Rubarubu #255 – If Then: Ketika Masa Lalu Meramalkan Masa Kini

Rubarubu #255

If Then:

Ketika Masa Lalu Meramalkan Masa Kini

Sebuah kubah di Pantai Long Island.  Musim panas 1961. Di sebuah pantai di Long Island, di bawah kubah geodesik yang tampak seperti pesawat angkasa yang mendarat di antara bukit pasir, sekelompok ilmuwan Simulmatics Corporation berkumpul dengan tumpukan kertas cetakan komputer di lantai dan kapur di ujung jari. Para lelaki mengenakan celana renang dan memikirkan kartu berlubang. Para perempuan, istri-istri mereka, menyiapkan salad kentang, salad tuna, dan berpanci-panci semur. Tujuh belas anak mereka membangun istana pasir dan mengejar seekor pudel hitam bernama Sputnik. Malam hari, para ibu mengoleskan cuka pada kulit anak-anak yang terbakar matahari sehingga mereka berbau acar.

Semuanya, dan semua orang, tertutup pasir. Itulah pembuka If Then: How the Simulmatics Corporation Invented the Future karya Jill Lepore (Liveright, 2020) menurut penuturan Michael J. Kramer (2021), yang mencatat bahwa Lepore sengaja menunda penjelasan tentang mengapa perusahaan ini layak dibukukan demi menampilkan para istri dan anak-anak lebih dulu. Detail itu bukan hiasan. Ia adalah tesis buku ini dalam bentuk adegan: data komputasi tak pernah sanggup menyerap kenyataan hidup yang berpasir, berbau cuka, dan tak terhitung.

Di balik adegan itu ada sebuah perusahaan yang hari ini nyaris terlupakan. Simulmatics didirikan pada 1959, berumur sebelas tahun, dan berakhir dalam kebangkrutan (Gleick, 2020). Dalam masa hidupnya yang pendek ia menambang data, menyasar pemilih, memanipulasi konsumen, dan mengacaukan pengetahuan, beberapa dasawarsa sebelum Facebook, Google, Amazon, dan Cambridge Analytica lahir; ia menerjunkan “People Machine“-nya dari New York, Cambridge, dan Saigon untuk klien seperti kampanye presiden John F. Kennedy, The New York Times, biro iklan Young & Rubicam, dan, pada masa Perang Vietnam, Departemen Pertahanan Amerika. Penerbit menyebut para ilmuwannya “the long-dead grandfathers of Mark Zuckerberg and Elon Musk,” kakek-kakek yang telah lama wafat dari para taipan teknologi hari ini. Lepore sendiri menyebut Simulmatics “Cold War America’s Cambridge Analytica” (Kramer, 2021), Cambridge Analytica dari Amerika era Perang Dingin.

Jill Lepore lahir pada 27 Agustus 1966 di West Boylston, Massachusetts, putri seorang kepala sekolah menengah pertama dan seorang guru seni; ia masuk kuliah dengan beasiswa ROTC dan semula mengambil jurusan matematika (LitLovers, n.d.). Ia lalu meraih gelar sarjana sastra Inggris dari Tufts pada 1987, magister dari University of Michigan pada 1990, dan doktor American Studies dari Yale pada 1995. Kini ia David Woods Kemper ’41 Professor of American History di Harvard dan guru besar hukum di Harvard Law School, serta staff writer di The New Yorker sejak 2005 (Lepore, n.d.-a). Buku pertamanya, The Name of War (1998), memenangi Bancroft Prize, dan Book of Ages (2013) menjadi finalis National Book Award. Jejak matematikanya penting untuk membaca If Then: sejarawan ini tahu betul apa yang bisa dan tak bisa dilakukan angka. If Then sendiri, setebal 432 halaman, masuk longlist National Book Award kategori nonfiksi 2020 (MIT Press Bookstore, n.d.).

Bagaimana ia menemukan kisah ini? Pada 2015, ceritanya kepada NPR, The New Yorker memintanya menilai industri jajak pendapat. Dalam riset itu ia menyadari bahwa polling sedang digantikan sains data, lalu bertanya sejak kapan pergantian itu bermula, dan jawabannya membawanya ke Simulmatics dan pemilu 1960 (Davies, 2020). Ia menemukan sebagian besar arsip perusahaan tak ada lagi: kantor pusatnya di New York, perusahaannya bangkrut, dan hampir semua arsipnya musnah, sehingga ia harus menambal cerita dari berbagai koleksi institusi (Davies, 2020). Karena itu buku ini sekaligus kerja arkeologi. Judulnya diambil dari kalimat bersyarat dalam bahasa pemrograman: jika ini terjadi, maka itu menyusul (Inskeep, 2020). Pertanyaan Lepore: bagaimana jika manusia tidak berjalan mengikuti logika itu?

Kekalahan Adlai dan Lahirnya Mesin Manusia

Seperti banyak kisah teknologi, kisah ini dimulai dari politik. Pada pemilu 1952, komputer UNIVAC milik Remington Rand meramalkan telak kemenangan Dwight Eisenhower atas Adlai Stevenson dalam siaran CBS, begitu tepatnya sampai orang Remington Rand di studio ragu menyampaikan hasilnya lebih awal pada malam pemilihan. Menonton itu, seorang eksekutif periklanan bernama Edward Greenfield mulai membayangkan sebuah perusahaan yang dapat membantu Partai Demokrat menang (Kramer, 2021). Stevenson, gubernur Illinois yang intelektual dan orator, kalah dua kali dari Eisenhower (1952 dan 1956), dan kekalahan itu mengajarkan bahwa cara menyampaikan pesan hampir sama pentingnya dengan isi pesan. Menurut Lepore dalam wawancaranya, Greenfield adalah operator kecil-kecilan yang sangat setia pada kaum liberal dan ingin membawa konsultasi politik, yang saat itu kebanyakan melayani Partai Republik, kepada Demokrat (Davies, 2020).

Greenfield membutuhkan otak, dan ia menemukannya pada dua sosok yang bertolak belakang. Yang satu Ithiel de Sola Pool, ilmuwan politik MIT yang oleh Kramer (2021) dilukiskan “Dr. Strangelovian”, dan yang kelak menjadi ketua dewan riset Simulmatics (Davies, 2020). Yang lain William McPhee, ahli perilaku memilih yang menurut Lepore adalah jenius yang sangat labil: ia mengidap manik-depresif, dan istrinya yang mengurus anak-anak kecil sempat memasukkannya ke Rumah Sakit Bellevue, tempat sebagian besar kerjanya dilakukan (Davies, 2020).

Disertasi doktor McPhee, sebuah model matematis yang memprediksi perilaku pemilih, diubah Greenfield menjadi produk komersial dan pondasi sebuah perusahaan berorientasi laba (Davies, 2020). Dari sinilah lahir “People Machine”: program yang menggabungkan data hasil pemilu, jajak pendapat, dan ilmu perilaku untuk menjawab pertanyaan tentang bagaimana pemilih akan bereaksi terhadap suatu langkah kandidat, sampai ke segmen elektorat yang paling kecil (Davies, 2020).

Amerika dipecahnya menjadi 480 tipe pemilih, dibedakan menurut wilayah, agama, usia, dan karakteristik demografis lain, misalnya “Midwestern, rural, Protestant, lower income, female” (Gleick, 2020). Salah satu pendirinya menyebut proyek ini sebuah taruhan ala Proyek Manhattan di bidang politik (Gleick, 2020). Bagian pertama buku, The Social Network, memuat bab-bab seperti Madly for Adlai, The Quiet American, Artificial Intelligence, dan Project Macroscope (University of Wisconsin-Madison Libraries, n.d.).

Judul-judulnya bergema dengan budaya populer dekade itu, dan Kramer (2021) mencatat bahwa Lepore memakai fiksi ilmiah, film melodrama, dan serpihan budaya populer lain sebagai bahan sejarah, yang memberi ceritanya nada bermain dan absurd yang pas dengan zamannya. Dalam intinya, mesin ini adalah taksonomi: manusia masuk ke laci, dan laci memutuskan apa yang akan ia lakukan. Rilke, penyair yang hidup 1875 sampai 1926, pernah menulis kepada seorang kadet muda bahwa masa depan memasuki kita dengan cara yang tak terlihat untuk berubah di dalam kita jauh sebelum ia terjadi (Popova, 2015). Bagi Rilke, masa depan bukan barang di luar sana yang bisa dihitung, tetapi sesuatu yang tumbuh dari dalam hidup. Para ilmuwan di bawah kubah geodesik memandangnya secara terbalik.

“The future stands still, dear Mr. Kappus, but we move in infinite space.”

Rainer Maria Rilke, Letters to a Young Poet (surat 12 Agustus 1904), dikutip melalui Awakin.org (n.d.)

Kennedy, Pemilih Kulit Hitam, dan Ironi yang Pertama

Ujian pertama mesin itu adalah pemilu 1960. Simulmatics awalnya bekerja untuk Komite Nasional Demokrat, lalu dipekerjakan kampanye Kennedy melalui Robert Kennedy. Berdasarkan model data, para analis menyarankan Kennedy, yang kala itu calon dengan peluang tipis, mengambil sikap lebih tegas soal hak sipil dan berbicara terus terang tentang keyakinan Katoliknya. Menurut Lepore, apa pun yang disarankan Simulmatics, Kennedy lakukan, dan setelah kemenangan tipis itu Simulmatics mengklaim jasa (Davies, 2020; Inskeep, 2020). Tak ada cara membuktikan apakah Kennedy akan melakukan hal-hal itu tanpa mereka. Lepore menuturkan bahwa Kennedy justru tak senang: para politisinya ingin memakai komputer, tetapi tak ingin dunia mengetahuinya (Inskeep, 2020).

Di titik ini Lepore menampilkan ironi yang tajam, dan inilah bagian yang paling manusiawi dalam bukunya. Simulmatics dimulai dengan komitmen yang terpuji: meyakinkan Partai Demokrat agar menghitung pemilih kulit hitam, karena “Black voters matter” adalah pesan Greenfield (Davies, 2020). Tetapi para pelakunya adalah lelaki kulit putih liberal yang berusaha memahami pikiran orang kulit hitam, sementara konsumen yang mereka pelajari kebanyakan perempuan, dan sementara itu mereka memperlakukan istri-istri mereka dengan buruk, tawar-menawar buruk pernikahan kelas menengah 1950-an; sebagian besar berakhir dengan perceraian yang pahit (Davies, 2020).

Lepore menjuluki ini pendahulu kesombongan Silicon Valley: para lelaki yang berdiri di atas orang lain dan mencoba mencari tahu bagaimana perempuan dan orang kulit berwarna berpikir serta bagaimana mereka dapat dipengaruhi. Pada saat yang sama, orang kulit hitam sedang duduk di meja makan (sit-in) di seluruh Selatan dan turun ke jalan. Perlukah program komputer untuk memprediksi akibat sikap yang lebih tegas soal hak sipil? Lepore menyebutnya sesuatu yang agak gila (Davies, 2020). Perusahaan yang didirikan pada gagasan bahwa mereka yang bukan lelaki kulit putih adalah misteri yang perlu diurai komputer, katanya, akhirnya runtuh oleh absurditas gagasannya sendiri (Davies, 2020). Para perempuan yang dilupakan dalam sejarah perusahaan inilah, menurut penerbit, yang juga ingin ia hadirkan (Lepore, n.d.-b).

Perdebatan moral tentang mesin itu sudah muncul sejak awal. Menurut Lepore, argumen yang akhirnya menang adalah argumen Pool: kandidat sebaiknya punya informasi sebanyak mungkin, siapa yang ingin menghalangi pengetahuan, dan bila kedua belah pihak memiliki “People Machine”, maka pertarungannya adil (Davies, 2020). Argumen serupa masih sering kita dengar dari industri analitik hari ini. Yang menolaknya adalah Eugene Burdick, ilmuwan politik dan novelis yang sebelumnya menulis The Ugly American dan Fail-Safe, dan yang mengenal para pendiri Simulmatics dengan baik.

Novelnya The 480 (1964) adalah roman à clef tipis: laporan dan memo rahasia Simulmatics masuk langsung ke prosanya, dan 480 kategori pemilih dalam lampirannya adalah tipe pemilih yang sungguh dipakai perusahaan itu. Iklan novel itu menampilkan kartu berlubang dan pertanyaan yang sengaja dibuat mengerikan, “Which category have they put you in?” (Gleick, 2020). Banyak pembaca ngeri dibagi ke dalam kotak-kotak, dan pengulas The New York Times menyebutnya “shock novel” yang tak masuk akal (Gleick, 2020). Enam dekade kemudian, yang dahulu terdengar seperti fiksi ilmiah telah menjadi kenyataan sehari-hari, dan, seperti diperhatikan seorang pengulas, diperlukan seorang sejarawan untuk menggali momen ketika gagasan itu mulai menyatu (Pan, dikutip dalam MIT Press Bookstore, n.d.).

Vietnam: Angket untuk Pikiran Seorang Petani

Bagian paling kelam buku ini terjadi ketika metode yang sama dibawa ke medan perang. Simulmatics juga meneliti opini publik para petani Vietnam untuk Departemen Pertahanan. Tim peneliti datang dengan pengawalan militer atau diterbangkan ke desa, dengan tim penerjemah mahasiswa Vietnam, membagikan angket yang sangat panjang, sekitar seratus pertanyaan tentang hal-hal seperti apa yang akan ditonton bila punya televisi. Tujuannya membangun semacam model matematis pikiran petani Vietnam untuk menentukan pesan yang tepat guna menjamin kesetiaan mereka (Davies, 2020). Lepore menilainya konyol (Davies, 2020), tetapi ia menegaskan ini perpanjangan logika riset pemilu: kumpulkan cukup banyak data opini dan demografi, bangun model, lalu prediksi.

Yang mengejutkan Lepore adalah betapa jelas Pentagon menyadarinya. Pertanyaan-pertanyaan itu tak relevan dengan kehidupan dan penderitaan harian orang-orang yang sedang dilanda perang, dan di Arsip Nasional ia menemukan berkas demi berkas dari pejabat Advanced Research Projects Agency yang mengawasi proyek itu, yang mengatakan penelitiannya tak berarti, namun tetap membayarnya berulang kali (Davies, 2020). Di sini pembacaan Lepore paling menohok: kekeliruan model tak menghentikan pendanaan selama model itu menjanjikan rasa menguasai. Kramer (2021) mencatat bagaimana Lepore me-minjam judul kumpulan cerita Tim O’Brien, The Things They Carried, untuk membanding-kan apa yang dibawa para ilmuwan data ke riset masa perang di Asia Tenggara dengan apa yang dibawa para demonstran antiperang ke aksi-aksi besar, seperti upaya 1967 “mengangkat” Pentagon. Buku ini juga menautkan Simulmatics dengan kerusuhan perkotaan dekade itu; indeks buku memuat nama-nama seperti Komisi Kerner, Project Agile, dan Daniel Ellsberg (Google Books, n.d.). Pengalaman itu memperlihatkan hal yang dalam khazanah studi kolonial sering disebut politik pengetahuan: data tentang suatu masyarakat dikumpulkan oleh pihak yang berkuasa atasnya, dengan kategori yang ditetapkan pihak luar, demi tujuan yang bukan tujuan masyarakat itu.

Kebangkrutan, Arsip yang Hilang, dan Hantu yang Bertahan

Simulmatics tak bertahan. Menurut Lepore, salah satu sebab ia hilang dari ingatan adalah keruntuhan pribadi Greenfield sendiri (Davies, 2020); seorang kritikus konservatif, Irving Kristol, sudah pada 1964 menyebutnya perusahaan kecil yang kesulitan menutup ongkos (Gleick, 2020). Perusahaan itu berakhir dalam rasa malu dan kebangkrutan (Gleick, 2020). Namun justru di sinilah paradoks buku ini. Simulmatics gagal sebagai bisnis, tetapi gagasan-nya hidup. Lepore membaca dari halaman kelimanya sendiri: warisan Simulmatics bertahan dalam analitik prediktif, simulasi “bagaimana-jika”, dan sains data perilaku; ia bersembunyi di balik layar setiap perangkat dan membantu menciptakan abad ke-21 yang gila data, hampir totaliter, tempat satu-satunya pengetahuan yang dihitung adalah prediksi dan korporasi mengekstraksi kekayaan dari data dan manipulasi perhatian, dengan “the profit of prophecy” (Inskeep, 2020), laba dari nubuat.

Kramer (2021), sejarawan intelektual, menempatkan buku ini sebagai revisi atas tafsir dominan tentang asal Silicon Valley. Banyak orang mengikuti tesis Fred Turner bahwa “sibernetika-budaya” digital lahir dari kontra-budaya 1960-an lewat Stewart Brand dari Whole Earth Catalog. Lepore justru menunjukkan pertautan mendasar antara liberalisme teknokratik pertengahan abad ke-20 dan distopia internet kita. Ia mengingatkan bahwa pada 1980-an Brand memuji Pool, tokoh Simulmatics, yang justru diprotes keras kaum kiri baru karena keterlibatannya dalam riset Perang Vietnam (Kramer, 2021).

Lepore bahkan menyebut Simulmatics mata rantai yang hilang dalam sejarah teknologi, penyambung yang mengaitkan paruh pertama abad ke-20 dengan awal abad ke-21. Buku ini lalu berhadapan dengan sikap yang menurut Kramer masih hidup: seorang insinyur mobil swakemudi Silicon Valley, Anthony Levandowski, menyatakan tak tahu mengapa kita mempelajari sejarah karena dalam teknologi yang penting hanyalah esok. Bagi Lepore, itu gagasan yang usang, gagasan Perang Dingin yang sudah bangkrut (Kramer, 2021). Ironinya jelas: keyakinan bahwa sejarah tak penting adalah bagian dari sejarah.

Simulmatics juga mengingatkan bahwa sains tentang manusia tidak persis sama dengan sains tentang awan. Prediksi lewat data, statistik, dan komputasi punya tempatnya, dan Lepore tak menolaknya dalam astronomi, kedokteran, kesehatan publik, atau upaya menghentikan perubahan iklim. Tetapi menurut Kramer (2021) yang mengutip Lepore, ilmu tentang kondisi manusia bukan ilmu tentang penyebaran virus, kerapatan awan, dan gerak bintang, karena tabiat manusia tak mengikuti hukum seperti hukum gravitasi, dan meyakini sebaliknya berarti mengucap sumpah kepada agama baru. Prediksi sebagai ilmu sosial kuantitatif itu baru; nubuat itu kuno. Setelah Perang Dunia II, Departemen Pertahanan, Ford Foundation, dan RAND meminta ilmuwan sosial menjadikan masa depan sebagai seluruh objek riset mereka, dan ekonom Kenneth Boulding menyindir bahwa ilmu perilaku pada akhirnya adalah apa pun yang mendapat uang dari Ford Foundation (Kramer, 2021).

Dari Simulmatics ke Cambridge Analytica dan Era Kecerdasan Buatan

Garis lurus dari Simulmatics ke masa kini tak perlu ditarik dengan berlebihan: perusahaan itu tak menciptakan Facebook. Yang lebih tepat, menurut saya, adalah bahwa ia membantu menciptakan cara berpikir: manusia menjadi data, data menjadi model, model menjadi prediksi, prediksi menjadi intervensi. Cara berpikir itulah yang kemudian mengeras. Pada 2018, Cambridge Analytica, sebuah firma konsultan politik Inggris, dilaporkan memanen data pribadi sekitar 87 juta pengguna Facebook lewat aplikasi pihak ketiga tanpa sepengetahuan mereka; pada 2019 Komisi Perdagangan Federal AS menyetujui denda sekitar US$5 miliar, rekor terbesar untuk perusahaan teknologi, yang oleh anggota Kongres David Cicilline disebut “a Christmas present five months early” (Reuters, 2019). Bagi Lepore pola yang sama kini menjadi rutinitas politik: kita dikumpulkan datanya untuk dikirimi pesan yang memengaruhi cara kita memilih. Dalam wawancara Fresh Air, ia mengatakan bahwa saat kita terkurung di rumah, hanya itulah yang tersisa: “We’re just bits of data being manipulated” (Davies, 2020).

Lepore juga menyampaikan kegelisahan pribadi yang jarang muncul dalam sejarawan. Pada suatu sore musim panas, ceritanya, ketika ia mengambil ponsel untuk membaca berita dan surel, tiba-tiba ia menyadari bahwa semua yang ia lakukan adalah bentuk manipulasi: perhatiannya diinterupsi, langkah berikutnya diprediksi. Metode-metode itu, menurutnya, berasal dari perang psikologis yang dipercepat oleh komputer, dan ia tak melihat kapan ia menyetujuinya, terlepas dari klik “setuju” pada syarat layanan (Inskeep, 2020). Yang lebih penting, ia menunjukkan pergeseran dari memprediksi menjadi mengubah perilaku: perusahaan rintisan kini menjual prediksi nasib tiap rancangan undang-undang, sesuatu yang menurutnya omong kosong, dan dalam banyak segi lebih buruk daripada lobi, karena ia menukar prinsip warga yang setara dengan kalkulasi keuntungan (Inskeep, 2020).

Ini sejalan dengan Shoshana Zuboff, guru besar emerita Harvard Business School, yang menamai tatanan ini kapitalisme pengawasan: pengalaman manusia dijadikan bahan mentah untuk data perilaku dan produk prediksi (Zuboff, 2019). Nick Couldry dan Ulises Mejias menyebut proses yang sama kolonialisme data, karena yang diperebutkan bukan lagi tanah dan tenaga kerja semata, melainkan pengalaman hidup yang diubah menjadi sumber daya (Couldry & Mejias, 2019).

Akibat politiknya adalah yang terpenting. Ketika masyarakat dipecah menjadi segmen-segmen mikro dan menerima pesan yang berbeda, kita kehilangan rasa akan kebaikan bersama, yang bagi Lepore merupakan fondasi demokrasi: warga bilik suara semestinya memikirkan apa yang baik bagi semua, bukan memilih sesuai perintah segmen demografisnya (Davies, 2020). Post-truth dalam tafsir ini bukan sekadar soal orang berbohong. Ia adalah soal arsitektur pengetahuan: sebuah sistem tak perlu memproduksi berita palsu untuk merusak mutu pengetahuan, cukup dengan menentukan apa yang ditampilkan, kepada siapa, kapan, dan seberapa sering, sehingga yang lahir adalah seleksi realitas yang berbeda-beda bagi tiap orang. Al-Qur’an memberi kita pedoman yang sederhana untuk masa seperti ini: “Janganlah engkau mengikuti sesuatu yang tidak kauketahui” (QS Al-Isra’ [17]:36, Kementerian Agama RI, n.d.), sebab pendengaran, penglihatan, dan hati semuanya akan dimintai pertanggungjawaban.

Ayat lain memerintahkan verifikasi (tabayyun) atas berita yang dibawa oleh orang fasik (QS Al-Hujurat [49]:6), melarang mencari-cari kesalahan orang lain dan memerintahkan menjauhi banyak prasangka (QS Al-Hujurat [49]:12; Tafsir Al-Qur’an, n.d.). Sabda Nabi yang diriwayatkan Muslim, Ahmad, dan At-Tirmidzi menyebut prasangka sebagai “ucapan yang paling dusta” (Tafsir Al-Qur’an, n.d.). Simulmatics, pada dasarnya, adalah industri prasangka yang berselimut statistik, yang menganggap kecenderungan kelompok sebagai takdir individu.

Ibn Khaldun (1332–1406), yang oleh banyak orang dianggap perintis ilmu sejarah kritis, menawarkan kerendahan hati metodologis yang sama. Ia menilai laporan tentang masa lalu bukan dari siapa yang mengabarkan, melainkan dari kelayakannya terhadap kondisi material saat itu, seperti iklim, geografi, jalur dagang, kepadatan penduduk, dan pembagian kekayaan (Nadwi, n.d.). Pelajaran Ibn Khaldun untuk zaman algoritma jelas: peristiwa dijelaskan oleh kondisi, dan kondisi tak muat dalam kolom data. Model yang tak tahu sejarah, iklim sosial, dan relasi kuasa hanya akan menghasilkan korelasi. Kerusuhan, misalnya, tak lahir dari satu variabel; ia lahir dari rasisme, kemiskinan, diskriminasi, perumahan, polisi, dan pengalaman hidup yang panjang. Korelasi tak otomatis menjelaskan sejarah.

Ada satu paradoks yang membuat seluruh proyek prediksi manusia rapuh. Manusia bukan objek statis: begitu ia mengetahui bahwa dirinya diprediksi, ia dapat mengubah perilakunya. Dan sebaliknya, prediksi yang disampaikan kepada banyak orang dapat menciptakan kenyataan yang diprediksinya, entah karena pemilih menyesuaikan pilihan setelah membaca hasil polling, entah karena keputusan algoritmik atas seseorang, misalnya penilaian bahwa ia berisiko tinggi, membentuk hidupnya sehingga risiko itu menjadi nyata.

Dalam percakapan dengan Lepore, pewawancara NPR menangkap pergeseran ini dengan tepat: tahap pertama kisah Simulmatics adalah memprediksi bagaimana orang akan bertindak, tahap berikutnya memprediksi bagaimana mereka bertindak bila diajak bicara dengan cara tertentu, yakni sesungguhnya mengubah masa depan; dan Lepore membenarkan bahwa itulah yang kini dilakukan setiap perusahaan rintisan baru di Silicon Valley (Inskeep, 2020). Di titik ini prediksi berubah menjadi intervensi, dan intervensi menjadi modifikasi perilaku. Inilah jarak yang memisahkan pengetahuan dari kekuasaan. Rilke benar bahwa masa depan tumbuh dari dalam kita; para perancang mesin itu ingin menanamnya dari luar.

Dan hari ini mesinnya bukan lagi 480 kotak. Kecerdasan buatan dapat memproses bahasa, gambar, suara, video, dan jejaring sosial hingga skala hampir individual. Regulasi mulai menyusul, dengan langkah yang tak seragam. Larangan praktik AI berbahaya dalam UU AI Uni Eropa, termasuk teknik manipulatif bawah sadar, berlaku sejak 2 Februari 2025 (Innovires, n.d.); tetapi kesepakatan politik Digital Omnibus pada 7 Mei 2026 menunda kewajiban sistem berisiko tinggi hingga 2 Desember 2027 untuk sistem mandiri dan 2 Agustus 2028 untuk sistem yang tertanam dalam produk (CASRAI, 2026). Di Amerika, sementara itu, jaringan super PAC yang dibiayai pengusaha AI mengumpulkan lebih dari US$100 juta untuk mendukung kandidat “pro-AI” (Fortune, 2025), dan industri menggelontorkan ratusan juta dolar ke pemilu paruh waktu 2026 demi satu kerangka nasional yang mencegah regulasi tiap negara bagian (The Next Web, 2026).

Di Indonesia, UU Pelindungan Data Pribadi (UU 27/2022) telah melewati masa transisinya, dengan sanksi administratif hingga 2 persen pendapatan tahunan dan ancaman pidana hingga enam tahun (Fortune Indonesia, 2026), sedangkan dua Peraturan Presiden, tentang Peta Jalan AI 2026–2029 dan Etika AI, per 3 September 2026 masih menunggu tanda tangan Presiden (Kontan, 2026). Kerangka Manajemen Risiko AI dari NIST menempatkan validitas, keamanan, transparansi, keterjelasan, privasi, keadilan, dan pengelolaan bias yang merugikan sebagai ciri AI yang layak dipercaya (National Institute of Standards and Technology, 2023). Apa yang pada zaman Simulmatics merupakan eksperimen perusahaan kecil kini menjadi soal tata kelola global. Dan pertanyaan Lepore menjadi lebih mendesak: apakah kita sedang membangun mesin yang memahami manusia, atau mesin yang makin pandai mengarahkan manusia?

Kapitalisme yang Dibutuhkan, Data yang Tak Boleh Menjadikan Manusia Bahan Baku

Membaca If Then sebagai kritik atas teknologi semata adalah salah baca. Lepore tidak memusuhi komputer, dan tidak menolak bahwa statistik sangat berguna dalam kedokteran, astronomi, atau mitigasi iklim (Kramer, 2021). Yang ia gugat adalah kombinasi tiga hal: keyakinan bahwa manusia dapat direduksi menjadi data, motif laba yang menjadikan keyakinan itu komoditas, dan ketiadaan pengawasan publik. Dalam tulisan yang dikutip Kramer (2021), Lepore menyimpulkan bahwa pengumpulan dan pemakaian data perilaku manusia yang digerakkan motif laba dan tak diatur pemerintah mana pun telah mengacau-kan masyarakat, terutama di bidang yang digarap Simulmatics: politik, periklanan, jurnalisme, kontra-pemberontakan, dan hubungan ras; dan kebangkitannya menandai nyaris ditinggalkannya pengetahuan humanistik. Perhatikan urutannya: bukan komputer yang bersalah, tetapi struktur insentif dan absennya aturan. Karena itulah pembahasan ini bertemu dengan pertanyaan yang lebih luas tentang peran kapitalisme.

Kapitalisme dan korporasi tetap dibutuhkan. Mereka menghimpun modal, mengorganisasi produksi, menciptakan pekerjaan, dan mendorong inovasi, termasuk inovasi teknologi yang menyelamatkan nyawa. Tetapi kisah Simulmatics memperlihatkan apa yang terjadi bila logika laba bertemu ilmu tentang manusia tanpa pagar. Joel Bakan (2021), yang menelaah wajah “baik” korporasi kontemporer, menunjukkan pola yang mirip: perusahaan meman-faatkan citra perubahan untuk mendorong kebijakan yang menguntungkan dirinya, tidak selalu masyarakat.

Pola itu terbaca jelas dalam cerita AI hari ini: ketika perusahaan dan investor AI meng-gelontorkan ratusan juta dolar ke kampanye pemilu demi mencegah regulasi tiap negara bagian (The Next Web, 2026), pertanyaan Lepore bukan lagi soal 1960-an. Perusahaan yang lebih manusiawi, dalam ukuran yang dapat diuji, adalah yang memperlaku-kan data tentang manusia sebagai amanah dan bukan bahan mentah. Al-Qur’an menyebut amanah yang ditawarkan kepada langit, bumi, dan gunung-gunung yang enggan memikul-nya, lalu dipikul manusia (QS Al-Ahzab [33]:72, Kementerian Agama RI, n.d.). Dalam kerangka amanah, data pribadi adalah titipan, dan pemegangnya bertanggung jawab kepada pemiliknya.

Bagaimana perusahaan mengujinya sendiri? Ada lima pertanyaan yang, menurut saya, diwariskan buku ini. Pertama, persetujuan: apakah orang tahu, dalam bahasa yang dimengerti, bahwa datanya dikumpulkan dan untuk apa, dan bukan sekadar mengklik “setuju”? Kedua, tujuan: apakah data dipakai untuk melayani atau untuk memanipulasi? Ketiga, kategori: apakah orang boleh tahu ke laci mana ia dimasukkan dan boleh meng-gugatnya? Keempat, manfaat dan risiko: siapa yang untung, siapa yang menanggung akibat bila model keliru? Kelima, batas: apa yang tak akan dilakukan perusahaan meski legal dan menguntungkan? Kelima pertanyaan itu bukan urusan teknis, melainkan etika kelembagaan, dan Hannah Arendt (1906–1975) sudah memperingatkan sumber masalah-nya: bahwa “most evil is done by people who never made up their minds” untuk menjadi baik atau jahat (Wist.info, n.d.). Para ilmuwan Simulmatics sebagian besar bukan orang jahat. Mereka orang yang tak pernah sungguh memutuskan; mereka mengikuti prosedur dan kemajuan.

Untuk Dunia Keberlanjutan: Jangan Memuja Data

Bagi mereka yang bekerja di bidang keberlanjutan, ESG, sertifikasi, dan penilaian dampak, If Then mengandung pelajaran praktis. Kita hidup di era data ESG, metrik keberlanjutan, penginderaan jauh, GIS, akuntansi karbon, basis data keanekaragaman hayati, uji tuntas hak asasi manusia, dan penilaian risiko. Semuanya berguna. Tetapi Simulmatics mengingatkan kita agar tak terjebak dalam fetisisme data: keyakinan bahwa lebih banyak data otomatis berarti lebih dekat pada kebenaran. Sebuah dokumen dampak lingkungan dapat setebal ribuan halaman dan tetap gagal menangkap ketakutan warga, sejarah konflik, relasi kuasa, hak adat, pengalaman kehilangan tanah, atau makna sebuah hutan bagi komunitasnya. Peta biodiversitas bukan ekosistem, dan model karbon bukan pengalaman orang yang hidup di lanskap itu. Data memberi tahu apa yang mungkin terjadi; manusia sering memberi tahu mengapa, dan tanpa mengetahui mengapa kita sering keliru memahami apa.

Di Indonesia, perdebatan tentang peran masyarakat dalam penyusunan Amdal sesudah UU Cipta Kerja memperlihatkan hal yang sama dari sisi lain: pertanyaan tentang siapa yang dilibatkan dalam menilai dampak adalah pertanyaan demokrasi, bukan hanya pertanyaan teknis (Warsifah, 2022). Kolonialisme data menemukan padanannya dalam banyak proyek pemetaan yang dikerjakan pihak luar untuk masyarakat yang dipetakan. Karena itu pertanyaan yang digambarkan Simulmatics di Vietnam layak menjadi pemeriksaan rutin bagi setiap pengumpul data lapangan: siapa yang berhak mengetahui, untuk tujuan apa, siapa yang menentukan kategori, siapa yang menerima manfaat, dan siapa yang menanggung risikonya.

Hikmah dan Batas Tafsir

Pelajaran pertama adalah kerendahan hati. Simulmatics gagal, dan itu seharusnya menurun-kan keangkuhan kita: para ilmuwan yang begitu yakin masyarakat dapat diprediksi tidak berhasil membangun mesin yang mereka bayangkan. Tetapi ada pelajaran kedua yang lebih gelap: kegagalan teknis tidak menghentikan warisannya, karena yang bertahan bukan mesinnya melainkan asumsinya. Pelajaran ketiga menyangkut waktu. Teknologi ber-kembang cepat, sedangkan institusi sosial, etika, dan demokrasi sering berkembang jauh lebih lambat, dan jurang itulah yang berbahaya. Pelajaran keempat adalah tentang sejarah itu sendiri. Setiap teknologi mempunyai genealogi; Silicon Valley, AI, big data, micro-targeting, bahkan post-truth tidak muncul dari ruang kosong. Mengetahui sejarahnya memberi kita sesuatu yang sangat penting: kemungkinan memilih jalan yang berbeda, pesan penutup yang oleh Gleick (2020) dirangkum dengan kalimat bahwa sejarah tidak niscaya.

Aspek	Simulmatics (1959–1970)	Hari ini dan pertanyaan bagi pemimpin
Manusia sebagai data	480 tipe pemilih; manusia dimasukkan ke kotak	Profil algoritmik tak terlihat. Apakah orang boleh tahu dan menggugat kategorinya?
Politik	Pesan berbeda untuk segmen berbeda; klaim jasa atas kemenangan Kennedy	Microtargeting dan dana AI dalam pemilu. Siapa yang menjaga ruang publik bersama?
Perang dan kekuasaan	Angket untuk membangun model pikiran petani Vietnam	Pengumpulan data atas masyarakat lain. Siapa yang menentukan kategori dan menanggung risiko?
Kegagalan model	Pentagon tahu risetnya tak berarti, tetap membiayai	Model dipercaya karena memberi rasa menguasai. Siapa yang berani menghentikan?
Regulasi	Nyaris tak ada; pemakaian data tak diatur	UU AI Uni Eropa, UU PDP, Perpres AI. Apakah penegakannya sekuat retorikanya?

Beberapa catatan agar tafsir ini tak berlebihan. Pertama, Simulmatics, kata Gleick (2020), hanyalah pemain figuran di dekade 1960-an, dan Lepore menawarkan kisahnya sebagai asal-usul yang masuk akal, bukan penyebab tunggal, dari dunia pengawasan kita. Kedua, klaim Simulmatics atas kemenangan Kennedy tak dapat dibuktikan (Inskeep, 2020). Ketiga, seorang pembaca di Goodreads menilai bahwa buku ini memberi lebih banyak informasi tentang Simulmatics daripada yang ia butuhkan (Goodreads, n.d.), dan Kramer (2021) mencatat bahwa Lepore juga pernah dikritik sebagian sejarawan akademik. Kritik-kritik itu layak dicatat, dan tak mengubah kesimpulan pokok.

Catatan Akhir: Masa Depan Bukan Algoritma

Barangkali ironi terbesar If Then adalah bahwa perusahaan yang ingin menghitung masa depan justru mengajarkan bahwa masa depan tak dapat dihitung sepenuhnya. Simulmatics bangkrut, mesinnya hilang, para pendirinya sebagian besar dilupakan. Tetapi gagasan mereka hidup, dalam iklan yang tahu apa yang kita inginkan sebelum kita mengatakannya, dalam platform yang tahu apa yang membuat kita bertahan lebih lama, dalam kampanye yang tahu kelompok mana harus disasar, dan dalam masyarakat yang mulai bertanya: apakah saya memilih sendiri, atau saya sedang dipilihkan?

Dan mungkin pelajaran terpentingnya sederhana. Masa depan tidak hanya perlu diprediksi. Ia perlu diperdebatkan, dipilih, dan dipertanggungjawabkan. Sebab bila kita menyerahkan-nya kepada mereka yang memegang data, algoritma, dan mesin prediksi, pertanyaan terpenting bukan lagi apa yang akan terjadi, melainkan siapa yang berhak memutuskan apa yang terjadi.

Bogor, 20 Oktober 2026

Dwi Rahmad Muhtaman

Referensi

Awakin.org. (n.d.). The future stands still [Kutipan dari Rainer Maria Rilke, Letters to a Young Poet]. https://awakin.org/read/view.php?tid=957

Bakan, J. (2021, September 9). The new corporation: How “good” corporations are bad for democracy. Harvard Law School Forum on Corporate Governance. https://corpgov.law.harvard.edu/2021/09/09/the-new-corporation-how-good-corporations-are-bad-for-democracy/

CASRAI. (2026, July 3). Digital Omnibus AI Act: New 2027 deadlines. https://casrai.org/news/digital-omnibus-ai-act

Couldry, N., & Mejias, U. A. (2019). The costs of connection: How data is colonizing human life and appropriating it for capitalism. Stanford University Press.

Davies, D. (2020, September 15). Collect data, influence votes: “If Then” traces the genesis of data-driven politics [Wawancara dengan Jill Lepore]. Fresh Air, NPR. https://www.npr.org/2020/09/15/913039402/collect-data-influence-votes-if-then-traces-the-genesis-of-data-driven-politics

Fortune. (2025, August 26). OpenAI’s president and Andreessen Horowitz are helping lead a $100 million Silicon Valley push against tougher AI laws and the lawmakers behind them. https://fortune.com/2025/08/26/openai-president-greg-brockman-andreessen-horowitz-super-pac-ai-pro-innovation

Fortune Indonesia. (2026, July 30). Perpres AI segera terbit, tata kelola perusahaan kian jadi sorotan. https://www.fortuneidn.com/business/perpres-ai-segera-terbit-tata-kelola-perusahaan-kian-jadi-sorotan-00-4vfn9-7k1p0l

Gleick, J. (2020, October 8). Simulating democracy. The New York Review of Books. https://www.nybooks.com/articles/2020/10/08/simulating-democracy/

Goodreads. (n.d.). If then: How the Simulmatics Corporation invented the future by Jill Lepore [Ulasan pembaca]. https://www.goodreads.com/en/book/show/50489327-if-then

Google Books. (n.d.). If then: How the Simulmatics Corporation invented the future by Jill Lepore [Halaman buku dan kata kunci indeks]. https://books.google.com/books/about/If_Then_How_the_Simulmatics_Corporation.html?id=ayXWDwAAQBAJ

Harvard Law School. (n.d.). Jill Lepore [Profil fakultas]. https://hls.harvard.edu/faculty/jill-lepore/

Innovires. (n.d.). AI Act omnibus: What is changing in the EU AI Act (2026). https://www.innovires.com/en/blog/ai-act-omnibus-2026.html

Inskeep, S. (2020, September 15). “If Then” examines early fears that computers would manipulate voters [Transkrip wawancara dengan Jill Lepore]. Morning Edition, NPR (High Plains Public Radio). https://www.hppr.org/2020-09-15/if-then-examines-early-fears-that-computers-would-manipulate-voters

Kementerian Agama Republik Indonesia. (n.d.). Al-Qur’an dan terjemahannya. QS 17:36 dalam https://quran.nu.or.id/al-isra/36; QS 33:72 dalam lampiran terjemah Al-Qur’an, https://idr.uin-antasari.ac.id/22248/9/LAMPIRAN%20TERJEMAH%20ALQURAN.pdf; QS 49:6 dalam https://quranpedia.net/id/translations/49/1961; QS 49:12 dalam https://www.detik.com/hikmah/quran-online/al-hujurat

Kontan. (2026, September 3). Dua Perpres AI tinggal tunggu tanda tangan Prabowo. https://nasional.kontan.co.id/news/dua-perpres-ai-tinggal-tunggu-tanda-tangan-prabowo

Kramer, M. J. (2021, December 4). “History does not compute”: Michael J. Kramer on Jill Lepore’s If Then: How the Simulmatics Corporation Invented the Future. Society for U.S. Intellectual History. https://s-usih.org/2021/12/michael-j-kramer-on-if-then-how-the-simulmatics-corporation-invented-the-future/

Lepore, J. (n.d.-a). Biography. Harvard University, Scholars at Harvard. https://jlepore.scholars.harvard.edu/biocv

Lepore, J. (n.d.-b). If then: How the Simulmatics Corporation invented the future [Halaman publikasi dengan deskripsi penerbit]. Scholars at Harvard. https://jlepore.scholars.harvard.edu/publications/if-then-how-simulmatics-corporation-invented-future

LitLovers. (n.d.). Jill Lepore: Author bio [Panduan bacaan These Truths]. https://www.litlovers.com/reading-guides/non-fiction/these-truths-lepore?start=1

MIT Press Bookstore. (n.d.). If then: How the Simulmatics Corporation invented the future by Jill Lepore [Deskripsi penerbit dan kutipan ulasan]. https://mitpressbookstore.mit.edu/book/9781631496103

Nadwi, M. A. (n.d.). The Muqaddimah of Ibn Khaldun. Al-Salam Institute. https://alsalam.ac.uk/the-muqaddimah-of-ibn-khaldun/

National Institute of Standards and Technology. (2023). Artificial intelligence risk management framework (AI RMF 1.0) (NIST AI 100-1). U.S. Department of Commerce. https://doi.org/10.6028/NIST.AI.100-1

Popova, M. (2015, March 10). The soul-expanding value of difficulty: Rilke on how great sadnesses transform us and bring us closer to ourselves. The Marginalian. https://www.themarginalian.org/2015/03/10/rilke-letters-to-a-young-poet-sadness/

Reuters. (2019, July 15). Facebook facing $5 billion FTC fine over Cambridge Analytica data sharing. Insurance Journal. https://amp.insurancejournal.com/news/national/2019/07/15/532182.htm

Tafsir Al-Qur’an. (n.d.). Tafsir Surah Al Isra’ ayat 36–37 [Memuat QS 49:12 dan hadis riwayat Muslim, Ahmad, dan At-Tirmidzi tentang prasangka]. https://tafsiralquran.id/tafsir-surah-al-isra-ayat-36-37/

The Next Web. (2026). AI companies are spending hundreds of millions on the midterms, and they want one thing. https://thenextweb.com/news/ai-companies-super-pac-election-spending-midterms

University of Wisconsin-Madison Libraries. (n.d.). If then: How the Simulmatics Corporation invented the future [Catatan katalog dan daftar isi]. https://search.library.wisc.edu/catalog/9913082652502121

Warsifah. (2022). Keterlibatan masyarakat dalam penyusunan Amdal berdasarkan omnibus law pasca adanya putusan Mahkamah Konstitusi No. 91/PUU-XVIII/2020. Jurnal Kewarganegaraan, 6(2). https://journal.upy.ac.id/index.php/pkn/article/download/3999/pdf

Wist.info. (n.d.). Hannah Arendt (1906–1975) [Kutipan dari The Life of the Mind, vol. 1, “Thinking”; pra-terbit di The New Yorker, 5 Desember 1977]. https://wist.info/topic/take-responsibility/

Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. PublicAffairs.