Akal Imitasi (AI) adalah kesekian kalinya teknologi digital kembali hype. Setelah cloud computing, big data (misal: Netflix), internet of things (IoT), algoritma, dan hype yang sebelum-sebelumnya.
Perkembangan teknologi digital sering kali dibingkai dengan narasi yang menakutkan. FYI, ada yang menerjemahkan artificial intelligence dengan akal imitasi. Kita mendengar kekhawatiran bahwa algoritma mengurung kita dalam echo chamber, big data melanggar privasi dan keamanan kita, atau robot akan mencuri pekerjaan kita.
Kekhawatiran ini wajar, tetapi jika dibiarkan tanpa pemahaman yang tepat, ia justru bisa membuat kita bersikap defensif dan kehilangan peluang untuk berkembang.
Pertanyaan yang lebih penting bukanlah apakah AI –ataupun teknologi digital lainnya– akan menggantikan manusia, melainkan bagaimana manusia bisa berkembang bersama AI tanpa kehilangan peran dan kendali. Kuncinya ada pada cara kita memperlakukan AI: sebagai mesin, bukan sebagai manusia.
AI sebagai Mesin, Bukan Pengganti Manusia
AI bekerja berdasarkan algoritma dan data. Ia sangat kuat dalam mengenali pola, memproses informasi dalam jumlah besar, dan melakukan tugas-tugas komputasional dengan cepat. Namun, AI tidak memiliki konteks sosial, nilai moral, intuisi, maupun empati.
Algoritma dibangun dari asumsi, data historis, dan tujuan tertentu. Dari sini saja terlihat keterbatasan algoritma. Masalah muncul ketika kita berasumsi bahwa mesin –yang berjalan di atas algoritma– selalu netral dan benar. Padahal yang memiliki konteks moral dan empati adalah manusia. Sehingga, peran manusia tetap krusial sebagai penyeimbang dalam menafsirkan, mengkritisi, dan mengambil keputusan.
Pengalaman saya menggunakan LLM (Large Language Model, salah satu cabang AI), pada bidang yang saya kuasai, saya merasakan bahwa LLM tidak selalu benar — karena LLM adalah mesin prediksi. LLM memprediksi kata apa yang akan muncul berikutnya setelah suatu kata.
Pada titik-titik di mana saya menemukan LLM tidak akurat, di situlah peran saya menjadi krusial dalam memberikan feedback kepada AI –bahwa dia salah!– lalu memutuskan untuk memperbaikinya. Saya tidak bisa membiarkan hasil dari AI ter-publish begitu saja.
Aturan 30%
Untuk bisa memanfaatkan AI dan teknologi digital lainnya, kita tidak harus menjadi programmer atau software developer atau sejenisnya. Yang dibutuhkan adalah tingkat pemahaman minimum yang cukup—sering disebut sebagai “aturan 30%”. Artinya, kita hanya perlu menguasai sekitar 30% dari kompleksitas teknologi tersebut agar bisa memahami cara kerjanya, peluang yang bisa muncul dari sana, serta keterbatasannya.
Pendekatan ini mirip dengan belajar bahasa asing. Lembaga kursus English First (EF) beropini bahwa seseorang membutuhkan penguasaan sekitar 10.000 kosakata untuk benar-benar disebut fasih dan menguasai sebuah bahasa. Namun, untuk bisa berkomunikasi dengan baik dan bekerja bersama penutur bahasa tersebut, cukup menguasai sekitar 3.000 kata—sekitar 30% saja.
Prinsip yang sama berlaku dalam penguasaan teknologi digital yang revolusinya begitu cepat: Tidak perlu belajar sampai dalam untuk menguasainya. Cukup mempelajarinya hingga paham untuk bekerja efektif dengan mesin tersebut.
Bekerja secara Efektif dengan Mesin
Ini mencakup kemampuan memahami output teknologi digital seperti AI, big data, dll sehingga kita bisa memberikan input yang tepat, serta menggabungkan hasil komputasi tersebut dengan penilaian dan kebijaksanaan ala manusia dari kita. Mari menginsyafi bahwa mesin-mesin tersebut adalah processor yang kerjanya mengolah input menjadi output. Dengan memahami apa yang bisa dihasilkan (output) dari apa yang kita bisa berikan (input), kita menjadi tahu keterbatasan mesin tersebut. Atau, kalau kita mengerti apa yang mesin tersebut tidak bisa support, maka kita bisa prediksi apa yang bisa dan tidak bisa dia lakukan.
Pentingnya Kemampuan Komputasional
Kemampuan komputasional—yaitu kemampuan bekerja dengan data, memahami pola, dan memanfaatkan analisis berbasis teknologi—menjadi keterampilan penting yang lintas profesi saat ini karena kita semua berkutat dengan data digital.
Baca juga: Computational Thinking Bisa Dimulai Sejak Usia Dini.
Hadapi Perubahan dengan Eksperimen, Bukan Ketakutan
Merasakan perubahan sebagai ancaman berarti menghadapinya dengan ketakutan. Kalau kita sudah takut, maka pikiran kita cenderung memberi label negatif pada sumber ketakutan kita.
Kita tidak bisa lagi mengharapkan AI pergi dari kehidupan kita. Suka tidak suka, AI telah menjadi bagian dari kehidupan kita sekarang dan yang akan datang. Sikap yang dibutuhkan dalam menghadapi AI bukanlah “apa-apa sifatnya pasti dan mutlak”. Bukan yang kita menyangka setiap A, maka B. Jika B, pasti disebabkan oleh A.
Alih-alih, yang harus kita kembangkan adalah etos bereksperimen. Dengan etos eksperimen, kita perlu terbiasa mencoba pendekatan baru, menggunakan alat baru, lalu secara aktif mencari umpan balik (feedback) tentang apa yang berhasil dan apa yang tidak.
Dengan cara ini, perubahan tidak lagi dipandang sebagai ancaman, tetapi sebagai proses pembelajaran berkelanjutan. Mereka yang berkembang bukanlah yang paling pintar atau paling teknis, melainkan mereka yang paling adaptif.
Menemukan Titik Seimbang
Berkembang di era AI dan teknologi digital lainnya bukan melulu soal meninggalkan mesin-mesin tersebut, juga bukan soal menyerahkan diri sepenuhnya kepada teknologi. Ini adalah soal menemukan titik seimbang: memahami secukupnya, memanfaatkannya secara strategis, dengan tetap menempatkan manusia sebagai pengambil keputusan utama.
AI adalah alat — seperti pisau yang bisa dipakai memotong di dapur namun juga bisa dipakai berbuat kriminal. Dan seperti alat lainnya, nilainya sangat ditentukan oleh siapa yang menggunakannya dan untuk tujuan apa.
Referensi: