Okumu: Afrika sebaiknya berhenti mengejar AI batas terdepan dan membangun teknologi yang benar-benar dibutuhkan dunia
Kecerdasan buatan mendominasi hampir setiap forum yang saya ikuti minggu ini. Pengaturannya beragam. Ada percakapan di Antler dengan Emmanuel Lubanzadio, Lead Afrika pertama OpenAI. Ada Silicon Xchange 2025, di mana para praktisi dan investor membahas masa depan digital benua tersebut. Ada Qubit Hub, yang mengeksplorasi bagaimana inovasi muncul di bawah keterbatasan.
Ada juga sebuah workshop di Rumah Sakit Nasional Kenyatta mengenai realitas AI dalam kesehatan. Acara-acara ini tidak mengajarkan satu pelajaran yang menyeluruh, tetapi bersama-sama mereka memperjelas pertanyaan sentral. Apa masa depan AI yang seharusnya dituju Afrika?
Kesimpulan yang semakin jelas bagi saya, yang diperkuat tetapi tidak ditentukan oleh diskusi-diskusi ini, adalah bahwa Afrika tidak seharusnya mencoba bersaing dalam lomba global untuk membangun model AI frontier.
Sistem-sistem yang sangat besar ini membutuhkan modal, energi, dan ekosistem penelitian yang jauh melebihi kemampuan sebagian besar negara Afrika. Ini bukanlah kompetisi yang bisa secara bermakna diikuti oleh benua ini, dan mengakui hal itu bukanlah pengakuan kelemahan. Ini adalah awal dari sebuah strategi yang dapat bekerja.
Kebutuhan dan kondisi Afrika berbeda dari yang membentuk prioritas laboratorium pionir. Potensi terbesar AI di benua ini terletak pada penyelesaian masalah praktis yang spesifik terhadap konteks. Ini mencakup tantangan-tantangan yang jarang muncul dalam wacana global tetapi mendefinisikan kehidupan sehari-hari di lembaga publik.
Di sebuah rumah sakit rujukan Kenya, misalnya, seorang radiolog mungkin memeriksa ratusan pemindaian dalam sehari. Beban kerja ini membutuhkan AI yang dirancang untuk triase cepat, konsistensi di bawah tekanan, dan ketahanan dalam lingkungan yang tidak stabil. Sebuah model yang dilatih dalam sistem kesehatan yang sama sekali berbeda tidak dapat diharapkan berkinerja baik di bawah tuntutan tersebut.
Perubahan yang lebih luas dalam AI global juga sejalan dengan kekuatan Afrika. Model-model yang lebih kecil dan lebih efisien, seperti DeepSeek dan Phi, menunjukkan bahwa kemampuan tinggi tidak memerlukan infrastruktur komputasi yang besar. Model-model ini berjalan pada perangkat keras biasa dan melakukan pekerjaan yang baik pada tugas-tugas yang spesifik dan berbasis domain. Efisiensi bukanlah sebuah keterbatasan. Ini secara cepat menjadi batas baru. Afrika berada dalam posisi yang baik untuk arah ini karena telah bertahun-tahun membangun inovasi dengan sumber daya yang terbatas.
Sekarang mungkin untuk menyusun strategi yang koheren daripada sekumpulan aspirasi. Jalur pengembangan AI Afrika harus berlangsung dalam tiga tahap.
Fase pertama adalah memperkuat fondasi. Ini mencakup dataset berbahasa Afrika, dataset medis, dan keahlian domain yang diatur di bawah kerangka nasional atau regional. Kepemilikan dataset bukan hanya tentang pengumpulan. Ini memerlukan tata kelola. Institusi Afrika harus menentukan bagaimana data disimpan, siapa yang dapat mengaksesnya, bagaimana persetujuan dikelola, dan bagaimana nilai kembali kepada masyarakat. Tanpa ini, data menjadi sumber ekstraktif daripada aset nasional.
Fase kedua adalah penyebaran yang ditargetkan di sektor-sektor di mana AI dapat memberikan nilai transformasional. Kesehatan, pertanian, pendidikan, dan keuangan publik adalah kandidat yang segera. Sektor-sektor ini tidak memerlukan model skala depan. Mereka membutuhkan alat-alat yang memahami lingkungan Afrika dan dapat beroperasi secara andal di dalamnya.
Sistem triase kesehatan ibu yang baik atau model deteksi penyakit tanaman akan menyelamatkan lebih banyak nyawa dan menghasilkan nilai ekonomi yang lebih besar daripada upaya untuk meniru pencapaian laboratorium paling depan.
Fase ketiga adalah skala dan ekspor. Setelah Afrika membangun sistem AI yang berjalan di lingkungan paling menantangnya, alat-alat yang sama akan relevan bagi banyak wilayah di dunia yang menghadapi kendala serupa.
Seorang asisten radiologi yang dapat diandalkan di rumah sakit kabupaten di Kenya akan bernilai di bagian-bagian Asia Selatan dan Amerika Latin. Ini bukan hanya jalan menuju kemandirian. Ini adalah jalan menuju kontribusi global.
Penting untuk menjelaskan apa yang termasuk dalam strategi ini dan apa yang tidak. Afrika tidak perlu membangun versi ChatGPT-nya sendiri. Hal itu akan menjadi pemborosan sumber daya yang langka. Namun, Afrika membutuhkan model dasar yang mencakup bahasa dan konteks Afrika.
Model-model tersebut bukanlah simbolis. Mereka adalah infrastruktur. Aspirasi simbolis adalah upaya untuk meniru usaha skala garis depan, bukan membangun fondasi linguistik dan kontekstual yang memungkinkan sistem AI terapan berkembang di seluruh benua.
Ada peningkatan pengakuan secara global bahwa pertumbuhan eksponensial ukuran model tidak dapat terus berlangsung tanpa batas. Biaya energi, tekanan lingkungan dan hasil yang menurun secara bertahap mendorong bidang ini menuju sistem yang ringan dan efisien. Pengalaman panjang Afrika dalam inovasi di bawah keterbatasan bukanlah kelemahan. Ini adalah keunggulan kompetitif dalam bab berikutnya evolusi AI.
Afrika tidak akan mampu menyaingi skala keuangan atau komputasi dari laboratorium utama, dan ini tidak perlu. Benua ini dapat menjadi pemimpin dalam relevansi, efisiensi, dan dampak manusia. Kepemimpinan tidak akan datang dari membangun model terbesar. Kepemimpinan akan datang dari membangun model yang memberikan perbedaan terbesar.
Jika Afrika memilih arah yang benar, standar global berikutnya untuk AI dalam kesehatan dengan sumber daya terbatas mungkin tidak berasal dari Boston atau Beijing, tetapi dari sebuah klinik di Nairobi. Dan itulah jenis kepemimpinan yang dunia siap terima. Sudah ada contoh-contoh seperti ini di luar sana. Kita perlu mendukungnya, ya, tetapi kita membutuhkan banyak lagi dari mereka.
Ahli bedah, penulis, dan pengadvokasi perbaikan kesehatan serta kepemimpinan di Afrika
Posting Komentar