{"content_id":"okdh5nqah2","slug":"unlearning-in-the-ai-era","locale":"id","schema_type":"HowTo","category":"how_to","category_name":"Panduan","title":"Unlearning di Era AI: Cara Melepaskan Asumsi Lama dan Belajar Kembali","summary":"Unlearning bukanlah upaya memaksa diri melupakan pengetahuan, melainkan proses mengidentifikasi asumsi dan cara kerja yang tidak lagi berlaku serta mengurangi pengaruhnya. Artikel ini menjelaskan cara menguji asumsi lama, melakukan eksperimen kecil, dan menggantinya dengan kriteria penilaian baru.","author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["Unlearning bukanlah menghapus ingatan, melainkan proses menguji kembali kondisi ketika pengetahuan yang ada masih dapat diterapkan.","Waktu paruh keterampilan kerja bukanlah satu statistik yang terstandardisasi, sehingga jumlah tahun tertentu tidak boleh digunakan seolah-olah merupakan fakta universal.","Transisi yang efektif terjadi melalui siklus unlearning, relearning, dan new learning.","Alih-alih langsung meninggalkan cara lama, bandingkan efektivitas dan risiko cara baru melalui eksperimen kecil.","Meskipun AI menghasilkan informasi, tanggung jawab atas penetapan tujuan, penilaian konteks, verifikasi, dan hasil tetap berada pada manusia dan organisasi."],"content_markdown":"Jika perasaan tertinggal tidak juga hilang meski terus mempelajari teknologi baru, masalahnya mungkin bukan pada banyaknya pembelajaran, melainkan pada asumsi lama yang masih tertanam dalam pikiran. Dalam lingkungan tempat AI dan otomatisasi mengubah prosedur kerja dengan cepat, dibutuhkan bukan hanya kemampuan menambahkan pengetahuan baru, tetapi juga **unlearning**, yaitu meninjau kembali cakupan penerapan pengetahuan yang sudah ada.\n\n## Apa Itu Unlearning\n\nUnlearning bukanlah menghapus sepenuhnya hal-hal yang telah dipelajari atau membuat pengalaman masa lalu menjadi tidak bernilai. Unlearning adalah **proses memeriksa apakah pengetahuan, kebiasaan, atau asumsi yang pernah efektif masih berlaku dalam situasi saat ini, serta mencegah bagian yang sudah tidak sesuai agar tidak mendominasi pengambilan keputusan**.\n\nSebagai contoh, pada masa lalu mungkin masuk akal jika setiap laporan ditulis oleh manusia sejak awal. Dalam lingkungan yang memungkinkan penggunaan AI generatif, prosedur penyusunan draf dapat diubah, tetapi tanggung jawab atas pemeriksaan fakta dan persetujuan tidak otomatis hilang. Unlearning bukanlah menghapus seluruh prosedur yang ada, melainkan memilah kembali apa yang dapat diotomatisasi dan apa yang harus tetap menjadi tanggung jawab manusia.\n\n### Perbedaan antara Unlearning dan Lupa\n\n| Kategori | Makna | Hasil |\n|---|---|---|\n| Lupa | Fenomena kehilangan ingatan atau informasi tanpa memandang niat | Pengetahuan yang sudah ada mungkin tidak dapat dimanfaatkan saat diperlukan |\n| Penghapusan | Keputusan untuk tidak menggunakan informasi atau prosedur tertentu | Dapat menimbulkan kekosongan kerja jika tidak ada alternatif |\n| Unlearning | Meninjau kembali asumsi dan syarat penerapan pengetahuan yang sudah ada | Bagian yang masih berlaku dapat dipertahankan dan bagian yang usang dapat diganti |\n| Relearning | Mempelajari kembali konsep atau keterampilan inti dalam lingkungan yang telah berubah | Menyusun ulang pengalaman yang ada sesuai standar baru |\n\n## Mengapa Unlearning Penting di Era AI\n\n### Kombinasi Keterampilan yang Dibutuhkan dalam Pekerjaan Berubah dengan Cepat\n\nDalam “Future of Jobs Report 2025” dari Forum Ekonomi Dunia, para pemberi kerja yang berpartisipasi dalam survei memperkirakan bahwa sekitar 39% dari kombinasi keterampilan yang saat ini dimiliki pekerja akan berubah atau menjadi ketinggalan zaman antara 2025 dan 2030. Ini bukan berarti semua keterampilan menghilang dengan kecepatan yang sama, melainkan bahwa komposisi dan tingkat kepentingan keterampilan yang dibutuhkan dalam banyak pekerjaan sangat mungkin berubah.\n\nJangka waktu yang diperlukan hingga nilai pasar suatu keterampilan kerja berkurang setengah sering disebut sebagai “waktu paruh keterampilan”. Namun, angka ini sangat bervariasi tergantung pekerjaan, keterampilan, industri, dan metode pengukuran, serta bukan merupakan indikator standar internasional yang disepakati bersama. Oleh karena itu, pernyataan seperti “waktu paruh semua keterampilan adalah 5 tahun” atau “keterampilan AI adalah 2 tahun” lebih tepat diperlakukan sebagai metafora atau estimasi terbatas yang menjelaskan arah perubahan, bukan sebagai fakta universal.\n\n### Alat Baru Mengubah Asumsi dalam Prosedur yang Ada\n\nProsedur kerja umumnya dibuat berdasarkan biaya dan keterbatasan teknologi pada masanya. Contohnya adalah prosedur riset yang dibuat ketika pencarian membutuhkan waktu lama, sistem persetujuan yang dirancang dengan kerja tatap muka sebagai standar, serta proses produksi yang didasarkan pada asumsi bahwa manusia menulis semua draf.\n\nKetika AI mendukung pencarian, peringkasan, penerjemahan, serta penyusunan draf kode dan dokumen, sebagian asumsi tersebut berubah. Namun, hal itu tidak berarti seluruh prosedur yang ada menjadi tidak berlaku. Ada ketentuan yang harus tetap dipertahankan meskipun alat berubah, seperti perlindungan data pribadi, hak cipta, keamanan, verifikasi fakta, dan tanggung jawab akhir.\n\n### Mengetahui Lebih Banyak Berbeda dengan Menilai Lebih Baik\n\nAI dapat menyajikan banyak pilihan dengan cepat, tetapi tidak menentukan pilihan yang sesuai dengan tujuan organisasi atau menetapkan seberapa besar risiko yang dapat ditanggung. Tanggung jawab untuk menilai apakah hasilnya faktual, bermanfaat bagi pengguna, serta mematuhi hukum dan kebijakan organisasi juga tidak berpindah secara otomatis.\n\nKarena itu, kompetensi di era AI sulit dijelaskan hanya berdasarkan jumlah informasi yang dimiliki. Kemampuan berikut juga diperlukan.\n\n- Kemampuan mendefinisikan masalah dan tujuan secara tepat\n- Kemampuan memverifikasi sumber dan bukti\n- Kemampuan membedakan informasi penting dan informasi yang tidak diperlukan\n- Kemampuan mencerminkan konteks organisasi dan pengguna\n- Kemampuan menjelaskan hasil dan bertanggung jawab atasnya\n\n## Siklus Unlearning, Relearning, dan New Learning\n\nUnlearning bukanlah aktivitas yang selesai dengan sendirinya. Setelah melepaskan asumsi yang ada, inti persoalan perlu dipahami kembali dan metode baru harus dihubungkan dengan pekerjaan nyata.\n\n| Tahap | Pertanyaan Inti | Aktivitas Utama | Hasil |\n|---|---|---|---|\n| Unlearning | Apa yang tidak lagi benar atau wajib? | Mengidentifikasi asumsi, meninjau syarat penerapan, menganalisis pengecualian | Daftar hal yang harus dihentikan, dipertahankan, atau diverifikasi |\n| Relearning | Apa tujuan dan prinsip yang tidak berubah? | Mendefinisikan ulang tujuan, memeriksa bukti terbaru, memperbarui standar | Standar penilaian dan prinsip kerja baru |\n| New Learning | Apa yang dapat dibuat dengan alat dan kondisi baru? | Eksperimen, pengukuran, umpan balik, perancangan prosedur | Cara kerja baru yang telah terverifikasi |\n\nKetiga tahap ini bukan garis lurus, melainkan siklus yang berulang. Cara baru pun akan kembali menjadi objek peninjauan ketika lingkungan berubah.\n\n## 6 Tahap Menerapkan Unlearning\n\n### 1. Temukan Sinyal Perubahan\n\nJika fenomena berikut terjadi berulang kali, asumsi yang mendasari cara kerja lama perlu diperiksa.\n\n- Waktu yang digunakan bertambah, tetapi kualitas hasil tidak meningkat.\n- Alat baru telah diperkenalkan, tetapi tahapan kerja tetap sama seperti sebelumnya.\n- Peraturan, teknologi, atau tuntutan pengguna telah berubah.\n- Anggota organisasi tidak dapat menjelaskan tujuan prosedur dan hanya mengikuti kebiasaan.\n- Kesalahan atau pengerjaan ulang yang sama terus berulang.\n\n### 2. Tuliskan Asumsi Tersembunyi dalam Bentuk Kalimat\n\nUbah keyakinan yang tersembunyi di balik prosedur menjadi kalimat konkret. Hindari ungkapan “memang biasanya dilakukan seperti ini” karena tidak dapat diverifikasi.\n\nBerikut beberapa contohnya.\n\n- Laporan yang baik harus ditulis langsung oleh manusia dari awal hingga akhir.\n- Seseorang harus mengikuti rapat dalam waktu lama agar dapat memahami konteks pekerjaan.\n- Manajer harus lebih memahami semua pekerjaan praktis daripada anggota tim.\n- Semakin panjang dokumen, semakin menyeluruh peninjauannya.\n\n### 3. Bedakan Fakta, Asumsi, dan Preferensi\n\nKlasifikasikan setiap kalimat ke dalam tiga kategori berikut.\n\n- **Fakta:** Hal yang dapat dikonfirmasi berdasarkan bukti saat ini\n- **Asumsi:** Hal yang hanya benar dalam kondisi tertentu atau belum diverifikasi\n- **Preferensi:** Cara yang diinginkan oleh individu atau organisasi\n\nJika preferensi diperlakukan sebagai fakta, unlearning menjadi sulit. Sebaliknya, jika kewajiban hukum atau standar keselamatan disalahartikan sebagai sekadar kebiasaan lalu dihapus, hal itu dapat menimbulkan risiko.\n\n### 4. Periksa Syarat Penerapan dan Masa Berlaku\n\nPeriksa kapan cara kerja yang ada dibuat, masalah yang ingin diselesaikan, dan alat yang tersedia pada saat itu. Selanjutnya, tanyakan apakah kondisi yang sama masih berlaku saat ini.\n\n- Aturan ini dibuat untuk mencegah masalah apa?\n- Apakah masalah tersebut masih ada saat ini?\n- Apakah struktur teknologi atau biaya telah berubah?\n- Apakah standar regulasi, keamanan, atau kualitas tetap sama?\n- Apa risiko terbesar jika cara ini dihentikan?\n\n### 5. Lakukan Eksperimen Kecil, Bukan Penggantian Menyeluruh\n\nUnlearning bukanlah penghapusan tanpa syarat. Bandingkan cara lama dan cara baru dalam lingkup yang dapat dipulihkan.\n\nSebagai contoh, sebelum menghapus seluruh laporan mingguan, satu tim dapat mengurangi item laporan hingga setengahnya, lalu membandingkan waktu pengambilan keputusan, kesalahan, pengerjaan ulang, dan kepuasan pengguna. Ketika memperkenalkan AI generatif, lebih aman untuk memulai pengujian dari penyusunan draf dokumen yang boleh dipublikasikan, sementara data sensitif dan persetujuan akhir tetap ditangani melalui prosedur kontrol terpisah.\n\n### 6. Catat Standar Baru dan Alasan Penghapusan\n\nBerdasarkan hasil eksperimen, pertahankan, ubah, tunda, atau hapus cara lama. Jangan hanya mencatat apa yang diubah, tetapi simpan juga informasi berikut.\n\n- Tujuan cara lama\n- Asumsi yang tidak lagi berlaku\n- Prinsip dan mekanisme kontrol yang harus dipertahankan\n- Kondisi ketika cara baru berlaku\n- Tanggal peninjauan kembali dan penanggung jawab\n\nCatatan ini mencegah cara baru mengeras menjadi kebiasaan lain yang belum terverifikasi.\n\n## Contoh Penerapan dalam Pekerjaan\n\n### Penyusunan Laporan\n\n- **Asumsi lama:** Kualitas akan tinggi hanya jika penulis membaca sendiri semua materi dan menulis kalimat sejak awal.\n- **Unlearning:** Tinjau apakah selalu ada hubungan yang tak terelakkan antara penulisan langsung dan akurasi.\n- **Relearning:** Definisikan kembali hakikat laporan sebagai dokumen yang memiliki bukti jelas dan berguna untuk pengambilan keputusan.\n- **New Learning:** Gunakan AI untuk membuat struktur atau draf, tetapi manusia tetap bertanggung jawab membandingkannya dengan sumber asli, memverifikasi angka, dan memberikan persetujuan akhir.\n\n### Pengelolaan Rapat\n\n- **Asumsi lama:** Semua pihak terkait harus menghadiri rapat secara real-time.\n- **Unlearning:** Bedakan apakah berbagi informasi dan pengambilan keputusan bersama memerlukan bentuk rapat yang sama.\n- **Relearning:** Perjelas tujuan rapat sebagai salah satu dari penyampaian informasi, pengumpulan pendapat, atau pengambilan keputusan.\n- **New Learning:** Ubah penyampaian informasi menjadi dokumen asinkron dan bahas dalam rapat hanya agenda yang memerlukan perdebatan dan keputusan.\n\n### Peran Manajer\n\n- **Asumsi lama:** Manajer harus mengetahui semua jawaban dan memberikan instruksi secara langsung.\n- **Unlearning:** Periksa apakah cara ini memperlambat pengambilan keputusan dalam organisasi dengan keahlian yang tersebar.\n- **Relearning:** Definisikan kembali peran manajer sebagai penetapan tujuan, alokasi sumber daya, penyelesaian konflik, dan pengelolaan tanggung jawab.\n- **New Learning:** Delegasikan penilaian praktis kepada pihak yang bertanggung jawab dan bangun struktur untuk meninjau asumsi serta risiko penting.\n\n## Apa yang Tidak Boleh Dibuang\n\nPerubahan yang cepat tidak membenarkan penghapusan semua prinsip. Hal-hal berikut harus dipertahankan atau diperkuat secara hati-hati meskipun alat baru diperkenalkan.\n\n- Kepatuhan terhadap hukum dan regulasi\n- Perlindungan data pribadi dan informasi rahasia\n- Verifikasi wajib untuk keselamatan dan kualitas\n- Pemeriksaan sumber dan pengelolaan catatan\n- Prinsip aksesibilitas dan pencegahan diskriminasi\n- Pengambil keputusan akhir dan kejelasan tanggung jawab\n\nSecara khusus, hasil AI dapat mengandung informasi yang tampak meyakinkan tetapi salah, bias, atau risiko terungkapnya informasi sensitif. Menghapus prosedur verifikasi dan tanggung jawab demi efisiensi bukanlah unlearning, melainkan lebih menyerupai kegagalan kontrol.\n\n## Alasan Umum Kegagalan Unlearning\n\n### Menyangkal Seluruh Pengalaman Masa Lalu\n\nCara lama memiliki alasan karena pernah menyelesaikan masalah pada masanya. Jika sejarah dihapus, risiko yang sebelumnya sudah diatasi dapat muncul kembali. Jangan menyangkal orang atau pengalaman; pisahkan dan tinjau syarat penerapannya.\n\n### Menganggap Alat yang Sedang Tren sebagai Jawaban yang Benar\n\nSesuatu belum tentu lebih baik hanya karena baru. Jika penerapan alat menjadi tujuan itu sendiri, hanya biaya dan kompleksitas yang mungkin meningkat. Tujuan yang dapat diukur, seperti kualitas, kecepatan, risiko, dan nilai bagi pengguna, harus ditetapkan terlebih dahulu.\n\n### Membuang Cara Lama tanpa Menyiapkan Alternatif\n\nJika hanya ada penghentian tanpa relearning, akan timbul kekosongan kerja. Identifikasi fungsi yang dijalankan oleh prosedur yang akan dihapus dan siapkan standar baru untuk menggantikan fungsi tersebut.\n\n### Mengabaikan Biaya Psikologis\n\nKeahlian yang dipelajari dalam waktu lama berkaitan erat dengan identitas. Permintaan untuk mengubah cara lama dapat terdengar seperti penyangkalan terhadap kemampuan seseorang. Akan lebih efektif untuk menjelaskan kondisi apa yang telah berubah, bukan berfokus pada apa yang salah.\n\n## Daftar Periksa Unlearning yang Dapat Dimulai Hari Ini\n\nAnda dapat memulai hanya dengan memilih dan menjawab salah satu pertanyaan berikut.\n\n1. Pekerjaan apa yang tetap dilakukan dengan cara yang sama meskipun lingkungannya telah berubah selama 1 tahun terakhir?\n2. Apakah ada prosedur yang dijelaskan dengan kata-kata “memang sejak awal”, “tentu saja”, atau “selalu”?\n3. Masalah awal apa yang ingin diselesaikan oleh prosedur tersebut?\n4. Apakah masalah dan keterbatasan yang sama masih ada saat ini?\n5. Apa prinsip inti yang harus dipertahankan dan bentuk yang dapat diubah?\n6. Apa perubahan terkecil yang dapat diuji sambil membatasi risiko?\n7. Dengan indikator apa keberhasilan dan kegagalan akan dinilai?\n\n## Kesimpulan\n\nUnlearning bukanlah ajakan untuk berhenti belajar. Ini adalah **metode untuk meninjau kembali kondisi berlakunya pengetahuan yang sudah ada agar tercipta ruang bagi pembelajaran baru untuk bekerja**. Hal yang penting bukanlah membuang sebanyak mungkin, melainkan kemampuan menilai apa yang harus dipertahankan dan mengapa, serta apa yang harus diganti dan berdasarkan bukti apa.\n\nTidak perlu mengubah semua cara kerja hari ini juga. Anda dapat memulai dengan menuliskan satu asumsi yang selama ini dianggap sebagai “pekerjaan ini memang dilakukan seperti ini”, lalu memeriksa melalui eksperimen kecil apakah asumsi tersebut masih berlaku saat ini.","content_html":"\u003cp\u003eJika perasaan tertinggal tidak juga hilang meski terus mempelajari teknologi baru, masalahnya mungkin bukan pada banyaknya pembelajaran, melainkan pada asumsi lama yang masih tertanam dalam pikiran. Dalam lingkungan tempat AI dan otomatisasi mengubah prosedur kerja dengan cepat, dibutuhkan bukan hanya kemampuan menambahkan pengetahuan baru, tetapi juga \u003cstrong\u003eunlearning\u003c/strong\u003e, yaitu meninjau kembali cakupan penerapan pengetahuan yang sudah ada.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#apa-itu-unlearning\" class=\"anchor\" id=\"apa-itu-unlearning\"\u003e\u003c/a\u003eApa Itu Unlearning\u003c/h2\u003e\n\u003cp\u003eUnlearning bukanlah menghapus sepenuhnya hal-hal yang telah dipelajari atau membuat pengalaman masa lalu menjadi tidak bernilai. Unlearning adalah \u003cstrong\u003eproses memeriksa apakah pengetahuan, kebiasaan, atau asumsi yang pernah efektif masih berlaku dalam situasi saat ini, serta mencegah bagian yang sudah tidak sesuai agar tidak mendominasi pengambilan keputusan\u003c/strong\u003e.\u003c/p\u003e\n\u003cp\u003eSebagai contoh, pada masa lalu mungkin masuk akal jika setiap laporan ditulis oleh manusia sejak awal. Dalam lingkungan yang memungkinkan penggunaan AI generatif, prosedur penyusunan draf dapat diubah, tetapi tanggung jawab atas pemeriksaan fakta dan persetujuan tidak otomatis hilang. Unlearning bukanlah menghapus seluruh prosedur yang ada, melainkan memilah kembali apa yang dapat diotomatisasi dan apa yang harus tetap menjadi tanggung jawab manusia.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#perbedaan-antara-unlearning-dan-lupa\" class=\"anchor\" id=\"perbedaan-antara-unlearning-dan-lupa\"\u003e\u003c/a\u003ePerbedaan antara Unlearning dan Lupa\u003c/h3\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eKategori\u003c/th\u003e\n\u003cth\u003eMakna\u003c/th\u003e\n\u003cth\u003eHasil\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kategori\"\u003eLupa\u003c/td\u003e\n\u003ctd data-label=\"Makna\"\u003eFenomena kehilangan ingatan atau informasi tanpa memandang niat\u003c/td\u003e\n\u003ctd data-label=\"Hasil\"\u003ePengetahuan yang sudah ada mungkin tidak dapat dimanfaatkan saat diperlukan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kategori\"\u003ePenghapusan\u003c/td\u003e\n\u003ctd data-label=\"Makna\"\u003eKeputusan untuk tidak menggunakan informasi atau prosedur tertentu\u003c/td\u003e\n\u003ctd data-label=\"Hasil\"\u003eDapat menimbulkan kekosongan kerja jika tidak ada alternatif\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kategori\"\u003eUnlearning\u003c/td\u003e\n\u003ctd data-label=\"Makna\"\u003eMeninjau kembali asumsi dan syarat penerapan pengetahuan yang sudah ada\u003c/td\u003e\n\u003ctd data-label=\"Hasil\"\u003eBagian yang masih berlaku dapat dipertahankan dan bagian yang usang dapat diganti\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kategori\"\u003eRelearning\u003c/td\u003e\n\u003ctd data-label=\"Makna\"\u003eMempelajari kembali konsep atau keterampilan inti dalam lingkungan yang telah berubah\u003c/td\u003e\n\u003ctd data-label=\"Hasil\"\u003eMenyusun ulang pengalaman yang ada sesuai standar baru\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch2\u003e\n\u003ca href=\"#mengapa-unlearning-penting-di-era-ai\" class=\"anchor\" id=\"mengapa-unlearning-penting-di-era-ai\"\u003e\u003c/a\u003eMengapa Unlearning Penting di Era AI\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#kombinasi-keterampilan-yang-dibutuhkan-dalam-pekerjaan-berubah-dengan-cepat\" class=\"anchor\" id=\"kombinasi-keterampilan-yang-dibutuhkan-dalam-pekerjaan-berubah-dengan-cepat\"\u003e\u003c/a\u003eKombinasi Keterampilan yang Dibutuhkan dalam Pekerjaan Berubah dengan Cepat\u003c/h3\u003e\n\u003cp\u003eDalam “Future of Jobs Report 2025” dari Forum Ekonomi Dunia, para pemberi kerja yang berpartisipasi dalam survei memperkirakan bahwa sekitar 39% dari kombinasi keterampilan yang saat ini dimiliki pekerja akan berubah atau menjadi ketinggalan zaman antara 2025 dan 2030. Ini bukan berarti semua keterampilan menghilang dengan kecepatan yang sama, melainkan bahwa komposisi dan tingkat kepentingan keterampilan yang dibutuhkan dalam banyak pekerjaan sangat mungkin berubah.\u003c/p\u003e\n\u003cp\u003eJangka waktu yang diperlukan hingga nilai pasar suatu keterampilan kerja berkurang setengah sering disebut sebagai “waktu paruh keterampilan”. Namun, angka ini sangat bervariasi tergantung pekerjaan, keterampilan, industri, dan metode pengukuran, serta bukan merupakan indikator standar internasional yang disepakati bersama. Oleh karena itu, pernyataan seperti “waktu paruh semua keterampilan adalah 5 tahun” atau “keterampilan AI adalah 2 tahun” lebih tepat diperlakukan sebagai metafora atau estimasi terbatas yang menjelaskan arah perubahan, bukan sebagai fakta universal.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#alat-baru-mengubah-asumsi-dalam-prosedur-yang-ada\" class=\"anchor\" id=\"alat-baru-mengubah-asumsi-dalam-prosedur-yang-ada\"\u003e\u003c/a\u003eAlat Baru Mengubah Asumsi dalam Prosedur yang Ada\u003c/h3\u003e\n\u003cp\u003eProsedur kerja umumnya dibuat berdasarkan biaya dan keterbatasan teknologi pada masanya. Contohnya adalah prosedur riset yang dibuat ketika pencarian membutuhkan waktu lama, sistem persetujuan yang dirancang dengan kerja tatap muka sebagai standar, serta proses produksi yang didasarkan pada asumsi bahwa manusia menulis semua draf.\u003c/p\u003e\n\u003cp\u003eKetika AI mendukung pencarian, peringkasan, penerjemahan, serta penyusunan draf kode dan dokumen, sebagian asumsi tersebut berubah. Namun, hal itu tidak berarti seluruh prosedur yang ada menjadi tidak berlaku. Ada ketentuan yang harus tetap dipertahankan meskipun alat berubah, seperti perlindungan data pribadi, hak cipta, keamanan, verifikasi fakta, dan tanggung jawab akhir.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#mengetahui-lebih-banyak-berbeda-dengan-menilai-lebih-baik\" class=\"anchor\" id=\"mengetahui-lebih-banyak-berbeda-dengan-menilai-lebih-baik\"\u003e\u003c/a\u003eMengetahui Lebih Banyak Berbeda dengan Menilai Lebih Baik\u003c/h3\u003e\n\u003cp\u003eAI dapat menyajikan banyak pilihan dengan cepat, tetapi tidak menentukan pilihan yang sesuai dengan tujuan organisasi atau menetapkan seberapa besar risiko yang dapat ditanggung. Tanggung jawab untuk menilai apakah hasilnya faktual, bermanfaat bagi pengguna, serta mematuhi hukum dan kebijakan organisasi juga tidak berpindah secara otomatis.\u003c/p\u003e\n\u003cp\u003eKarena itu, kompetensi di era AI sulit dijelaskan hanya berdasarkan jumlah informasi yang dimiliki. Kemampuan berikut juga diperlukan.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eKemampuan mendefinisikan masalah dan tujuan secara tepat\u003c/li\u003e\n\u003cli\u003eKemampuan memverifikasi sumber dan bukti\u003c/li\u003e\n\u003cli\u003eKemampuan membedakan informasi penting dan informasi yang tidak diperlukan\u003c/li\u003e\n\u003cli\u003eKemampuan mencerminkan konteks organisasi dan pengguna\u003c/li\u003e\n\u003cli\u003eKemampuan menjelaskan hasil dan bertanggung jawab atasnya\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#siklus-unlearning-relearning-dan-new-learning\" class=\"anchor\" id=\"siklus-unlearning-relearning-dan-new-learning\"\u003e\u003c/a\u003eSiklus Unlearning, Relearning, dan New Learning\u003c/h2\u003e\n\u003cp\u003eUnlearning bukanlah aktivitas yang selesai dengan sendirinya. Setelah melepaskan asumsi yang ada, inti persoalan perlu dipahami kembali dan metode baru harus dihubungkan dengan pekerjaan nyata.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eTahap\u003c/th\u003e\n\u003cth\u003ePertanyaan Inti\u003c/th\u003e\n\u003cth\u003eAktivitas Utama\u003c/th\u003e\n\u003cth\u003eHasil\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tahap\"\u003eUnlearning\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan Inti\"\u003eApa yang tidak lagi benar atau wajib?\u003c/td\u003e\n\u003ctd data-label=\"Aktivitas Utama\"\u003eMengidentifikasi asumsi, meninjau syarat penerapan, menganalisis pengecualian\u003c/td\u003e\n\u003ctd data-label=\"Hasil\"\u003eDaftar hal yang harus dihentikan, dipertahankan, atau diverifikasi\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tahap\"\u003eRelearning\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan Inti\"\u003eApa tujuan dan prinsip yang tidak berubah?\u003c/td\u003e\n\u003ctd data-label=\"Aktivitas Utama\"\u003eMendefinisikan ulang tujuan, memeriksa bukti terbaru, memperbarui standar\u003c/td\u003e\n\u003ctd data-label=\"Hasil\"\u003eStandar penilaian dan prinsip kerja baru\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tahap\"\u003eNew Learning\u003c/td\u003e\n\u003ctd data-label=\"Pertanyaan Inti\"\u003eApa yang dapat dibuat dengan alat dan kondisi baru?\u003c/td\u003e\n\u003ctd data-label=\"Aktivitas Utama\"\u003eEksperimen, pengukuran, umpan balik, perancangan prosedur\u003c/td\u003e\n\u003ctd data-label=\"Hasil\"\u003eCara kerja baru yang telah terverifikasi\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eKetiga tahap ini bukan garis lurus, melainkan siklus yang berulang. Cara baru pun akan kembali menjadi objek peninjauan ketika lingkungan berubah.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#6-tahap-menerapkan-unlearning\" class=\"anchor\" id=\"6-tahap-menerapkan-unlearning\"\u003e\u003c/a\u003e6 Tahap Menerapkan Unlearning\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#1-temukan-sinyal-perubahan\" class=\"anchor\" id=\"1-temukan-sinyal-perubahan\"\u003e\u003c/a\u003e1. Temukan Sinyal Perubahan\u003c/h3\u003e\n\u003cp\u003eJika fenomena berikut terjadi berulang kali, asumsi yang mendasari cara kerja lama perlu diperiksa.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eWaktu yang digunakan bertambah, tetapi kualitas hasil tidak meningkat.\u003c/li\u003e\n\u003cli\u003eAlat baru telah diperkenalkan, tetapi tahapan kerja tetap sama seperti sebelumnya.\u003c/li\u003e\n\u003cli\u003ePeraturan, teknologi, atau tuntutan pengguna telah berubah.\u003c/li\u003e\n\u003cli\u003eAnggota organisasi tidak dapat menjelaskan tujuan prosedur dan hanya mengikuti kebiasaan.\u003c/li\u003e\n\u003cli\u003eKesalahan atau pengerjaan ulang yang sama terus berulang.\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#2-tuliskan-asumsi-tersembunyi-dalam-bentuk-kalimat\" class=\"anchor\" id=\"2-tuliskan-asumsi-tersembunyi-dalam-bentuk-kalimat\"\u003e\u003c/a\u003e2. Tuliskan Asumsi Tersembunyi dalam Bentuk Kalimat\u003c/h3\u003e\n\u003cp\u003eUbah keyakinan yang tersembunyi di balik prosedur menjadi kalimat konkret. Hindari ungkapan “memang biasanya dilakukan seperti ini” karena tidak dapat diverifikasi.\u003c/p\u003e\n\u003cp\u003eBerikut beberapa contohnya.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eLaporan yang baik harus ditulis langsung oleh manusia dari awal hingga akhir.\u003c/li\u003e\n\u003cli\u003eSeseorang harus mengikuti rapat dalam waktu lama agar dapat memahami konteks pekerjaan.\u003c/li\u003e\n\u003cli\u003eManajer harus lebih memahami semua pekerjaan praktis daripada anggota tim.\u003c/li\u003e\n\u003cli\u003eSemakin panjang dokumen, semakin menyeluruh peninjauannya.\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#3-bedakan-fakta-asumsi-dan-preferensi\" class=\"anchor\" id=\"3-bedakan-fakta-asumsi-dan-preferensi\"\u003e\u003c/a\u003e3. Bedakan Fakta, Asumsi, dan Preferensi\u003c/h3\u003e\n\u003cp\u003eKlasifikasikan setiap kalimat ke dalam tiga kategori berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eFakta:\u003c/strong\u003e Hal yang dapat dikonfirmasi berdasarkan bukti saat ini\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eAsumsi:\u003c/strong\u003e Hal yang hanya benar dalam kondisi tertentu atau belum diverifikasi\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePreferensi:\u003c/strong\u003e Cara yang diinginkan oleh individu atau organisasi\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eJika preferensi diperlakukan sebagai fakta, unlearning menjadi sulit. Sebaliknya, jika kewajiban hukum atau standar keselamatan disalahartikan sebagai sekadar kebiasaan lalu dihapus, hal itu dapat menimbulkan risiko.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#4-periksa-syarat-penerapan-dan-masa-berlaku\" class=\"anchor\" id=\"4-periksa-syarat-penerapan-dan-masa-berlaku\"\u003e\u003c/a\u003e4. Periksa Syarat Penerapan dan Masa Berlaku\u003c/h3\u003e\n\u003cp\u003ePeriksa kapan cara kerja yang ada dibuat, masalah yang ingin diselesaikan, dan alat yang tersedia pada saat itu. Selanjutnya, tanyakan apakah kondisi yang sama masih berlaku saat ini.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eAturan ini dibuat untuk mencegah masalah apa?\u003c/li\u003e\n\u003cli\u003eApakah masalah tersebut masih ada saat ini?\u003c/li\u003e\n\u003cli\u003eApakah struktur teknologi atau biaya telah berubah?\u003c/li\u003e\n\u003cli\u003eApakah standar regulasi, keamanan, atau kualitas tetap sama?\u003c/li\u003e\n\u003cli\u003eApa risiko terbesar jika cara ini dihentikan?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#5-lakukan-eksperimen-kecil-bukan-penggantian-menyeluruh\" class=\"anchor\" id=\"5-lakukan-eksperimen-kecil-bukan-penggantian-menyeluruh\"\u003e\u003c/a\u003e5. Lakukan Eksperimen Kecil, Bukan Penggantian Menyeluruh\u003c/h3\u003e\n\u003cp\u003eUnlearning bukanlah penghapusan tanpa syarat. Bandingkan cara lama dan cara baru dalam lingkup yang dapat dipulihkan.\u003c/p\u003e\n\u003cp\u003eSebagai contoh, sebelum menghapus seluruh laporan mingguan, satu tim dapat mengurangi item laporan hingga setengahnya, lalu membandingkan waktu pengambilan keputusan, kesalahan, pengerjaan ulang, dan kepuasan pengguna. Ketika memperkenalkan AI generatif, lebih aman untuk memulai pengujian dari penyusunan draf dokumen yang boleh dipublikasikan, sementara data sensitif dan persetujuan akhir tetap ditangani melalui prosedur kontrol terpisah.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#6-catat-standar-baru-dan-alasan-penghapusan\" class=\"anchor\" id=\"6-catat-standar-baru-dan-alasan-penghapusan\"\u003e\u003c/a\u003e6. Catat Standar Baru dan Alasan Penghapusan\u003c/h3\u003e\n\u003cp\u003eBerdasarkan hasil eksperimen, pertahankan, ubah, tunda, atau hapus cara lama. Jangan hanya mencatat apa yang diubah, tetapi simpan juga informasi berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eTujuan cara lama\u003c/li\u003e\n\u003cli\u003eAsumsi yang tidak lagi berlaku\u003c/li\u003e\n\u003cli\u003ePrinsip dan mekanisme kontrol yang harus dipertahankan\u003c/li\u003e\n\u003cli\u003eKondisi ketika cara baru berlaku\u003c/li\u003e\n\u003cli\u003eTanggal peninjauan kembali dan penanggung jawab\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eCatatan ini mencegah cara baru mengeras menjadi kebiasaan lain yang belum terverifikasi.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#contoh-penerapan-dalam-pekerjaan\" class=\"anchor\" id=\"contoh-penerapan-dalam-pekerjaan\"\u003e\u003c/a\u003eContoh Penerapan dalam Pekerjaan\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#penyusunan-laporan\" class=\"anchor\" id=\"penyusunan-laporan\"\u003e\u003c/a\u003ePenyusunan Laporan\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eAsumsi lama:\u003c/strong\u003e Kualitas akan tinggi hanya jika penulis membaca sendiri semua materi dan menulis kalimat sejak awal.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eUnlearning:\u003c/strong\u003e Tinjau apakah selalu ada hubungan yang tak terelakkan antara penulisan langsung dan akurasi.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eRelearning:\u003c/strong\u003e Definisikan kembali hakikat laporan sebagai dokumen yang memiliki bukti jelas dan berguna untuk pengambilan keputusan.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNew Learning:\u003c/strong\u003e Gunakan AI untuk membuat struktur atau draf, tetapi manusia tetap bertanggung jawab membandingkannya dengan sumber asli, memverifikasi angka, dan memberikan persetujuan akhir.\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#pengelolaan-rapat\" class=\"anchor\" id=\"pengelolaan-rapat\"\u003e\u003c/a\u003ePengelolaan Rapat\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eAsumsi lama:\u003c/strong\u003e Semua pihak terkait harus menghadiri rapat secara real-time.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eUnlearning:\u003c/strong\u003e Bedakan apakah berbagi informasi dan pengambilan keputusan bersama memerlukan bentuk rapat yang sama.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eRelearning:\u003c/strong\u003e Perjelas tujuan rapat sebagai salah satu dari penyampaian informasi, pengumpulan pendapat, atau pengambilan keputusan.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNew Learning:\u003c/strong\u003e Ubah penyampaian informasi menjadi dokumen asinkron dan bahas dalam rapat hanya agenda yang memerlukan perdebatan dan keputusan.\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#peran-manajer\" class=\"anchor\" id=\"peran-manajer\"\u003e\u003c/a\u003ePeran Manajer\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eAsumsi lama:\u003c/strong\u003e Manajer harus mengetahui semua jawaban dan memberikan instruksi secara langsung.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eUnlearning:\u003c/strong\u003e Periksa apakah cara ini memperlambat pengambilan keputusan dalam organisasi dengan keahlian yang tersebar.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eRelearning:\u003c/strong\u003e Definisikan kembali peran manajer sebagai penetapan tujuan, alokasi sumber daya, penyelesaian konflik, dan pengelolaan tanggung jawab.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eNew Learning:\u003c/strong\u003e Delegasikan penilaian praktis kepada pihak yang bertanggung jawab dan bangun struktur untuk meninjau asumsi serta risiko penting.\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#apa-yang-tidak-boleh-dibuang\" class=\"anchor\" id=\"apa-yang-tidak-boleh-dibuang\"\u003e\u003c/a\u003eApa yang Tidak Boleh Dibuang\u003c/h2\u003e\n\u003cp\u003ePerubahan yang cepat tidak membenarkan penghapusan semua prinsip. Hal-hal berikut harus dipertahankan atau diperkuat secara hati-hati meskipun alat baru diperkenalkan.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eKepatuhan terhadap hukum dan regulasi\u003c/li\u003e\n\u003cli\u003ePerlindungan data pribadi dan informasi rahasia\u003c/li\u003e\n\u003cli\u003eVerifikasi wajib untuk keselamatan dan kualitas\u003c/li\u003e\n\u003cli\u003ePemeriksaan sumber dan pengelolaan catatan\u003c/li\u003e\n\u003cli\u003ePrinsip aksesibilitas dan pencegahan diskriminasi\u003c/li\u003e\n\u003cli\u003ePengambil keputusan akhir dan kejelasan tanggung jawab\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eSecara khusus, hasil AI dapat mengandung informasi yang tampak meyakinkan tetapi salah, bias, atau risiko terungkapnya informasi sensitif. Menghapus prosedur verifikasi dan tanggung jawab demi efisiensi bukanlah unlearning, melainkan lebih menyerupai kegagalan kontrol.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#alasan-umum-kegagalan-unlearning\" class=\"anchor\" id=\"alasan-umum-kegagalan-unlearning\"\u003e\u003c/a\u003eAlasan Umum Kegagalan Unlearning\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#menyangkal-seluruh-pengalaman-masa-lalu\" class=\"anchor\" id=\"menyangkal-seluruh-pengalaman-masa-lalu\"\u003e\u003c/a\u003eMenyangkal Seluruh Pengalaman Masa Lalu\u003c/h3\u003e\n\u003cp\u003eCara lama memiliki alasan karena pernah menyelesaikan masalah pada masanya. Jika sejarah dihapus, risiko yang sebelumnya sudah diatasi dapat muncul kembali. Jangan menyangkal orang atau pengalaman; pisahkan dan tinjau syarat penerapannya.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#menganggap-alat-yang-sedang-tren-sebagai-jawaban-yang-benar\" class=\"anchor\" id=\"menganggap-alat-yang-sedang-tren-sebagai-jawaban-yang-benar\"\u003e\u003c/a\u003eMenganggap Alat yang Sedang Tren sebagai Jawaban yang Benar\u003c/h3\u003e\n\u003cp\u003eSesuatu belum tentu lebih baik hanya karena baru. Jika penerapan alat menjadi tujuan itu sendiri, hanya biaya dan kompleksitas yang mungkin meningkat. Tujuan yang dapat diukur, seperti kualitas, kecepatan, risiko, dan nilai bagi pengguna, harus ditetapkan terlebih dahulu.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#membuang-cara-lama-tanpa-menyiapkan-alternatif\" class=\"anchor\" id=\"membuang-cara-lama-tanpa-menyiapkan-alternatif\"\u003e\u003c/a\u003eMembuang Cara Lama tanpa Menyiapkan Alternatif\u003c/h3\u003e\n\u003cp\u003eJika hanya ada penghentian tanpa relearning, akan timbul kekosongan kerja. Identifikasi fungsi yang dijalankan oleh prosedur yang akan dihapus dan siapkan standar baru untuk menggantikan fungsi tersebut.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#mengabaikan-biaya-psikologis\" class=\"anchor\" id=\"mengabaikan-biaya-psikologis\"\u003e\u003c/a\u003eMengabaikan Biaya Psikologis\u003c/h3\u003e\n\u003cp\u003eKeahlian yang dipelajari dalam waktu lama berkaitan erat dengan identitas. Permintaan untuk mengubah cara lama dapat terdengar seperti penyangkalan terhadap kemampuan seseorang. Akan lebih efektif untuk menjelaskan kondisi apa yang telah berubah, bukan berfokus pada apa yang salah.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#daftar-periksa-unlearning-yang-dapat-dimulai-hari-ini\" class=\"anchor\" id=\"daftar-periksa-unlearning-yang-dapat-dimulai-hari-ini\"\u003e\u003c/a\u003eDaftar Periksa Unlearning yang Dapat Dimulai Hari Ini\u003c/h2\u003e\n\u003cp\u003eAnda dapat memulai hanya dengan memilih dan menjawab salah satu pertanyaan berikut.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003ePekerjaan apa yang tetap dilakukan dengan cara yang sama meskipun lingkungannya telah berubah selama 1 tahun terakhir?\u003c/li\u003e\n\u003cli\u003eApakah ada prosedur yang dijelaskan dengan kata-kata “memang sejak awal”, “tentu saja”, atau “selalu”?\u003c/li\u003e\n\u003cli\u003eMasalah awal apa yang ingin diselesaikan oleh prosedur tersebut?\u003c/li\u003e\n\u003cli\u003eApakah masalah dan keterbatasan yang sama masih ada saat ini?\u003c/li\u003e\n\u003cli\u003eApa prinsip inti yang harus dipertahankan dan bentuk yang dapat diubah?\u003c/li\u003e\n\u003cli\u003eApa perubahan terkecil yang dapat diuji sambil membatasi risiko?\u003c/li\u003e\n\u003cli\u003eDengan indikator apa keberhasilan dan kegagalan akan dinilai?\u003c/li\u003e\n\u003c/ol\u003e\n\u003ch2\u003e\n\u003ca href=\"#kesimpulan\" class=\"anchor\" id=\"kesimpulan\"\u003e\u003c/a\u003eKesimpulan\u003c/h2\u003e\n\u003cp\u003eUnlearning bukanlah ajakan untuk berhenti belajar. Ini adalah \u003cstrong\u003emetode untuk meninjau kembali kondisi berlakunya pengetahuan yang sudah ada agar tercipta ruang bagi pembelajaran baru untuk bekerja\u003c/strong\u003e. Hal yang penting bukanlah membuang sebanyak mungkin, melainkan kemampuan menilai apa yang harus dipertahankan dan mengapa, serta apa yang harus diganti dan berdasarkan bukti apa.\u003c/p\u003e\n\u003cp\u003eTidak perlu mengubah semua cara kerja hari ini juga. Anda dapat memulai dengan menuliskan satu asumsi yang selama ini dianggap sebagai “pekerjaan ini memang dilakukan seperti ini”, lalu memeriksa melalui eksperimen kecil apakah asumsi tersebut masih berlaku saat ini.\u003c/p\u003e\n","tags":["Unlearning","Relearning","Era AI","Kompetensi kerja","Metode belajar"],"faqs":[{"question":"Apakah unlearning berarti melupakan hal yang telah dipelajari?","answer":"Tidak. Unlearning bukanlah menghapus ingatan, melainkan proses meninjau kembali asumsi dan kondisi penerapan yang mendasari pengetahuan atau kebiasaan yang ada. Prinsip yang masih berlaku dipertahankan, sedangkan hanya bagian yang sudah usang yang dikurangi pengaruhnya atau diganti dengan cara baru."},{"question":"Apa perbedaan antara unlearning dan relearning?","answer":"Unlearning adalah tahap melepaskan diri dari asumsi yang tidak lagi berlaku, sedangkan relearning adalah tahap memahami kembali konsep dan keterampilan sesuai dengan lingkungan yang telah berubah. Umumnya, unlearning menciptakan ruang, relearning menetapkan standar baru, lalu keduanya dihubungkan dengan eksperimen dalam pekerjaan nyata."},{"question":"Berapa tahun sebenarnya waktu paruh keterampilan kerja?","answer":"Tidak ada waktu paruh standar yang berlaku untuk semua keterampilan kerja. Kecepatan perubahan nilai suatu keterampilan berbeda-beda menurut industri, pekerjaan, wilayah, dan kriteria pengukuran. Jumlah tahun tertentu mungkin merupakan perkiraan yang berasal dari survei individual atau analogi, sehingga sumber dan definisinya harus diperiksa bersama-sama."},{"question":"Apakah unlearning berarti mengabaikan pengalaman yang sudah ada?","answer":"Tidak. Pengalaman yang sudah ada merupakan sumber penting yang menjelaskan mengapa suatu cara diciptakan. Alih-alih membuang pengalaman, unlearning membedakan kondisi ketika pengalaman tersebut masih dapat diterapkan saat ini dari kondisi ketika pengalaman itu tidak lagi dapat diterapkan."},{"question":"Apa cara paling aman untuk memulai unlearning dalam organisasi?","answer":"Cara yang aman adalah memulai dengan eksperimen yang cakupan perubahannya kecil dan dapat dikembalikan seperti semula. Bandingkan kualitas, waktu, biaya, kesalahan, dan risiko antara cara lama dan cara baru, serta tetap pertahankan pengendalian wajib yang berkaitan dengan hukum, keamanan, dan keselamatan selama eksperimen."},{"question":"Jika AI berkembang, apakah penilaian manusia juga tidak lagi diperlukan?","answer":"AI dapat menghasilkan lebih banyak opsi dan draf, tetapi tidak menentukan sendiri tujuan organisasi, risiko yang dapat diterima, nilai bagi pengguna, dan tanggung jawab akhir. Tanggung jawab atas verifikasi fakta, penilaian konteks, persetujuan, dan hasil harus diberikan kepada orang atau organisasi yang jelas."},{"question":"Bagaimana hasil unlearning dapat diukur?","answer":"Daripada mengukur seberapa banyak pengetahuan baru yang telah dipelajari, lebih berguna untuk mengukur pengurangan pengerjaan ulang, waktu pengambilan keputusan, tingkat kesalahan, kualitas, kepuasan pengguna, dan apakah risiko terjadi. Nilai acuan sebelum perubahan harus diperoleh, lalu indikator yang sama dibandingkan setelah jangka waktu tertentu."},{"question":"Apa yang harus dilakukan terlebih dahulu untuk langsung melakukan unlearning hari ini?","answer":"Pilih satu prosedur dalam pekerjaan yang dijelaskan dengan ungkapan ‘memang biasanya dilakukan seperti ini’. Tuliskan masalah yang hendak diselesaikan oleh prosedur tersebut, kendala pada saat prosedur itu dibuat, dan risiko yang masih ada saat ini, lalu rancang eksperimen perubahan sekecil mungkin."}],"sources":[{"url":"https://www.weforum.org/publications/the-future-of-jobs-report-2025/","title":"World Economic Forum, Laporan Masa Depan Pekerjaan 2025","type":"data_point"},{"url":"https://hbr.org/2016/11/why-the-problem-with-learning-is-unlearning","title":"Harvard Business Review, Mengapa Masalah dalam Belajar adalah Melepaskan Pembelajaran Lama","type":"source"},{"url":"https://books.google.com/books?q=%22By+instructing+students+how+to+learn%2C+unlearn+and+relearn%22","title":"Alvin Toffler, Kejutan Masa Depan","type":"expert_quote"},{"url":"https://www.nist.gov/itl/ai-risk-management-framework","title":"Kerangka Kerja Manajemen Risiko AI NIST","type":"source"}],"images":[{"id":336,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MzkxMywicHVyIjoiYmxvYl9pZCJ9fQ==--895d9fef4ea5fbfb5ab9a739efd6c892766fd90c/ai-4fd2b3f4.webp","is_representative":true,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"깨진 톱니바퀴, 나침반, 윤리 상징, AI 큐브를 순환 화살표로 연결한 일러스트","caption":"낡은 지식을 버리고 방향과 윤리를 점검하며 AI를 다시 배우는 과정을 나타낸다.","description":null},"en":{"alt":"Illustration linking broken gears, a compass, ethics symbols, and an AI cube with circular arrows","caption":"The cycle represents discarding old assumptions and relearning AI with direction and ethics.","description":null},"ja":{"alt":"壊れた歯車、コンパス、倫理の象徴、AIキューブを循環する矢印で結んだイラスト","caption":"古い前提を捨て、方向性と倫理を確かめながらAIを学び直す過程を表している。","description":null},"es":{"alt":"Ilustración de engranajes rotos, una brújula, símbolos éticos y un cubo de IA unidos por flechas","caption":"El ciclo representa desechar viejas premisas y reaprender la IA con orientación y ética.","description":null},"id":{"alt":"Ilustrasi roda gigi rusak, kompas, simbol etika, dan kubus AI yang dihubungkan panah melingkar","caption":"Siklus ini menggambarkan melepas asumsi lama dan mempelajari kembali AI dengan arah serta etika.","description":null},"pt":{"alt":"Ilustração de engrenagens quebradas, bússola, símbolos éticos e cubo de IA ligados por setas","caption":"O ciclo representa abandonar velhas premissas e reaprender IA com direção e ética.","description":null},"zh-hant":{"alt":"破裂齒輪、指南針、倫理符號與AI方塊由循環箭頭連結的插畫","caption":"循環呈現拋開舊有前提，並兼顧方向與倫理重新學習AI的過程。","description":null},"de":{"alt":"Illustration mit kaputten Zahnrädern, Kompass, Ethiksymbolen und KI-Würfel im Pfeilkreislauf","caption":"Der Kreislauf steht dafür, alte Annahmen abzulegen und KI mit Orientierung und Ethik neu zu lernen.","description":null}}},{"id":337,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MzkxOSwicHVyIjoiYmxvYl9pZCJ9fQ==--c2124f79e9b74bcb94be864024ff33010e5e4e50/ai-a5e4790e.webp","is_representative":false,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"사람들이 기존 지식과 AI 기반의 새 학습 경로를 비교하는 과정도 일러스트","caption":"낡은 지식을 걷어내고 AI 시대에 맞는 새로운 판단 체계를 구축하는 과정을 보여준다.","description":null},"en":{"alt":"People compare old knowledge and AI-driven learning paths in a workflow diagram","caption":"The illustration shows a shift from outdated assumptions to AI-enabled ways of learning and deciding.","description":null},"ja":{"alt":"人々が従来の知識とAIを活用した新しい学習経路を比較する工程図","caption":"古い前提を手放し、AI時代に合う学び方と判断基準を築く過程を表している。","description":null},"es":{"alt":"Personas comparan el conocimiento antiguo con una nueva ruta de aprendizaje basada en IA","caption":"La ilustración muestra el paso de viejos supuestos a nuevas formas de aprender y decidir con IA.","description":null},"id":{"alt":"Orang-orang membandingkan pengetahuan lama dan jalur pembelajaran baru berbasis AI","caption":"Ilustrasi ini menunjukkan peralihan dari asumsi lama menuju cara belajar dan mengambil keputusan dengan AI.","description":null},"pt":{"alt":"Pessoas comparam conhecimentos antigos e uma nova jornada de aprendizagem com IA","caption":"A ilustração mostra a transição de antigas premissas para novas formas de aprender e decidir com IA.","description":null},"zh-hant":{"alt":"人們透過流程圖比較舊有知識與人工智慧驅動的新學習路徑","caption":"圖中呈現拋開過時假設並建立人工智慧時代新學習與決策方式的過程。","description":null},"de":{"alt":"Menschen vergleichen altes Wissen mit einem neuen KI-gestützten Lernpfad","caption":"Die Illustration zeigt den Wechsel von überholten Annahmen zu neuen Lern- und Entscheidungswegen mit KI.","description":null}}}],"published_at":"2026-07-29T05:29:15+09:00","updated_at":"2026-07-29T05:29:15+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant","de"],"url":"https://injoys.com/en/articles/unlearning-in-the-ai-era"}