Produksi pengetahuan melaju, verifikasi tertinggal
Agentic AI adalah sistem kecerdasan buatan yang dapat menjalankan rangkaian tugas secara mandiri, dari mencari informasi hingga menghasilkan keluaran, dengan campur tangan manusia yang terbatas. Kemampuannya kini menguji cara jurnal ilmiah menghasilkan, memeriksa, dan memberi pengakuan atas pengetahuan. Pada 6 Oktober 2026, OpenAI merilis 722 prapublikasi matematika buatan AI ke GitHub; 372 memuat hasil, tetapi hanya 162 yang hasil utamanya diformalkan dengan Lean. Tiga naskah kemudian ditarik setelah ditemukan kesalahan yang merusak argumen atau konstruksi turunannya. Angka ini bukan bukti bahwa riset otomatis tidak berguna. Namun, ia menegaskan masalah yang lebih mendesak: produksi manuskrip melonjak, sementara kapasitas verifikasi manusia tetap terbatas. Karena kebutuhan mengelola kiriman melampaui tenaga editorial, penerbit jurnal ilmiah mulai menata ulang model bisnis. Mereka mungkin memilih bekerja sama dengan vendor AI, tetapi kerja sama itu tidak boleh mengubah pemeriksaan ilmiah menjadi sekadar pengelolaan arus naskah.
Pada 20 Oktober 2026, Anthropic melaporkan bahwa model riset Claude bekerja sebagian besar secara mandiri selama 64 jam, dengan empat instruksi lanjutan, untuk merancang minibinder terhadap neurotoksin kalajengking, menganalisis data, dan menyusun laporan di bawah pengawasan peneliti. Dari 211 desain yang diuji di dua laboratorium, 17 memenuhi kriteria sebagai pengikat—semuanya untuk satu toksin. Kemampuan menetralkan racun belum diuji, jadi hasil tersebut belum merupakan antivenom, meskipun desain dan datanya dibuka. Pembeda pentingnya bukan sekadar siapa yang menulis laporan, melainkan apakah langkah eksperimen, data, dan batas klaim bisa diperiksa serta diulang. Tanpa disiplin itu, kecepatan agen berisiko memindahkan beban dari penulisan ke penilaian tanpa memperkuat keandalan temuan.
Ukuran mutu ilmiah tidak boleh berhenti pada naskah
Kacamata bioinformatika membantu melihat bahwa produksi pengetahuan tidak selalu berpusat pada artikel. Dalam bidang ini, artefak ilmiah dapat berupa alur kerja, perangkat lunak, model prediksi, atau basis data yang dapat dijalankan ulang orang lain. Karena itu, penilaian atas riset berbantuan agen semestinya mencakup keterulangan proses dan mutu bukti, bukan hanya nama penulis atau kelancaran prosa. Ketegangan muncul ketika agen AI dicantumkan sebagai penulis, sementara pedoman etika penerbitan yang dirujuk dalam sumber melarang agen menjadi autor. Persoalan tersebut menuntut aturan yang menjelaskan tanggung jawab manusia: siapa memeriksa hasil, siapa menjamin integritas data, dan siapa menjawab bila klaim keliru. Jurnal tetap menjalankan tiga fungsi—menyebarkan temuan, mensertifikasi lewat telaah sejawat, dan memberi kredit karier. Otomatisasi boleh membantu pekerjaan editorial, tetapi tidak otomatis menggantikan legitimasi penilaian manusia.
Bagi peneliti, peluangnya nyata: agen dapat mempercepat pekerjaan rutin dan membuka jalur eksplorasi baru. Risikonya juga konkret, yakni keluaran yang tampak meyakinkan tetapi belum tervalidasi, serta sistem pengakuan akademik yang tertinggal dari cara riset dilakukan. Penerbit perlu membangun kesepahaman dengan penyedia AI sambil mempertahankan transparansi penggunaan, pemeriksaan independen, dan kebijakan kepengarangan yang tegas. Reposisi model bisnis tampak lebih masuk akal daripada berpura-pura bahwa produksi otomatis akan berlalu. Namun, negosiasi komersial seharusnya tidak memberi vendor kuasa menentukan sendiri standar bukti atau akses ke pengetahuan. Masa depan jurnal ilmiah bergantung pada apakah efisiensi dipakai untuk memperluas pemeriksaan, bukan sekadar memperbanyak naskah.
Web agentic: kemudahan baru, kendali baru
Pergeseran serupa tampak di internet. Gagasan web semantik meminta pembuat situs memberi penanda agar perangkat lunak memahami arti bagian halaman, tetapi tugas itu tidak menarik bagi banyak orang. Model bahasa besar mengubah keadaan: agen kini dapat membaca teks tanpa tag khusus, menafsirkan tangkapan layar, lalu berinteraksi dengan menu dan tautan. Inilah landasan web agentic, tempat agen menjadi pengguna sekaligus perantara akses. Pengguna biasa bisa meminta Claude atau ChatGPT mencari produk hemat anggaran di banyak situs, atau memakai Muse untuk menemukan reservasi restoran dan memesan penerbangan. Kemudahan ini berarti orang tidak harus menelusuri halaman demi halaman, tetapi juga membuat pilihan informasi semakin bergantung pada agen dan platform yang mengaturnya.
Ada dua jalur utama: melatih agen memakai peramban seperti manusia, atau menyediakan antarmuka khusus berbasis teks dan kode. Jalur kedua memberi pemilik layanan kendali lebih jelas atas tindakan yang boleh dilakukan agen. Konektor pembayaran, misalnya, dapat mewajibkan konfirmasi manusia sebelum pembelian sehingga agen tidak berbelanja tanpa izin. Kendali semacam ini bukan detail teknis kecil; ia menentukan apakah manusia tetap dapat mengawasi keputusan yang berdampak nyata. Namun, belum ada kepastian seperti apa bentuk akhir web agentic. Jika aksesnya terbuka, internet mungkin menjadi lebih mudah digunakan tanpa kehilangan keragamannya. Jika akses melewati segelintir platform dominan, situs dan kreator bisa kesulitan menjangkau pengguna. Jadi, ancaman tersingkir bukan takdir, melainkan risiko yang bergantung pada rancangan dan tata kelola.
Manusia harus tetap menentukan aturan
Agen juga belum selalu mampu menangani tugas daring dengan andal. GPT-6 Astra, yang dirilis OpenAI pada September, mencatat keberhasilan 73% pada tolok ukur OSWorld 2.0 untuk tugas bertahap di perangkat lunak seperti Slack dan Microsoft Excel. Hasil itu menunjukkan kemajuan, bukan kemampuan tanpa cela. Pengguna perlu tahu kapan agen bertindak, data apa yang dibaca, dan bagaimana membatalkan atau mengonfirmasi tindakannya. Sementara itu, pemilik situs menghadapi pilihan antara membuat layanan yang ramah agen dan mempertahankan pengalaman yang dirancang bagi manusia. Tak lama setelah Meta merilis Muse pada September, Amazon memblokir agen tersebut dari situsnya. Peristiwa itu memperlihatkan bahwa akses web tidak otomatis terbuka bagi agen, dan konflik kepentingan antara platform, pengguna, serta pembuat agen akan ikut membentuk internet.
Kesimpulannya, agentic AI dapat mempercepat produksi pengetahuan dan memudahkan pekerjaan sehari-hari, tetapi manfaatnya bergantung pada siapa yang menetapkan batas serta memeriksa hasil. Peneliti perlu menjaga keterulangan dan tanggung jawab; penerbit perlu memperbarui model bisnis tanpa melepas fungsi sertifikasi; pengguna web perlu mempertahankan persetujuan dan kendali atas tindakan agen. Kita belum tahu apakah web agentic akan menjadi ruang yang lebih terbuka dan mudah dipakai atau lorong sempit yang dikendalikan segelintir platform. Ketidakpastian itu bukan alasan untuk menolak perubahan ataupun menerimanya tanpa syarat. Manusia harus tetap menjadi pihak yang menentukan aturan akses, standar bukti, dan keputusan mana yang layak didelegasikan.
