DI ERA AI, ORANG YANG SEKADAR PINTAR BISA TERSINGKIR: YANG BERTAHAN ADALAH MEREKA YANG MAMPU BERPIKIR
Oleh: Yusrin Ahmad Tosepu, Skom MIkom MKom - Ketua Bidang Kajian Digital Education & AI pada Lembaga Studi Pengkajian dan Pengembangan Pendidikan Indonesia (LSP3I).
Ada satu ironi besar dalam revolusi kecerdasan buatan (Artificial Intelligence/AI): ketika mesin semakin pintar memberikan jawaban, manusia justru semakin dituntut untuk mampu mengajukan pertanyaan yang tepat.
Dulu, keunggulan seseorang diukur dari seberapa banyak pengetahuan yang dikuasai, seberapa cepat pekerjaan diselesaikan, atau seberapa mahir keterampilan teknis yang dimiliki. Kini, sebagian kemampuan itu dapat dilakukan AI dengan kecepatan yang sulit ditandingi manusia. Menulis, membuat desain, menyusun kode program, menganalisis data, hingga menghasilkan strategi pemasaran, semakin mudah diotomatisasi.
Lantas, apa yang masih membuat manusia berharga?
Jawabannya bukan sekadar kemampuan menggunakan AI. Yang semakin menentukan adalah kemampuan berpikir kritis, merumuskan masalah, mengambil keputusan, dan mengetahui kapan teknologi tidak boleh menggantikan penilaian manusia.
Inilah pergeseran besar yang belum sepenuhnya dipahami dunia pendidikan, pelatihan kerja, dan pasar tenaga kerja.
1. Jago Menggunakan AI Belum Tentu Cerdas
Hari ini, kemampuan menulis prompt yang baik menjadi keterampilan populer. Banyak orang berlomba-lomba mempelajari cara memberikan instruksi kepada AI agar menghasilkan jawaban yang cepat, rapi, dan meyakinkan. Namun, ada persoalan yang lebih mendasar: bagaimana jika jawaban AI terdengar benar, tetapi sebenarnya keliru?
AI dapat menghasilkan informasi yang tidak akurat, menyederhanakan persoalan kompleks, bahkan menyampaikan kesimpulan yang salah dengan bahasa yang sangat meyakinkan. Orang yang tidak memiliki pengetahuan dasar dan kemampuan verifikasi berisiko menerima semua hasil AI sebagai kebenaran.
Di sinilah perbedaan antara pengguna teknologi dan pemikir yang memanfaatkan teknologi. Pengguna biasa bertanya, menerima jawaban, lalu menggunakannya. Pemikir kritis bertanya, memeriksa asumsi, menguji bukti, membandingkan alternatif, dan mengambil keputusan berdasarkan pertimbangannya sendiri.
Karena itu, keterampilan yang semakin berharga bukan hanya kemampuan menggunakan AI, melainkan kemampuan menentukan kapan AI diperlukan, kapan hasilnya harus diragukan, dan kapan keputusan harus dibuat melalui penilaian manusia.
AI boleh membantu berpikir, tetapi manusia tidak boleh menyerahkan seluruh pikirannya kepada AI.
2. Coding Bisa Diotomatisasi, Merumuskan Masalah Tidak Semudah Itu
Perkembangan AI mengubah nilai keterampilan teknis. Menulis kode program, yang dahulu membutuhkan penguasaan teknis mendalam dan waktu panjang, kini dapat dibantu AI dalam hitungan detik atau menit.
Apakah ini berarti kemampuan coding tidak lagi penting? Tentu tidak.
Kemampuan memahami kode, merancang sistem, menguji keamanan, menemukan kesalahan, dan memastikan perangkat lunak bekerja sesuai kebutuhan tetap memiliki nilai besar.
Namun, keunggulan tidak lagi cukup bertumpu pada kemampuan mengetik baris demi baris kode. Persoalan sesungguhnya sering kali muncul sebelum proses coding dimulai: apakah masalah yang hendak diselesaikan sudah dirumuskan dengan benar?
Seseorang dapat menghasilkan ribuan baris kode menggunakan AI, tetapi tetap gagal jika ia tidak memahami kebutuhan pengguna, konteks organisasi, risiko implementasi, atau tujuan bisnis yang ingin dicapai.
Sebaliknya, orang yang mampu mengidentifikasi masalah dengan tepat, menyusun batasan, menentukan kriteria keberhasilan, dan mengarahkan AI untuk membangun solusi memiliki keunggulan strategis.
Inilah pentingnya problem framing, yakni kemampuan membingkai dan merumuskan persoalan secara tepat. Dalam konteks ini, kemampuan bertanya bukan sekadar keterampilan berkomunikasi. Ia merupakan fondasi berpikir, belajar, berinovasi, dan mengambil keputusan.
Ketika AI semakin mahir menghasilkan jawaban, manusia yang mampu merumuskan pertanyaan dengan benar akan memiliki keunggulan yang semakin besar.
3. Soft Skill Bukan Lagi Pelengkap, Melainkan Penentu
Selama bertahun-tahun, keterampilan teknis sering ditempatkan sebagai keunggulan utama, sedangkan kemampuan berkomunikasi, berkolaborasi, berempati, dan mengambil keputusan dianggap sebagai pelengkap.
Era AI membalik sebagian pandangan tersebut. Ketika mesin dapat menghasilkan teks, presentasi, laporan, dan berbagai bentuk konten, nilai sebuah karya tidak lagi cukup diukur dari kerapian bentuknya. Kita perlu menilai ketepatan isinya, kedalaman pemikirannya, kepekaan terhadap konteks, dan tanggung jawab di balik penggunaannya.
AI dapat membantu menyusun surat yang sopan. Namun, memahami situasi emosional seseorang membutuhkan kepekaan terhadap konteks hubungan manusia.
AI dapat menghasilkan banyak pilihan strategi. Namun, memilih strategi yang tepat ketika berhadapan dengan konflik kepentingan, keterbatasan sumber daya, dan konsekuensi sosial tetap membutuhkan pertimbangan yang matang.
AI dapat meniru gaya bahasa tertentu. Namun, kualitas penilaian, integritas, dan tanggung jawab tidak otomatis muncul hanya karena seseorang mahir menggunakan teknologi.
Itulah sebabnya kemampuan komunikasi, kepemimpinan, negosiasi, empati, kreativitas, dan pengambilan keputusan justru semakin penting.
Soft skill bukan berarti keterampilan yang lunak atau tidak terukur. Dalam dunia yang semakin otomatis, keterampilan manusiawi dapat menjadi faktor pembeda yang sangat keras dalam persaingan.
4. Bukan Siapa yang Paling Banyak Tahu, tetapi Siapa yang Paling Cepat Belajar
Pengetahuan tetap penting. Namun, masa ketika seseorang dapat mengandalkan satu paket pengetahuan dan keterampilan yang sama sepanjang kariernya semakin sulit dipertahankan. Teknologi berubah. Model bisnis bergeser. Profesi mengalami transformasi. Keterampilan yang relevan hari ini bisa kehilangan sebagian nilainya ketika proses kerja berubah.
Karena itu, keunggulan kompetitif semakin bergantung pada learning velocity: kecepatan seseorang mempelajari hal baru, menerapkannya, mengevaluasi hasilnya, dan menyesuaikan diri terhadap perubahan. Kemampuan ini juga menuntut keberanian untuk melakukan unlearning, yaitu meninggalkan asumsi, kebiasaan, dan metode lama yang tidak lagi efektif.
Orang yang berpengalaman tetapi menolak belajar dapat tertinggal dari pendatang baru yang lebih adaptif. Sebaliknya, orang yang cepat belajar tetapi tidak memiliki fondasi pengetahuan dan kedalaman keahlian juga dapat terjebak dalam pemahaman yang dangkal. Jadi, bukan sekadar belajar cepat, melainkan belajar cepat dengan pemahaman yang benar.
Pendidikan tidak boleh berhenti pada pertanyaan, “Apa yang sudah kamu ketahui?”
Pendidikan harus bergerak menuju pertanyaan yang lebih mendasar: “Seberapa baik kamu belajar ketika menghadapi sesuatu yang belum kamu ketahui?”
5. Spesialis yang Memanfaatkan AI Akan Sangat Kuat, Generalis Juga Bisa Unggul
Perdebatan tentang spesialis dan generalis sering kali menghasilkan kesimpulan yang terlalu sederhana. Spesialis memiliki kedalaman pengetahuan, pengalaman, dan kemampuan mengenali persoalan yang tidak selalu terlihat oleh orang awam. Ketika keahlian itu dipadukan dengan AI, produktivitas dan jangkauan analisisnya dapat meningkat.
Dokter yang memahami bidangnya dapat memanfaatkan AI sebagai alat bantu, tetapi tetap harus menilai relevansi hasilnya terhadap kondisi pasien. Pengacara dapat menggunakan AI untuk membantu menelaah dokumen, tetapi tetap perlu memeriksa dasar hukum dan strategi perkara. Peneliti dapat memanfaatkan AI untuk mengolah informasi, tetapi tetap harus menilai validitas metode dan kesimpulannya.
Di sisi lain, generalis yang memiliki wawasan lintas bidang dan mampu mengoordinasikan berbagai perangkat AI juga berpotensi menghasilkan nilai besar. Ia dapat menghubungkan pengetahuan, melihat persoalan dari berbagai sudut, dan menyatukan hasil kerja menjadi solusi yang utuh.
Namun, ada jebakan yang perlu dihindari: menjadi generalis yang mengetahui sedikit tentang banyak hal, tetapi tidak memiliki kedalaman, kemampuan evaluasi, atau kecakapan memanfaatkan AI secara efektif. Karena itu, rumus yang lebih masuk akal bukan spesialis selalu mengalahkan generalis, atau sebaliknya.
Keunggulan muncul ketika kedalaman keahlian, keluasan perspektif, kemampuan menggunakan AI, dan kualitas penilaian saling melengkapi.
6. Banyak Keterampilan Digital Berisiko Usang Sebelum Lulus
Inilah bagian yang paling menantang bagi lembaga pendidikan dan penyelenggara pelatihan. Kurikulum yang mengajarkan keterampilan digital secara terpisah dari kemampuan berpikir kritis berisiko melahirkan lulusan yang terampil menggunakan perangkat, tetapi kesulitan menentukan persoalan yang harus diselesaikan.
Kursus pemasaran digital, misalnya, tidak cukup hanya mengajarkan cara membuat konten, menjadwalkan unggahan, atau membaca metrik dasar. Peserta juga perlu memahami perilaku audiens, strategi komunikasi, etika, analisis data, dan cara mengevaluasi rekomendasi AI.
Pelatihan data entry perlu berkembang mengikuti otomatisasi pengolahan data. Pendidikan coding perlu memberi perhatian lebih pada pemecahan masalah, desain sistem, keamanan, pengujian, dan pemahaman kebutuhan pengguna. Artinya, keterampilan teknis tidak harus ditinggalkan. Justru keterampilan tersebut perlu dibangun di atas fondasi yang lebih kuat.
Yang berisiko usang bukan semata-mata nama sebuah kursus, melainkan pendekatan pembelajaran yang menganggap keterampilan hari ini akan tetap memadai tanpa pembaruan.
Ijazah tetap dapat menjadi bukti pendidikan formal. Sertifikat tetap dapat menunjukkan bahwa seseorang telah menyelesaikan pelatihan. Namun, keduanya tidak otomatis menjamin kemampuan untuk menghadapi perubahan.
Masalahnya bukan karena manusia kalah pintar dari AI, melainkan karena pendidikan bisa gagal menyiapkan manusia untuk bekerja bersama teknologi yang terus berubah.
7. Pendidikan Harus Beralih dari Budaya Jawaban ke Budaya Pertanyaan
Jika perubahan ini benar-benar ingin dihadapi, pendidikan tidak cukup hanya menambahkan aplikasi AI ke dalam kelas atau memasukkan satu mata kuliah tentang kecerdasan buatan. Yang perlu diubah adalah cara belajar itu sendiri.
Selama peserta didik lebih dihargai karena mampu menghafal jawaban daripada memahami masalah, mereka akan terbiasa mengejar hasil akhir, bukan membangun kemampuan berpikir.
Ketika AI menyediakan jawaban dengan mudah, budaya belajar seperti itu semakin rentan. Pendidikan perlu bergerak dari answer-centered learning menuju question-centered learning: pembelajaran yang menjadikan kualitas pertanyaan, penyelidikan, pengujian bukti, refleksi, dan penilaian mandiri sebagai bagian utama proses belajar.
Peserta didik bukan hanya diminta menghasilkan jawaban, tetapi juga menjelaskan mengapa pertanyaan itu diajukan, asumsi apa yang digunakan, bukti apa yang mendukung kesimpulan, dan apa yang mungkin salah dari jawabannya.
AI dapat dilibatkan sebagai mitra eksplorasi, penguji argumen, atau alat bantu analisis. Namun, peserta didik tetap harus mempertanggungjawabkan hasil akhirnya.
Guru pun tidak kehilangan relevansi. Perannya justru semakin penting sebagai perancang pengalaman belajar, pembimbing penalaran, penguji pemahaman, dan penjaga integritas akademik.
Tujuan pendidikan bukan menghasilkan manusia yang selalu lebih cepat daripada mesin. Tujuannya adalah membentuk manusia yang tahu bagaimana menggunakan mesin tanpa kehilangan kemampuan untuk berpikir, menilai, dan bertanggung jawab.
8. Bahaya Terbesar Era AI: Manusia yang Merasa Pintar karena Dibantu Mesin
Ada risiko yang lebih halus daripada kehilangan pekerjaan akibat otomatisasi: kehilangan kepercayaan terhadap kemampuan berpikir sendiri. Ketika setiap persoalan langsung diserahkan kepada AI, seseorang mungkin menjadi lebih produktif dalam jangka pendek, tetapi kehilangan kesempatan melatih penalaran, ketekunan, dan kemandirian intelektual.
Ia dapat menyusun tulisan tanpa memahami argumennya. Menghasilkan analisis tanpa menguji datanya. Membuat keputusan tanpa memahami konsekuensinya.
Hasilnya tampak profesional, tetapi fondasi pengetahuannya rapuh.
Inilah paradoks produktivitas berbasis AI: semakin mudah pekerjaan diselesaikan, semakin besar pula godaan untuk melewati proses berpikir yang sebenarnya membentuk kompetensi manusia. Karena itu, literasi AI tidak boleh hanya berarti kemampuan memberikan instruksi kepada mesin.
Literasi AI harus mencakup pemahaman tentang keterbatasan teknologi, verifikasi informasi, privasi, bias, etika, serta tanggung jawab atas hasil yang digunakan atau dipublikasikan. Teknologi seharusnya memperluas kapasitas berpikir manusia, bukan menjadi alasan untuk berhenti berpikir.
Penutup: Masa Depan Bukan Milik Mereka yang Paling Cepat Mengikuti AI
Era AI tidak serta-merta menghapus nilai semua keterampilan lama. Yang berubah adalah cara keterampilan tersebut menghasilkan nilai. Kemampuan teknis tetap diperlukan, tetapi perlu disertai penalaran, kreativitas, pemahaman konteks, dan kemampuan mengevaluasi hasil kerja. Pengetahuan tetap penting, tetapi harus disertai kemauan memperbarui diri.
AI dapat mempercepat pekerjaan, tetapi manusia tetap perlu menentukan tujuan dan mempertanggungjawabkan keputusan. Karena itu, pertanyaan yang harus diajukan setiap orang bukan sekadar, “Seberapa mahir saya menggunakan AI?”
Pertanyaan yang lebih penting adalah: “Apakah saya semakin mampu berpikir, belajar, dan mengambil keputusan sejak menggunakan AI?”
Jika jawabannya tidak, mungkin yang meningkat hanyalah kecepatan menghasilkan pekerjaan, bukan kualitas kompetensi. Pada akhirnya, keunggulan manusia tidak terletak pada kemampuannya meniru apa yang bisa dilakukan mesin.
Keunggulan itu terletak pada kemampuannya menentukan apa yang layak dikerjakan, mengapa hal itu penting, bagaimana kebenarannya diuji, dan siapa yang harus bertanggung jawab atas dampaknya.
Di era AI, yang paling berisiko tersingkir bukan selalu mereka yang kurang pintar. Bisa jadi, justru mereka yang berhenti belajar karena merasa sudah pintar.
Sebab, ketika jawaban semakin mudah diperoleh, kemampuan berpikir mandiri menjadi semakin berharga. Dan ketika mesin semakin cerdas, manusia justru harus semakin bijaksana.
Comments