Inilah Kita | Dalam hitungan detik, kecerdasan buatan (artificial intelligence/AI) kini bisa merangkum jurnal, menulis esai, menyusun kode program, hingga menjelaskan teori rumit dengan bahasa sederhana. Pekerjaan yang dulu memerlukan berjam-jam di perpustakaan kini cukup diselesaikan dengan satu kalimat perintah. Di tengah rasa takjub itu, ada pertanyaan yang jarang kita ajukan: jika jawaban sudah begitu mudah didapat, apa yang masih menjadi tugas manusia?
Pelukis Pablo Picasso tercatat pernah berkata kepada William Fifield bahwa mesin hitung raksasa itu tidak berguna karena hanya bisa memberi jawaban (Fifield, 1964). Ucapan itu dilontarkan jauh sebelum era AI generatif, tetapi terasa semakin relevan hari ini. Jawaban kian murah dan melimpah, sedangkan yang justru langka adalah pertanyaan yang tepat. Di sanalah letak peran manusia yang tidak bisa dialihdayakan kepada mesin.
Jawaban yang Cepat Belum Tentu Benar
Model AI bekerja dengan mengenali pola dari data berukuran sangat besar, lalu menyusun respons yang tampak masuk akal. Itu sebabnya jawabannya terdengar meyakinkan, bahkan ketika keliru. Fenomena ini dikenal sebagai halusinasi AI: sistem menghasilkan informasi yang tampak faktual, padahal salah atau tidak memiliki sumber (lihat Daftar Pustaka). Kutipan fiktif, angka yang dikarang, atau peristiwa yang tidak pernah terjadi bisa disajikan dengan nada percaya diri yang sama seperti fakta yang benar.
Bagi masyarakat yang sudah akrab dengan banjir hoaks, ini bukan persoalan sepele. Kebiasaan “viral dulu, verifikasi belakangan” bisa menemukan wujud baru: “AI yang bilang, jadi pasti benar.” Tanpa kemampuan bertanya lanjut, seperti dari mana sumbernya, apa buktinya, dan adakah sudut pandang lain, kita hanya berpindah dari percaya pada kabar berantai menjadi percaya pada mesin.
Kualitas Jawaban Ditentukan Kualitas Pertanyaan
Siapa pun yang rutin memakai AI tahu bahwa pertanyaan yang kabur menghasilkan jawaban yang kabur. Perintah “buatkan esai tentang pendidikan” akan melahirkan teks generik yang bisa ditulis siapa saja. Sebaliknya, pertanyaan yang spesifik, berkonteks, dan berangkat dari pemahaman atas masalah akan menghasilkan jawaban yang jauh lebih berguna. Merumuskan pertanyaan yang baik menuntut kita memahami persoalan, menyadari apa yang belum kita ketahui, dan menentukan arah yang ingin dituju. Semua itu adalah kerja berpikir, bukan kerja mesin.
Dengan kata lain, AI memperbesar kemampuan yang sudah kita miliki. Orang yang terbiasa berpikir kritis akan terbantu menjadi lebih produktif. Orang yang tidak terbiasa berpikir mungkin hanya akan menghasilkan lebih banyak hal yang dangkal dalam waktu lebih singkat.
Bahaya Menyerahkan Proses Berpikir
Godaan terbesar AI bukan terletak pada kecanggihannya, melainkan pada kenyamanannya. Ketika setiap kesulitan bisa dilewati dengan satu perintah, kita berisiko melewatkan proses yang sebenarnya membentuk kemampuan: bergulat dengan ide, keliru, merevisi, lalu paham. Mahasiswa yang menyalin hasil AI tanpa membacanya ulang mungkin mendapatkan tugas yang selesai, tetapi tidak mendapatkan pemahaman. Profesional yang menerima rekomendasi mesin tanpa menimbang konteks bisa mengambil keputusan keliru yang sulit dipertanggungjawabkan. Mesin tidak dapat dimintai pertanggungjawaban moral, sedangkan manusia yang memakainya bisa dan harus.
Pendidikan sebagai Garda Terdepan
Respons dunia pendidikan terhadap AI sebaiknya bukan sekadar larangan atau pembiaran. Dalam panduannya tentang AI generatif di bidang pendidikan dan riset yang terbit pada 2023, UNESCO menekankan visi yang berpusat pada manusia (human-centred) agar AI menjadi alat yang benar-benar memberdayakan guru, peserta didik, dan peneliti (Miao & Holmes, 2023). Tantangannya ada pada praktik, termasuk di Indonesia: apakah ruang kelas sudah lebih banyak menilai kemampuan bertanya, menguji argumen, dan memeriksa sumber, ataukah masih berfokus pada kemampuan menghafal jawaban yang kini bisa dihasilkan mesin dalam sekejap?
Guru dan dosen dapat memulai dari langkah sederhana, yaitu meminta peserta didik melampirkan pertanyaan yang mereka ajukan kepada AI, menjelaskan cara mereka memverifikasi jawabannya, dan mengkritik hasil yang diberikan. Dengan cara ini, AI menjadi bahan latihan berpikir, bukan jalan pintas.
Membiasakan Tiga Pertanyaan
Di luar ruang kelas, ada kebiasaan sederhana yang bisa dilakukan siapa saja. Sebelum memakai jawaban AI, ajukan tiga pertanyaan kepada diri sendiri. Pertama, apa sumbernya dan bisakah saya memeriksanya? Kedua, apakah jawaban ini sesuai dengan konteks persoalan saya? Ketiga, apa yang belum terjawab atau mungkin terlewat? Ketiganya tidak membutuhkan keahlian teknis, hanya kemauan untuk tidak berhenti pada jawaban pertama.
Tetap Menjadi Pengemudi
Era AI sering digambarkan sebagai pertarungan manusia melawan mesin. Kerangka itu menyesatkan. Persoalan sebenarnya adalah apakah kita tetap menjadi pengemudi atau berubah menjadi penumpang yang menurut saja. Mesin akan terus semakin pandai menjawab. Tugas kita adalah memastikan diri tetap menjadi pihak yang pandai bertanya: yang ragu pada saat yang tepat, penasaran melampaui hal yang tampak, dan berani bertanggung jawab atas keputusan akhir.
Pada akhirnya, kemajuan tidak ditentukan oleh seberapa banyak jawaban yang kita miliki, melainkan oleh seberapa baik pertanyaan yang berani kita ajukan.
Daftar Pustaka
Fifield, W. (1964). Pablo Picasso: A Composite Interview. The Paris Review (Summer/Fall 1964). Penelusuran asal kutipan: Quote Investigator, “Computers Are Useless. They Can Only Give You Answers.” Diakses dari https://quoteinvestigator.com/2011/11/05/computers-useless/
Miao, F., & Holmes, W. (2023). Guidance for Generative AI in Education and Research. Paris: UNESCO. Diakses dari https://unesdoc.unesco.org/ark:/48223/pf0000386693
UNESCO. (2023, 7 September). UNESCO: Governments must quickly regulate Generative AI in schools. Diakses dari https://www.unesco.org/en/articles/unesco-governments-must-quickly-regulate-generative-ai-schools?hub=701
A Comprehensive Taxonomy of Hallucinations in Large Language Models (arXiv:2508.01781). Diakses dari https://arxiv.org/html/2508.01781v1
