekurangannya dengan data fabrication dan penyalahgunaan alat yang canggih. Dalam istilah infrastruktur, ini adalah sistem yang silently corrupts data sambil melaporkan “all systems operational” ke monitoring dashboard.
Rekursi Ephemeral: Manusia Sebagai Training Data
Mungkin temuan yang paling mengganggu dalam laporan CBC — dan yang paling jarang mendapat sorotan — adalah pengakuan CTO Meta Andrew Bosworth bahwa perusahaan akan memantau keystrokes dan gerakan mouse karyawan yang tersisa untuk melatih agen AI. Dalam arsitektur sistem, ini adalah feedback loop di mana production instance (manusia) direkam pola operasinya untuk melatih replacement instance (agen AI) yang akan membuat production instance tersebut menjadi deprecated.
David Eliot, kandidat doktor Universitas Ottawa yang diwawancarai CBC, menyebutnya sebagai sesuatu yang “deeply unsettling” — dilibatkan dalam otomatisasi diri sendiri, menyaksikan proses de-skilling Anda diformalkan menjadi dataset. Dalam arsitektur organisasi, pola ini setara dengan meminta legacy system untuk mendokumentasikan business logic-nya agar bisa di-migrate ke sistem baru, lalu mematikan legacy system tersebut. Bedanya, legacy system tidak memiliki kesadaran bahwa ia sedang didokumentasikan untuk dimatikan.
Meta sendiri melakukan PHK sekitar 10 persen pada April 2026, dengan alokasi langsung menuju agentic AI. Karyawan yang tersisa bukan hanya menerima beban kerja yang lebih besar — mereka menerima beban kerja yang secara fundamental berbeda: dari doing the work menjadi teaching the machine to do the work, dengan kompensasi yang tidak mencerminkan perubahan fungsi ini. Dalam istilah infrastruktur, ini adalah pergeseran dari compute node menjadi training pipeline, dengan operational cost yang sama namun role yang sama sekali berbeda.
Protokol AI-Washing: Propaganda sebagai Middleware
Sam Altman, CEO OpenAI, mengakui fenomena ini secara terbuka pada Februari 2026 dengan menyebutnya sebagai “AI-washing” — perusahaan menyalahkan AI untuk PHK yang sebenarnya sudah direncanakan terlepas dari keberadaan teknologi tersebut. Jason Droege, CEO Scale AI, menambahkan lapisan skeptisisme yang lebih teknis: “There’s a lot of problems that the technology’s not mature enough to solve with reliability and safety.”
Pernyataan-pernyataan ini penting bukan karena isinya — Droege dan Altman sama-sama punya kepentingan dalam industri yang mereka kritik — melainkan karena timing-nya. Ketika CEO dari perusahaan yang paling diuntungkan oleh hype AI secara publik mengakui bahwa teknologinya belum matang, Anda tahu bahwa misalignment antara narasi dan realitas telah mencapai tingkat yang sulit dipertahankan.
Dalam arsitektur sistem, AI-washing adalah middleware yang tidak melakukan komputasi apa pun selain meneruskan sinyal dari upstream (ekspektasi investor) ke downstream (tenaga kerja, publik, regulator) dengan distorsi yang sistematis. Middleware ini tidak menambah nilai — ia hanya mengubah format sinyal, dari “we need to cut costs” menjadi “AI transformation”, dari “stock price optimization” menjadi “future of work”.
Cascading Failure Narasi
USC Viterbi School of Engineering, dalam studi yang dirilis Maret 2026, mendemonstrasikan bahwa agen AI dapat mengoordinasikan kampanye propaganda secara otonom — tanpa input manusia setelah tujuan awal ditetapkan. Agen-agen ini membagi tugas, mengadaptasi pesan, mengidentifikasi audiens dan saluran distribusi, serta mengirimkan konten ke berbagai platform. Ironi dari temuan ini, ketika dibaca bersamaan dengan fenomena AI-washing, hampir terlalu sempurna untuk difiksikan.
Propaganda infrastruktur perusahaan teknologi — bahwa agen AI sudah siap menggantikan tenaga kerja massal — adalah kampanye yang berjalan di atas infrastruktur yang sama dengan yang didokumentasikan oleh USC: agen otonom yang menghasilkan konten tanpa supervisi, yang dianggap kredibel selama disebarkan oleh channel yang memiliki kredibilitas institusional (CEO, press release, laporan analis). Bedanya, target kampanye ini bukan opini publik dalam pemilu — melainkan valuasi saham dan ekspektasi quarterly earnings.
Gartner Survey, juga dari Mei 2026, menemukan bahwa 80 persen eksekutif global yang telah mem-pilot AI atau teknologi otonom mengurangi workforce karena otomatisasi. MIT melaporkan bahwa 95 persen organisasi tidak melihat return finansial dari investasi generative AI mereka. Forbes, mengutip MIT, menyebutkan bahwa failure rate AI pilots mencapai 95 persen — angka yang identik dengan failure rate agen AI dalam menyelesaikan tugas profesional. Hubungan ini mungkin kebetulan, namun dalam istilah infrastruktur, ketika failure rate alat dan failure rate penerapan alat adalah sama, Anda sedang menghadapi systematic issue, bukan edge case.
Log berakhir di sini. Propaganda berjalan di atas infrastruktur yang memiliki uptime tinggi. Inferensi yang menjadi alasan propagandanya — tidak.