7  UAS-2 My Opinions

Pengantar: Teknologi untuk Siapa?

Dalam UAS-1 My Concepts, kita telah membahas dasar-dasar sistem yang ideal. Namun, konsep ideal sering kali berbenturan dengan realitas. Sebagai mahasiswa STI, saya mengamati adanya ketimpangan besar: teknologi tercanggih hari ini (seperti Generative AI) sering kali didesain dengan asumsi bahwa penggunanya memiliki internet berkecepatan tinggi, perangkat terbaru, dan pasokan listrik stabil.

Opini kritis saya adalah: Sistem Informasi dan AI seharusnya tidak hanya melayani "mereka yang sudah pintar dan mapan", tetapi justru harus diprioritaskan untuk daerah dengan sumber daya terbatas (low-resource environments).

I. Bias Eksklusivitas dalam Pengembangan AI

Saat ini, paradigma pengembangan AI didominasi oleh model raksasa (LLM) yang membutuhkan GPU mahal dan konektivitas awan (cloud) yang konstan. Ini menciptakan bias eksklusivitas. Di negara maju, AI digunakan untuk menulis puisi atau membuat gambar. Sementara itu, di daerah pedesaan atau negara berkembang (seperti sebagian wilayah Afrika Sub-Sahara atau daerah 3T di Indonesia), masalah utamanya adalah prediksi cuaca untuk pertanian, diagnosis penyakit tanaman, atau akses pendidikan dasar.

Argumen Saya: Mengembangkan teknologi yang membutuhkan internet 5G di tempat yang sinyal 3G saja sulit didapat adalah bentuk kegagalan empati dalam rekayasa. Kita sedang membangun "menara gading" digital yang tidak bisa dipanjat oleh mayoritas populasi dunia.

II. Paradoks Kebutuhan: Siapa yang Paling Membutuhkan Efisiensi?

Terdapat sebuah paradoks menarik: Masyarakat di daerah maju sebenarnya bisa bertahan tanpa AI karena infrastruktur fisik mereka sudah matang (ada dokter, ada guru, ada bank). Sebaliknya, masyarakat di daerah terpencil memiliki infrastruktur fisik yang minim.

Oleh karena itu, merekalah yang paling membutuhkan intervensi Sistem Informasi cerdas untuk menjembatani kesenjangan tersebut. Misalnya, seorang petani di desa membutuhkan aplikasi berbasis AI untuk mendeteksi hama hanya melalui kamera hp murah, karena tidak ada ahli pertanian di desanya. Ironisnya, solusi teknologi justru seringkali absen di tempat yang paling membutuhkannya karena alasan "tidak profitable" atau "infrastruktur tidak mendukung".

III. Solusi Rekayasa: Menuju Frugal Computing

Sebagai calon sarjana STI, saya berpendapat bahwa inovasi sejati bukanlah tentang seberapa besar model yang kita buat, tetapi seberapa efisien model tersebut berjalan di keterbatasan (constraint). Solusi yang saya ajukan berfokus pada pendekatan Frugal Computing:

1. Edge AI & TinyML
Alih-alih mengirim data ke server (yang butuh kuota besar), kita harus memprioritaskan pemrosesan data langsung di perangkat (on-device). Model AI harus dikompresi (quantization) agar bisa berjalan di smartphone entry-level tanpa internet.

2. Arsitektur Offline-First
Sistem informasi tidak boleh mati saat internet mati. Aplikasi harus didesain untuk menyimpan data secara lokal (caching) dan melakukan sinkronisasi otomatis hanya ketika sinyal tersedia. Ini krusial untuk aplikasi kesehatan atau logistik di daerah terpencil.

Kesimpulan:
Tugas kita bukan sekadar mengadopsi teknologi Silicon Valley mentah-mentah, tetapi mengadaptasinya agar inklusif. Teknologi yang baik adalah teknologi yang demokratis, yang bisa memberdayakan siapa saja, di mana saja, tanpa terhalang oleh keterbatasan infrastruktur.