Outsource Pikiran Anda ke AI, dan Ini Akan Menggantikan Anda

Kepala AI di Microsoft, Mustafa Suleyman, baru-baru ini membagikan ramalan yang menakutkan: dalam waktu 12 hingga 18 bulan ke depan, sebagian besar atau bahkan semua pekerjaan kantor akan sepenuhnya diotomatisasi oleh kecerdasan buatan. Tidak hanya itu, Mr. Suleyman bukanlah orang pertama yang membagikan asumsi seperti itu (ya, saya berbicara tentang Dario Amodei dan kalimatnya tentang AI yang akan menggantikan pekerjaan kantor dalam waktu 5 tahun), dan tentu saja bukan yang terakhir. Namun, saya ingin membagikan pandangan kontroversial: AI, baik dalam 18 bulan atau 5 tahun, tidak akan dapat menggantikan pekerja kantor. Tapi jika kita berhenti berpikir, maka AI akan menggantikan kita.

Dan saya tidak mengatakan bahwa AI tidak akan diintegrasikan ke dalam sebagian besar proses, atau bahwa AI tidak dapat membantu orang dengan beban kerja mereka. Ini sudah terjadi. Namun, menggantikan pemikiran manusia, menghilangkan input manusia, adalah tugas yang tidak dapat dilakukan oleh AI (kecuali kita sebagai manusia menggantikan mesin pengambil keputusan kita dengan AI).

Mengapa Pemikiran Manusia Tidak Bisa dan Tidak Seharusnya Dihapus

Ada tiga alasan spesifik yang saya temukan setiap kali seseorang mengatakan bahwa AI akan menggantikan semua orang. Setiap alasan tersebut adalah sesuatu yang otak manusia lakukan secara alami, dan setiap alasan tersebut adalah sesuatu yang AI, tidak peduli seberapa canggih, tidak dapat reproduksi.

AI Tidak Bisa Memiliki Konteks seperti Otak Manusia

Ketika seseorang membuat keputusan, mereka tidak, seperti model bahasa, hanya memprediksi kata berikutnya berdasarkan probabilitas umum. Mereka menggunakan pengalaman hidup yang telah dienkripsi di seluruh sistem sekaligus: kenangan pribadi, kebiasaan yang dipelajari, dan taruhan emosi dari momen-momen tersebut. Pengalaman kolektif ini memungkinkan otak untuk terus menebak apa yang akan terjadi selanjutnya, memperbarui pandangan hanya ketika kenyataan membuktikan bahwa itu salah. Konteks, dengan kata lain, adalah substrat yang setiap persepsi dibangun.

Model bahasa besar bekerja secara berbeda. Bobotnya berasal dari korpus teks yang terbatas yang pernah dilatih sekali dan tidak lagi memiliki akses ke sana. Tidak ada loop persepsi, tidak ada kesalahan prediksi dari dunia yang harus dihidupi. “Konteks” yang tersedia untuknya adalah apa pun yang terjadi di jendela prompt. Tidak pernah berjalan ke ruangan sebelumnya. Jadi, ketika kita membuat keputusan yang bergantung pada mengetahui apa yang normal di sini, apa yang terjadi sebelumnya, dan apa yang dipertaruhkan, kita menjalankan prediksi melawan pengalaman seumur hidup – pribadi dan dari generasi yang datang sebelum kita. Model tersebut melakukan pencocokan pola melintasi basis data teks. Dua operasi yang sangat berbeda, dan tidak ada skala jendela konteks yang menutup kesenjangan.

Mengetahui Nama Tidak Sama dengan Mengetahui Sesuatu

Kebijaksanaan ini berasal dari fisikawan Nobel, Richard Feynman (atau dari ayahnya, untuk lebih spesifik). Ia percaya bahwa sekadar menghafal label atau definisi tidak berarti mengetahui topik. Pemahaman yang sebenarnya datang dari pengalaman dan pemahaman.

Charlie Munger, seorang pengusaha dan investor Amerika, menyarankan istilah untuk pembelajaran seperti itu – “Pengetahuan Supir”. Anecdote di balik ini adalah tentang seorang supir yang sebenarnya dari fisikawan Max Planck, yang mendengar kuliah tentang mekanika kuantum sehingga ia menghafalnya. Ia kemudian menawarkan untuk menyampaikan kuliah itu sebagai gantinya di Munich, yang ia lakukan dengan sukses. Namun, ketika ada pertanyaan dari audiens, ia tidak bisa menjawab. Dan itulah perbedaan antara pengetahuan “supir” yang dangkal dan pengetahuan yang komprehensif, yang diperoleh melalui tahun-tahun kerja dan perjuangan.

Model bahasa besar saat ini adalah supir yang paling canggih yang pernah kita buat. Mereka dapat mengulangi mekanika kuantum, merangkum filsafat, menggambar kontrak, dan menghasilkan kata-kata yang berima. Namun, sesuatu yang memerlukan pengalaman daripada pengenalan pola, seperti mengetahui mengapa posisi merek yang berhasil di satu pasar akan gagal di pasar lain, adalah unik bagi manusia, dan itulah yang sebenarnya mempengaruhi keputusan.

Tapi, memahami mengapa posisi merek yang berhasil di satu pasar akan gagal di pasar lain tidak dapat diperoleh dengan pengenalan pola saja. Pengalaman adalah unik bagi manusia dan itulah yang sebenarnya mempengaruhi keputusan.

Masih, Perbedaan Utama Antara Kita dan AI Bukanlah Pemrosesan Data – Melainkan Kepemilikan

Kemampuan orang (atau setidaknya beberapa dari kita) untuk mengambil tanggung jawab atas tindakan, memiliki konsekuensi, rasa malu, belajar dari kesalahan, dan melakukan segala yang mungkin untuk mencegah kesalahan tersebut terjadi lagi, dan dengan demikian tidak merasakan kesakitan dari kegagalan lain – itulah yang membuat pemikiran dan pengambilan keputusan kita begitu unik dan berbeda dari kecerdasan buatan.

AI tidak merasakan malu. Atau bersalah. Tidak kehilangan tidur karena keputusan yang salah. Tidak membawa kenangan dari kesepakatan yang gagal, atau strategi yang gagal. Model tersebut memberikan jawaban, jawaban itu salah, dan model tersebut melanjutkan ke prompt berikutnya seolah-olah tidak ada yang terjadi (karena bagi mereka, tidak ada yang terjadi). Tidak ada biaya internal untuk menjadi salah, dan dengan demikian tidak ada tekanan untuk menjadi benar di lain waktu – sesuatu yang sebenarnya mendorong manusia untuk berkembang dan meningkatkan diri.

Sepuluh tahun yang lalu, saya bekerja di venture capital, menganalisis startup awal, dan kami melihat kesepakatan tentang mengemudi otonom. Bahkan saat itu, prototipe taksi otonom lebih aman daripada pengemudi manusia. Teknologi itu bekerja. Namun, mengapa kota-kota kita masih belum dipenuhi dengan mobil otonom? Karena tanggung jawab dari kendaraan otonom tidak jelas – siapa yang harus disalahkan jika terjadi kecelakaan, pengemudi, produsen, atau pengembang perangkat lunak. Sampai pertanyaan itu memiliki jawaban, kita terjebak. Teknologi telah melampaui kerangka akuntabilitas yang seharusnya ada untuk menyerapnya.

Bagaimana Tidak Kehilangan Pikiran (dan Pekerjaan) di Era AI

Saya percaya bahwa AI tidak bisa menggantikan pemikiran manusia, tapi saya juga bisa melihat pola orang yang terjebak dalam godaan untuk mendapatkan jalan pintas ke hasil. Untuk pertama kalinya dalam sejarah, Anda tidak perlu memiliki otak untuk mendapatkan jawaban. Anda hanya perlu mengetikkan pertanyaan. Gesekan yang biasanya memaksa kita untuk berpikir telah dihilangkan, yang terdengar baik, sampai Anda menyadari bahwa gesekan itu adalah titik utama. Itu adalah bagaimana otak dibangun pada awalnya.

Dan di sinilah pertanyaan pekerjaan juga kembali. AI tidak akan menggantikan pekerja kantor sebagai kategori. Tapi akan menggantikan orang-orang yang mengoutsource semua pemikiran mereka ke AI. Jika Anda menukar penilaian, konteks, dan kepemilikan dengan jawaban cepat dari jendela obrolan, Anda berhenti menjadi orang yang membawa sesuatu ke meja. Pada titik itu, majikan Anda tidak benar-benar membutuhkan Anda. Mereka bisa berbicara langsung dengan model.

Jadi, menjaga pekerjaan Anda di era AI dan menjaga pikiran Anda di era AI turun ke pertanyaan yang sama. Dan di bawah ini adalah empat kebiasaan yang perlu Anda alamatkan.

AI Seharusnya Meningkatkan Rasa Ingin Tahu

Dampak AI pada otak Anda tergantung sepenuhnya pada bagaimana Anda menggunakannya. Jika Anda ingin tahu dan mau menggali, AI menjadi teman belajar terbaik yang pernah ada. Lebih baik daripada Wikipedia, lebih baik daripada buku mana pun, karena dapat menjelaskan ide yang sama dengan lima cara berbeda sampai salah satunya mengklik, dan mengikuti Anda ke lubang kelinci mana pun yang Anda inginkan. Atau Anda bisa meminta bantuan untuk mempraktikkan pengulangan yang berjarak sampai Anda benar-benar memahami konsepnya.

Bagi orang yang tidak ingin tahu, AI melakukan sebaliknya. AI mengambil alih pemikiran yang seharusnya mereka lakukan sendiri. Mereka mendapatkan output tanpa kerja, dan kerja itu adalah titik utama. Setelah Revolusi Industri, ketika mesin membuat pekerjaan fisik kurang umum, kita membangun gym untuk memberi tubuh kita apa yang mereka butuhkan untuk menantang dan mempertahankan diri. Dan itulah yang kita butuhkan: gym mental untuk menjaga otak kita tetap fit.

Pada tahun 2025, MIT Media Lab melakukan penelitian di mana 54 peserta menulis esai selama empat bulan, dibagi menjadi tiga kelompok: ChatGPT, mesin pencari, dan otak saja. Sementara mereka menulis, elektroensefalografi melacak aktivitas otak mereka. Pada akhirnya, kelompok ChatGPT secara konsisten menunjukkan konektivitas neural terendah dan menghasilkan esai yang digambarkan sebagai “tanpa jiwa” oleh guru. Kelompok otak saja memiliki aktivitas otak terkuat sepanjang waktu.

Tapi bagian paling mengungkapkan datang pada sesi terakhir, ketika peneliti menukar kelompok. Orang-orang yang menggunakan otak saja, setelah diberikan ChatGPT, mengungguli semua orang. Mereka telah membangun otot pemikiran terlebih dahulu dan kemudian menggunakan AI di atasnya. Kelompok lain tidak bisa mengejar, karena mereka melewatkan bagian di mana otot itu dibangun.

Belajar Adalah Kata Kerja, Jadi Tidak Bisa Pasif

Untuk belajar tetap, teori harus digabungkan dengan praktek. Membaca tentang sebuah ide adalah satu bentuk input; melakukan sesuatu dengan ide itu adalah bentuk lain. Mengetik, menjawab, menerapkan, salah, dan mencoba lagi – kegiatan ini menarik bagian otak yang berbeda daripada konsumsi pasif, dan mereka menjaga Anda fokus pada materi.

Socrates sudah tahu hal ini ribuan tahun yang lalu: ia tidak pernah hanya memberikan jawaban kepada murid-muridnya, tetapi memaksa mereka untuk menghasilkan jawaban (seringkali jawaban yang salah) terlebih dahulu, dan kemudian memperbaikinya. Dan saya sendiri mengalami manfaat dari filosofi ini sebagai seorang mahasiswa matematika: kami hanya mendapatkan setengah kredit untuk menghafal teori, sementara setengah lainnya memerlukan membuktikannya. Fokus pada pemahaman dasar ini memungkinkan kami untuk lebih baik mengingat dan menerapkan konsep-konsep tersebut.

Mengajar sebuah subjek membawa pengetahuan Anda ke tingkat berikutnya, membuatnya lebih sulit untuk jatuh ke dalam perangkap psikologis yang disebut ilusi kompetensi, dan memberikan pemahaman yang lebih baik tentang topik. Ketika Anda perlu menjelaskan sebuah ide dengan jelas dan melakukannya beberapa kali dengan cara yang berbeda, tidak ada cara bagi Anda untuk tidak memahami dan mengingatnya sendiri. Richard Feynman pernah mengatakan dengan alasan yang baik: “Jika Anda tidak bisa menjelaskannya dengan sederhana, Anda tidak memahami itu.”

Angka-angka mendukung semua ini. Dalam studi pelatihan keselamatan, pembelajar aktif mempertahankan 93,5% informasi dibandingkan dengan 79% untuk pembelajar pasif (Engageli, 2025). Pyramid Pembelajaran yang lebih luas dari National Training Laboratories di Bethel, Maine, menunjukkan pola yang sama pada setiap tingkat:

Data Tanpa Sumber yang Dapat Dipercaya Adalah Gosip

Ya, orang harus mempertanyakan jawaban yang mereka dapat dari AI. Mereka harus meminta sumber, dan ketika tidak ada sumber, mereka harus skeptis.

Tapi ada masalah yang lebih besar di balik semua ini, dan itu adalah fakta bahwa memvalidasi output AI semakin sulit. Model mengutip sumber yang tidak ada, mereka memparafrasekan sumber yang nyata dengan cara yang mengubah makna, mereka mencampurkan informasi yang akurat dengan informasi yang dibuat-buat dalam paragraf yang sama, dan tidak ada cara yang jelas untuk mengetahui mana yang mana.

Di atas itu, semakin banyak internet yang dihasilkan oleh AI, yang berarti model sekarang belajar dari output model lain. Sumber asli yang ditulis oleh manusia semakin terkubur di bawah semua yang telah dihasilkan secara otomatis di atasnya.

Itulah mengapa saya pikir pengetahuan yang dapat dipercaya masih harus datang dari orang-orang. Jika kita tidak bisa sepenuhnya mempercayai model, dan kita tidak bisa sepenuhnya mempercayai sumber di balik model, maka pengalaman manusia adalah satu-satunya hal yang tersisa untuk diandalkan.

Seperti yang dikatakan oleh Tony Robbins: “Jika Anda ingin sukses, temukan orang yang telah mencapai hasil yang Anda inginkan dan tiru apa yang mereka lakukan, dan Anda akan mencapai hasil yang sama.” Orang yang telah melakukan sesuatu dan mengajarkannya telah melalui tahun-tahun kerja, membayar untuk kesalahan mereka, dan membangun pengetahuan mereka dengan konsekuensi yang nyata – itulah sumber yang dapat dipercaya.

Tanpa Konteks, Detail Hilang

Kebiasaan lain yang membantu ketika belajar dengan AI adalah menolak godaan untuk melompat langsung ke pertanyaan spesifik. Kebanyakan orang, ketika mereka ingin tahu sesuatu, mengetikkan pertanyaan yang tepat ke dalam chatbot dan menerima jawabannya begitu saja. Masalahnya adalah mereka melewatkan latar belakang di mana jawaban itu berada. Informasi spesifik yang terlepas dari konteksnya sangat mudah disalahartikan.

Saya seorang penggemar sejarah, jadi izinkan saya memberikan contoh sejarah. Pidato Gettysburg adalah pidato singkat yang disampaikan oleh Lincoln pada tahun 1863, di lokasi salah satu pertempuran paling berdarah dalam Perang Saudara Amerika. Bayangkan Anda perlu menulis esai tentang hal itu. Anda meminta AI untuk menganalisis dan mendapatkan breakdown yang rapi tentang kata-kata, struktur, dan perangkat retorika.

Tapi apakah Anda bisa benar-benar menulis esai itu tanpa mengetahui apa-apa tentang Perang Saudara itu sendiri? Mungkin tidak. Anda tidak akan memahami mengapa pertempuran itu penting, atau mengapa pidato yang disampaikan di tanah itu membawa bobot yang sangat besar. Anda tidak akan menangkap bahwa perang itu telah bergeser dari mempertahankan Persatuan menjadi mengakhiri perbudakan, dan bahwa pidato itu adalah cara Lincoln untuk mendefinisikan kembali apa yang negara itu lawan. Anda tidak akan melihat ketegangan politik di balik hampir setiap baris, karena bagi Anda, baris-baris itu hanya akan terdengar seperti kalimat yang indah tentang peristiwa yang sedih.

Tanpa konteks Perang Saudara, pidato itu terdengar seperti elegi singkat. Dengan konteks itu, Anda membaca titik balik dalam cara sebuah bangsa memahami dirinya sendiri. Dan itulah nuansa yang AI akan berikan kepada Anda hanya jika Anda sudah tahu cukup untuk meminta.

Prinsip yang sama berlaku hampir untuk semua yang mungkin Anda gunakan AI untuk. Mulailah dengan yang umum. Dapatkan gambaran umum. Kemudian turun ke detail. Mereka akan memiliki makna jika mereka memiliki konteks untuk mendarat.

Intinya: AI Adalah Alat, dan Alat Membutuhkan Tangan

Setiap lompatan teknologi besar dalam sejarah manusia memicu kepanikan yang sama. Kalkulator akan membuat kita lupa matematika. Internet akan membuat kita lupa bagaimana berpikir. Mesin pencari akan membunuh ingatan kita. Dan lihat, kita masih di sini, masih menghitung, masih berpikir, masih mengingat, hanya dengan alat yang lebih baik di tangan.

AI adalah yang berikutnya dalam daftar itu, dan mungkin yang paling kuat yang pernah kita bangun. AI dapat menulis, meringkas, menganalisis, menggambar, menerjemahkan, dan mengkode, dan melakukannya lebih cepat daripada kita. Tapi AI tidak menginginkan apa-apa. AI tidak bisa peduli dengan hasil. AI tidak bisa hidup dengan konsekuensi dari kesalahan. Bagian-bagian pekerjaan itu masih milik kita, dan itulah yang menentukan apakah pekerjaan itu baik atau tidak.

Orang-orang yang akan sukses dalam dekade berikutnya akan menjadi mereka yang tetap ingin tahu, yang terus bertanya pertanyaan yang lebih baik, dan yang menggunakan AI untuk belajar lebih cepat dan berpikir lebih dalam, bukan menggunakan AI untuk melewati pemikiran sama sekali. Mereka akan menjadi orang-orang yang membawa sesuatu ke meja yang tidak dapat direplikasi oleh model: penilaian, konteks, dan kemauan untuk memiliki keputusan.

Jadi, tidak, AI tidak akan menggantikan Anda atau membuat Anda kehilangan pekerjaan. Tapi versi Anda yang berhenti berpikir mungkin akan.