Ilusi "Oracle Digital": Mengapa AI dalam Keselamatan Kerja Tetap Menjadi Kalkulator, Bukan Pakar

Industri Keselamatan, Kesehatan Kerja, dan Lingkungan (HSE) berada di bawah tekanan besar. Tekanan ini tidak hanya datang dari regulator, tetapi juga dari apa yang disebut "hype teknologi". Manajemen puncak, yang terkesan dengan presentasi tentang transformasi digital, menuntut penerapan kecerdasan buatan (AI) segera. Muncul ilusi berbahaya: seolah-olah algoritma adalah "tombol ajaib" yang akan langsung menghilangkan faktor manusia dan menekan angka kecelakaan hingga nol.

Namun, di balik versi demo yang indah, tersembunyi pergantian konsep yang mendasar. Pasar menjual AI sebagai "kecerdasan" (entitas yang memahami), padahal secara teknis ia tetaplah kalkulator probabilitas yang kuat. Dalam proses di mana harga sebuah kesalahan adalah nyawa manusia, kebingungan ini dapat menyebabkan konsekuensi yang parah. Kita berisiko menghadapi kekecewaan besar ketika realitas statistik matematika berbenturan dengan kekacauan produksi di dunia nyata.

Saya tidak memaksakan pendapat kepada siapa pun, melainkan berbagi pengalaman sebagai seseorang yang secara aktif menerapkan dan bekerja dengan AI sejak awal tahun 2024.

Masalah Konteks: AI Tidak Melihat Esensi

Perbedaan utama antara manajer berpengalaman dan jaringan saraf tiruan adalah pemahaman tentang konteks. Seorang pakar dapat membaca "sinyal lemah": kegugupan dalam suara, kelelahan kru, dan tanda-tanda penyimpangan yang tidak terlihat jelas. Kecerdasan buatan bekerja secara berbeda — ia terkurung dalam kerangka model matematika.

Sistem visi komputer tidak memahami apa itu "pelanggaran". Sistem ini hanya melihat sekumpulan piksel dan membandingkannya dengan sampel. Bagi algoritma, pantulan cahaya pada helm dan tidak adanya helm hanyalah sekadar data. Dari sinilah muncul risiko "kebutaan metrik". Jika kontrol sepenuhnya dipercayakan pada algoritma, perusahaan akan mendapatkan laporan yang sempurna dan grafik hijau, sementara budaya keselamatan yang sebenarnya akan terdegradasi. AI akan mengoptimalkan angka, mengabaikan ancaman nyata yang tidak terdigitalisasi.

Paradoks Efisiensi dan Biaya Tersembunyi

Pengalaman dalam menerapkan model generatif dan sistem analitik memungkinkan kita untuk merumuskan aturan 70/30, yang memiliki ekspresi finansial yang jelas. 70% pekerjaan pertama — membuat draf dokumen, analisis video awal — dilakukan AI secara instan. Hal ini menciptakan efek wow dan ilusi penghematan.

Namun, sisa 30% — menyempurnakan hasil dan memverifikasi akurasi — membutuhkan sumber daya yang sangat besar. Ini adalah biaya implementasi tersembunyi yang tidak disebutkan oleh vendor. Penghematan di awal berubah menjadi biaya berlipat ganda untuk penyempurnaan, validasi, dan dukungan sistem. Manajemen harus memahami: seorang karyawan yang sebelumnya menghabiskan satu jam untuk menulis instruksi, kini menghabiskan satu jam yang sama untuk memperbaiki kesalahan AI. Ini bukan pengurangan dana gaji, melainkan perubahan aktivitas: alih-alih berkreasi, spesialis tersebut terlibat dalam kontrol tanpa akhir terhadap mesin.

Risiko Baru dan Harga Sebuah Kesalahan

Penerapan AI membawa ancaman yang tidak hanya berdimensi teknis, tetapi juga finansial yang sangat besar. Kesalahan jaringan saraf tiruan yang menyebabkan insiden bukanlah sekadar kegagalan kode. Ini berarti tuntutan hukum, denda, penghentian produksi, dan anjloknya harga saham.

Pertama, ada "halusinasi" sistem. Model generatif dapat mengarang fakta secara meyakinkan, merujuk pada standar yang tidak ada. Penerapan peraturan semacam itu batal demi hukum, dan konsekuensinya bagi bisnis bisa berakibat fatal.

Kedua, pewarisan kesalahan. Algoritma adalah cermin dari data. Jika sebuah perusahaan telah menyembunyikan insiden kecil selama bertahun-tahun, AI akan belajar menganggap hal ini sebagai norma dan akan melewatkan kecelakaan yang sebenarnya.

Ketiga, kebocoran data. Mengunggah dokumentasi internal ke chatbot berbasis cloud membuat data menjadi publik. Sejak Mei 2025, lebih dari 600 kasus pidana terkait kebocoran data telah mengonfirmasi bahwa kerahasiaan menjadi semakin rentan.

Apa yang Harus Dilakukan? Prinsip Implementasi yang Bertanggung Jawab

Diagnosisnya jelas, tetapi bagaimana para praktisi harus bertindak? Agar penerapan AI tidak menjadi bencana, perlu mengikuti empat prinsip "kebersihan digital".

Prinsip "Manusia dalam Lingkaran" (Human-in-the-Loop). Tidak boleh ada otonomi penuh di area kritis. Setiap keputusan AI — baik itu pengenaan denda atau izin kerja — harus diverifikasi oleh seorang pakar. Otomatisasi adalah bantuan bagi manusia, bukan untuk menyingkirkannya. AI menawarkan hipotesis, pakar yang membuat keputusan.

Prinsip "Peningkatan Kematangan Teknologi Tim". AI tidak akan berhasil di lingkungan di mana orang-orang takut pada teknologi, tidak memahami tujuannya, atau menganggapnya sebagai ancaman. Tim harus melalui "peningkatan": literasi digital dasar, pemahaman tentang prinsip kerja AI, keterampilan dalam menafsirkan kesimpulan model, dan tanggung jawab atas dialog dengan sistem. Tim yang matang adalah asuransi terhadap kesalahan dan kunci agar AI menjadi alat, bukan sumber kekacauan baru.

Prinsip "Implementasi Bertahap". Jangan mulai dengan sistem yang mempertaruhkan nyawa manusia. Mulailah dengan tugas-tugas pendukung. Biarkan AI mencari pola tersembunyi dalam arsip kecelakaan, menyusun draf laporan standar, atau memeriksa kelengkapan kotak P3K. Uji coba teknologi di area di mana harga sebuah kesalahan adalah waktu, bukan kesehatan.

Prinsip "Audit Data". Sebelum "memberi makan" data ke algoritma, lakukan revisi yang ketat. Apakah ada budaya diam di perusahaan? Jika ya, maka data "kotor" akan merusak model apa pun, bahkan yang paling sempurna sekalipun. Membersihkan data dari bias adalah langkah wajib sebelum peluncuran.

Strategi Masa Depan: Dari Penggantian ke Penguatan

Ketakutan terbesar para spesialis — degradasi keterampilan dan kehilangan pekerjaan — didasarkan pada premis yang salah. Kita perlu mengubah paradigma dari AI (Kecerdasan Buatan) menjadi IA (Penguatan Kecerdasan).

AI tidak boleh menggantikan pakar HSE. Ia harus menjadi "eksoskeleton" bagi pikiran — asisten super yang memproses berton-ton data mentah, menyisakan konsentrat murni bagi manusia untuk membuat keputusan. Alih-alih degradasi, kita akan menghadapi transformasi keterampilan. Peran-peran baru bermunculan: spesialis yang akan menjadi jembatan antara dunia algoritma dan produksi nyata. Merekalah yang akan bertanggung jawab untuk memastikan bahwa "digital" secara memadai menggambarkan realitas fisik di lapangan.

Kesimpulan

Kecerdasan buatan dalam HSE bukanlah "pil ajaib", melainkan alat yang kompleks, mahal, dan berpotensi berbahaya yang membutuhkan budaya operasional tingkat tinggi. Investasi dalam AI tidak ada artinya tanpa investasi paralel pada manusia — pada keahlian mereka dan kemampuan untuk mengajukan pertanyaan yang tepat kepada sistem.

Masa depan keselamatan bukan milik mereka yang membeli algoritma yang paling banyak diiklankan, melainkan mereka yang mampu membangun simbiosis antara manusia dan mesin. Di mana logika dingin kalkulator melayani pikiran hangat seorang pakar, tanpa menggantikannya. Dan kini, pada isu-isu membangun budaya keselamatan industri, ditambahkan tugas baru yang tak terelakkan — budaya bekerja dengan AI. Bukan sekadar menerapkan sistem, melainkan mengintegrasikannya ke dalam konteks hidup perusahaan: ke dalam proses, pelatihan, tanggung jawab, dan kebiasaan sehari-hari tim.

Organisasi yang belajar menggabungkan budaya profesional dan kematangan digital-lah yang akan benar-benar mengelola risiko, bukan hanya di atas kertas. Sebelum menerapkan AI, tanyakan pada diri Anda pertanyaan utama: apakah Anda siap bertanggung jawab atas keputusan yang tidak sepenuhnya Anda pahami, dan apa yang harus dilakukan untuk mencapai pemahaman tersebut?