Kebangkitan kembar digital memungkinkan perusahaan melewati orang nyata untuk meningkatkan keuntungan

Perusahaan besar beralih dari survei tradisional dan beralih ke replika yang dihasilkan AI dari orang nyata, sebuah perubahan yang menawarkan wawasan lebih cepat tetapi juga menimbulkan kekhawatiran tentang pekerjaan dan privasi data.

TikTok yang viral dapat membuat merek terkenal dalam beberapa jam, tetapi banyak perusahaan masih mengandalkan siklus riset dua belas minggu.

Pada saat hasil tiba, data seringkali sudah usang.

Sering ada penundaan antara mendapatkan umpan balik dan memahami apa artinya. Karena itu, perusahaan besar bisa kesulitan merespons dengan cepat saat tren berubah dengan cepat.

Banyak perusahaan percaya bahwa kembaran digital adalah solusinya.

Ini adalah salinan digital dari hal-hal nyata, sistem, atau bahkan orang. Perusahaan menggunakannya untuk mencoba ide dan melihat apa yang mungkin terjadi sebelum melakukannya di dunia nyata.

Bank besar dan perusahaan farmasi sudah memanfaatkan teknologi ini untuk memprediksi bagaimana orang akan bereaksi terhadap peristiwa penting atau barang yang baru dirilis.

Pengujian berlangsung dalam hitungan detik alih-alih minggu

Teknologi ini saat ini semakin berkembang di bisnis teknologi tinggi.

Peneliti di University of Glasgow membangun sistem kembaran digital yang menggunakan pembelajaran mesin untuk memeriksa jaringan komputer.

Metode baru mereka dapat mengukur seberapa baik sebuah jaringan bekerja dalam waktu hanya 4,78 detik. Metode lama membutuhkan sekitar 33 jam untuk melakukan pekerjaan yang sama.

Karena jauh lebih cepat, insinyur dapat menguji lebih banyak situasi, terutama saat jaringan menjadi lebih kompleks.

Permintaan yang sama untuk informasi cepat juga mengubah riset konsumen.

Sebuah startup bernama Brox telah menghasilkan 60.000 duplikat digital dari individu nyata.

Ini bukan sekadar perkiraan, tetapi profil yang sangat rinci berdasarkan wawancara mendalam, dengan beberapa berisi hingga 300 halaman materi tentang satu orang.

Alih-alih bergantung terutama pada model statistik tradisional, perusahaan sekarang dapat menjalankan beberapa simulasi dalam hitungan jam daripada bulan.

Hamish Brocklebank, yang menjalankan Brox, menjelaskan perbedaannya.

“Anda dapat membuat 10.000 kembaran digital sintetis yang benar-benar menggunakan LLMs, tetapi jawaban akan tetap menormalkan ke dalam distribusi yang sangat ketat, yang tidak realistis saat Anda benar-benar bertanya kepada orang nyata,” katanya.

Karena Brox sudah memiliki kembaran ini siap digunakan, sebuah perusahaan farmasi besar dapat bertanya kepada kerumunan digital dan mendapatkan hasil yang dapat diandalkan dalam beberapa jam, melewati seluruh langkah mencari orang nyata untuk diwawancarai.

Automasi menargetkan pekerja dengan bayaran lebih tinggi

Dorongan cepat menuju otomatisasi memiliki kekurangan.

Menurut ekonom MIT Daron Acemoglu, banyak bisnis menggunakan otomatisasi terutama untuk menghemat uang daripada meningkatkan efisiensi.

Menurut penelitiannya, pemberi kerja lebih bersedia menggantikan orang dengan kompensasi yang lebih tinggi.

Studi tersebut juga menunjukkan dampak signifikan terhadap ketimpangan pendapatan.

Otomatisasi menyumbang 52% dari peningkatan kesenjangan pendapatan antara 1980 dan 2016.

Acemoglu mencatat bahwa semakin tinggi gaji pekerja, semakin besar insentif perusahaan untuk mengotomatisasi posisi tersebut.

Dia juga berpendapat bahwa fokus ini pada pengurangan biaya tenaga kerja telah mengurangi banyak manfaat potensial dari otomatisasi.

Menurut penelitian tersebut, upaya untuk menurunkan upah menghapus 60% hingga 90% dari peningkatan produktivitas yang seharusnya diciptakan otomatisasi, menghasilkan apa yang dia gambarkan sebagai pertumbuhan produktivitas yang relatif lemah.

Privasi juga menjadi masalah penting.

Sebuah tim di IMDEA Networks Institute menemukan bahwa sistem AI terkemuka, termasuk ChatGPT, Claude, dan Perplexity AI, menggunakan teknik pelacakan yang dikembangkan oleh Google dan TikTok.

Pelacak ini mungkin mengumpulkan informasi tentang apa yang dibicarakan pengguna, seperti judul obrolan dan alamat web.

Kembaran digital dibentuk dengan menggunakan informasi yang sangat pribadi, seperti pengalaman masa kecil, perilaku, dan hubungan.

Ketika dipasangkan dengan pelacakan pihak ketiga, teknologi ini dapat mengumpulkan dan mengelola volume besar data sensitif.

Industri simulasi AI dan kembaran digital diperkirakan akan mencapai $21,33 miliar pada tahun 2030.

Seiring perusahaan menggunakan semakin banyak versi virtual yang sangat realistis daripada orang nyata, kekhawatiran tentang kehilangan pekerjaan dan privasi semakin meningkat.

Masalah lain adalah seberapa nyata sistem ini bisa terlihat.

Kembaran digital dan alat AI bisa terlihat begitu nyata sehingga beberapa orang bahkan mungkin berpikir bahwa mereka benar-benar sadar atau “hidup.”

Jika Anda membaca ini, Anda sudah selangkah lebih maju. Tetap di sana dengan newsletter kami.