Dalam beberapa dekade terakhir, optimisme terhadap tatanan internasional pasca-Perang Dunia II bertumpu pada asumsi bahwa interdependensi ekonomi akan mencegah konflik. Perdagangan, investasi, dan integrasi rantai pasok diyakini menciptakan biaya perang yang terlalu tinggi untuk ditanggung negara. Namun realitas 2025–2026 menunjukkan pergeseran tajam: interdependensi tidak lagi menjadi penjamin perdamaian, melainkan telah bertransformasi menjadi instrumen tekanan geopolitik. Dalam konteks ini, gagasan Tshilidzi Marwala tentang penggunaan deep learning untuk memprediksi perang perlu dibaca ulang—bukan sekadar sebagai inovasi teknis, tetapi sebagai bagian dari kompetisi kekuasaan global.
Perubahan ini terlihat jelas dalam dinamika konflik yang dipicu oleh ketergantungan ekonomi yang tidak seimbang. Ketika Rusia menginvasi Ukraina dalam invasi Rusia ke Ukraina 2022, banyak model prediksi konflik berbasis data historis gagal mengantisipasi eskalasi tersebut. Secara statistik, hubungan dagang energi antara Rusia dan Eropa sangat tinggi—yang menurut teori liberal seharusnya menurunkan probabilitas konflik. Namun yang terjadi justru sebaliknya: Rusia memanfaatkan ketergantungan energi Eropa sebagai leverage politik. Ini mengungkap cacat mendasar dalam pendekatan prediktif berbasis AI yang tidak memasukkan variabel vulnerability asymmetry—yakni siapa yang lebih bergantung, dan siapa yang mampu mengeksploitasi ketergantungan itu.
Fenomena serupa muncul dalam rivalitas teknologi antara Amerika Serikat dan China. Pembatasan ekspor chip canggih oleh AS terhadap China bukan sekadar kebijakan ekonomi, melainkan strategi untuk menciptakan hambatan struktural dalam pengembangan kecerdasan buatan dan militer China. Di sisi lain, China merespons dengan mempercepat kemandirian semikonduktor dan memperluas pengaruhnya melalui inisiatif digital seperti Digital Silk Road. Dalam konteks ini, interdependensi rantai pasok global—khususnya yang melibatkan perusahaan seperti NVIDIA dan TSMC—menjadi arena kontestasi strategis. Model deep learning yang tidak memahami dinamika ini berisiko salah membaca sinyal stabilitas sebagai indikasi perdamaian, padahal di baliknya terdapat eskalasi laten.
Masalah yang lebih dalam terletak pada asumsi dasar machine learning itu sendiri: bahwa pola masa lalu dapat digunakan untuk memprediksi masa depan. Dalam lingkungan geopolitik yang relatif stabil, asumsi ini cukup valid. Namun ketika tatanan internasional mengalami erosi—ditandai oleh melemahnya institusi global dan meningkatnya politik kekuatan—terjadi apa yang dikenal sebagai concept drift. Variabel yang dulu memiliki makna tertentu kini berubah fungsi. Sanksi ekonomi, misalnya, tidak lagi sekadar alat tekanan finansial, tetapi telah terintegrasi dengan operasi siber dan perang informasi. Dalam konflik modern, seperti yang terlihat dalam perang Rusia-Ukraina, sanksi finansial berjalan beriringan dengan serangan siber terhadap infrastruktur energi dan kampanye disinformasi di media sosial. Artinya, dataset lama tidak lagi mencerminkan realitas baru.
Di sinilah dimensi baru muncul: political exploitability of interdependence meluas ke ranah kognitif. Platform digital seperti TikTok, X, dan Facebook bukan hanya alat komunikasi, tetapi juga infrastruktur strategis untuk membentuk persepsi publik lintas negara. Negara dengan kapasitas AI yang lebih maju dapat menggunakan model prediktif untuk mengidentifikasi titik lemah psikologis masyarakat target—misalnya sensitivitas terhadap inflasi, isu identitas, atau ketidakpercayaan terhadap pemerintah. Dengan menggabungkan tekanan ekonomi (seperti manipulasi harga komoditas) dan kampanye disinformasi yang terarah, sebuah negara dapat menciptakan instabilitas domestik di negara lain tanpa perlu melancarkan serangan militer terbuka.
Contoh konkret dapat dilihat dalam meningkatnya ketegangan di Laut China Selatan. Ketika Amerika Serikat meningkatkan kehadiran militernya melalui operasi freedom of navigation, China tidak hanya merespons dengan pengerahan kapal, tetapi juga dengan narasi digital yang menargetkan negara-negara ASEAN. Kampanye ini sering kali dirancang untuk membingkai konflik sebagai hasil provokasi eksternal, bukan ekspansi regional. Jika model prediksi konflik hanya mengandalkan data militer atau diplomatik tanpa memasukkan variabel pengaruh digital, maka eskalasi yang sebenarnya terjadi di ranah persepsi akan luput dari analisis.
Lebih jauh lagi, konsep “less vulnerable country” kini mengalami redefinisi. Kerentanan tidak lagi semata-mata diukur dari kekuatan militer atau ukuran ekonomi, tetapi dari kedaulatan teknologi dan kontrol atas data. Negara yang bergantung pada infrastruktur cloud asing—seperti Amazon Web Services atau Google Cloud—secara teoritis dapat kehilangan akses terhadap sistem analitiknya dalam situasi konflik. Demikian pula, ketergantungan pada perangkat keras dari ASML atau NVIDIA menciptakan titik tekanan baru. Dalam skenario ekstrem, akses terhadap chip atau model AI dapat dipolitisasi, mengubah ketergantungan teknologi menjadi senjata strategis.
Bagi negara berkembang seperti Indonesia, implikasinya sangat serius. Tidak ada lagi ruang aman dalam rivalitas kekuatan besar. Netralitas bukan berarti kebal, melainkan sering kali justru menjadi sumber kerentanan karena membuka banyak titik ketergantungan tanpa perlindungan strategis yang memadai. Model prediksi konflik yang ditawarkan oleh negara maju—sering kali dalam bentuk kerja sama teknis—dapat berfungsi sebagai alat pemetaan kerentanan domestik. Data yang dikumpulkan untuk “membantu stabilitas” bisa digunakan untuk memahami bagaimana dan kapan tekanan eksternal akan paling efektif.
Dalam kondisi ini, strategi yang realistis bukanlah mengejar netralitas pasif, melainkan membangun counter-prediction capability. Artinya, negara harus mampu memprediksi bagaimana aktor eksternal memprediksi dirinya. Ini mencakup pengembangan kapasitas AI domestik, penguatan kedaulatan data, serta peningkatan literasi digital masyarakat untuk mengurangi kerentanan terhadap manipulasi informasi. Tanpa itu, keputusan politik yang diambil secara formal oleh pemerintah bisa saja telah “dibentuk” sebelumnya oleh arus informasi yang dikendalikan dari luar.
Pada akhirnya, pertanyaan mendasar bukan lagi apakah AI dapat memprediksi perang dengan lebih akurat, tetapi siapa yang mengendalikan prediksi tersebut dan untuk tujuan apa. Dalam dunia di mana imperatif geopolitik semakin mendominasi, prediksi konflik tidak lagi netral. Ia telah menjadi bagian dari arsenal strategis—digunakan untuk mengantisipasi, memanipulasi, dan bahkan menciptakan kondisi konflik. Dalam lanskap seperti ini, negara yang gagal memahami transformasi ini akan berada pada posisi more vulnerable, menanggung biaya asimetris dari permainan kekuasaan yang tidak pernah mereka desain.