Tristan Harris Tutup Kebanyakan Tim Center for Humane Technology, Beralih ke Mode ‘Founder-Led’

Nonprofit Advokasi Etika Teknologi Memangkas Tim Hingga 80 Persen

Center for Humane Technology (CHT), organisasi Nonprofit yang didirikan oleh mantan desainer etis Google Tristan Harris, mengumumkan pemutusan hubungan kerja (PHK) untuk mayoritas stafnya. Berdasarkan laporan WIRED, organisasi yang dikenal karena film dokumenter The Social Dilemma (2020) akan beralih ke Mode operasi “founder-led” — di mana Harris dan co-founder lain, Aza Raskin dan Randima Fernando, akan menjalankan organisasi secara langsung tanpa lapisan manajemen menengah dan Staff penuh yang besar.

Latar Belakang: Dari Tim Penuh ke Tim Pendiri

CHT didirikan pada 2018 setelah Harris keluar dari Google, di mana ia memimpin inisiative “Time Well Spent” yang menantang desain produk yang mengeksploitasi perhatian pengguna. Organisasi ini tumbuh cepat: pada puncaknya memiliki sekitar 30-40 Staff penuh, dengan anggaran tahunan yang mencapai jutaan dolar dari donor seperti Omidyar Network, Craig Newmark Philanthropies, dan MacArthur Foundation.

Namun, sesuai laporan internal yang didapat WIRED, CHT kini mempertahankan hanya segelintir Staff inti — diperkirakan kurang dari 10 orang — sementara fungsi seperti riset, advokasi kebijakan, komunikasi, dan operasi dipangkas drastis. Harris mengonfirmasi bahwa keputusan ini diambil setelah evaluasi strategis panjang: Mode organisasi Nonprofit tradisional dengan hierarki penuh dinilai terlalu lambat dan mahal untuk merespons kecepatan perkembangan AI generatif saat ini.

Apa Itu Mode ‘Founder-Led’ di Konteks Nonprofit?

Istilah “founder-led” populer di dunia startup (contoh: Elon Most di Tesla/SpaceX, Brian Chesky di Airbnb), tetapi jarang diterapkan di sektor Nonprofit. Pada Mode ini, pendiri tidak hanya menetapkan visi, tapi juga terlibat langsung dalam eksekusi harian: menulis proposal grant, mengoding prototipe alat transparansi algoritma, menghadiri hearing legislatif, hingga mengelola media sosial organisasi.

Keuntungan yang diklaim: keputusan lebih cepat, biaya overhead (sewa kantor, manajemen menengah, HR) turun drastis, dan narasi organisasi tetap kohesen karena dikendalikan oleh orang yang memahami misi sejak hari pertama. Risikonya: beban kerja pendiri melonjak, kesuksesan bergantung pada kapasitas pribadi beberapa orang, dan regenerasi kepemimpinan jadi lebih sulit.

Mengapa Sekarang? Tekanan Kecepatan AI Generatif

Harris dan Raskin selama 2023-2024 memperingatkan bahaya AI generatif melalui podcast Your Undivided Attention dan briefing ke legislatif AS, UE, dan negara-negara G7. Mereka mendorong “Constitutional AI” dan audit independen Mode besar (LLM) sebelum rilis publik. Namun, kecepatan rilis Mode baru — GPT-4o, Claude 3.5 Sonnet, Gemini 1.5, Llama 3.1 — membuat Mode advokasi tradisional (menulis laporan panjang, mengadakan konferensi, lobbying perlahan) terasa ketinggalan.

Dalam memo internal, Harris menulis: “Kami butuh bergerak dengan kecepatan tim produk, bukan kecepatan think tank. Mode founder-led memungkinkan kami merilis analisis teknis dalam hari, bukan bulan, setelah Mode baru diluncurkan.”

Contoh Nyata: Respons Cepat Atas Rilis Mode Terbaru

Contoh praktis: ketika OpenAI meluncurkan GPT-4o dengan kemampuan voice real-time pada Mei 2024, tim CHT versi lama butuh 3-4 minggu untuk menyusun briefing kebijakan melalui proses review internal. Di bawah Mode founder-led, Harris dan Raskin merilis thread X (Twitter) analisis risiko manipulasi suara dan deepfake audio dalam 48 jam, diikuti memo teknis 12 halaman untuk Staff Senat AS dalam seminggu. Kecepatan ini dianggap kritis karena siklus berita dan kebijakan AI bergerak dalam hitungan hari.

Dampak pada Ekosistem Etika AI Global

CHT bukan satu-satunya organisasi yang restrukturisasi. Mozilla Foundation (pembangun Firefox) memangkas 25% Staff pada awal 2024 dan memfokuskan sumber daya ke Mozilla.ai — divisi yang membangun tool open-source untuk transparansi AI. Article 19 dan Access Now, dua NGO hak digital global, juga mengurangi tim advokasi tradisional dan berinvestasi pada tim teknis yang bisa membangun alat audit algoritma.

Tren ini mencerminkan pergeseran dana filantropi: donor besar (seperti Ford Foundation, Open Society Foundations) semakin menuntut “deliverable teknis” — misalnya tool open-source untuk detek bias, framework red-teaming, atau dashboard transparansi Mode — bukan hanya laporan kebijakan dan acara konferensi.

Tantangan ke Depan: Keberlanjutan Tanpa Institusionalisasi

Kritik utama terhadap Mode founder-led: bagaimana memastikan misi bertahan jika pendiri kelelahan, sakit, atau beralih fokus? Di startup, solusinya adalah akuisisi atau IPO. Di Nonprofit, tidak ada mekanisme exit yang jelas. CHT menjawab dengan membangun “jaringan mitra eksekusi” — kolaborasi dengan lab universitas (seperti Stanford HAI, MIT Media Lab), organisasi hukum teknologi (seperti EFF), dan komunitas open-source (Hugging Face, EleutherAI) — yang bisa melanjutkan pekerjaan teknis tanpa bergantung pada Staff CHT penuh.

Harris juga mengakui risiko keuangan: “Tanpa Staff fundraiser penuh, kami harus lebih kreatif mencari dana — termasuk layanan konsultasi etika AI untuk perusahaan yang benar-benar mau berubah, bukan hanya greenwashing.”

Pelajaran untuk Praktisi AI dan Kebijakan di Indonesia

Bagi pengembang AI, peneliti, dan pembuat kebijakan di Indonesia, kasus CHT menawarkan beberapa pelajaran konkret:

• Kecepatan analisis teknis menentukan relevansi. Ketika Kominfo atau KOMDIGI merancang regulasi AI, butuh input teknis dalam hari-hari setelah rilis Mode besar, bukan bulan-bulan kemudian. Membangun kapasitas “red Tech” dan audit algoritma di dalam negeri (misalnya via BRIN, universitas, atau komunitas seperti AI Indonesia) jadi prioritas.
• Mode organisasi tipis (lean) bisa lebih efektif untuk advokasi teknis. Alih-alih mendirikan Lembaga Swadaya Masyarakat (LSM) besar dengan overhead tinggi, kelompok kecil praktisi (5-10 orang) yang kombinasikan keahlian hukum, teknik, dan komunikasi bisa merespons lebih cepat.
• Kolaborasi lintas sektor non-negotiable. CHT bergantung pada jaringan mitra universitas dan open-source. Di Indonesia, sinergi antara akademisi (UI, ITB, UGM), industri (GoTo, Bukalapak, startup AI lokal), dan regulator harus dibangun sebelum krisis berikutnya — bukan saat krisis sudah terjadi.
• Diversifikasi pendanaan. Ketergantungan pada grant filantropi Going berisiko. Mengembangkan Mode pendapatan sendiri (konsultasi, training, tool komersial open-core) memberi otonomi strategis.

Kesimpulan

Pemangkasan Staff CHT dan transisi ke Mode founder-led bukan tanda kegagalan misi, tapi pengakuan realitas: kecepatan AI generatif menuntut organisasi advokasi yang bergerak seperti tim produk. Bagi ekosistem AI Indonesia, sinyalnya jelas — bangun kapasitas teknis internal, kurangi lapisan birokrasi, dan kolaborasi lintas sektor sekarang. Tunggu regulasi jadi? Terlambat.