Apa yang tidak terhitung sebagai bukti AI
Catatan: Dokumen ini adalah terjemahan otomatis dari versi asli bahasa Inggris.
Apa yang tidak terhitung sebagai bukti AI
Sebuah proyek dapat menyajikan banyak artefak yang tampak seperti bukti adanya AI component yang berfungsi — tetapi setelah diperiksa lebih dekat ternyata tidak mendemonstrasikannya. Halaman ini mencantumkan anti-pola yang paling umum: sinyal-sinyal yang mengklaim kapabilitas AI tanpa memberikan bukti yang dapat diverifikasi. Halaman ini adalah pendamping dari Apa yang terhitung sebagai bukti adanya AI component.
Singkatnya: materi pemasaran, repositori kosong, metrik tanpa metodologi, pembungkus API tanpa logika milik sendiri, dan "AI" dalam nama token bukanlah bukti adanya AI component yang berfungsi.
Mengapa mengenali sinyal palsu itu penting
Batas antara "bukti" dan "bukan bukti" adalah fondasi pendekatan DecAIHub terhadap AI-washing. Mengenali pola-pola di bawah ini bukanlah tuduhan terhadap proyek — melainkan berarti artefak spesifik itu tidak mengubah apa pun pada realitas AI yang dapat diverifikasi, dan tidak boleh disalahartikan sebagai bukti Tier-1.
Anti-pola yang umum
"Kami menggunakan AI" dalam materi pemasaran
Mengatakan "bertenaga AI", "dibangun dengan machine learning", atau "digerakkan jaringan saraf" di halaman arahan atau pitch deck adalah pernyataan positioning, bukan bukti. Tanpa artefak Tier-1 (kode, dokumentasi, demo), kata-kata ini tidak membawa bobot yang dapat diverifikasi.
DecAIHub tidak menghukum proyek karena menggunakan kata itu — tetapi juga tidak memperlakukannya sebagai bukti. Kehadiran "AI" dalam pemasaran menaikkan standar: jika sebuah proyek mengklaim AI secara mencolok, ketiadaan artefak pendukung menjadi lebih mencolok pula.
Repositori kosong atau tidak berkaitan
Repositori GitHub yang ada tetapi tidak berisi kode AI/ML — atau hanya berisi README, boilerplate, atau skrip yang tidak berkaitan — adalah tanda bahaya. Repositori yang bermakna memiliki commit, rilis, pengujian, dan kode yang selaras dengan klaim dalam whitepaper atau dokumentasi.
Pola yang umum: repositori yang baru saja dibuat dengan satu commit awal; fork dari kerangka kerja populer tanpa modifikasi; kumpulan berkas konfigurasi tanpa kode model; repositori tanpa commit selama lebih dari setahun sementara proyek terus mengklaim pengembangan AI yang aktif.
Metrik tanpa metodologi
Mengklaim "akurasi 95%" atau "kinerja state-of-the-art" tidak berarti apa-apa tanpa konteks: apa yang diukur, pada data apa, kapan, dan dengan versi model yang mana. Metrik tanpa metodologi bukanlah bukti Tier-1.
"Model kami mencapai 0,92 F1 pada benchmark XYZ, dievaluasi pada versi 2.1 pada Januari 2026" adalah metrik. "Kami mencapai akurasi 92%" adalah klaim. DecAIHub mencatat klaim sebagai pernyataan yang dicatat tetapi tidak menetapkan flag AI_3 berdasarkan klaim tersebut.
Pembungkus API tanpa logika milik sendiri
Memanggil API OpenAI, Anthropic, atau pihak ketiga lainnya dan mengembalikan hasilnya bukanlah bukti AI milik proyek itu sendiri. Pembungkus API bisa jadi produk yang sah, tetapi tidak menjadikan proyek itu proyek AI dalam pengertian yang dievaluasi DecAIHub. AI-nya milik penyedia, bukan milik proyek.
Jika sebuah proyek menerapkan fine-tuning-nya sendiri, menggabungkan keluaran pihak ketiga dengan model milik sendiri, atau menambahkan pascaproses yang terukur, gambarannya berubah. Pertanyaan kuncinya adalah apakah proyek menambahkan nilai level-AI yang dapat diverifikasi di luar apa yang disediakan API mentah. Jika seluruh "AI component"-nya adalah satu panggilan API dengan system prompt, realitas AI-nya milik penyedia.
"AI" hanya di nama token atau merek
Jika satu-satunya kaitan proyek dengan AI adalah kata "AI" dalam ticker token, nama domain, atau mereknya — tanpa implementasi teknis di baliknya — ini adalah positioning, bukan bukti.
Ticker token adalah label, bukan fitur. DecAIHub memperlakukan penamaan sebagai sinyal netral — tidak menambah maupun mengurangi penilaian bukti. Yang penting adalah apakah artefak ada di balik nama itu.
Kemitraan dengan perusahaan AI
Pengumuman kemitraan (mis., "bermitra dengan NVIDIA" atau "terintegrasi dengan OpenAI") adalah Tier-2 paling banter. Ia menunjukkan asosiasi, bukan AI component yang berfungsi di dalam proyek. Kemitraan tidak menggantikan kode, dokumentasi, atau demo.
Kemitraan berkisar dari kolaborasi teknis yang mendalam (riset bersama, model yang dikembangkan bersama) hingga afiliasi yang longgar (keanggotaan akselerator, tercantum di direktori mitra). Sebagian besar kemitraan yang diumumkan di ranah kripto-AI condong ke ujung yang longgar. Hanya kemitraan dengan keluaran teknis yang dapat diverifikasi yang berkontribusi pada gambaran bukti, dan itu pun sebagai konteks Tier-2, bukan pembuktian Tier-1.
"Roadmap AI" atau niat AI tanpa implementasi
Butir roadmap yang mengatakan "fitur AI hadir di Q3" menunjukkan niat (AI_0), bukan AI component yang berfungsi. Niat dicatat sebagai satu flag tetapi tidak, dengan sendirinya, menandakan AI component yang berfungsi. Formula ai_score dibatasi maksimal 3, sehingga AI_0 saja berkontribusi minimal.
Rencana berubah, tertunda, atau dibatalkan. DecAIHub mencatat niat AI resmi melalui flag AI_0 untuk membedakan proyek yang telah mendeklarasikan ambisi AI dari yang belum. Tetapi flag itu adalah lantai, bukan langit-langit — ia berkontribusi ai_score = 1 paling banyak, dan hanya ketika niat itu berasal dari sumber Tier-1.
Demo tanpa backend AI yang dapat diverifikasi
Frontend yang dipoles yang mengklaim menampilkan hasil AI tetapi tidak menyediakan cara untuk memverifikasi bahwa model AI berjalan di baliknya — tanpa dokumentasi API, tanpa versi model, tanpa keluaran yang dapat direproduksi — bukanlah bukti yang memadai.
Demo yang dapat diverifikasi mengizinkan masukan yang berbeda dan menghasilkan keluaran yang bervariasi sesuai konteks. Ia mungkin mengekspos endpoint API, menampilkan informasi versi model, atau menawarkan mode sandbox. Sebuah pertunjukan (showcase), sebaliknya, mengikuti jalur yang sudah diskenariokan atau menghasilkan keluaran identik terlepas dari masukannya. DecAIHub mencari yang pertama; yang kedua dicatat tetapi tidak berkontribusi pada flag bukti di luar AI_0.
"Model yang di-fine-tune" tanpa perincian
Mengklaim memiliki model yang di-fine-tune bukanlah bukti kecuali proyek menyebutkan: model dasarnya, dataset yang digunakan untuk fine-tuning, peningkatan dibandingkan model dasar, dan metrik kualitas dengan metodologi.
Klaim fine-tuning yang kredibel menamai model dasarnya, mendeskripsikan data pelatihannya, dan menunjukkan peningkatan yang terukur pada tugas yang terdefinisi. Tanpa perincian ini, "kami me-fine-tune sebuah model" tidak dapat dibedakan dari "kami menggunakan sebuah model."
Tabel referensi anti-pola
| Anti-pola | Apa yang diklaimnya | Apa yang sebenarnya dibuktikannya |
|---|---|---|
| "Bertenaga AI" di situs web | Proyek memiliki AI | Tidak ada apa pun tanpa artefak Tier-1 |
| Repositori GitHub kosong | Kode AI sumber terbuka | Repositori ada; kode AI tidak |
| "Akurasi 95%" tanpa konteks | AI berkualitas tinggi | Sebuah angka dinyatakan; validitasnya tidak diketahui |
| Pembungkus API OpenAI | Proyek "menggunakan AI" | Proyek memanggil AI milik orang lain |
| "AI" di nama token | Proyek terkait AI | Sebuah pilihan penamaan dibuat |
| Kemitraan dengan lab AI | Kapabilitas AI | Sebuah asosiasi ada |
| "AI di roadmap Q3" | AI component di masa depan | Hanya niat (AI_0) |
| Demo yang dipoles, tanpa bukti backend | AI yang berfungsi | Sebuah frontend dibangun |
| "LLM yang di-fine-tune" tanpa detail | Model milik sendiri | Sebuah klaim dibuat |
Cara membedakan sinyal palsu dari bukti yang lemah tetapi nyata
Tidak setiap artefak yang gagal memenuhi standar Tier-1 tak bernilai. Beberapa artefak adalah bukti yang benar-benar lemah — tidak memadai sendirian tetapi bermakna dalam kombinasi. Tabel di bawah memperjelas batasnya:
| Artefak | Sinyal palsu (tanpa nilai bukti) | Bukti yang lemah tetapi nyata |
|---|---|---|
| Repositori | Kosong atau hanya boilerplate | Berisi sebagian kode AI tetapi tanpa pengujian atau rilis |
| Metrik | Angka tanpa metodologi | Angka dengan metodologi parsial (kurang satu dari empat pertanyaan konteks) |
| Demo | Pertunjukan terskenario dengan keluaran tetap | Demo interaktif tanpa dokumentasi API atau versi model |
| Kemitraan | Logo di halaman mitra | Keluaran teknis bersama (makalah yang ditulis bersama, repositori bersama) |
| Dokumentasi | Whitepaper pemasaran tanpa kedalaman teknis | Whitepaper teknis yang mendeskripsikan arsitektur tetapi tanpa detail versi |
Bukti yang lemah dapat berkontribusi pada penetapan flag individual ketika dikuatkan oleh artefak lain. Sinyal palsu tidak berkontribusi berapa pun jumlahnya — sepuluh repositori kosong tidak lebih kuat daripada satu.
Cara DecAIHub mencatat kasus-kasus ini
Ketika tidak ditemukan bukti Tier-1 adanya AI component yang berfungsi, ai_score proyek tetap 0 atau 1. Jika AI dipromosikan secara aktif dalam pemasaran sementara buktinya tidak ada, flag AI-washing dapat ditetapkan pada kartu.
Ini bukan tuduhan — ini catatan tentang celah antara klaim dan artefak per tanggal verifikasi. Ketika bukti baru muncul, kartu diperbarui.
ai_score menjumlahkan flag biner AI_0 hingga AI_4 (dibatasi maksimal 3). Proyek yang hanya menunjukkan anti-pola dari halaman ini biasanya akan memiliki ai_score = 0 atau ai_score = 1 (jika AI_0 diset melalui roadmap resmi), yang secara langsung membatasi DecAI Fit maksimumnya.
Apa yang tidak dibuktikan oleh daftar ini saja
Pertanyaan yang sering diajukan
Mengapa memiliki "AI" di nama token tidak terhitung sebagai bukti?
Nama token adalah keputusan branding, bukan artefak teknis. Proyek mana pun dapat memilih ticker yang mengandung "AI" tanpa membangun teknologi apa pun. DecAIHub menilai bukti berdasarkan artefak yang dapat diperiksa dan diverifikasi — kode, dokumentasi, demo, metrik dengan metodologi. Sebuah nama tidak memenuhi satu pun kriteria ini. Nama token dicatat di kartu proyek sebagai metadata tetapi tidak memengaruhi satu pun dari lima flag AI reality (AI_0 hingga AI_4).
Apakah kemitraan dengan NVIDIA (atau perusahaan AI lain) merupakan bukti AI?
Tidak. Pengumuman kemitraan diklasifikasikan sebagai Tier-2 paling banter — ia memberikan konteks tetapi tidak membuktikan AI component yang berfungsi ada di dalam proyek. Kemitraan sangat bervariasi kedalamannya: dari upaya ko-rekayasa yang mendalam hingga cantuman "anggota ekosistem" yang sederhana. Kecuali kemitraan itu telah menghasilkan keluaran teknis yang dapat diverifikasi (basis kode bersama, riset yang dipublikasikan bersama, deployment yang dipelihara bersama), ia tetaplah asosiasi alih-alih bukti. Ia dapat mendukung temuan Tier-1 jika temuan itu ada, tetapi tidak dapat menggantikannya.
Bagaimana dengan proyek yang menjanjikan fitur AI di roadmap mereka?
Entri roadmap dari sumber Tier-1 resmi (blog proyek itu sendiri, dokumentasi, atau proposal tata kelola) dicatat melalui flag AI_0, yang menangkap "niat AI yang dideklarasikan." Ini menetapkan ai_score setidaknya 1, membedakan proyek itu dari yang sama sekali tidak menyebut AI. Namun, roadmap adalah rencana, bukan implementasi. Flag AI_0 adalah sinyal positif terendah yang mungkin, dan sendirian ia membatasi DecAI Fit maksimal 3 dari 6 karena aturan plafon ai_score. Ketika tonggak roadmap tercapai dan artefak yang dapat diverifikasi muncul, kartu diperbarui dan flag yang lebih tinggi dapat ditetapkan.
Bisakah sebuah proyek menunjukkan beberapa anti-pola dan tetap memiliki AI component yang nyata?
Bisa. Anti-pola menandakan bahwa artefak tertentu tidak membentuk bukti — anti-pola tidak membuktikan ketiadaan teknologi. Sebuah proyek bisa saja memiliki praktik pemasaran yang buruk dan klaim metrik yang kabur sambil secara bersamaan mengoperasikan sistem AI yang sah yang tidak terdokumentasi dengan baik secara publik. DecAIHub mengevaluasi apa yang dapat diverifikasi pada saat peninjauan. Jika teknologi yang mendasarinya ada tetapi tidak dapat diperiksa dari luar, ia tidak dapat diskor — dan proyek didorong untuk mempublikasikan artefak yang dibutuhkan agar kartunya diperbarui.
Referensi eksternal
- OECD AI Policy Observatory — AI classification framework — sumber internasional untuk memahami bagaimana sistem AI didefinisikan, diklasifikasikan, dan diatur di berbagai yurisdiksi.
- Papers With Code — state-of-the-art benchmarks — sumber komunitas yang melacak hasil benchmark AI dengan tautan kode dan metodologi; berguna untuk memahami seperti apa "metrik dengan metodologi" dalam praktiknya.
- Stanford HAI — AI Index Report — laporan tahunan yang melacak tren riset, pengembangan, dan deployment AI; memberikan konteks untuk mengevaluasi klaim AI terhadap lanskap yang lebih luas.
No comments to display
No comments to display