Penemuan biologis sering dimulai dari hal yang tampak kecil: pola berulang dalam DNA, protein dengan bentuk aneh, atau hubungan antara dua gen yang belum pernah diperhatikan. Masalahnya, data genom modern sudah terlalu besar untuk diperiksa satu per satu oleh manusia. Di sinilah AI mulai mengambil peran yang lebih serius—bukan sekadar merangkum jurnal, tetapi membantu mencari petunjuk baru di dalam data biologis.
Pada 23 September 2026, Anthropic mengumumkan bahwa agen Claude membantu mengidentifikasi sistem enzim yang mereka namai array-associated reverse transcriptases atau ART. Sistem ini ditemukan pada bakteriofag, yaitu virus yang menginfeksi bakteri, dan memiliki beberapa ciri yang mengingatkan pada susunan CRISPR. Namun, penting untuk menahan diri: fungsi ART belum diketahui dan belum terbukti menjadi alat penyunting gen baru.
Apa yang sebenarnya ditemukan?
Claude diarahkan untuk mencari contoh baru dari reverse transcriptase, yaitu enzim yang dapat menyalin informasi dari RNA menjadi DNA. Dalam kampanye tersebut, sekitar 950 agen bekerja selama lebih dari 21 jam untuk menelusuri basis data berisi lebih dari 200.000 reverse transcriptase.
Menurut penjelasan Anthropic, para agen menyaring ribuan kandidat dan menghasilkan daftar kecil sistem yang dianggap paling menarik untuk ditinjau lebih lanjut. Salah satu agen kemudian melihat pola berulang di dekat gen reverse transcriptase yang sebelumnya sudah dikenal, tetapi hubungan antara gen tersebut, gen pendamping, dan susunan DNA berulangnya belum diperhatikan sebagai satu sistem.
ART terdiri dari tiga bagian utama: reverse transcriptase, gen pendamping dengan fungsi yang belum diketahui, serta rangkaian panjang sekuens DNA yang berjarak relatif teratur. Pola ini mengingatkan pada susunan CRISPR, yang menggunakan rangkaian informasi genetik untuk membantu sistem mengenali target tertentu.
Eksperimen awal menunjukkan bahwa rangkaian ART dapat diekspresikan menjadi RNA pendek. Itu membuat para peneliti menduga bahwa rangkaian tersebut mungkin memiliki fungsi yang lebih terarah, bukan sekadar DNA berulang tanpa peran. Tetapi dugaan tersebut masih harus diuji melalui eksperimen lanjutan.
Yang penting bukan klaim “AI menciptakan enzim”
Judul tentang AI menemukan sistem enzim baru memang terdengar besar. Tetapi deskripsi yang lebih akurat adalah: AI menemukan hubungan biologis yang sebelumnya belum dikarakterisasi dengan baik.
Reverse transcriptase yang menjadi bagian dari ART sebenarnya sudah pernah diidentifikasi dalam studi sebelumnya. Kontribusi Claude adalah mengenali konteks di sekitarnya—pola DNA berulang dan gen pendamping—lalu mengusulkan bahwa bagian-bagian tersebut mungkin bekerja sebagai satu sistem.
Perbedaan ini penting. AI belum mengetahui fungsi ART secara pasti, belum membuktikan bahwa sistem tersebut bisa mengedit DNA, dan belum menghasilkan terapi atau produk bioteknologi siap pakai. Semua pekerjaan laboratorium dalam proyek tersebut tetap dilakukan oleh ilmuwan manusia, termasuk mengekspresikan protein dan menguji karakteristik biokimianya.
Nature juga mencatat adanya pertanyaan tentang kebaruan temuan tersebut. Seorang peneliti dari University of Copenhagen disebut telah mempelajari sistem mikroba yang sama selama bertahun-tahun dan menyatakan pernah mengunggah informasi terkait ke model AI Anthropic. Artinya, status “penemuan baru” masih perlu dibaca dengan hati-hati dan menunggu verifikasi ilmiah yang lebih luas.
Mengapa ini tetap penting?
Nilai terbesar dari kasus ini bukan bahwa Claude langsung menggantikan ahli biologi. Nilainya ada pada kemampuan mempercepat tahap yang sangat melelahkan: mencari pola dari data yang sangat besar, mengelompokkan kandidat, membaca literatur, dan menyusun hipotesis untuk diuji.
Bayangkan seorang peneliti harus mencari jarum di tumpukan jerami, tetapi tumpukan jeraminya berisi ratusan ribu genom. AI dapat membantu mengangkat sebagian besar jerami, mengelompokkan temuan yang mirip, lalu menyisakan beberapa kandidat yang layak diperiksa manusia. Keputusan akhir tetap membutuhkan pengetahuan domain, eksperimen, dan penilaian kritis.
Dalam kasus ART, Anthropic menyebut agen-agennya menyeleksi sekitar 3.500 kandidat sebelum menyisakan 20 sistem yang paling menjanjikan. Proses seperti ini berpotensi mengubah ritme riset. Peneliti tidak lagi harus memulai dari pencarian manual yang panjang, tetapi dapat menghabiskan lebih banyak waktu untuk merancang eksperimen dan menafsirkan hasil.
Risiko dari pendekatan seperti ini
Kecepatan AI juga membawa risiko. Sistem dapat menghasilkan ratusan atau ribuan hipotesis yang terdengar masuk akal, tetapi sebagian besar bisa salah. Jika peneliti terlalu percaya pada narasi yang dibuat model, kesalahan pada tahap pencarian dapat terbawa ke eksperimen berikutnya.
Ada pula risiko bias. AI tidak benar-benar memulai dari halaman kosong. Cara agen diarahkan, literatur yang dibacanya, serta pengetahuan tim peneliti akan memengaruhi apa yang dianggap menarik. Dalam proyek ART, kemiripan dengan CRISPR menjadi petunjuk penting. Itu membantu pencarian, tetapi juga bisa membuat sistem terlalu fokus pada pola yang menyerupai pengetahuan lama.
Karena itu, kata “otonom” sebaiknya tidak disamakan dengan “tanpa manusia”. Dalam proyek ini, manusia menentukan pertanyaan awal, meninjau kandidat, melakukan pekerjaan laboratorium, dan menilai apakah bukti yang ada cukup kuat. AI memperluas jangkauan pencarian, bukan menghapus kebutuhan akan validasi.
Apa artinya bagi dunia kerja dan teknologi?
Kasus ini memberi gambaran yang lebih realistis tentang agentic AI. Agen bukan hanya chatbot yang menjawab pertanyaan, melainkan sistem yang dapat membagi pekerjaan menjadi beberapa tahap, menggunakan alat, membaca banyak sumber, membandingkan hasil, lalu mengirimkan laporan untuk ditinjau.
Pola kerja yang sama bisa muncul di bidang lain. Dalam keamanan siber, agen dapat menyisir kode untuk menemukan pola kelemahan. Dalam analisis bisnis, agen dapat mencari anomali di ribuan laporan. Dalam riset material, agen dapat menghubungkan struktur senyawa dengan hasil eksperimen lama.
Namun, keberhasilan agen sangat bergantung pada sistem pengawasan. Hasilnya harus bisa dilacak, sumber data harus jelas, asumsi perlu dicatat, dan keputusan berisiko tinggi tetap harus melewati pemeriksaan manusia. Semakin besar konsekuensi kesalahan, semakin penting batas antara “membantu mencari” dan “boleh mengambil keputusan”.
Pelajaran yang bisa diambil sekarang
- Bedakan pencarian pola dari pembuktian. AI dapat menemukan kandidat, tetapi eksperimen dan replikasi tetap menentukan apakah kandidat itu benar-benar penting.
- Jangan terpaku pada judul besar. “AI menemukan sistem enzim” tidak sama dengan “AI menemukan obat” atau “AI menciptakan alat penyunting gen”.
- Gunakan AI untuk mempersempit ruang pencarian. Manfaat paling jelas muncul ketika data terlalu besar untuk diperiksa secara manual.
- Simpan jejak proses. Prompt, sumber data, kandidat yang ditolak, dan alasan pemilihan perlu didokumentasikan agar hasil dapat diaudit.
- Tunggu validasi independen. Temuan dari satu laboratorium adalah awal yang menarik, bukan kesimpulan final.
Temuan ART menunjukkan arah yang cukup jelas: AI mulai berguna sebagai partner pencari hipotesis, terutama dalam bidang yang dipenuhi data dan pola tersembunyi. Tetapi nilai ilmiahnya baru akan terbukti jika sistem tersebut benar-benar dipahami, diuji oleh peneliti lain, dan menghasilkan fungsi yang dapat direproduksi.
Dengan kata lain, masa depan riset berbantuan AI mungkin bukan laboratorium tanpa ilmuwan. Gambaran yang lebih masuk akal adalah ilmuwan yang memiliki tim digital untuk membaca data dalam skala yang sebelumnya tidak mungkin dilakukan—sementara manusia tetap bertanggung jawab menentukan pertanyaan, memeriksa bukti, dan memutuskan apa yang layak dipercaya.
Sumber & bacaan lebih lanjut
- Claude discovers a novel enzyme system with CRISPR-like repeats — Anthropic
- Anthropic’s AI biolab finds ‘CRISPR-like’ DNA in viruses. What’s next? — Nature
- Autonomous AI agents discover reverse transcriptases with tandem repeat arrays — bioRxiv
– Rio Yotto @rioyotto