Bisakah Pekerja Memiliki AI yang Menggantikan Mereka? Model Action Uji Model Kepemilikan Otomasi yang Radikal

Perusahaan AI saat ini berlomba-lomba untuk mengotomasi segalanya, mulai dari menulis kode, membuat gambar, menjadwalkan iklan, merangkum rapat, dan banyak lagi. Tapi, seiring sistem ini makin berkembang, dampaknya terhadap tenaga kerja manusia semakin sulit diabaikan. Beberapa pakar kini memperingatkan bahwa generative AI bisa memicu gelombang besar penggantian pekerjaan yang akan terjadi lebih cepat dan lebih dalam dari yang telah dipersiapkan oleh sebagian besar ekonomi.

Bukannya melawan masa depan, sebuah platform asli kripto justru memilih pendekatan yang berbeda. Kalau otomatisasi memang tidak bisa dihindari, maka kepemilikan juga harus demikian.

Action Model hari ini meluncurkan ekstensi Chrome dengan sistem undangan khusus yang memungkinkan pengguna melatih sebuah sistem AI dengan cara membagikan aktivitas nyata di browser seperti klik, jalur navigasi, mengetik, dan alur tugas. Platform ini menyebutnya Large Action Model (LAM), yang mampu belajar melakukan pekerjaan digital, bukan sekadar menghasilkan konten. Sebagai imbalan kontribusi, peserta mendapatkan poin yang mungkin akan diubah menjadi token tata kelola US$LAM, bertujuan untuk mewakili hak partisipasi dalam perkembangan sistem ke depannya.

“Jika AI akan menggantikan kerja digital maka para pekerja seharusnya memiliki mesin yang menggantikan mereka,” ujar pendiri Action Model, Sina Yamani.

Melatih AI yang Melakukan Pekerjaan

Tidak seperti model chatbot yang hanya menghasilkan konten, LAM memang dirancang untuk mengoperasikan software secara langsung. Idenya sederhana: kalau manusia bisa melakukan tugas digital dengan mouse dan keyboard, agent AI yang terlatih juga seharusnya mampu melakukannya.

“Beberapa tahun terakhir ini kita melihat chatbot. Sekarang saatnya otomatisasi,” tutur Yamani. “Ada sekitar satu miliar orang bekerja menggunakan komputer. Kalau sebuah perusahaan mendapatkan alat yang dapat menyelesaikan pekerjaan yang sama terus-menerus dengan biaya lebih murah, pasti mereka akan memakainya.”

Ekstensi Action Model mengumpulkan data perilaku yang telah disetujui pengguna untuk melatih AI. Tugas-tugas seperti mengelola penggajian, memasukkan data CRM, atau menjalankan operasi dasar dapat direkam sekali lalu diulang oleh model. Kontributor bisa mempublikasikan otomatisasi mereka ke marketplace publik, agar penggunaannya dapat dipantau dan mendapatkan imbalan sesuai skema insentif platform.

Kemunculan sistem AI agentic telah banyak didokumentasikan di berbagai industri, karena model-model ini makin berkembang dari sekadar menghasilkan konten menjadi menjalankan tugas secara mandiri. Sistem-sistem ini, seperti dijelaskan di artikel ini, mengumpulkan dan bertindak berdasarkan data pengguna asli, mempelajari cara menjelajahi lingkungan digital secara otonom.

Platform ini sudah menarik minat lebih dari 40.000 pengguna melalui daftar tunggu, sistem referal, dan komunitas mitra. Akses masih bersifat undangan demi menjaga kualitas kontributor sekaligus menghargai peserta awal.

Apa Bedanya dengan Alat Otomasi yang Sudah Ada?

Kebanyakan alat otomatisasi yang ada saat ini mengandalkan API atau integrasi yang kaku. Tapi, kebanyakan pekerjaan digital di dunia nyata berlangsung di sistem lawas, dashboard internal, dan alat yang memang tidak didesain untuk diotomatisasi.

“Zapier mengotomasi software. Kami mengotomasi pekerjaan,” ucap Yamani. “Hanya sekitar 2 persen internet yang bisa diakses melalui API. Sisanya 98 persen, masih butuh interaksi manusia.”

Dengan Action Model, pengguna tidak perlu menulis kode atau mengatur integrasi. Mereka cukup merekam bagaimana mereka menyelesaikan tugas. AI kemudian belajar dari alur nyata pengguna dan bisa mengulangi proses itu secara mandiri.

Hal ini membuat Action Model cukup fleksibel menangkap kasus khusus dan alur kerja yang tidak terdokumentasi, yang tidak bisa dijangkau oleh sistem tradisional.

Bagaimana dengan Privasi?

Semua pelatihan bersifat opsional dan pengguna yang memutuskan data apa yang akan dibagikan. Situs sensitif seperti email, layanan kesehatan, atau perbankan diblokir secara default. Pengguna dapat menjeda pelatihan, memblokir domain tertentu, atau menghapus kontribusi mereka sepenuhnya.

“Prinsip utama kami sederhana. Kami tidak butuh data Anda. Kami hanya butuh pola,” terang Yamani. “Data pelatihan diproses secara lokal dan dianonimkan sebelum digunakan untuk melatih model.”

Data yang dihapus akan benar-benar dihapus permanen dan tidak bisa dipulihkan, bahkan oleh pihak perusahaan. Semua kontribusi digabungkan dengan data pengguna lain menggunakan konsep k-anonymity, untuk mencegah identifikasi ulang individu. Sebuah dashboard memungkinkan kontributor memantau serta mengelola histori pelatihan dan imbalan kapan saja.

“Sementara perusahaan Big Tech mengumpulkan data seperti ini tanpa persetujuan nyata, kami transparan, dikontrol oleh pengguna, dan memberi imbalan pada orang-orang yang benar-benar melatih AI,” papar Yamani.

Jadi, Bisakah Bot Mengakali Sistem?

Untuk menghindari masalah yang menimpa sistem reward kripto sebelumnya, Action Model memakai analisis perilaku guna memastikan input dari pengguna asli. Sistem ini mencari adanya struktur, waktu, variasi, dan sinyal pengambilan keputusan — hal-hal yang sulit dipalsukan oleh bot atau click farm.

“Klik asal tidak ada gunanya,” jelas Yamani. “Alur kerja nyata itu melibatkan niat, jeda, koreksi, mengulang, dan pengambilan keputusan. Itu tidak bisa dipalsukan secara massal.”

Proyek lain yang mengganjar keterlibatan sosial atau postingan baru-baru ini dilarang di platform utama setelah terjadi lonjakan spam AI, balasan bot, dan interaksi palsu. Sebagai respons, akses API dicabut dan ekosistem token pun kolaps karena aktivitas berkualitas rendah.

ActionFi, mesin reward dari platform ini, memang dirancang untuk sepenuhnya menghindari jebakan seperti itu. Ia tidak membayar tweet atau klik. ActionFi hanya memberi imbalan pada alur kerja yang terverifikasi sebagai gambaran pekerjaan digital nyata dan terstruktur.

“Kami tidak membayar untuk kebisingan. Kami membayar untuk jalur kerja yang berguna,” tambah Yamani.

Siapa Sebenarnya yang Memiliki Sistem?

Saat ini, Action Model masih mengontrol ekstensi, logika pelatihan, dan sistem reward. Tapi, proyek ini telah berkomitmen untuk mengalihkan kepemilikan kepada para holder token US$LAM secara bertahap. Struktur DAO nantinya akan memungkinkan kontributor untuk mengatur keputusan platform, mekanisme insentif, dan peluncuran model.

“Sistem awal butuh koordinasi. Yang penting adalah apakah sistem itu terdesentralisasi sejak awal,” tegas Yamani.

Bila diterapkan seperti yang dijelaskan, kepemilikan akan memberi holder token pengaruh dalam mengambil keputusan infrastruktur yang berkaitan dengan data yang telah mereka bantu hasilkan.

Jika AI Pasti Terjadi, Apakah Kepemilikan Juga Bisa?

Generasi AI berikutnya kini tidak hanya dibangun di atas bahasa, tetapi juga tenaga kerja. Dari kerja kantoran hingga operasional, banyak tugas di balik layar kini bisa diambil alih oleh agent cerdas.

“Anda sudah sering dengar bahwa jutaan pekerjaan berbasis layar akan terotomatisasi. Hal itu bukan cerita puluhan tahun lagi — itu sedang terjadi sekarang,” ucap Yamani. “Jika data Anda membantu melatih AI, Anda seharusnya berhak atas apa yang tercipta.”

Apakah Action Model bisa berkembang, tetap transparan, dan membangun ekonomi yang berkelanjutan merupakan hal yang akan terus kami pantau dengan saksama dalam beberapa bulan ke depan. Tapi, taruhannya sudah sangat jelas. Pergulatan utama AI bukan hanya soal apa yang bisa dilakukan, tapi juga siapa yang mendapatkan manfaatnya. 

Seiring AI membentuk ulang dunia kerja, apakah masa depan akan dikuasai oleh platform, atau justru oleh semua orang?