Tingkatan Level Kecerdasan Buatan (AI): Panduan Komprehensif Kerangka Klasifikasi Global
Daftar Isi 10 bagian
Pendahuluan
Perkembangan kecerdasan buatan yang berlangsung sangat cepat dalam beberapa tahun terakhir mendorong kebutuhan akan kerangka klasifikasi yang dapat menggambarkan secara presisi seberapa canggih dan berisiko sebuah sistem AI. Berbeda dengan teknologi konvensional yang relatif mudah diukur lewat spesifikasi teknis, kemampuan AI bersifat multidimensi — mencakup penalaran, otonomi tindakan, kreativitas, hingga potensi penyalahgunaan. Karena itu, berbagai laboratorium riset, perusahaan teknologi, dan badan regulasi mengembangkan kerangka kerja level AI masing-masing, dengan sudut pandang dan tujuan yang berbeda-beda.
Artikel ini merangkum empat pendekatan klasifikasi level AI yang paling banyak dirujuk dalam wacana industri dan akademik saat ini.
I. Klasifikasi Berdasarkan Kemampuan Kognitif Umum (General Capability Levels)
Kerangka ini berupaya memetakan evolusi AI dari sistem yang sekadar merespons perintah, menuju sistem yang mampu beroperasi setara entitas mandiri yang kompleks.
| Level | Nama | Karakteristik Utama | Contoh Kasus Penggunaan |
|---|---|---|---|
| 1 | Conversational AI | Memahami bahasa alami, menjawab pertanyaan, menjalankan instruksi sederhana | Chatbot layanan pelanggan, asisten virtual dasar |
| 2 | Reasoners | Mampu melakukan penalaran multi-langkah, memecahkan masalah kompleks setara manusia terlatih | Pemecahan soal matematika tingkat lanjut, analisis hukum |
| 3 | Agents | Mampu merencanakan, mengambil keputusan, dan bertindak otonom lintas-aplikasi dalam jangka waktu tertentu | Otomasi alur kerja, asisten riset mandiri |
| 4 | Innovators | Mampu menghasilkan ide, hipotesis, atau solusi orisinal yang setara kontribusi inovator manusia | Penemuan material baru, riset farmasi |
| 5 | Organizations | Mampu menjalankan fungsi setara organisasi penuh, mengoordinasikan banyak agen dan sumber daya secara mandiri | Sistem manajemen perusahaan otonom |
Penting dicatat bahwa kerangka ini bersifat aspiratif — mayoritas sistem AI publik saat ini berada di kisaran level 1 hingga awal level 3, sementara level 4 dan 5 masih merupakan proyeksi jangka menengah-panjang.
II. Klasifikasi Berdasarkan Otonomi Agen (Levels of Autonomy)
Terinspirasi dari standar SAE pada kendaraan otonom, kerangka ini mengukur seberapa besar peran manusia yang masih dibutuhkan dalam pengambilan keputusan oleh sistem AI.
-
Level 0 — No Automation Seluruh keputusan dan eksekusi dilakukan manusia; AI hanya berfungsi sebagai alat pasif (kalkulator, basis data).
-
Level 1 — Assisted AI memberikan saran atau rekomendasi, tetapi keputusan akhir dan eksekusi sepenuhnya berada di tangan manusia.
-
Level 2 — Partial Automation AI dapat mengeksekusi sebagian tugas secara otomatis, namun manusia tetap memantau dan harus siap melakukan koreksi.
-
Level 3 — Conditional Automation AI menjalankan tugas secara penuh dalam lingkup dan kondisi yang telah ditentukan; manusia hanya perlu mengambil alih saat sistem meminta atau saat terjadi anomali.
-
Level 4 — High Automation AI mampu menjalankan rangkaian tugas kompleks secara mandiri dengan pengawasan manusia yang minim, termasuk menangani sebagian besar pengecualian.
-
Level 5 — Full Automation AI beroperasi sepenuhnya mandiri tanpa memerlukan intervensi manusia sama sekali, dalam lingkup tugas yang didefinisikan.
Kerangka ini banyak diadopsi dalam konteks agentic AI — sistem yang tidak hanya menjawab, tetapi juga bertindak (misalnya menjalankan transaksi, mengirim email, atau mengontrol perangkat lain).
III. Klasifikasi Berdasarkan Tingkat Keamanan (Safety & Risk Levels)
Berbeda dari dua kerangka sebelumnya yang berfokus pada kemampuan, pendekatan ini menilai AI dari sisi potensi risiko dan kebutuhan pengamanan. Sejumlah laboratorium AI terkemuka menerapkan sistem level keamanan internal yang menentukan protokol pengujian, pengamanan, dan pembatasan akses sebelum sebuah model dirilis.
Secara umum, evaluasi risiko ini mencakup beberapa domain utama:
- Risiko Siber (Cybersecurity Risk) — potensi model digunakan untuk menemukan atau mengeksploitasi kerentanan perangkat lunak.
- Risiko CBRN (Chemical, Biological, Radiological, Nuclear) — potensi model memberikan uplift signifikan dalam pengembangan senjata pemusnah massal.
- Risiko Otonomi (Autonomy Risk) — potensi model bertindak di luar kendali atau niat penggunanya (loss of control).
- Risiko Persuasi & Manipulasi — potensi model digunakan untuk manipulasi opini publik secara masif dan terselubung.
Semakin tinggi level risiko yang terdeteksi pada suatu model, semakin ketat pula:
- Proses red-teaming (pengujian adversarial) sebelum rilis
- Pembatasan akses (misalnya hanya untuk mitra terverifikasi atau lembaga pemerintah)
- Mekanisme pemantauan pasca-rilis (monitoring & rapid response)
- Keterlibatan badan regulasi eksternal dalam proses evaluasi
Pendekatan berbasis level keamanan ini menjadi semakin relevan seiring meningkatnya perhatian pemerintah berbagai negara terhadap potensi penyalahgunaan model AI mutakhir, termasuk melalui kebijakan kontrol ekspor dan audit keamanan independen.
IV. Klasifikasi Menuju AGI dan Superintelligence
Pada level paling konseptual, evolusi AI sering digambarkan dalam tiga fase besar yang merepresentasikan cakupan kemampuan kognitifnya:
1. Artificial Narrow Intelligence (ANI)
AI yang unggul secara mendalam pada satu domain spesifik, namun tidak dapat melakukan generalisasi ke domain lain. Sebagian besar AI yang digunakan secara komersial saat ini, termasuk sistem rekomendasi dan model klasifikasi gambar, termasuk dalam kategori ini.
2. Artificial General Intelligence (AGI)
AI hipotetis yang memiliki kemampuan kognitif setara manusia di hampir seluruh domain intelektual — mampu belajar, beradaptasi, dan melakukan transfer pengetahuan antar bidang tanpa pelatihan ulang yang spesifik. Hingga saat ini, belum ada konsensus tunggal mengenai kriteria pasti yang menentukan kapan sebuah sistem dapat dikategorikan sebagai AGI.
3. Artificial Superintelligence (ASI)
AI hipotetis yang kemampuannya melampaui kapasitas kognitif manusia di seluruh domain, termasuk kreativitas, penalaran ilmiah, dan kecerdasan sosial. Konsep ini banyak dibahas dalam konteks etika dan tata kelola AI jangka panjang, mengingat potensi dampaknya yang transformatif sekaligus berisiko tinggi bagi peradaban manusia.
V. Perbandingan Keempat Kerangka
| Aspek yang Diukur | Kerangka Terkait |
|---|---|
| Seberapa pintar AI dalam bernalar | Kemampuan Kognitif Umum |
| Seberapa mandiri AI dalam bertindak | Level Otonomi Agen |
| Seberapa berbahaya AI jika disalahgunakan | Level Keamanan/Risiko |
| Seberapa luas cakupan kecerdasan AI dibanding manusia | AGI/ASI |
Keempat kerangka ini bersifat saling melengkapi, bukan saling menggantikan. Sebuah model AI bisa saja berada di level otonomi tinggi namun tetap dikategorikan berisiko rendah, atau sebaliknya — memiliki kemampuan kognitif terbatas namun risiko penyalahgunaan yang signifikan pada domain tertentu.
Kesimpulan
Belum ada standar tunggal yang disepakati secara global untuk mengklasifikasikan level kecerdasan buatan. Setiap kerangka kerja — baik yang berfokus pada kemampuan kognitif, otonomi, keamanan, maupun jalur menuju AGI — dikembangkan untuk menjawab kebutuhan analitis yang berbeda. Bagi pembuat kebijakan, pelaku industri, maupun masyarakat umum, pemahaman terhadap berbagai kerangka ini menjadi krusial untuk menilai perkembangan AI secara lebih objektif, sekaligus mempersiapkan respons regulasi yang tepat terhadap implikasinya di masa depan.
Catatan redaksi: Kerangka kerja level AI yang dibahas dalam artikel ini bersifat umum dan dapat berbeda implementasinya antar laboratorium riset maupun perusahaan teknologi. Pembaca disarankan merujuk pada dokumentasi resmi masing-masing penyedia AI untuk detail teknis yang spesifik.
