AbstractAbstrak
The rapid advancement of generative AI has led to an overemphasis on output generation, often neglecting the human processes that interpret, execute, and assign meaning to these outputs. This paper proposes an integrated framework combining: (1) a 70/20/10 operational model, (2) a FEU–BEU architecture, and (3) AIRT — to transition AI usage from probabilistic output generation toward accountable, human-centered impact.
Kemajuan pesat AI generatif telah menyebabkan penekanan berlebih pada generasi output, sering mengabaikan proses manusia yang menginterpretasikan, mengeksekusi, dan memberi makna pada output tersebut. Paper ini mengusulkan kerangka terpadu yang menggabungkan: (1) model operasional 70/20/10, (2) arsitektur FEU–BEU, dan (3) AIRT — untuk beralih dari generasi output probabilistik menuju dampak yang bertanggung jawab dan berpusat pada manusia.
§2 · The FEU–BEU Architecture§2 · Arsitektur FEU–BEU
⚙️ Back-End User (BEU)
⚙️ Pengguna Back-End (BEU)
AI engineersAI engineer
System architectsArsitek sistem
Model developersDeveloper model
Focus: algorithms · optimization · performance
Fokus: algoritma · optimisasi · performa
🧠 Front-End User (FEU)
🧠 Pengguna Front-End (FEU)
Decision-makersPengambil keputusan
PractitionersPraktisi
Everyday usersPengguna sehari-hari
Focus: interpretation · judgment · action
Fokus: interpretasi · penilaian · tindakan
💡
Key Insight: Meaning does not originate from the system. It emerges at the point of human interpretation (FEU).
Insight Kunci: Makna tidak berasal dari sistem. Ia muncul di titik interpretasi manusia (FEU).
§3 · The 70/20/10 Framework§3 · Framework 70/20/10
70%
Digital Creation — AI LayerKreasi Digital — Layer AI
Content generation · ideation · simulation. Fast, scalable, low-cost. Limitation: lacks real-world consequence.Generasi konten · ideasi · simulasi. Cepat, scalable, biaya rendah. Keterbatasan: tanpa konsekuensi dunia nyata.
20%
Materialization — Execution LayerMaterialisasi — Layer Eksekusi
Implementation · decision-making · coordination. Requires people, resources, timing.Implementasi · pengambilan keputusan · koordinasi. Membutuhkan orang, sumber daya, waktu.
10%
Humanity — Impact LayerKemanusiaan — Layer Dampak
Real-world outcomes · societal impact · human benefit. Value emerges only here.Hasil dunia nyata · dampak sosial · manfaat manusia. Nilai hanya muncul di sini.
§4 · AIRT — Auditing Meaning, Not Just Correctness§4 · AIRT — Mengaudit Makna, Bukan Hanya Kebenaran
🔍 AIRT Core Questions
🔍 Pertanyaan Inti AIRT
Is the output meaningful or merely probable?Apakah output bermakna atau sekadar probable?
What assumptions are embedded in the response?Asumsi apa yang tertanam dalam respons tersebut?
What context is missing that would change the meaning?Konteks apa yang hilang yang akan mengubah maknanya?
Outcome: A paradigm shift from correctness → meaning accountability. AI can be right. But only humans can determine if it is meaningful.
Hasil: Pergeseran paradigma dari kebenaran → akuntabilitas makna. AI bisa benar. Tapi hanya manusia yang bisa menentukan apakah itu bermakna.
§8 · Conclusion — Final Statement§8 · Kesimpulan — Pernyataan Akhir
AI accelerates creation.AI mempercepat kreasi.
Humans determine direction.Manusia menentukan arah.
Humanity defines value.Kemanusiaan mendefinisikan nilai.
Keywords: Human–AI interaction · FEU–BEU · AI Red Teaming · Meaning Audit · 70/20/10 · AI Governance
Kata kunci: Interaksi Manusia–AI · FEU–BEU · AI Red Teaming · Audit Makna · 70/20/10 · Tata Kelola AI