Angka 10 miliar selalu punya daya tarik tersendiri. Ketika CEO Nvidia Jensen Huang menyebut angka itu dalam pidato kuncinya di GTC 2026—meramalkan bahwa kelak akan ada 10 miliar agen AI digital yang bekerja berdampingan dengan pekerja manusia—berita pun menyebar cepat . Media besar menyorot kemitraan Nvidia dengan ServiceNow, platform orkestrasi untuk agen AI di lingkungan perusahaan, serta visi Huang tentang “inflection point of inference” yang akan mengubah cara kerja dunia .

Namun di balik gemerlap panggung SAP Center di San Jose, ada lapisan-lapisan cerita yang nyaris tak tersentuh. Pemberitaan arus utama cenderung fokus pada tiga hal: seberapa besar pasar AI agent nantinya, produk-produk anyar Nvidia seperti Vera Rubin dan OpenClaw, serta bagaimana ServiceNow akan menjadi “menara kendali” bagi agen-agen tersebut .

Padahal, jika dicermati lebih dalam, prediksi 10 miliar agen AI membawa serta pertanyaan-pertanyaan fundamental yang justru lebih menentukan apakah masa depan itu benar-benar akan terwujud—atau hanya akan menjadi gelembung lain di industri teknologi.

Nasib Pekerja Entry-Level di Era Agen AI

Salah satu aspek yang paling sedikit dibahas dalam pemberitaan GTC 2026 adalah dampak agen AI terhadap struktur tenaga kerja, khususnya di level pemula. Padahal, data dari lembaga riset terkemuka sudah mulai menunjukkan tren yang mengkhawatirkan.

Menurut laporan IDC bertajuk Work Rewired: Navigating the Human-AI Collaboration Wave yang dirilis awal tahun ini, 66% perusahaan global telah mengurangi perekrutan di level entry-level seiring dengan penerapan AI . Lebih dari itu, 91% organisasi melaporkan bahwa peran-peran yang ada telah berubah atau terotomatisasi sebagian.

Yang menarik, IDC mencatat bahwa tugas-tugas junior yang bersifat rutin—jenis pekerjaan yang selama ini menjadi batu loncatan karier bagi lulusan baru—adalah yang paling cepat menghilang . Sementara itu, permintaan justru tumbuh untuk peran-peran yang dapat merancang, mengawasi, dan terus meningkatkan alur kerja yang dijalankan AI.

“Ini bukan soal apakah AI akan mengambil pekerjaan, tapi seberapa cepat organisasi dan keterampilan kita dapat beradaptasi,” tulis Meike Escherich, Associate Research Director di IDC .

Prof. Budi Rahardjo, pakar keamanan siber dan pengamat teknologi dari Institut Teknologi Bandung, dalam diskusi terpisah menyoroti bahwa pergeseran ini menciptakan paradoks. “Di satu sisi, perusahaan mengeluh sulit mencari talenta senior yang berpengalaman. Di sisi lain, mereka mengurangi posisi entry-level yang selama ini menjadi tempat talenta junior belajar dan berkembang,” ujarnya.

Pertanyaan yang jarang diajukan: jika agen AI mengambil alih pekerjaan rutin yang dulu dilakukan staf junior, dari mana perusahaan akan mendapatkan tenaga kerja senior di masa depan?

Kesenjangan Antara Visi dan Kesiapan Perusahaan

Huang dengan percaya diri menyatakan bahwa “setiap perusahaan kini membutuhkan strategi OpenClaw” . Namun pemberitaan nyaris tidak menyentuh realitas di lapangan: sebagian besar perusahaan belum siap.

Data dari 2026 CIO Insight yang dirilis oleh publikasi teknologi Taiwan, CIO Taiwan, mengungkapkan fakta menarik. Meskipun 48% perusahaan menganggap penerapan agen AI dalam setahun ke depan “absolut diperlukan” atau “seharusnya diterapkan”, kenyataan di lapangan berbicara lain .

Yang pertama: waktu persiapan yang panjang. Survei terhadap para CIO menunjukkan bahwa 67% perusahaan memperkirakan dibutuhkan waktu lebih dari enam bulan untuk membuat agen AI benar-benar dapat menjalankan proses secara otomatis. Bahkan, 10% di antaranya meyakini proses ini akan memakan waktu lebih dari dua tahun .

Kedua: preferensi untuk membangun sendiri. Alih-alih mengandalkan vendor besar seperti ServiceNow atau Microsoft, 19% perusahaan justru memilih untuk membangun agen AI secara internal. Angka ini lebih tinggi dibandingkan yang mengandalkan integrator sistem (15%) atau platform cloud (15%) .

“Ini menunjukkan bahwa perusahaan ingin memegang kendali atas ‘otak’ dan data inti mereka,” tulis CIO Taiwan dalam analisisnya . “Mereka tidak ingin terikat pada vendor tertentu di ranah yang masih sangat baru ini.”

Ketiga: fokus awal yang berbeda. Jika membaca pemberitaan, kesan yang muncul adalah agen AI akan langsung diterjunkan ke lini depan bisnis—penjualan, pemasaran, atau layanan pelanggan. Namun data menunjukkan sebaliknya. Prioritas utama penerapan agen AI justru ada di area internal: administrasi dan dukungan karyawan (21%), diikuti oleh pekerjaan pengetahuan dan penggabungan data kompleks (20%), serta IT service desk (18%) .

Dengan kata lain, perusahaan lebih dulu ingin agen AI membantu urusan dalam rumah—seperti menjawab pertanyaan HR atau mereset kata sandi karyawan—sebelum mereka dipercaya menangani pelanggan eksternal. Ini adalah nuansa yang nyaris absen dari pemberitaan utama.

Siapa yang Memegang Kendali?

Ketika agen AI mulai dapat “mengambil tindakan”—seperti merestart server secara otomatis atau mengirimkan tawaran pekerjaan ke kandidat—pertanyaan tentang kontrol menjadi krusial. Di sinilah letak salah satu celah terbesar dalam pemberitaan arus utama.

Survei CIO Taiwan mengungkap bahwa 42% CIO masih bersikap netral terhadap penerapan agen AI berskala besar, sementara 32% lainnya mengaku khawatir dengan konsumsi token (biaya) yang tidak terkendali . Namun yang lebih menarik adalah faktor yang paling memengaruhi kepercayaan mereka: 48% CIO mengakui bahwa “AI hallucination” (fenomena di mana model AI menghasilkan informasi yang salah atau tidak berdasar) dapat menggoyahkan niat mereka untuk mengadopsi teknologi ini .

Untuk mengatasi kekhawatiran ini, para CIO telah merumuskan tiga pilar pengaman yang mereka sebut “risk guardrails” atau pagar pembatas risiko. Menariknya, ketiga pilar ini mendapat tingkat dukungan yang hampir sama—masing-masing 24% dari responden—yang menunjukkan bahwa tidak ada satu solusi tunggal yang dianggap cukup .

Pilar pertama: human-in-the-loop. Keputusan-keputusan kritis—seperti transfer dana atau penutupan sistem—harus mendapat persetujuan manual dari manusia. Agen AI tidak boleh memiliki otoritas penuh atas tindakan yang berdampak besar.

Pilar kedua: kontrol akses dan tata kelola data yang ketat. Prinsip least privilege—memberikan akses seminimal mungkin yang diperlukan—diterapkan secara konsisten. Agen AI tidak boleh memiliki izin lebih dari yang benar-benar mereka butuhkan.

Pilar ketiga: spesifikasi alur kerja yang presisi. Perusahaan mulai menyusun SOP yang sangat detail tentang apa yang boleh dan tidak boleh dilakukan agen AI.

“Ini adalah prinsip baru di era AI: mesin menjalankan, manusia yang memerintah,” tulis CIO Taiwan .

Pertanyaan yang jarang diangkat di media mainstream adalah: bagaimana jika ketiga pagar pembatas ini justru memperlambat adopsi? Apakah “human-in-the-loop” yang dimaksudkan sebagai pengaman justru akan menjadi hambatan dalam skenario yang membutuhkan kecepatan respons tinggi?

Biaya Tersembunyi di Balik Janji Efisiensi

Pemberitaan tentang agen AI sering kali dibingkai sebagai cerita tentang efisiensi—pekerjaan yang lebih cepat, biaya yang lebih rendah. Namun yang jarang dibahas adalah struktur biaya baru yang mungkin muncul.

Dalam keynote-nya, Huang memperkenalkan konsep “AI factories” yang mengubah listrik menjadi token, dan token menjadi komoditas baru . Namun dari sisi perusahaan, konsumsi token bukanlah satu-satunya biaya.

Laporan dari IDC menyebutkan bahwa lebih dari 90% perusahaan global akan menghadapi kekurangan keterampilan kritis pada tahun 2026, dan kekurangan terkait AI ini berpotensi membahayakan nilai ekonomi hingga $5,5 triliun akibat penundaan, pendapatan yang hilang, dan masalah kualitas .

Yang menarik, hanya sekitar sepertiga organisasi yang merasa siap menghadapi cara kerja berbasis AI, dan hanya proporsi serupa dari karyawan yang melaporkan menerima pelatihan AI dalam setahun terakhir .

Artinya, di samping biaya infrastruktur (chip, server, listrik), ada biaya tak terlihat yang harus dikeluarkan perusahaan: pelatihan ulang tenaga kerja, perombakan alur kerja, dan investasi dalam tata kelola data. Biaya-biaya ini nyaris tidak pernah disebut dalam pemberitaan tentang agen AI.

OpenClaw dan Masalah Keamanan yang Belum Terselesaikan

OpenClaw disebut Huang sebagai “sistem operasi untuk komputasi berbasis agen” dan “rilis perangkat lunak paling penting yang pernah ada” . Pemberitaan arus utama menyoroti bahwa Nvidia memperkenalkan NeMoClaw untuk menambahkan kontrol privasi, kebijakan keamanan, dan pagar pembatas keselamatan .

Namun yang nyaris tidak dibahas adalah catatan keamanan OpenClaw itu sendiri. The Register, dalam laporan pra-GTC, mencatat bahwa OpenClaw memiliki “banyak kerentanan keamanan” meskipun Huang menyukainya . Kehadiran NeMoClaw—versi yang diklaim lebih aman—dapat dibaca sebagai pengakuan diam-diam bahwa OpenClaw dalam bentuk aslinya belum siap untuk penggunaan enterprise berskala besar.

Pertanyaan yang mengemuka: apakah menambahkan lapisan keamanan di atas fondasi yang rapuh akan cukup? Atau akankah kita melihat gelombang insiden keamanan ketika agen AI mulai digunakan secara luas, sebelum pagar pembatas yang memadai benar-benar siap?

Siapa yang Akan Menguasai “Pabrik Token”?

Konsep “AI factories” yang diperkenalkan Huang membawa implikasi geopolitik yang nyaris tidak tersentuh media. Jika data center adalah “pabrik token” dan token adalah komoditas baru, maka siapa yang menguasai infrastruktur pabrik tersebut akan memiliki kekuatan ekonomi yang sangat besar.

Huang sendiri menyebut bahwa “investasi infrastruktur AI akan mencapai hampir $3 triliun hingga 2028” . Namun pemberitaan cenderung membahas angka ini dalam konteks peluang bisnis Nvidia, bukan dalam konteks konsentrasi kekuasaan ekonomi dan teknologi.

Laporan dari lembaga riset Constellation bahkan menyebut bahwa pasar agen AI akan mencapai $10 miliar pada 2026 dan $200 miliar pada 2035 . Angka-angka ini menggiurkan, tetapi juga menimbulkan pertanyaan: apakah pasar ini akan didominasi oleh segelintir pemain—Nvidia di level infrastruktur, ServiceNow di level orkestrasi—atau akankah ada ruang bagi pemain lokal dan regional?

Khusus untuk Indonesia, pertanyaan ini menjadi relevan. Jika sebagian besar “pabrik token” berada di luar negeri, bagaimana dampaknya terhadap kedaulatan data dan daya saing industri teknologi nasional?

Antara Janji dan Kesiapan

Prediksi 10 miliar agen AI yang disampaikan Jensen Huang di GTC 2026 adalah visi yang ambisius. Didukung oleh ekosistem Nvidia yang kuat—dari chip Rubin hingga software NeMoClaw—dan kemitraan strategis dengan ServiceNow, visi ini bukan sekadar angan-angan .

Namun, seperti halnya setiap revolusi teknologi, jalan menuju masa depan itu tidak akan semulus yang digambarkan dalam siaran pers. Ada pekerjaan rumah yang harus diselesaikan bersama: bagaimana menyiapkan tenaga kerja yang akan kehilangan peran entry-level, bagaimana membantu perusahaan—khususnya di negara berkembang—untuk siap mengadopsi teknologi ini, bagaimana membangun pagar pembatas yang memadai tanpa menghambat inovasi, dan bagaimana memastikan bahwa “pabrik token” tidak menciptakan ketimpangan baru.

Yang terlewat dari pemberitaan utama selama ini adalah bahwa teknologi hanyalah satu sisi dari persamaan. Sisi lainnya—yang tak kalah penting—adalah kesiapan manusia dan institusi untuk berubah. Tanpa itu, 10 miliar agen AI mungkin akan lebih banyak menjadi sumber masalah baru daripada solusi.