Soal AI, Original Intelligence (OI), dan Transformasi Inklusif

Oleh: Farhan Helmy *

Saya menulis catatan ini bukan sebagai seorang pakar AI, pengembang teknologi AI, ataupun peneliti frontier AI. Saya pengguna AI dan systems practitioner yang dalam pekerjaan sehari-hari menggunakan dan mengeksplorasi berbagai perangkat dan mengintegrasikannya. Sesuatu yang dimasa lalu sulit dillakukan apalagi dengan volume dan data yang beragam baik spasial, non spatial baik yang berstruktur maupun tidak.  GeoAI diantara yang intensif saya gunakan untuk menghasilkan data yang saya integrasikan dengan system dynamics dan perangkat analisis kuantitatif dan kuantitatif lainnya  untuk mendukung pekerjaan terkait perubahan iklim, keberlanjutan, kesetaraan gender, disabilitas, dan inklusi sosial (GEDSI), dan pengembangan inovasi sosial.

GeoAI mampu mengabungkan AI, machine learning dengan sistem informasi geografik (GIS) untuk mengautomasi analisis spaial dan menyelesaikan berbagai persoalan kompleks yang berbasis lokasi. Lebih dari sekedar metoda konvensional yang menghubungkannya melalui application programming interface (API), tetapi melalui model context protocol (MCP) yang memungkinkan penggunaan terhubung pada berbagai data eksternal, perankat analisis dan alur proses (workflow). Hal ini dimungkinkan karena semakin tersediannya komputer pribadi/Notebook yang dibekali kemampuan sekelas super computer.

Karena itu, tulisan ini lebih merupakan refleksi seorang pengguna: apa yang terjadi ketika AI semakin masuk ke dalam pekerjaan dan kehidupan kita, infrastruktur apa yang dibutuhkan untuk menopangnya, pengetahuan seperti apa yang dihasilkannya, dan siapa yang memperoleh manfaat serta memiliki “agensi” dalam transformasi tersebut?

Pertanyaan tersebut menjadi semakin relevan ketika kita melihat perkembangan data center di Indonesia. Pada September 2026, Kementerian ESDM memproyeksikan kebutuhan listrik industri data center di Indonesia dapat mencapai sekitar 32 GW pada 2032, atau meningkat lebih dari lima kali lipat dalam lima tahun. Pemerintah juga melihat potensi investasi data center sekitar USD15–20 miliar dalam tiga hingga lima tahun mendatang. Angka sebesar ini menunjukkan bahwa data center bukan lagi sekadar isu industri digital. Perkembangannya berhubungan langsung dengan sistem kelistrikan, sumber energi, penggunaan sumber daya, transisi rendah karbon, dan arah pembangunan Indonesia.

Di Jawa Barat, persoalan tersebut menjadi semakin konkret melalui CGK4 di Jatiluhur, Purwakarta. BDx menyatakan kompleks AI tersebut dirancang mencapai 640 MW kapasitas IT dengan dukungan 845 MVA pasokan jaringan PLN. Pembangunannya direncanakan bertahap, dengan gedung pertama berkapasitas hingga 120 MW; lokasinya sekitar lima kilometer dari Bendungan Jatiluhur, dan pengembang menyatakan sedang mengupayakan jalur pasokan listrik yang lebih rendah karbon, termasuk kemungkinan tenaga hidro. Skala seperti ini menunjukkan mengapa pembicaraan mengenai data center perlu bergerak melampaui investasi dan kebutuhan komputasi. Kita juga perlu membicarakan energi, air, lahan, material, emisi, ekosistem, infrastruktur kelistrikan, manfaat ekonomi, serta hubungan fasilitas berskala besar tersebut dengan masyarakat dan wilayah tempat ia berada.

Namun, saya tidak melihat persoalan ini sebagai pilihan diametral antara menerima atau menolak data center. Perkembangan ilmu pengetahuan dan teknologi, termasuk AI, akan terus berlangsung dan kebutuhan komputasi akan ikut berkembang. Yang dapat kita lakukan adalah memahami dan mengelola konsekuensinya, baik peluang maupun risikonya, serta memastikan bahwa perkembangan tersebut ikut memperkuat kapasitas pengetahuan dan teknologi, transisi energi, inovasi lokal, perlindungan lingkungan, penciptaan pekerjaan, dan manfaat yang lebih luas bagi masyarakat.

Tulisan singkat ini karena itu bukan dimaksudkan untuk memberikan penilaian teknis terhadap proyek data center tertentu. Saya ingin menggunakannya untuk memperluas percakapan: dari pertanyaan mengenai berapa besar energi dan sumber daya yang dikonsumsi AI, menuju pertanyaan yang sama pentingnya mengenai apa yang dapat kita transformasikan dengan AI, pengetahuan dan kemampuan apa yang perlu kita bangun sendiri, siapa yang memperoleh manfaat ekonomi, dan siapa yang memiliki agency dalam menentukan arah transformasi tersebut. Dari titik inilah saya mencoba menghubungkan data center dengan perubahan iklim, En-ROADS, Original Intelligence (OI), GeoAI, teknologi asistif, rantai nilai, tenaga kerja, community intelligence, dan transformasi inklusif.

Melihat AI dari Dua Arah

Di balik setiap interaksi kita dengan AI terdapat infrastruktur fisik yang membutuhkan listrik, air, lahan, mineral, perangkat keras, jaringan, dan rantai pasok yang kompleks. Namun, hubungan AI dengan lingkungan tidak hanya bekerja dalam satu arah. AI juga berpotensi membantu meningkatkan efisiensi energi, integrasi energi terbarukan dan penyimpanan energi, pengelolaan air, pengurangan metana, pemantauan hutan dan penggunaan lahan, serta berbagai proses analisis dan pengambilan keputusan.

Karena itu, saya melihat ada dua pertanyaan yang perlu diuji secara bersamaan: bagaimana kita mentransformasi AI agar lebih efisien dan berkelanjutan, dan bagaimana kita menggunakan AI untuk membantu mentransformasi sistem yang lebih luas? Dengan kata lain, kita perlu melihat sekaligus transforming AI dan transforming with AI.

Melalui En-ROADS, saya mencoba mengeksplorasi kedua arah tersebut. En-ROADS kini memisahkan data center sebagai sektor pengguna akhir (end user) tersendiri dari industri tradisional. Hal ini memungkinkan pengguna melihat kebutuhan energi dan emisi data center secara eksplisit serta menguji asumsi mengenai pertumbuhan sektor, peningkatan efisiensi, dan kemungkinan pengaruh AI terhadap perekonomian yang lebih luas. Climate Interactive juga menjelaskan bahwa kategori tersebut tidak hanya mencakup AI, tetapi aktivitas komputasi lain yang dilakukan melalui data center.

Namun, berbagai aplikasi AI untuk solusi iklim tidak dimodelkan sebagai satu intervensi AI tersendiri dalam En-ROADS. Climate Interactive menempatkan AI-climate solutions di luar cakupan langsung fitur tersebut. Karena itu, kemungkinan AI membantu mempercepat efisiensi energi, energi terbarukan, penyimpanan energi, pengurangan metana, pemantauan lingkungan, atau solusi lainnya perlu dieksplorasi melalui kombinasi levers, asumsi, data, dan perangkat analisis lain.

Bagi Indonesia, pertanyaannya kemudian bukan hanya seberapa besar kebutuhan listrik data center, tetapi bagaimana pertumbuhan kapasitas komputasi berinteraksi dengan NDC, strategi iklim jangka panjang, perencanaan energi, pengelolaan sumber daya, dan agenda pembangunan. Indonesia telah menyampaikan Second National Determined Contribution (2nd NDC) kepada UNFCCC pada 27 Oktober 2025. Dalam konteks tersebut, menurut saya menarik untuk terus menguji perkembangan AI dari kedua arah: sebagai sumber pertumbuhan kebutuhan energi dan sumber daya, sekaligus sebagai teknologi yang berpotensi membantu mempercepat implementasi berbagai target capaian sektor.

Dari Artificial Intelligence menuju Original Intelligence

Semakin jauh saya menggunakan dan mengeksplorasi AI, saya justru kembali pada pertanyaan yang lebih mendasar: apakah kita sedang menghasilkan lebih banyak kecerdasan, mereproduksi pengetahuan yang sudah ada, atau sekadar menghasilkan semakin banyak informasi?

Dari sinilah saya mulai menggunakan istilah Original Intelligence (OI) sebagai konsep kerja untuk menggambarkan pengetahuan yang tetap berakar pada pengalaman hidup, observasi, pengetahuan komunitas, data autentik, bukti ilmiah, serta interpretasi manusia yang dapat dipertanggungjawabkan. OI bukan teknologi tandingan bagi AI, dan saya juga tidak menggunakannya sebagai kategori ilmiah yang telah mapan. Bagi saya, OI merupakan cara untuk mengingatkan bahwa pengetahuan yang bermakna harus tetap memiliki hubungan dengan realitas.

AI dapat membantu menemukan pola tersembunyi, menghubungkan bukti yang selama ini terfragmentasi, melakukan analisis dan pemodelan, memvisualisasikan hubungan, serta membantu menghasilkan pemahaman baru. Bahkan ketika AI membantu kita mengolah kembali pengetahuan yang sudah ada, proses menghubungkan, membandingkan, dan mensintesis pengetahuan tersebut dapat menghasilkan pemahaman baru. Persoalan pentingnya bukan semata-mata apakah AI digunakan atau tidak, melainkan apakah pengetahuan yang dihasilkan tetap autentik, dapat ditelusuri, dan terhubung dengan realitas.

Dalam pengertian ini, AI dapat memperkuat Original Intelligence, tetapi tidak menggantikan pengalaman, observasi, pengetahuan komunitas, dan tanggung jawab manusia dalam menafsirkan serta menggunakan pengetahuan tersebut.

Gambar 1.  Dari Original Intelligence menuju Transformasi Inklusif.

Kerangka ini menempatkan Original Intelligence (OI) (pengalaman hidup, pengetahuan komunitas, observasi, dan data autentik) sebagai penghubung antara realitas dan penggunaan AI. AI berfungsi sebagai alat untuk menemukan pola, menghubungkan bukti, menganalisis, memodelkan, memvisualisasikan, dan membantu menghasilkan insights bagi pengambilan keputusan. Keputusan kemudian memengaruhi realitas dan menghasilkan pengalaman, data, serta pengetahuan baru melalui suatu feedback loop. Proses tersebut dipandu oleh co-benefits, equity, agency, dan authenticity, serta didukung ekosistem data dan komputasi pada berbagai skala, dari hyperscale hingga community data and intelligence nodes. Sumber: ASCODI™ (2026).

Gambar ini mencoba menggambarkan kerangka awal yang sedang kami eksplorasi di ASCODI™: Reality → Original Intelligence → AI as a Tool → Insights & Evidence → Better Decisions → Inclusive Transformation. Kerangka ini sengaja dimulai dari realitas, bukan dari AI. AI ditempatkan sebagai alat untuk membantu manusia dan komunitas menemukan pola, menghubungkan bukti, menganalisis, memodelkan, memvisualisasikan, dan mengomunikasikan pengetahuan untuk mendukung pengambilan keputusan.

Dari Teknologi Asistif menuju Rantai Nilai Inklusif

Perspektif tersebut menjadi sangat relevan ketika kita berbicara mengenai teknologi asistif. Pertanyaannya bukan hanya apakah AI dapat membantu mempercepat pengembangan kursi roda, perangkat rehabilitasi, teknologi komunikasi, sistem navigasi, atau berbagai teknologi pendukung lainnya agar semakin sesuai kebutuhan dan lebih terjangkau. Kita juga perlu melihat apakah berkembangnya AI dan kapasitas komputasi dapat membantu membangun ekosistem dan rantai nilai teknologi asistif yang lebih kuat dan inklusif,  termasuk penelitian, desain, pengujian dan produksi hingga distribusi, pemeliharaan, layanan, pembiayaan, dan pengembangan keterampilan.

Dalam ekosistem tersebut, penyandang disabilitas dan lansia tidak seharusnya ditempatkan hanya sebagai konsumen atau penerima manfaat. Pengalaman hidup mereka merupakan bagian penting dari Original Intelligence yang diperlukan untuk menghasilkan teknologi yang benar-benar relevan. Mereka dapat berpartisipasi sebagai co-designer, peneliti, penguji, inovator, pekerja, wirausahawan, penyedia layanan, dan pelaku rantai pasok (supply chain). Dengan demikian, prinsip Nothing About Us Without Us dapat bergerak lebih jauh dari konsultasi menuju partisipasi dalam penciptaan pengetahuan, teknologi, pekerjaan, dan nilai ekonomi.

Ini juga menjadi salah satu alasan saya melihat investasi dalam infrastruktur komputasi dari perspektif yang lebih luas. Jika kapasitas komputasi berkembang sangat cepat, pertanyaannya bukan hanya berapa megawatt yang dapat kita sediakan, tetapi kemampuan apa yang tumbuh bersamanya: riset lokal, keterampilan, perusahaan teknologi, produk dan layanan yang lebih terjangkau, pekerjaan yang layak, serta kesempatan bagi kelompok yang selama ini kurang terwakili untuk ikut memasuki dan membentuk rantai nilai tersebut.

Melihat Dampak Melampaui Project Delivery

Perspektif yang sama memengaruhi cara saya melihat dampak. Monitoring dan evaluasi konvensional tetap diperlukan untuk mengukur aktivitas, output, penggunaan sumber daya, dan indikator yang telah ditetapkan. Berbagai metodologi evaluasi sebenarnya dapat digunakan untuk menelusuri perubahan yang lebih luas, tetapi dalam praktiknya routine project monitoring sering kali berfokus pada batas waktu, indikator, dan lingkup proyek yang telah ditentukan.

Padahal perubahan sosial dapat berkembang melampaui batas formal tersebut: hubungan baru terbentuk, pengetahuan menyebar, kolaborasi berkembang, institusi berubah, praktik direplikasi, komunitas mengambil inisiatif baru, dan dampak tertentu baru terlihat setelah proyek selesai. Di sinilah saya melihat potensi kombinasi Original Intelligence, data autentik, AI, dan systems thinking untuk membantu menemukan hubungan, pola, dan sinyal perubahan yang tersebar di berbagai sumber bukti.

AI tentu tidak dengan sendirinya dapat membuktikan bahwa sebuah proyek menyebabkan perubahan tertentu. Namun, AI dapat membantu kita memperluas bukti yang diperiksa, menghubungkan informasi yang sebelumnya terpisah, dan menemukan pertanyaan baru, sementara systems thinking membantu memahami jalur perubahan dan interaksinya dalam sistem yang lebih luas. Interpretasi, atribusi, dan penilaian dampaknya tetap membutuhkan metodologi, konteks, verifikasi, dan akuntabilitas manusia.

Gambar 2. Mengeksplorasi AI dan Data Center melalui simulasi En-ROADS

Skenario ini mengeksplorasi kebutuhan energi dan emisi data center dalam transformasi sistem energi dan iklim yang lebih luas. Kombinasi berbagai climate levers menghasilkan sekitar +2,0°C pada 2100, sementara emisi CO₂ terkait energi dari data center menurun secara substansial dibandingkan baseline. Gambar ini sekaligus membuka pertanyaan ke arah sebaliknya: sejauh mana AI dapat membantu mempercepat implementasi efisiensi energi, energi terbarukan, penyimpanan energi, pengurangan metana, pemantauan lingkungan, dan solusi lainnya? Dampak tersebut tidak dimodelkan sebagai satu intervensi AI tersendiri dalam En-ROADS dan karena itu perlu dieksplorasi melalui berbagai levers, asumsi, data, dan perangkat analisis lainnya. Skenario ini bersifat eksploratif, bukan prediktif, dan tetap menempatkan aspirasi 1,5°C Persetujuan Paris sebagai rujukan yang lebih luas. Sumber: En-ROADS, Climate Interactive/MIT Sloan; skenario dikembangkan oleh Farhan Helmy (2026).

Gambar kedua ini membawa sebagian pemikiran tersebut ke dalam eksplorasi sistem iklim menggunakan simulasi En-ROADS (Energy–Rapid Overview and Decision-Support). Dalam skenario yang saya kembangkan, kombinasi berbagai intervensi iklim menghasilkan sekitar +2,0°C pada 2100, sementara emisi CO₂ terkait energi dari data center menurun secara substansial dibandingkan baseline. Ini bukan prediksi dan bukan pula usulan untuk mengganti aspirasi 1,5°C dalam Persetujuan Paris. Saya menggunakannya sebagai skenario eksploratif untuk memahami bagaimana data center berada di dalam sistem energi, ekonomi, dan iklim yang jauh lebih besar.

En-ROADS merupakan model global dan tidak dimaksudkan untuk menjawab secara langsung seluruh persoalan lokal di sekitar sebuah data center. Climate Interactive secara eksplisit menempatkan dampak lokal, lingkungan dan keadilan serta AI-climate solutions di luar atau sebagian di luar cakupan fitur pemodelan tersebut. Bagi saya, justru di sinilah analisis global perlu dipertemukan dengan GeoAI, data lokal, community-generated data, systems modelling, dan pengalaman komunitas. Kita dapat mengeksplorasi sistem secara global, memperluas analisisnya ke hubungan sosial dan lingkungan yang lebih kompleks, kemudian melokalkannya kembali pada tempat dan komunitas tempat perubahan benar-benar terjadi.

Global South: Bukan Hanya Menjadi “Pelanggan”

Bagi negara-negara berkembang (Global South), saya melihat peluang yang jauh lebih besar daripada sekadar menjadi konsumen AI, pemasok data dan sumber daya, atau lokasi pembangunan data center. Pertanyaannya adalah apakah berkembangnya infrastruktur komputasi dapat sekaligus memperkuat ekosistem pengetahuan, riset, inovasi, industri, dan pekerjaan lokal; membantu kita mengembangkan teknologi yang lebih terjangkau; serta membuka ruang yang lebih besar bagi komunitas,  termasuk penyandang disabilitas dan lansia, untuk ikut menghasilkan pengetahuan, mengembangkan teknologi, berpartisipasi dalam rantai nilai, dan memperoleh manfaat ekonomi yang tercipta.

Untuk memperluas dialog tersebut, termasuk melalui keterlibatan saya sebagai Founding Member Atlas AI Institute Global South Coalition, saya menuangkan pemikiran yang lebih lengkap dalam artikel berbahasa Inggris berjudul “AI × Environment in the Global South: From Data Centers and En-ROADS to Original Intelligence, Inclusive Transformation and Community Agency.” Artikel tersebut membahas lebih luas pandangan saya mengenai bagaimana negara-negara Global South dapat merespons perkembangan AI bukan dengan menutup diri terhadap kemajuan ilmu pengetahuan dan teknologi, tetapi dengan memastikan bahwa transformasi tersebut tidak menyingkirkan manusia dan komunitas, melainkan memperluas kesempatan, kapasitas, dan partisipasi mereka.

Bagaimanapun, perkembangan ilmu pengetahuan dan teknologi tidak mungkin, dan menurut saya juga tidak perlu kita bendung. Yang dapat kita lakukan adalah memahami dan mengelola konsekuensinya, baik peluang maupun risikonya, serta berupaya agar manfaat yang dihasilkan dapat dinikmati secara lebih luas. Ini berarti melihat lebih jauh dari persoalan teknologi dan infrastruktur menuju pertanyaan mengenai pengetahuan, lingkungan, pekerjaan, rantai nilai, aksesibilitas, dan siapa yang memiliki ruang untuk ikut menentukan arah transformasi.

Yang lebih penting, masyarakat di Global South seharusnya tidak hanya diposisikan sebagai “pelanggan” atau konsumen teknologi, platform, dan layanan AI yang dikembangkan di tempat lain. Kita perlu memperluas ruang agar warga dan komunitas menjadi subjek dan pelaku transformasi, sebagai produsen dan pengelola pengetahuan dan data, peneliti, co-designer, inovator, pekerja, wirausahawan, pengembang solusi, serta pengambil keputusan. Bagi saya, di sinilah Original Intelligence, agency, dan transformasi inklusif menjadi penting: bagaimana AI dapat memperkuat kapasitas manusia dan komunitas, bukan secara perlahan menggantikan mereka atau membuat mereka semakin bergantung.

Dua gambar yang saya sertakan masih merupakan bagian dari proses berpikir dan eksplorasi yang terus berkembang melalui ASCODI Lab, penggunaan En-ROADS, dan berbagai kerja kolaboratif yang saya lakukan. Saya membagikan catatan ini bukan sebagai jawaban akhir terhadap perdebatan data center, apalagi sebagai klaim bahwa saya memiliki jawaban tentang masa depan AI. Saya menuliskannya sebagai seorang pengguna AI dan systems practitioner yang mencoba memahami implikasi teknologi tersebut melalui persoalan-persoalan nyata.

Pertanyaan yang ingin saya ajukan adalah: transformasi seperti apa yang ingin kita bangun dari berkembangnya AI dan kapasitas komputasi? AI tetaplah sarana, bukan tujuan. Pada akhirnya yang kita perlukan adalah pengetahuan yang lebih baik, agency yang lebih kuat, kesempatan yang lebih luas, pengambilan keputusan yang lebih inklusif, dan kehidupan yang lebih baik. Artikel lengkap berbahasa Inggris akan saya bagikan segera, dan komentar serta masukan sangat saya nantikan.

Tentang Penulis

* Farhan Helmy adalah systems thinker, advokat iklim dan disabilitas, serta Founder & CEO ASCODI Lab (Advanced Systems Computing, Design and Innovation Laboratory). Ia juga Founder Thamrin School of Climate Change and Sustainability dan President DILANS Indonesia, Lead Asia-Africa Inclusive Nexus Network (AAINN), Founding Member Atlas AI Institute Global South Coalition, dan En-ROADS Climate Ambassador. Pekerjaannya menghubungkan systems modelling, tata kelola iklim, GEDSI, GeoAI, data berbasis komunitas, aksesibilitas, teknologi asistif, dan inovasi inklusif.

Catatan Penulis

Tulisan ini merupakan refleksi pribadi dari perspektif saya sebagai pengguna AI, systems practitioner, serta advokat iklim dan disabilitas, bukan sebagai pengembang teknologi AI atau peneliti frontier AI. Dalam berbagai pekerjaan melalui ASCODI Lab dan jejaring kolaborasi lainnya, saya menggunakan dan mengeksplorasi beragam perangkat, termasuk generative AI, GeoAI, GIS, systems modelling, community-generated data, accessibility mapping, dan berbagai pendekatan analitik, untuk membantu memahami persoalan nyata dan mendukung proses pengambilan keputusan. Karena itu, gagasan yang disampaikan di sini merupakan refleksi praktis dan eksplorasi konseptual yang masih berkembang, bukan klaim untuk menawarkan teori AI baru ataupun kerangka yang telah tervalidasi secara universal.

Tulisan ini diadaptasi dan diringkas dari artikel berbahasa Inggris “AI × Environment in the Global South: From Data Centers and En-ROADS to Original Intelligence, Inclusive Transformation and Community Agency.” Istilah Original Intelligence (OI) saya gunakan sebagai konsep kerja, bukan sebagai kategori ilmiah yang telah mapan atau teknologi alternatif terhadap AI. OI membantu menggambarkan pentingnya menjaga hubungan antara AI dengan pengalaman hidup, observasi, pengetahuan komunitas, data autentik, bukti ilmiah, dan interpretasi manusia yang dapat dipertanggungjawabkan.

Kerangka AI × Environment, OI, dan gagasan mengenai Community Data & Intelligence Nodes masih terus dieksplorasi melalui ASCODI Lab dan berbagai kolaborasi. Skenario sekitar +2,0°C dikembangkan oleh penulis menggunakan En-ROADS untuk tujuan eksplorasi, bukan sebagai prediksi ataupun posisi resmi Climate Interactive/MIT Sloan. Demikian pula, pandangan mengenai Global South dan tata kelola AI dalam tulisan ini merupakan pandangan pribadi penulis dan tidak dimaksudkan untuk mewakili posisi resmi organisasi atau jejaring yang disebutkan.