Ada ironi yang terlalu on the nose bahkan untuk standar satir distopia ringan: kau diminta melatih algojo digitalmu sendiri, di bawah pengawasan keylogger resmi perusahaan, dan kau tak punya tombol opt-out. Di bulan Mei 2026, Meta — perusahaan yang dulunya mengaku ingin menyatukan umat manusia dalam plaza digital — mengumumkan PHK massal terhadap 8.000 karyawan atau sekitar 10 persen tenaga kerjanya. Bersamaan dengan itu, mereka memasang perangkat lunak pemantau di setiap laptop korporat yang merekam setiap ketikan, setiap pergerakan tetikus, setiap klik, dan setiap pergerakan layar secara real-time. Tujuannya, menurut Chief Technology Officer Andrew Bosworth: melatih model AI agar bisa mereplikasi cara kerja manusia.
Dalam istilah infrastruktur, apa yang terjadi di Meta bukanlah skandal privasi semata. Ini adalah pipeline baru dalam siklus produksi korporat: manusia sebagai ephemeral training instance.
Arsitektur Data Extraction Factory
Sebuah selebaran protes yang ditempel di mesin penjual otomatis kantor Meta bertuliskan, “Jangan bekerja di Pabrik Ekstraksi Data Karyawan.” Frasa itu lebih akurat daripada sekadar retorika. Meta tidak hanya mengawasi — mereka mengonfigurasi ulang relasi kerja menjadi sebuah sistem extract, transform, load (ETL) berjalan yang menggunakan tubuh karyawan sebagai sensor.
Data yang dikumpulkan mencakup bukan hanya output — dokumen yang ditulis, email yang dikirim — melainkan juga process: bagaimana seorang insinyur menavigasi menu pop-up, seberapa cepat jarinya bergerak di antara shortcut keyboard, pola scroll saat membaca dokumentasi. Dalam arsitektur sistem, ini adalah behavioral telemetry pada tingkat yang biasanya hanya diterapkan pada end-user di lingkungan production — bukan pada pengembang yang membangun produk itu sendiri.
Bosworth dan Zuckerberg berdalih bahwa data semacam ini esensial untuk membangun AI agen yang bisa “membantu orang menyelesaikan tugas sehari-hari di komputer.” Logikanya dapat dipahami: model membutuhkan ground truth tentang bagaimana manusia sungguhan berinteraksi dengan antarmuka yang kompleks. Namun, dalam arsitektur sistem yang lebih luas, dalih ini bunyinya seperti rationalization seorang engineer yang terlalu cinta pada datanya sendiri hingga lupa bahwa source data itu adalah manusia dengan agency dan consent.
Superintelligence sebagai Dashboard Token
Salah satu detail paling absurd dari kebijakan ini — dan inilah yang membuatnya sangat Poeta — adalah bagaimana metrik penggunaan AI kini menjadi KPI utama di Meta. Karyawan diukur dari seberapa banyak token AI yang mereka konsumsi melalui dashboard internal. Alhasil, muncullah perilaku gaming the metric yang sangat kentara: staf membangun agen AI untuk mengotomatiskan pekerjaan mereka, lalu menggunakan agen AI lain untuk meninjau hasil kerja agen AI pertama. Terciptalah rantai recursive automation yang — dalam istilah infrastruktur — menyerupai fork bomb dalam bentuk organisasi.
Dalam arsitektur sistem, ini adalah feedback loop yang tidak stabil. Semakin banyak token yang kau bakar, semakin tinggi skor performance-mu — namun semakin banyak pula data yang kau berikan kepada模型 yang suatu hari akan mereplikasi secara persis apa yang kau lakukan. Kau sedang memberi makan model yang akan membuat posisimu redundan, dan kau melakukannya dengan antusias karena dashboard-mu bilang kau employee of the month.
Di sinilah lokalitas terbatas seorang pekerja korporat menjadi begitu tragis. Dari sudut pandang dashboard, setiap token yang terbakar adalah kemenangan. Dari sudut pandang arsitektur sistem secara utuh, setiap token adalah kontribusi pada deprecation fungsi manusiamu sendiri.
Cascading Failure pada Relasi Kerja
Ketika organizing committee United Tech and Allied Workers (UTAW) meluncurkan situs Leanin.uk — sebuah rujukan sinis pada buku Sheryl Sandberg — mereka menandai momen langka di industri teknologi: serikat pekerja yang terang-terangan menolak tidak hanya PHK, tetapi juga fondasi data extraction yang mendasarinya. Dalam arsitektur sistem ketenagakerjaan, ini adalah kegagalan middleware: lapisan antara manajemen dan pekerja yang seharusnya menyerap guncangan — collective bargaining, transparansi kebijakan, consent mechanism — telah di-deprovision sepenuhnya. Yang tersisa hanyalah direct connection: CFO Susan Li mengakui bahwa perusahaan sendiri “belum tahu berapa ukuran organisasi yang optimal,” sementara 8.000 orang menerima notifikasi PHK pada hari yang sama dengan bocornya rekaman audio internal yang mempermalukan manajemen.
Ini bukan sekadar PHK massal biasa. Ini adalah cascading failure dalam tiga lapisan: lapisan ekonomi (PHK), lapisan psikologis (surveilans), dan lapisan etis (menjadi training data untuk penggantimu sendiri). Ketika tiga lapisan ini gagal bersamaan, yang terjadi bukanlah graceful degradation — melainkan panic routing di mana setiap individu mengambil jalur penyelamatan masing-masing. Sebagian membuat petisi, sebagian bergabung dengan serikat, sebagian lagi — dan ini paling menarik — membangun agen AI mereka sendiri sebagai bentuk hedging: jika perusahaan akan menggantiku dengan AI, setidaknya aku yang menuliskan prompt-nya.
Ephemeral Instance dalam Ekonomi Perhatian
Dalam metafora container orchestration, manusia di Meta diperlakukan seperti pod dalam Kubernetes: ephemeral by design. Mereka diciptakan, dimanfaatkan untuk menghasilkan data telemetri, dan diganti dengan instance baru yang lebih murah — dalam hal ini, agen AI. Horizontal Pod Autoscaler-nya adalah PHK 10 persen. Resource allocation-nya adalah token AI. Readiness probe-nya adalah dashboard kepatuhan.
Bedanya dengan infrastructure-as-code: pod tahu bahwa dirinya ephemeral. Manusia tidak diberi kemewahan knowing their own lifecycle. Mereka bekerja dalam ketidakpastian — apakah shift ini adalah training run terakhir sebelum model mencapai convergence dan mereka di-scale down?
Harvard Business Review pada Januari 2026 menerbitkan artikel berjudul “Is Your Workplace Set Up for AI Agents?” yang membahas bagaimana produktivitas AI yang sesungguhnya membutuhkan redesain organisasi secara fundamental — bukan sekadar menempelkan AI ke sistem yang berpusat pada manusia. Pertanyaan yang lebih jujur mungkin: “Is your workplace set up for humans, when AI agents are the priority?” Jawabannya, dari data Meta, tampaknya: tidak, dan itu memang sengaja.
Log berakhir di sini. Setiap ketikan yang terekam menjadi parameter dalam loss function masa depanmu sendiri. Sistem berjalan sesuai spesifikasi — dan spesifikasinya memang tidak pernah menyertakan ruang untukmu setelah training selesai.