Anthropic Rancang Dana Publik untuk Skenario Terburuk AI

Apa yang diumumkan Anthropic

Anthropic rancang dana publik untuk skenario terburuk AI melalui Anthropic Public Benefit Fund. Menurut ANTARA, 19 Oktober 2026, perusahaan berencana mengalokasikan 5% dari total sahamnya ke dana yang dimiliki penuh oleh Anthropic untuk mendukung proyek berkepentingan publik.

Dana ini dirancang untuk mendanai kepentingan publik, tetapi belum memiliki rincian penerima, tata kelola, atau mekanisme penyaluran seperti program hibah yang telah berjalan. ANTARA melaporkan dana tersebut dapat dipakai untuk donasi berskala besar kepada lembaga nirlaba, bantuan langsung bagi kelompok masyarakat tertentu, serta penelitian mengenai disrupsi AI terhadap pasar tenaga kerja. Bloomberg Technoz juga melaporkan fokus yang lebih luas, termasuk kekhawatiran tentang keamanan AI, peretasan, dan kehilangan pekerjaan.

Status mekanismenya masih perlu dicermati. Dialeksis, mengutip Reuters, melaporkan alokasi 5% saham itu berlaku dengan menunggu persetujuan pemegang saham, menurut bloombergtechnoz.com. Sumber yang sama menyebut Anthropic berencana menambah 2% saham setiap valuasinya meningkat 50%, sesuai kebijakan dewan direksi. Berdasarkan informasi yang tersedia dalam laporan tersebut, Anthropic belum merinci siapa yang memilih penerima dana, standar seleksi proyek, atau bentuk pelaporan publik atas penggunaan dana.

Siapa yang akan memilih penerima dana publik Anthropic? Anthropic menyatakan informasi lebih lanjut mengenai struktur dan tata kelola dana, termasuk pihak yang berwenang menentukan proyek sosial yang layak didanai, akan diumumkan dalam beberapa bulan ke depan, menurut ANTARA.

Ketiadaan rincian tata kelola bukan detail kecil. Dana besar untuk kepentingan publik perlu menjawab tiga pertanyaan praktis: siapa pengambil keputusan, konflik kepentingan apa yang dicegah, dan bagaimana masyarakat dapat menilai hasil pendanaannya. Sampai struktur tersebut diumumkan, manfaat nyata Public Benefit Fund bagi pekerja atau organisasi sosial belum dapat dipastikan.

Hubungannya dengan riset dampak ekonomi AI

Public Benefit Fund muncul setelah Anthropic membangun agenda riset ekonomi AI. Dalam halaman Economic Futures Research Fund agenda pada 22 Juli 2026, Anthropic menyatakan komitmen US$200 juta untuk mendukung riset eksternal tentang intervensi yang dapat membantu masyarakat menghadapi dampak ekonomi AI.

Anthropic memprioritaskan lima area riset dalam agenda tersebut: dampak AI pada pekerja dan tempat kerja, kesiapan menghadapi transisi kerja, modernisasi dukungan pendapatan saat terjadi displacement, kepemilikan pekerja atas pertumbuhan yang didorong AI, serta bukti baru tentang investasi publik. Agenda ini meneliti bantuan yang efektif ketika tugas, peran, atau kebutuhan keterampilan berubah akibat penggunaan AI.

Program Anthropic Economic Futures juga menyebut tiga pilar kerja: riset dan analisis independen, pengembangan kebijakan kolaboratif berbasis bukti, serta pengukuran ekonomi dan infrastruktur data. Menurut halaman program tersebut, hibah risetnya berkisar US$10.000 sampai US$50.000 untuk penelitian empiris mengenai dampak ekonomi AI, dengan penerima diminta membagikan temuan dalam enam bulan.

Sebagai ilustrasi hipotetis, sebuah lembaga ketenagakerjaan dapat menerima pendanaan untuk memetakan perubahan tugas administrasi setelah AI dipakai di beberapa perusahaan. Peneliti dapat membandingkan tugas yang berkurang, tugas baru yang muncul, keterampilan yang dibutuhkan, dan waktu adaptasi pekerja. Hasil yang berguna bukan klaim bahwa AI pasti menghapus pekerjaan, melainkan bukti tentang kelompok mana yang membutuhkan pelatihan atau dukungan transisi.

Dana publik bukan pengganti pengamanan AI

Dana untuk dampak sosial tidak menggantikan pengamanan pada sistem AI itu sendiri. Anthropic menjelaskan dalam artikel Understanding and addressing AI harms pada 21 April 2025 bahwa dampak AI dapat dinilai melalui dimensi fisik, psikologis, ekonomi, sosial, dan otonomi individu. Setiap dampak juga perlu dinilai berdasarkan kemungkinan terjadi, skala, populasi terdampak, durasi, hubungan sebab-akibat, kontribusi teknologi, dan kelayakan mitigasi.

Kerangka itu membedakan dua pekerjaan yang sering tercampur. Keamanan teknis menilai apakah sistem bisa disalahgunakan, menghasilkan keluaran berbahaya, atau gagal dalam kondisi tertentu. Kebijakan sosial menilai siapa yang menanggung dampaknya, dukungan apa yang tersedia, dan lembaga mana yang bertanggung jawab. Public Benefit Fund berpotensi mendanai bagian kedua, tetapi tidak menghapus kebutuhan evaluasi, pembatasan penggunaan, dan pengawasan pada produk AI.

Contoh hipotetisnya, organisasi nirlaba dapat menggunakan dana untuk membuat program pelatihan ulang pekerja. Sementara itu, perusahaan penyedia model AI tetap harus menguji keamanan produknya, membatasi penggunaan yang melanggar kebijakan, dan menangani laporan penyalahgunaan. Dua langkah tersebut saling melengkapi, tetapi pemilik tanggung jawabnya berbeda.

Untuk konteks perdebatan risiko dan percepatan AI yang lebih luas, pembaca dapat melihat artikel pilar berjudul Sam Altman Minta Publik Menerima Risiko Buruk AI demi Percepatan Manfaat Teknologi.

Implikasinya bagi bisnis yang memakai AI

Bagi bisnis, pengumuman ini mengingatkan bahwa implementasi AI memiliki dampak proses kerja, bukan hanya dampak pada biaya atau kecepatan kerja. Saat AI masuk ke workflow, tugas dapat berpindah dari admin ke tim operasional, dari layanan pelanggan ke supervisor, atau dari staf junior ke sistem otomatis. Perubahan tersebut perlu dicatat sebelum organisasi memperluas penggunaan AI.

Mulailah dengan membedakan automation, AI automation, dan AI agent. Automation menjalankan langkah berdasarkan pemicu serta aturan, misalnya formulir masuk lalu data dicatat ke CRM. AI automation memakai model AI pada salah satu langkah, misalnya AI mengelompokkan isi formulir sebelum data masuk CRM. AI agent dapat memakai konteks dan alat untuk menyelesaikan beberapa langkah menuju tujuan, sehingga batas tindakan dan pengawasan manusianya perlu lebih ketat.

Sebagai ilustrasi, tim layanan pelanggan menerima pesan dari email, formulir, dan chat. Workflow awal dapat berupa pesan masuk, AI memberi kategori awal, sistem membuat tiket, lalu staf meninjau tiket yang menyangkut keluhan, pembayaran, atau data sensitif. Tim dapat menyimpan kategori AI, keputusan akhir staf, dan alasan koreksi. Catatan itu membantu menemukan apakah masalah berasal dari instruksi, data referensi, atau kategori yang terlalu luas.

Pengukuran juga perlu melampaui jumlah tiket yang diproses. Tim dapat memeriksa kategori permintaan, tiket yang dialihkan ke manusia, jenis kesalahan klasifikasi, keluhan pelanggan, dan perubahan beban kerja staf. Ini bukan jaminan bahwa sistem aman atau efektif, tetapi memberi bukti operasional sebelum otomatisasi diperluas.

Langkah yang dapat dilakukan pembaca sekarang

Pilih satu workflow dengan pemilik proses yang jelas. Jangan mulai dari pertanyaan tools apa yang paling menarik. Mulai dari proses yang sudah berulang, memiliki data yang cukup, dan mempunyai risiko yang dapat dibatasi. Contohnya, klasifikasi pesan pelanggan sebelum dibuatkan tiket untuk staf.

Lalu buat batas kerja tertulis. Tentukan data yang boleh diproses AI, tindakan yang boleh berjalan otomatis, tindakan yang membutuhkan persetujuan manusia, serta orang yang bertanggung jawab ketika keluaran AI salah. Untuk workflow yang menyentuh pelanggan, pekerja, pembayaran, atau informasi sensitif, keputusan berdampak tinggi sebaiknya tidak dilepas tanpa jalur eskalasi ke manusia.

Setelah itu, jalankan uji terbatas dengan sampel kecil dan tinjau koreksinya secara berkala. Jika AI sering salah pada kategori tertentu, jangan langsung menambah otomatisasi. Periksa dulu sumber kesalahan, perbarui instruksi atau data referensi, lalu uji ulang. Pendekatan ini sejalan dengan pertanyaan yang ingin didukung riset Anthropic: intervensi apa yang benar-benar membantu masyarakat dan organisasi beradaptasi terhadap perubahan akibat AI.

Langkah berikutnya: petakan satu workflow yang dipakai tim Anda minggu ini. Tuliskan pemicu, data masuk, keputusan AI, tindakan otomatis, titik persetujuan manusia, dan catatan kesalahan. Dokumen satu halaman itu memberi dasar yang lebih baik untuk menilai manfaat maupun risiko dibanding demonstrasi AI yang hanya terlihat lancar.