Konsep "Scorecard" yang diusulkan bertujuan untuk menciptakan bahasa universal bagi pengembang, pembuat kebijakan, dan masyarakat untuk mengevaluasi kemajuan AI. Alih-alih hanya melihat satu dimensi, kerangka kerja ini mengusulkan evaluasi multidimensi yang mencakup tiga pilar utama:
1. Kapabilitas (Capabilities)
Pilar ini tetap menjadi bagian penting, namun dengan cakupan yang lebih luas. Bukan hanya soal seberapa banyak informasi yang diingat oleh AI, tetapi seberapa baik AI dapat melakukan penalaran (reasoning), perencanaan (planning), dan pemecahan masalah dalam berbagai domain. Evaluasi pada pilar ini akan melihat sejauh mana AI dapat membantu manusia menyelesaikan tugas-tugas yang sebelumnya dianggap mustahil bagi mesin.
2. Keamanan dan Keselarasan (Safety and Alignment)
Ini adalah jantung dari proposal tersebut. Pilar keamanan tidak lagi hanya bicara soal filter kata-kata kasar, melainkan mencakup hal-hal yang jauh lebih mendalam seperti:
Ketahanan (Robustness): Sejauh mana AI tetap stabil dan tidak memberikan hasil berbahaya saat dipancing dengan input yang manipulatif (jailbreaking).
Interpretabilitas: Seberapa jauh manusia dapat memahami alasan di balik keputusan yang diambil oleh model AI yang kompleks.
Mitigasi Risiko Eksistensial: Mengukur potensi risiko dari sistem AI yang sangat otonom agar tidak lepas dari kendali manusia.
3. Dampak Masyarakat (Societal Impact)
Pilar ketiga ini membawa diskusi AI keluar dari laboratorium penelitian menuju realitas kehidupan sosial. Evaluasi pada dimensi ini mencakup aspek-aspek seperti:
Dampak Ekonomi: Bagaimana AI berkontribusi pada produktivitas versus bagaimana ia mendisrupsi lapangan pekerjaan.
Integritas Informasi: Sejauh mana AI dapat digunakan untuk menyebarkan disinformasi atau deepfake yang merusak demokrasi.
