「Rintangan Pengetahuan Lambat」

Semua orang tahu bahwa ilmu pengetahuan adalah hasil kolektif.
Gelombang gravitasi adalah hasil kerja ribuan orang selama puluhan tahun. AlphaFold didukung oleh seluruh tim DeepMind. Tidak ada yang menganggap ini sebagai hasil dari satu jenius yang bekerja sendiri.
Namun, saat perusahaan teknologi merekrut peneliti AI, justru sebaliknya.
Koreksi terbaru dari *Nature* mengungkapkan sebuah angka: peneliti muda yang telah bekerja sekitar lima tahun dan citasi publikasi mereka menempati posisi terdepan, tahun berikutnya memiliki peluang 100 kali lipat untuk pindah ke industri dibandingkan dengan ilmuwan biasa pada periode yang sama.
Seratus kali lipat. Bukan dua atau tiga kali lipat.
Ini bukan soal pilihan pribadi, ini adalah masalah struktur yang mengalirkan darah dari satu sisi ke sisi lain.
Seorang profesor AI top dengan gaji penuh sekitar 200.000 hingga 400.000 dolar AS. Kedengarannya banyak. Tapi total kompensasi yang ditawarkan Google dan OpenAI bisa mencapai 1 hingga 3 juta dolar. Orang yang sama, melakukan pekerjaan serupa, gajinya berbeda satu angka.
Logika industri sangat langsung: selama ada seorang "insinyur 10x", tidak perlu mempekerjakan sepuluh orang biasa. Bahkan, logika ini pun sedang berkembang—jika AI bisa menggantikan insinyur tingkat menengah dan rendah, maka seharusnya lebih fokus mengumpulkan sumber daya untuk merekrut orang-orang terbaik.
Masalahnya, logika ini membalikkan satu hal.
Kamu bisa membayangkan dunia akademik sebagai tanah subur, dan industri sebagai bangunan yang dibangun di atasnya.
Tugas tanah adalah lambat, tidak mengutamakan skenario aplikasi tertentu, dan memberi ruang untuk gagal. Ia menghasilkan pengetahuan yang bisa dirujuk berulang kali dan terbuka untuk kritik, bukan produk yang didorong oleh tujuan komersial.
Mengambil bagian paling subur dari tanah itu untuk membangun rumah, dalam jangka pendek rumah akan lebih baik, tetapi dalam jangka panjang fondasi akan perlahan menjadi kosong.
Saya sendiri, di tahun terakhir PhD, sedang menghadapi masalah ini: harus menerbitkan makalah, tetapi juga menerima tawaran dari industri.
Pilihan itu bukan sekadar soal gaji, melainkan soal bagaimana kecepatan dan siapa yang dilayani oleh pertanyaan penelitianmu.
Masalah di industri nyata, tetapi selalu disertai tekanan waktu dan arah aplikasi yang tersembunyi. Masalah akademik bersifat bebas, tetapi kamu harus menerima bahwa kebebasan itu ada harganya.
Kehilangan ini tidak bisa diselesaikan dengan "dunia akademik harus lebih kompetitif." Uang tidak bisa dimenangkan dengan uang yang lebih sedikit.
Yang benar-benar dibutuhkan adalah sistem akademik untuk memikirkan kembali apa yang mereka tawarkan sebagai "sesuatu yang tidak dimiliki industri," dan kemudian membuat hal itu menjadi lebih terlihat dan lebih menarik bagi orang-orang yang benar-benar peduli.
Satu konsep yang terus saya pikirkan: saya menyebutnya sebagai rintangan pengetahuan lambat.
Tidak semua pengetahuan berharga bisa direalisasikan dalam siklus produk 18 bulan. Mereka yang tidak bisa direalisasikan harus dijaga oleh seseorang.
--------------------------
Kutipan:
1. Sanders, N. E., & Schneier, B. (2026). Mengapa gaji tinggi untuk peneliti AI buruk bagi masa depan ilmu pengetahuan. *Nature*.

2. Jurowetzki, R., Hain, D. S., Wirtz, K., & Bianchini, S. (2025). Sektor swasta menimbun peneliti AI: apa implikasinya bagi ilmu pengetahuan? *AI & Society*, 40(5), 4145–4152.