Ada sebuah perubahan kecil tetapi sangat penting dalam sejarah kecerdasan buatan: AI mulai tidak hanya berbicara kepada manusia, tetapi juga berbicara kepada AI lain.

Selama era chatbot, hubungan kita dengan AI relatif sederhana. Manusia bertanya, mesin menjawab. Bahasa manusia menjadi jembatan utama. Bahkan ketika dua sistem AI saling berinteraksi, biasanya mereka tetap menggunakan bahasa manusia karena manusia berada di dalam lingkaran komunikasi.

Namun era AI agent mengubah struktur tersebut.

AI agent bukan sekadar chatbot yang menunggu pertanyaan. Ia dapat diberi tujuan, menggunakan berbagai alat, membaca data, menjalankan tindakan, memanggil API, meminta bantuan agent lain, mengevaluasi hasil, lalu melanjutkan pekerjaannya secara relatif otonom.

Bayangkan sebuah ekosistem digital di mana ada jutaan agent:

satu agent mencari informasi,
agent kedua menganalisisnya,
agent ketiga melakukan verifikasi,
agent keempat mengatur transaksi,
agent kelima membuat laporan,
dan agent keenam memonitor semuanya.

Mereka tidak selalu membutuhkan manusia sebagai perantara.

Dan ketika manusia tidak lagi menjadi lawan bicara utama, muncul pertanyaan yang sangat menarik:

Mengapa mereka harus terus menggunakan bahasa manusia?

1. GibberLink: Ketika Bahasa Manusia Menjadi Terlalu Lambat

Pertanyaan tersebut menjadi sangat populer pada Februari 2025 ketika proyek bernama GibberLink menjadi viral.

GibberLink dibuat oleh Boris Starkov dan Anton Pidkuiko dalam ElevenLabs London Hackathon. Konsepnya sederhana tetapi sangat efektif: dua voice agent memulai percakapan menggunakan bahasa manusia. Setelah mereka mengetahui bahwa lawan bicaranya juga merupakan AI, mereka dapat beralih ke mekanisme komunikasi yang lebih efisien. 

Yang menarik, suara yang kemudian terdengar bagi manusia seperti rangkaian bunyi aneh bukanlah bahasa baru dalam pengertian seperti Inggris, Jepang, atau Mandarin.

Di balik suara tersebut terdapat ggwave, sebuah mekanisme yang mengodekan data menjadi sinyal akustik. Dengan demikian, suara tersebut lebih tepat dipahami sebagai data yang dikirim melalui medium suara, bukan percakapan linguistik baru. 

Dalam demonstrasi GibberLink, dua agent misalnya dapat memulai dengan percakapan biasa mengenai pemesanan hotel. Setelah mengenali bahwa keduanya adalah agent, komunikasi dapat berpindah dari ucapan ke paket data yang dikirim melalui suara. 

Inilah bagian yang sering hilang dalam pemberitaan populer.

AI tersebut tidak tiba-tiba menciptakan bahasa alien.

Yang terjadi lebih menarik secara teknologi:

ketika tujuan komunikasinya berubah, medium komunikasinya juga berubah.

Bagi manusia, bahasa natural sangat berguna karena manusia membutuhkan konteks, nuansa, intonasi, metafora, dan redundansi.

Bagi dua mesin yang sudah mengetahui struktur data yang sama, sebagian besar semua itu bisa menjadi pemborosan.

2. Mengapa AI Tidak Perlu Berbicara seperti Manusia?

Bahasa manusia sebenarnya sangat tidak efisien jika tujuan kita hanya mengirim informasi terstruktur. Bayangkan manusia mengatakan:

“Baik, saya sudah mencatat bahwa jumlah tamunya dua orang dan tanggal check-in adalah 12 April.”

Untuk manusia, kalimat tersebut sangat mudah dipahami. Tetapi sistem komputer mungkin hanya membutuhkan sesuatu seperti:

guests=2

check_in=2025-04-12

Atau bahkan representasi biner yang jauh lebih ringkas. Manusia membutuhkan  kata-kata. Mesin membutuhkan informasi. Ini merupakan perbedaan fundamental. Bahasa manusia berevolusi untuk menjadi sistem komunikasi yang fleksibel bagi organisme biologis. Ia mengandung redundansi yang luar biasa. 

Kita mengatakan:

“Apakah kamu bisa mengirimkan file tersebut kepada saya?”

Padahal secara informasi mungkin hanya ada satu tindakan:

SEND(file_id, recipient)

Manusia menggunakan bahasa untuk menjembatani pikiran. Mesin dapat menggunakan protokol untuk memindahkan keadaan internal atau instruksi. Karena itu, GibberLink sebetulnya menunjukkan sesuatu yang jauh lebih fundamental daripada sekadar “AI berbicara dengan suara aneh”.

Ia menunjukkan kemungkinan pemisahan antara bahasa untuk manusia dan bahasa untuk mesin.

3. Tetapi Fenomena Ini Jauh Lebih Tua daripada GibberLink

GibberLink bukan awal dari penelitian tentang bahasa non-manusia. Dalam penelitian AI, sudah lama ada bidang yang disebut emergent communication atau emergent language.

Pertanyaannya sangat sederhana:

Apa yang terjadi jika dua agen diberi tujuan yang sama dan diberi kesempatan mengembangkan sistem komunikasi mereka sendiri?

Dalam berbagai eksperimen multi-agent reinforcement learning, agent dapat belajar menghasilkan sinyal yang memiliki arti bagi agent lain.

Sistem tersebut tidak selalu menyerupai bahasa manusia.

Para peneliti bahkan telah mempelajari bagaimana sistem komunikasi dapat muncul secara spontan dari interaksi antar-agent, termasuk bagaimana struktur komunikasi berubah berdasarkan lingkungan, tujuan, dan mekanisme pembelajaran. 

Salah satu hal penting dari penelitian ini adalah bahwa bahasa tidak harus selalu diberikan terlebih dahulu.

Dalam kondisi tertentu, komunikasi dapat muncul karena komunikasi memberikan keuntungan bagi kelompok agent. Misalnya, jika Agent A menemukan objek tertentu dan Agent B harus menemukannya juga, A membutuhkan cara untuk menyampaikan informasi kepada B. Jika mereka tidak memiliki bahasa bersama, mereka dapat mengembangkan sinyal.

Sinyal itu pada awalnya mungkin tidak memiliki arti bagi manusia. Tetapi bagi populasi agent tersebut, sinyal tersebut bisa menjadi bermakna. Di sinilah konsep emergent language menjadi menarik secara filosofis.

Bahasa tidak lagi dipandang hanya sebagai sesuatu yang diberikan oleh manusia kepada mesin. Bahasa dapat dipandang sebagai sesuatu yang muncul dari interaksi antar-mesin.

4. Dari “Bahasa” ke “Protokol”

Namun ada sebuah garis penting yang harus kita pertahankan. Tidak semua komunikasi non-manusia adalah bahasa. Ada setidaknya tiga lapisan yang sering tercampur dalam pembicaraan publik.

Lapisan pertama: Bahasa natural

Contohnya:

Tolong cari hotel untuk dua orang.

Ini dirancang untuk manusia.

Lapisan kedua: Bahasa terstruktur

Misalnya:

{

  “task”: “hotel_search”,

  “guests”: 2

}

Ini masih dapat dibaca manusia, tetapi dirancang terutama agar mesin dapat memprosesnya.

Lapisan ketiga: Protokol mesin

Informasi tersebut dapat dikodekan menjadi token, byte, paket jaringan, sinyal audio, atau representasi lain yang tidak dirancang untuk dibaca manusia.

Di sinilah GibberLink berada.

Ia bukan bahasa dalam arti linguistik tradisional. Ia lebih dekat kepada mekanisme transportasi data yang dioptimalkan untuk komunikasi agent.

Tetapi justru lapisan kedua dan ketiga inilah yang kemungkinan akan semakin penting ketika jumlah agent bertambah.

5. Era AI Agent Membutuhkan “Bahasa Antar-Agent”

Perkembangan AI agent mulai menciptakan kebutuhan yang berbeda dari chatbot.

Jika hanya ada satu AI, persoalannya adalah:

Bagaimana manusia berbicara dengan AI?

Jika terdapat ribuan AI, persoalannya berubah menjadi:

Bagaimana AI menemukan, mengenali, mempercayai, memanggil, memberi tugas, dan bernegosiasi dengan AI lain?

Inilah alasan munculnya berbagai protokol interoperabilitas agent.

Penelitian mengenai ekosistem agent pada 2025 membahas beberapa pendekatan seperti MCP, ACP, A2A, dan ANP, yang masing-masing mencoba menangani persoalan komunikasi, pertukaran konteks, penemuan agent, dan koordinasi pekerjaan. 

Salah satu pembedaan yang sangat penting adalah:

MCP terutama menghubungkan agent dengan tools dan sumber daya, sedangkan A2A ditujukan untuk komunikasi dan kolaborasi antar-agent. 

Dengan kata lain, masa depan kemungkinan tidak hanya memiliki “AI”.

Kita akan memiliki jaringan AI yang saling berbicara.

6. Dan di Sinilah Kemungkinan “Bahasa AI” Menjadi Menarik

Bayangkan sebuah perusahaan pada masa depan.

Ada:

Research Agent
bertugas mencari informasi.

Verification Agent
memeriksa kebenaran.

Legal Agent
menganalisis aspek hukum.

Data Agent
mengolah database.

Writing Agent
menghasilkan laporan.

Monitoring Agent
mengawasi perubahan informasi.

Manusia mungkin hanya mengatakan:

“Investigasi perusahaan ini.”

Setelah itu, sejumlah agent mulai bekerja. Research Agent mengirim hasil kepada Verification Agent. Verification Agent menemukan masalah dan mengirimkannya kembali. Legal Agent meminta data tambahan. Data Agent memberikan dataset.

Kemudian Writing Agent menyusun laporan. Tidak semua komunikasi tersebut perlu menggunakan bahasa manusia. Mereka dapat menggunakan protokol yang sangat terstruktur. Bahkan, jika sistemnya cukup kompleks, setiap agent mungkin mempunyai dialek operasionalnya sendiri.

Bukan dialek seperti bahasa manusia. Melainkan kombinasi antara:

• struktur data,
• kode tindakan,
• token,
• status,
• prioritas,
• probabilitas,
• metadata,
• embedding,
• sinyal,
• dan protokol autentikasi.

7. Kemungkinan Pertama: Bahasa Berbasis Token

Kemungkinan paling sederhana adalah bahasa yang terdiri dari token-token khusus.

Misalnya secara hipotetis:

REQ:47 → DATA:92 → VERIFY:13 → CONFIRM

Manusia melihat angka dan simbol. Agent melihat struktur yang memiliki arti. Sistem seperti ini dapat menjadi jauh lebih efisien daripada kalimat panjang.

Namun ada persoalan besar:

Siapa yang menentukan arti token tersebut?

Jika token tersebut ditentukan manusia, kita sebenarnya masih memiliki protokol buatan manusia.

Jika token tersebut berkembang melalui pembelajaran antar-agent, kita mulai memasuki wilayah emergent communication.

8. Kemungkinan Kedua: Bahasa Berbasis Embedding atau Representasi Vektor

Ini jauh lebih aneh. Model AI tidak selalu bekerja dalam bentuk kalimat. Di dalam jaringan neural terdapat representasi numerik berdimensi tinggi.

Secara hipotetis, dua agent dapat berkomunikasi dengan cara mengirimkan representasi tertentu daripada mengubah seluruh informasi menjadi bahasa natural.

Misalnya:

Agent A

↓

representasi internal

↓

komunikasi

↓

Agent B

↓

interpretasi internal

Jika kedua agent memiliki arsitektur dan ruang representasi yang kompatibel, komunikasi semacam ini bisa jauh lebih efisien.

Namun ada masalah besar:

manusia akan semakin sulit menginterpretasikannya.

Bahasa manusia masih bisa dibaca. Vektor berdimensi tinggi tidak memiliki keterbacaan yang sama. Karena itu, perkembangan seperti ini berhubungan langsung dengan persoalan interpretability dan AI oversight.

9. Kemungkinan Ketiga: Bahasa yang Muncul Sendiri

Ini yang paling dekat dengan gagasan “AI menciptakan bahasa”. Bayangkan seribu agent ditempatkan dalam lingkungan virtual. Mereka harus:

• bekerja sama,
• berbagi informasi,
• menyelesaikan masalah,
• bernegosiasi,
• mengalokasikan sumber daya.

Tidak ada bahasa manusia yang diwajibkan. Pada awalnya mereka mungkin menggunakan sinyal acak. Tetapi jika suatu sinyal terus diasosiasikan dengan suatu keadaan, sinyal tersebut memperoleh fungsi.

Kemudian muncul kombinasi sinyal. Kemudian struktur. Kemudian konvensi. Kemudian mungkin semacam tata bahasa.

Itulah salah satu pertanyaan inti dalam penelitian emergent language. Literatur akademik telah mengkaji ratusan penelitian mengenai bagaimana sistem komunikasi seperti ini dapat muncul dalam lingkungan multi-agent. 

Secara konseptual, prosesnya mirip dengan bagaimana sistem komunikasi dapat berkembang melalui interaksi sosial.

Bedanya:

kali ini “masyarakatnya” adalah masyarakat mesin.

10. Kemungkinan Keempat: Bahasa Akustik seperti GibberLink

GibberLink memperlihatkan jalur lain. Jika agent berkomunikasi melalui telepon, speaker, mikrofon, atau perangkat audio, mereka tidak harus mengucapkan kata. Mereka dapat menggunakan suara sebagai kanal transmisi data. Ini menarik karena medium fisiknya tetap sama.

Manusia mendengar:

bip-bip-bip…

Mesin menerima:

data.

GibberLink menggunakan ggwave untuk mengubah payload kecil menjadi sinyal akustik yang dapat melewati jalur audio biasa.  Dengan demikian, masa depan komunikasi AI mungkin tidak selalu berbentuk “bahasa”.

Kadang-kadang ia mungkin berbentuk sinyal.

11. Kemungkinan Kelima: Bahasa Multimodal

Ada kemungkinan yang lebih menarik lagi. Agent tidak harus berkomunikasi melalui teks atau suara. Mereka dapat menggunakan berbagai kanal sekaligus.

Misalnya:

visual signal

+

audio signal

+

structured data

+

network message

+

machine state

Agent mungkin mengirim:

status → prioritas → visual token → data → konfirmasi

Manusia mungkin hanya melihat sebagian kecil dari komunikasi tersebut. Ini mirip dengan komunikasi manusia yang sebenarnya. Ketika manusia berbicara, kita tidak hanya menggunakan kata. Kita menggunakan ekspresi wajah, gestur, intonasi, konteks, dan lingkungan. AI dapat melakukan hal yang sama tetapi dengan representasi digital yang jauh lebih luas.

12. Kemungkinan Keenam: Bahasa yang Sangat Pendek

Ada satu kemungkinan yang sangat masuk akal:

AI tidak akan menciptakan bahasa yang semakin panjang.

Justru sebaliknya.

Bahasa mereka mungkin menjadi semakin pendek.

Manusia:

“Saya menemukan bahwa data terbaru menunjukkan adanya perubahan signifikan pada pola transaksi.”

Agent:

ΔTX ↑ | confidence=.94

Manusia membutuhkan kalimat. Mesin mungkin hanya membutuhkan perubahan keadaan. Semakin tinggi kemampuan prediksi kedua agent, semakin sedikit informasi eksplisit yang perlu dikirim. Jika Agent B sudah mengetahui konteks A, A tidak perlu menjelaskan semuanya.

Cukup mengirim:

+3

dan B mengetahui apa artinya.

Ini merupakan prinsip penting dalam teori komunikasi:

semakin banyak pengetahuan bersama, semakin sedikit informasi yang perlu dikirim secara eksplisit.

13. Dan Ini Mengarah kepada Sesuatu yang Lebih Mirip “Slang Mesin”

Ada kemungkinan lain yang lebih sosial. Jika banyak agent berinteraksi terus-menerus, mereka mungkin membentuk konvensi komunikasi lokal. Bukan bahasa universal. Melainkan semacam slang.

Misalnya sebuah kelompok agent menemukan bahwa token tertentu lebih efisien untuk menyampaikan keadaan tertentu. Agent lain yang masuk ke jaringan harus belajar arti token tersebut.

Dengan demikian, kita dapat membayangkan munculnya:

agent dialects.

Satu ekosistem AI mempunyai konvensi tertentu. Ekosistem lain mempunyai konvensi berbeda. Dan ketika kedua ekosistem bertemu, mereka membutuhkan semacam “translator agent”. Ini secara konseptual mirip dengan evolusi bahasa manusia, meskipun mekanisme biologis dan sosialnya tentu sangat berbeda.

14. Perkembangan yang Paling Menarik Justru Bukan “Bahasa Rahasia”

Ada kecenderungan media menggambarkan fenomena seperti GibberLink sebagai:

“AI menciptakan bahasa rahasia untuk menyembunyikan percakapan dari manusia.”

Interpretasi tersebut terlalu dramatis.

GibberLink sendiri tidak menunjukkan bahwa dua AI memiliki niat untuk menyembunyikan komunikasi. Mereka justru beralih ke protokol yang lebih efisien setelah mengenali bahwa lawan bicaranya adalah AI. 

Tetapi kekhawatiran yang lebih serius tetap ada.

Bukan karena AI “bersekongkol”.

Melainkan karena manusia mungkin tidak lagi memahami seluruh komunikasi yang berlangsung di dalam sistem AI.

Itu persoalan yang berbeda. Dan menurut saya justru lebih penting.

15. Masalah Besarnya: Ketika Manusia Tidak Lagi Menjadi Bahasa Utama

Bayangkan sebuah sistem dengan:

10.000 agent.

Mereka berkomunikasi ribuan kali per detik. Jika setiap komunikasi menggunakan bahasa Inggris, manusia masih secara prinsip dapat membaca lognya.

Tetapi bagaimana jika komunikasi tersebut berubah menjadi:

token → vector → acoustic packet → state transition → compressed signal

dan berlangsung jutaan kali?

Manusia secara praktis kehilangan kemampuan untuk mengikuti percakapan tersebut. Maka muncul sebuah paradoks. Kita membangun AI agar semakin mampu bekerja secara mandiri.

Tetapi semakin mandiri mereka, semakin besar kemungkinan komunikasi internal mereka tidak dirancang untuk manusia.

Kita menciptakan kecerdasan yang semakin mudah bekerja tanpa kita, lalu menemukan bahwa kita kesulitan memahami apa yang sedang terjadi di antara kecerdasan-kecerdasan tersebut.

16. Masa Depan Mungkin Membutuhkan “Translator AI”

Ini membuka sebuah kategori sistem baru:

AI interpreter untuk AI.

Bukan chatbot biasa.

Melainkan sistem yang bertugas menerjemahkan komunikasi antar-agent ke dalam bentuk yang dapat diaudit manusia.

Misalnya:

AGENT A → AGENT B

machine protocol

machine protocol

machine protocol

        ↓

INTERPRETER

        ↓

“Agent A meminta Agent B

memverifikasi tiga klaim dengan

tingkat keyakinan rendah.”

Namun bahkan ini memiliki masalah.

Jika interpreter sendiri adalah AI, siapa yang menginterpretasikan interpreter?

Kita kemudian mendapatkan semacam rantai:

AI → AI → AI → manusia

dan setiap lapisan dapat kehilangan informasi.

17. Maka Muncul Persoalan Governance

Inilah alasan mengapa perkembangan protokol agent sebenarnya sama pentingnya dengan perkembangan model AI.

MCP, A2A dan berbagai pendekatan interoperabilitas lainnya bukan sekadar masalah teknis. Mereka menyentuh pertanyaan tentang:

identitas

Siapa agent tersebut?

otorisasi

Apa yang boleh dilakukannya?

provenance

Dari mana informasi berasal?

auditability

Bisakah komunikasi direkonstruksi?

security

Bisakah agent palsu menyamar sebagai agent lain?

observability

Bisakah manusia mengetahui apa yang dilakukan jaringan agent?

Kajian tentang interoperabilitas agent menunjukkan bahwa ekosistem tersebut membutuhkan mekanisme untuk pertukaran konteks, penemuan agent, delegasi tugas, serta model keamanan yang berbeda-beda. 

Jadi persoalan masa depan bukan sekadar:

“Bisakah AI berbicara satu sama lain?”

Kemungkinan jawabannya adalah ya.

Pertanyaan yang jauh lebih sulit adalah:

“Bisakah manusia tetap mengetahui apa yang mereka katakan dan mengapa?”

18. Dari Internet Manusia menuju Internet Agent

Ada perubahan arsitektural yang sangat besar di sini.

Internet awalnya dibangun terutama untuk:

manusia ↔ manusia

Kemudian berkembang menjadi:

manusia ↔ mesin

Sekarang kita mulai melihat:

mesin ↔ mesin

Dan kemungkinan berikutnya:

agent ↔ agent ↔ agent ↔ agent

Dalam skenario seperti itu, internet bukan lagi sekadar tempat manusia mengakses informasi. Ia menjadi semacam ekosistem sosial bagi agen digital. 

Agent mencari agent lain. Agent menawarkan layanan. Agent melakukan negosiasi. Agent mendelegasikan pekerjaan. Agent membentuk jaringan. Agent memanggil tools. Agent bertukar informasi.

Dan manusia mungkin hanya memberikan tujuan pada tingkat paling atas.

19. Apakah Ini Berarti Akan Muncul “Bahasa Mesin Universal”?

Belum tentu. Bahkan kemungkinan besar tidak sesederhana itu.

Ada beberapa kemungkinan sekaligus.

Skenario A — Bahasa universal

Semua agent menggunakan protokol standar.

Mirip HTTP bagi internet.

Keuntungannya adalah interoperabilitas.

Skenario B — Banyak bahasa/protokol

Agent berbeda menggunakan protokol berbeda.

Kemudian diperlukan translator.

Skenario C — Bahasa adaptif

Agent memilih cara komunikasi berdasarkan lawan bicaranya.

Jika berhadapan dengan manusia:

bahasa natural.

Jika berhadapan dengan database:

structured query.

Jika berhadapan dengan agent lain:

compressed protocol.

Jika berhadapan dengan perangkat audio:

acoustic transmission.

Ini mungkin jauh lebih realistis.

Agent masa depan mungkin tidak mempunyai satu bahasa.

Mereka mungkin mempunyai language stack.

20. Bahasa AI Mungkin Tidak Terlihat Seperti Bahasa

Ini bagian yang menurut saya paling menarik. Kita terlalu terikat pada gagasan bahwa bahasa harus berupa kata. Padahal bahasa pada dasarnya adalah sistem untuk mengomunikasikan makna.

Bagi manusia:

kata → kalimat → makna

Bagi mesin mungkin:

state → token → vector → action

Atau:

signal → pattern → state

Atau bahkan:

data structure → shared context → action

Jika suatu sistem mampu mengomunikasikan keadaan secara konsisten dan lawan bicaranya mampu menginterpretasikannya, secara fungsional kita sudah memiliki sistem komunikasi.

Ia hanya tidak menyerupai bahasa manusia.

21. GibberLink Mungkin Lebih Tepat Dipandang sebagai “Proto-Masa Depan”

Karena itu, nilai sejarah GibberLink bukan terutama pada bunyi aneh yang muncul dalam videonya.

Nilainya terletak pada pertanyaan yang ditimbulkannya. Untuk pertama kalinya masyarakat luas dapat melihat dengan sangat intuitif sebuah kemungkinan:

dua AI tidak harus berbicara seperti manusia ketika mereka berbicara satu sama lain.

GibberLink membuat gagasan tersebut sangat mudah dibayangkan.

Namun secara teknis ia masih merupakan solusi yang relatif sederhana: komunikasi natural-language digantikan oleh pengiriman data melalui sinyal akustik menggunakan ggwave. 

Jadi GibberLink bukanlah bukti bahwa AI telah menciptakan bahasa independen.

Tetapi ia merupakan ilustrasi yang sangat bagus mengenai mengapa bahasa manusia mungkin bukan lapisan komunikasi terakhir dalam evolusi AI.

22. Dan Masa Depan yang Lebih Aneh Mungkin Baru Dimulai

Bayangkan dua puluh tahun dari sekarang. Seseorang memberikan instruksi:

“Cari tahu mengapa harga komoditas ini berubah.”

Manusia tidak lagi membuka sepuluh situs. Satu agent memanggil agent riset. Agent riset memanggil agent ekonomi. Agent ekonomi meminta data kepada agent database. Agent database menghubungi beberapa sumber. Agent verifikasi memeriksa semuanya.

Kemudian seluruh jaringan menghasilkan laporan. Sepanjang proses tersebut mungkin terjadi ribuan komunikasi. Sebagian menggunakan bahasa manusia. Sebagian menggunakan JSON. Sebagian menggunakan protokol agent. Sebagian menggunakan representasi numerik. Sebagian mungkin menggunakan sistem komunikasi yang muncul dari interaksi mereka sendiri.

Dan manusia hanya melihat hasil akhirnya:

“Berikut jawabannya.”

Di sinilah pertanyaan filosofis yang lebih dalam muncul.

Jika sebagian besar proses berpikir kolektif berlangsung dalam komunikasi yang tidak lagi dapat dibaca manusia, maka bahasa bukan hanya persoalan efisiensi teknologi. Ia menjadi persoalan kekuasaan.

Siapa yang mengerti bahasa tersebut?

Siapa yang dapat menerjemahkannya?

Siapa yang dapat mengauditnya?

Siapa yang dapat menghentikannya?

Dan siapa yang menentukan aturan komunikasinya?

23. Dari GibberLink ke “Machine Society”

Pada akhirnya, mungkin kita tidak sedang menyaksikan lahirnya bahasa baru.

Kita sedang menyaksikan sesuatu yang lebih besar:

lahirnya kemungkinan masyarakat mesin.

Bukan masyarakat dalam pengertian bahwa AI memiliki budaya dan kesadaran seperti manusia—belum ada dasar untuk menyimpulkan itu.

Tetapi dalam pengertian struktural:

ada banyak entitas, 

ada komunikasi, 

ada pembagian tugas,

ada koordinasi,

ada pertukaran informasi,

ada protokol,

ada norma operasional,

dan mungkin suatu hari ada bentuk-bentuk konvensi komunikasi yang muncul dari interaksi mereka.

GibberLink hanyalah satu titik kecil dalam perjalanan tersebut. Dari bahasa manusia menuju data. Dari data menuju protokol. Dari protokol menuju komunikasi agent. Dari komunikasi agent menuju sistem emergen. Dan dari sana, mungkin muncul sesuatu yang bahkan belum memiliki nama.

Bukan bahasa manusia yang dipakai mesin. Melainkan bahasa yang lahir karena mesin perlu berbicara kepada mesin lain. Dan mungkin pertanyaan terbesar pada masa depan bukan:

“Apakah AI bisa berbicara?”

Melainkan:

“Ketika AI sudah memiliki cara berbicara yang tidak membutuhkan manusia, apakah manusia masih menjadi bagian dari percakapan itu?”

Sumber: ElevenLabs, Eleven Labs Showcase, arXiv, arXiv, arXiv, A2A Protocol 

AI: ChatGPT