Menunggu...
Home » Tips Akun Premium » Manusia & Mesin: Bagaimana AI Mengubah Produktivitas dan Kognisi Kita

Manusia & Mesin: Bagaimana AI Mengubah Produktivitas dan Kognisi Kita

18 August 2025 pemudakaya

Generative AI dan alat bantu berbasis model bahasa besar (LLM) telah mengubah ritme kerja di kantor, laboratorium, dan ruang praktik klinis: tugas yang dulu memakan waktu berjam-jam kini bisa diringkas atau dihasilkan dalam hitungan menit.

Di sisi makro, setidaknya beberapa laporan besar memperkirakan potensi peningkatan produktivitas dan nilai ekonomi yang signifikan dari adopsi AI—tetapi bukti lapangan juga mulai mengingatkan bahwa penggunaan rutin AI dapat menimbulkan efek samping pada keterampilan manusia.

Artikel ini menyajikan ringkasan bukti terbaru, menimbang manfaat dan risiko terhadap produktivitas serta kognisi, lalu menawarkan rekomendasi praktis untuk pembuat kebijakan, perusahaan, dan pembaca umum.

Apa yang Dimaksud dengan “AI” di sini?

Dalam konteks artikel ini, “AI” merujuk pada spektrum teknologi mulai dari otomatisasi tradisional hingga generative AI — model besar yang bisa menulis teks, menerjemah, merangkum, atau membantu pengambilan keputusan (mis. Copilot, ChatGPT, model diagnostik di medis).

Perbedaannya penting: otomatisasi menggantikan pekerjaan berulang secara deterministik; generative AI bersifat asisten kognitif yang mengubah bagaimana informasi diproses dan diuji. Dampak pada produktivitas dan fungsi kognitif bergantung pada desain alat, konteks penerapan, dan praktik penggunaannya.

Sisi Positif: Bagaimana AI Dapat Meningkatkan Produktivitas

Beberapa mekanisme utama di mana AI meningkatkan produktivitas:

  • Augmentasi tugas rutin — AI merangkum dokumen panjang, menyiapkan draf email/laporan, atau mengotomasi entri data sehingga pekerja dapat fokus pada analisis tingkat tinggi. Organisasi melaporkan percepatan proses kerja dan pengurangan waktu untuk tugas administratif.
  • Percepatan R&D dan kreativitas — dalam riset dan pengembangan, model generatif mempercepat iterasi ide, desain obat, dan penemuan material dengan menyarankan hipotesis awal atau mem-filter literatur relevan. McKinsey menilai generative AI memiliki potensi nilai ekonomi besar dalam banyak use-case perusahaan.
  • Skalabilitas layanan — di pendidikan dan layanan pelanggan, AI memungkinkan personalisasi yang lebih luas (tutor adaptif, chat support 24/7) tanpa penambahan besar tenaga manusia.

Secara agregat, analis memperkirakan bahwa generative AI dapat mendorong peningkatan produktivitas tenaga kerja dalam jangka menengah, walau rentang estimasi bergantung pada kecepatan adopsi dan kebijakan pendukung.

Risiko Terhadap Produktivitas dan Pasar Kerja

Manfaat di atas tidak hanya otomatis menyebar merata, namun Risiko utama:

  • Perubahan permintaan keterampilan — AI cenderung menggantikan atau mereduksi beban kerja untuk tugas berulang dan entry-level; tanpa kebijakan reskilling, pekerja berisiko mengalami perpindahan pekerjaan dan pendapatan. OECD menyoroti kemungkinan “penghilangan anak tangga” dalam jalur karier, yang dapat menghambat mobilitas profesional.
  • Ketergantungan operasional — perusahaan yang mengandalkan AI tanpa kontrol mutu yang ketat bisa menghadapi kegagalan proses bila model melakukan kesalahan (drift, bias, data buruk).
  • Distribusi manfaat yang timpang — adopsi cepat di sektor tertentu (teknologi, keuangan) dapat memperlebar ketimpangan antar sektor dan wilayah.

Sisi Positif Terhadap Kognisi: Augmentasi Mental

AI bisa berperan sebagai extended cognition—memori eksternal, asisten brainstorming, atau tutor yang menyesuaikan materi sesuai kebutuhan pelajar. Jika dirancang sebagai alat yang memancing berpikir, AI dapat meningkatkan pembelajaran dan efisiensi kognitif dengan mengurangi beban kerja rendah level sehingga sumber daya mental diarahkan ke berpikir kritis dan evaluatif. Beberapa studi dan konsep desain manusia-AI menekankan model interaksi yang membina “higher-order thinking” daripada sekadar menggantikan proses mental.

Sisi Negatif Terhadap Kognisi: Deskilling dan Cognitive Offloading

Namun ada sisi gelap: bukti lapangan mulai menunjukkan fenomena deskilling — penurunan kemampuan manusia akibat penggunaan AI yang terus-menerus.

  • Studi klinis terbaru: sebuah penelitian observasional yang dipublikasikan di jurnal bergengsi menemukan bahwa endoskopis yang rutin menggunakan alat AI mengalami penurunan laju deteksi adenoma (indikator kualitas colonoscopy) saat mereka bekerja tanpa AI. Hasil ini menimbulkan kekhawatiran bahwa paparan terus-menerus ke asisten AI dapat melemahkan kebiasaan pengamatan dan keterampilan klinis. Para peneliti menyarankan perlunya periode tanpa AI untuk memastikan keterampilan manusia tetap terlatih.
  • Cognitive offloading: kecenderungan untuk “menyerahkan” tugas ingatan, navigasi, atau pemikiran rutin ke alat eksternal (mis. menyandarkan perhitungan, verifikasi fakta, atau brainstorming) dapat mengurangi latihan mental yang diperlukan agar keterampilan tetap tajam. Penelitian di bidang interaksi manusia-komputer memperingatkan bahwa desain AI harus mendorong keterlibatan kognitif, bukan menggantikan sepenuhnya.

Intinya: jika AI dipakai hanya sebagai krutch (penopang), maka saat alat itu tidak tersedia atau salah, kemampuan manusia mungkin menurun — dan konsekuensinya bisa serius di domain safety-critical seperti kesehatan.

Bukti Lapangan di Bidang Medis, Pendidikan, dan Perusahaan

  • Medis: studi kolonoskopy yang disebutkan di atas adalah contoh nyata bagaimana AI dapat meningkatkan performa saat dipakai namun berpotensi melemahkan kemampuan operator ketika tidak ada AI. Publikasi ini memicu diskusi tentang pengaturan penggunaan AI di klinik.
  • Pendidikan: eksperimen awal menunjukkan manfaat tutor AI adaptif dalam mempercepat pemahaman konsep, namun beberapa penelitian menyoroti berkurangnya keterlibatan aktif jika siswa terlalu bergantung pada jawaban instan.
  • Perusahaan: survei industri menunjukkan lonjakan adopsi gen-AI dalam dua tahun terakhir dan laporan manfaat produktivitas pada tugas tertentu, tetapi juga melaporkan kebutuhan besar akan kebijakan penggunaan, audit model, dan pelatihan ulang staf.

Apa yang Bisa Terjadi di Masa Depan?

Ada tiga skenario layak dibayangkan:

  1. Optimis terkelola — AI menambah produktivitas besar, disertai program reskilling dan regulasi; kemampuan manusia terjaga melalui desain alat yang memupuk keterlibatan.
  2. Pessimis deskilling — adopsi tanpa mitigasi menyebabkan kelemahan kompetensi di level operasional, peningkatan ketergantungan, dan ketimpangan yang membesar.
  3. Campuran (kemungkinan besar) — manfaat besar tapi tidak merata; keberhasilan bergantung pada kebijakan publik, desain produk yang bijak, dan budaya organisasi.

Rekomendasi Kebijakan & Praktik — Apa yang Harus Dilakukan Sekarang

Untuk pembuat kebijakan:

  • Investasi skala besar pada program reskilling dan jalur karier entry-level agar “rungs” pekerjaan tidak hilang.
  • Standar audit dan pelaporan performa AI di domain kritikal (kesehatan, transportasi). OECD merekomendasikan kebijakan terkoordinasi yang menggabungkan produktivitas dan distribusi keuntungan AI.

Untuk perusahaan:

  • Terapkan prinsip human-in-the-loop: AI sebagai asisten, bukan pengganti total.
  • Bangun metrik yang menilai kualitas kerja dan kemampuan kognitif karyawan, bukan hanya output cepat.
  • Rancang kerja rotasional dan periode “usage-off” agar keterampilan manusia tetap terlatih (contoh: beberapa sesi tanpa AI untuk menjaga ketajaman klinis).

Untuk institusi pendidikan:

  • Integrasikan literasi AI: cara mem-prompt, memverifikasi output, dan memahami bias.
  • Tugas evaluasi harus menguji proses berpikir, bukan sekadar jawaban akhir yang bisa dihasilkan AI.

Untuk individu:

  • Latih kembali keterampilan inti lewat deliberate practice.
  • Batasi offloading—gunakan AI untuk mempercepat, bukan menggantikan proses belajar.
  • Latih kebiasaan deep work dan verifikasi fakta dari beberapa sumber.

Rekomendasi di atas berakar pada temuan OECD dan studi evaluatif adopsi AI; kebijakan terkoordinasi akan menentukan apakah manfaatnya inklusif atau justru memperbesar kesenjangan.

Panduan Praktis untuk Anda

  1. Saat menggunakan AI untuk tugas penting, selalu lakukan cross-check minimal dua sumber.
  2. Sisihkan waktu mingguan untuk “no-AI practice” pada keterampilan inti pekerjaan.
  3. Pelajari dasar-dasar prompt engineering — kemampuan ini meningkatkan efisiensi tanpa kehilangan kontrol.
  4. Jika bekerja di bidang keselamatan/medis, dorong adanya protokol audit dan pelatihan ulang periodik.
  5. Untuk manajer: ukur kualitas hasil, bukan hanya waktu penyelesaian.
  6. Untuk pendidik: rancang assesment yang menilai proses berpikir kritis.

Penutup 

AI menawarkan peluang produktivitas yang nyata, tetapi bukan tanpa biaya. Bukti terbaru—termasuk studi klinis yang menunjukkan kemungkinan deskilling—menggarisbawahi bahwa teknologi ini harus diintegrasikan dengan strategi yang menjaga dan mengembangkan kapabilitas manusia. 

Kuncinya bukan menolak AI, melainkan merancang hubungan manusia-mesin yang saling menguatkan: AI yang memacu pemikiran lebih tinggi, kebijakan yang melindungi mobilitas sosial, dan budaya organisasi yang menempatkan kualitas sebagai tolok ukur utama. Jika kita berhasil menyeimbangkan ini, AI dapat menjadi alat yang memperkaya kemampuan manusia — bukan yang menggantikannya.


Referensi

  1. Budzyń, K., Romańczyk, M., Kitala, D., Kołodziej, P., Bugajski, M., Adami, H. O., et al. (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. The Lancet Gastroenterology & Hepatology. Advance online publication. https://doi.org/10.1016/S2468-1253(25)00133-5
  2. Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), Article 6. https://doi.org/10.3390/soc15010006
  3. McKinsey & Company. (2023). The economic potential of generative AI: The next productivity frontier (report). McKinsey & Company. https://www.mckinsey.com/~/media/mckinsey/business%20functions/mckinsey%20digital/our%20insights/the%20economic%20potential%20of%20generative%20ai%20the%20next%20productivity%20frontier/the-economic-potential-of-generative-ai-the-next-productivity-frontier.pdf
  4. McKinsey & Company. (2025). The state of AI: How organizations are rewiring to capture value (McKinsey Global Survey / report). McKinsey & Company. https://www.mckinsey.com/~/media/mckinsey/business%20functions/quantumblack/our%20insights/the%20state%20of%20ai/2025/the-state-of-ai-how-organizations-are-rewiring-to-capture-value_final.pdf
  5. Organisation for Economic Co-operation and Development (OECD). (2024). The impact of artificial intelligence on productivity, distribution and growth (OECD Publishing). https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/04/the-impact-of-artificial-intelligence-on-productivity-distribution-and-growth_d54e2842/8d900037-en.pdf
  6. Shukla, P., Bui, P., Levy, S. S., Kowalski, M., Baigelenov, A., & Parsons, P. (2025). De-skilling, cognitive offloading, and misplaced responsibilities: Potential ironies of AI-assisted design (arXiv preprint). arXiv:2503.03924. https://doi.org/10.48550/arXiv.2503.03924
  7. Ahmad, O. F. (2025). Endoscopist deskilling: an unintended consequence of AI-assisted colonoscopy? The Lancet Gastroenterology & Hepatology. Advance online publication. https://doi.org/10.1016/S2468-1253(25)00164-5

Tags:

Semua

Premium

x