{"content_id":"w3uddhskz3","slug":"how-to-thrive-in-the-ai-era","locale":"id","schema_type":"TechArticle","category":"ai_data","category_name":"Data AI","title":"Orang yang Berjaya di Era AI: Cara Meningkatkan Produktivitas dan Daya Pikir Bersamaan","summary":"Semakin AI membuat pekerjaan intelektual lebih cepat dan murah, perbedaan penting mungkin lebih ditentukan oleh kemauan untuk terus mendalami masalah sulit dan memverifikasi hasil daripada oleh kecerdasan. Menggunakan AI bukan sebagai pembuat draf pengganti, melainkan sebagai tutor, kritikus, dan asisten riset dapat meningkatkan produktivitas sekaligus kemampuan manusia.","author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["Waktu yang dihemat oleh AI dapat kembali diisi dengan pekerjaan tambahan alih-alih istirahat, sehingga peningkatan produktivitas tidak sama artinya dengan berkurangnya beban kerja.","Kebutuhan akan kognisi tidak sama dengan kecerdasan, tetapi mengacu pada kecenderungan untuk secara sukarela terlibat dalam dan menikmati aktivitas berpikir yang kompleks.","Jika pendefinisian masalah dan penilaian juga diserahkan kepada AI, jumlah keluaran jangka pendek mungkin meningkat, tetapi pembentukan pengetahuan, pendeteksian kesalahan, dan kemampuan memecahkan masalah secara mandiri dapat melemah.","Dengan membuat draf sendiri terlebih dahulu, lalu meminta AI mencari contoh tandingan, kesalahan, dan bagian yang terlewat, kendali atas proses berpikir akan lebih mudah dipertahankan.","Sekolah dan organisasi harus menilai bukan hanya tingkat penggunaan AI, tetapi juga otonomi, kompetensi, keterhubungan, proses verifikasi, dan kemampuan bekerja secara mandiri."],"content_markdown":"AI generatif dengan cepat menurunkan biaya pekerjaan intelektual seperti peringkasan, penerjemahan, penulisan, analisis, dan pengodean. Namun, semakin melimpah kemampuan untuk menghasilkan jawaban, bukan berarti kemampuan yang dibutuhkan manusia akan menghilang. Sebaliknya, nilai dari **kemampuan menentukan apa yang perlu ditanyakan, memverifikasi jawaban, dan menelusuri masalah sulit hingga tuntas** dapat semakin meningkat.\n\nInti tulisan ini bukanlah mengusulkan agar penggunaan AI dikurangi. Ini adalah usulan untuk menggunakan AI dengan mempertimbangkan bukan hanya hasil jangka pendek, tetapi juga dampaknya terhadap pengetahuan, daya pertimbangan, rasa ingin tahu, dan kemampuan pengguna untuk bekerja secara mandiri.\n\n## Yang diubah AI bukanlah waktu kerja, melainkan kepadatan kerja\n\nMeskipun AI mengurangi waktu yang dibutuhkan untuk satu tugas, tidak dapat disimpulkan bahwa total beban kerja harian akan berkurang dengan proporsi yang sama. Organisasi dapat mengisi waktu yang dihemat dengan lebih banyak email, analisis, laporan, perbaikan kode, dan rapat. Individu juga dapat menangani sendiri tugas-tugas kecil yang dahulu mungkin ditinggalkan atau diserahkan kepada pihak luar.\n\nPerubahan yang mungkin muncul dalam kondisi ini adalah sebagai berikut.\n\n- Jumlah tugas yang diselesaikan dalam waktu yang sama bertambah.\n- Hasil dari beberapa alat atau agen AI diawasi secara bersamaan.\n- Pekerjaan singkat merambah hingga malam hari, waktu perjalanan, dan akhir pekan.\n- Konteks yang harus dialihkan bertambah sehingga waktu untuk berkonsentrasi secara mendalam terfragmentasi.\n- Volume hasil meningkat, tetapi jumlah keluaran yang perlu ditinjau juga ikut bertambah.\n\nKarena itu, produktivitas tidak boleh diukur sekadar sebagai “kemampuan menyelesaikan pekerjaan lebih cepat”. Waktu untuk memperbaiki kesalahan, jumlah peralihan tugas, kemampuan bekerja secara mandiri, kelelahan, dan pemulihan juga harus diperhatikan. Tingkat peningkatan kepadatan kerja akibat AI berbeda-beda menurut pekerjaan, budaya organisasi, dan standar kinerja, sehingga fenomena ini tidak muncul secara sama pada semua pekerja.\n\n## Mengapa kemauan menjadi penting ketika kecerdasan semakin melimpah\n\nAI telah menyediakan draf yang lancar dan analisis yang tampak meyakinkan secara langsung dalam banyak bidang. Dalam lingkungan seperti ini, sulit menilai pemahaman atau keahlian seseorang hanya berdasarkan tampilan luar hasil kerjanya. Perbedaannya tampak dalam proses berikut.\n\n1. Memilih masalah yang layak dipecahkan.\n2. Menentukan sendiri kondisi masalah dan kriteria keberhasilan.\n3. Memverifikasi fakta, logika, dan sumber dalam jawaban AI.\n4. Menelusuri contoh tandingan dan penjelasan lain.\n5. Manusia bertanggung jawab atas kesimpulan.\n6. Menjelaskan atau mereproduksi isi pokok bahkan tanpa AI.\n\nSikap ini berkaitan dengan **kebutuhan akan kognisi** dalam psikologi. Kebutuhan akan kognisi merujuk pada kecenderungan yang relatif stabil untuk terlibat dalam aktivitas berpikir yang kompleks dan menikmati prosesnya. Ini bukan konsep yang sama dengan kemampuan yang diukur melalui tes kecerdasan. Orang dengan kemampuan penalaran tinggi pun dapat menghindari upaya mental, sementara orang dengan kemampuan rata-rata dapat meninjau dan belajar dengan tekun.\n\nKebutuhan akan kognisi yang tinggi juga tidak selalu menghasilkan kesimpulan yang benar. Orang yang telah berpikir mendalam dapat merasa sangat terikat pada penjelasan yang dibuatnya sendiri. Karena itu, selain pemikiran yang berkelanjutan, diperlukan pula keterbukaan terhadap kemungkinan sanggahan, peninjauan eksternal, dan sikap untuk merevisi pemikiran.\n\n## Tiga tipe konseptual untuk memahami pengguna AI\n\nKlasifikasi berikut bukanlah tes kepribadian yang telah divalidasi atau diagnosis klinis, melainkan model konseptual untuk menjelaskan kebiasaan menggunakan AI. Orang yang sama pun dapat bertindak sebagai tipe yang berbeda sesuai tugas dan situasinya.\n\n| Tipe | Cara menggunakan AI | Dampak jangka pendek | Risiko atau peluang jangka panjang |\n|---|---|---|---|\n| Penumpang produktif | Menyerahkan secara luas kepada AI, mulai dari perumusan masalah hingga penyajian akhir | Volume hasil dan kecepatan meningkat | Pengetahuan internal dan kemampuan bekerja secara mandiri dapat melemah |\n| Pengoptimal yang enggan | Berusaha berpikir sendiri, tetapi secara bertahap mendelegasikan karena tenggat waktu dan kelelahan | Mengurangi beban dan memenuhi tenggat waktu | Jika kenyamanan menjadi kebiasaan utama, tahap verifikasi dapat berkurang |\n| Pelari maraton mental | Berpikir terlebih dahulu, lalu meminta petunjuk, contoh tandingan, dan tinjauan dari AI | Kecepatan awal mungkin lebih lambat | Berpotensi meningkatkan produktivitas, pembelajaran, dan daya pertimbangan secara bersamaan |\n\nPembeda utamanya bukanlah apakah AI digunakan atau tidak. Yang penting adalah **bagian mana dari proses berpikir yang didelegasikan, dan apa yang baru dipahami manusia setelah menggunakannya**.\n\n## Penumpang produktif dan utang kognitif\n\nMeskipun hasil yang dibuat AI dapat langsung berfungsi secara normal, biaya pemeliharaan di masa depan dapat menumpuk jika pengguna tidak memahami struktur internalnya. Istilah “utang kognitif” dapat digunakan untuk menjelaskan hal ini.\n\nSebagai contoh, jika pengembang terus menggabungkan kode buatan AI tanpa memahaminya secara memadai, masalah berikut dapat muncul.\n\n- Sulit mempersempit penyebab ketika terjadi kesalahan.\n- Tidak mampu menjelaskan asumsi keamanan atau kinerja.\n- Sulit mengubah struktur agar sesuai dengan persyaratan baru.\n- Kekurangan tolok ukur untuk menilai apakah jawaban AI salah.\n- Seluruh tim dapat kehilangan pemahaman tentang cara kerja sistem.\n\nUtang kognitif berkaitan dengan utang teknis, tetapi keduanya bukan konsep yang sepenuhnya sama. Utang teknis terutama mengacu pada biaya masa depan yang timbul dari desain dan implementasi sistem. Utang kognitif berfokus pada kondisi ketika seseorang atau organisasi belum cukup membangun kemampuan untuk memahami dan menilai sistem tersebut.\n\nAda pula argumen tandingan bahwa masalah ini dapat diselesaikan dengan menganalisisnya kembali menggunakan AI. Namun, untuk mengevaluasi hasil analisis dan membandingkannya dengan sistem nyata, pengetahuan domain dan daya pertimbangan tetap diperlukan. Semakin penting suatu sistem, semakin penting pula manusia memahami pihak yang bertanggung jawab, asumsi utama, metode pengujian, dan prosedur pemulihan manual.\n\n## Jalur yang dapat membuat ketergantungan pada AI melemahkan pembelajaran\n\n### Kesulitan yang sesuai menghilang\n\nPembelajaran membutuhkan proses mengambil informasi dari ingatan, menyusun hipotesis, dan memperbaiki kegagalan. Jika AI memberikan jawaban lengkap sejak awal, pengguna dapat melewati proses ini. Perasaan memahami setelah membaca suatu hasil tidaklah sama dengan kemampuan mereproduksinya sendiri dari halaman kosong.\n\n### Kelancaran disalahartikan sebagai ketepatan\n\nAI generatif dapat menyampaikan informasi yang salah dengan kalimat yang alami dan penuh keyakinan. Jika pengguna tidak memiliki pengetahuan di bidang tersebut atau prosedur verifikasi, kelancaran kalimat mudah disalahartikan sebagai kekuatan bukti.\n\n### Rasa ingin tahu dan cakupan eksplorasi menyempit\n\nPenelitian pendidikan menunjukkan bahwa mengajarkan secara langsung cara baku menggunakan suatu objek dapat membatasi eksplorasi bebas. Hal ini tidak dapat digeneralisasikan begitu saja pada AI, tetapi menunjukkan bahwa jika chatbot selalu langsung menawarkan satu metode dan kesimpulan, kesempatan pengguna untuk menguji kemungkinan lain dapat berkurang.\n\n### Pekerjaan mudah menjadi standar baru\n\nJika pekerjaan yang dilakukan bersama AI terasa sangat cepat dan lancar, pekerjaan tanpa AI dapat terasa relatif lambat dan membosankan. Jika hal ini terus berulang, waktu untuk bertahan menghadapi masalah yang tidak pasti dan motivasi untuk memulai secara mandiri berpotensi menurun. Namun, dampak AI terhadap motivasi berbeda-beda menurut jenis tugas, pengalaman pengguna, desain alat, dan metode evaluasi, sehingga tidak boleh ditafsirkan sebagai hubungan sebab-akibat yang seragam.\n\n## Hal yang perlu diperhatikan saat membaca hasil penelitian\n\nPenelitian tentang AI dan pemikiran manusia berkembang pesat, tetapi banyak bidang masih terlalu dini untuk menghasilkan kesimpulan jangka panjang.\n\n- Survei laporan diri mungkin tidak dapat membedakan upaya yang dirasakan pengguna dari perubahan kemampuan yang sebenarnya.\n- Hasil eksperimen singkat tidak dapat dianggap secara langsung berlanjut menjadi perubahan pembelajaran atau kemampuan profesional selama bertahun-tahun.\n- Kualitas pembelajaran atau “penurunan fungsi otak” tidak dapat disimpulkan hanya dari satu indikator fisiologis seperti konektivitas gelombang otak.\n- Meskipun ditemukan korelasi antara frekuensi penggunaan AI dan rendahnya pemikiran kritis, sulit memastikan mana yang menjadi penyebab.\n- Hasil dapat berbeda menurut kemampuan alat, prompt, tingkat kesulitan tugas, dan pengetahuan awal peserta.\n\nKarena itu, kesimpulan seperti “menggunakan AI pasti menurunkan kemampuan berpikir” adalah kesimpulan yang berlebihan. Pertanyaan yang lebih tepat adalah **dalam tugas apa, dengan cara bagaimana, pada tingkat penggunaan seperti apa, dan kemampuan siapa yang berubah**.\n\n## Prosedur verifikasi untuk menghindari penyerahan kognitif\n\n“Penyerahan kognitif” adalah ungkapan metaforis untuk menjelaskan keadaan ketika seseorang tidak memverifikasi jawaban AI dan mengutamakannya di atas pertimbangannya sendiri. Ini bukan nama diagnosis psikologis yang terstandardisasi.\n\nJawaban penting dapat ditinjau melalui prosedur berikut.\n\n1. **Pisahkan klaim.** Bedakan fakta, penalaran, prediksi, dan penilaian nilai.\n2. **Periksa bukti.** Baca apakah sumber asli benar-benar ada dan mendukung klaim tersebut.\n3. **Periksa tanggal dan cakupan penerapan.** Pastikan informasinya mutakhir dan materi dari negara atau kondisi lain tidak diterapkan secara keliru.\n4. **Minta contoh tandingan.** Minta AI membuat argumen tandingan, lalu manusia menilai validitasnya.\n5. **Hitung secara mandiri.** Reproduksi angka, kode, dan kesimpulan logis dengan metode terpisah.\n6. **Tentukan pihak yang bertanggung jawab.** Keputusan terkait medis, hukum, keuangan, perekrutan, dan keselamatan harus ditinjau oleh orang yang berkualifikasi.\n\nManajemen risiko AI bukan sekadar pekerjaan memeriksa ketepatan keluaran. Perlu dirancang pula siapa yang meninjau, bagaimana kesalahan akan ditemukan ketika terjadi, dan siapa yang bertanggung jawab atas keputusan akhir.\n\n## Cara menggunakan AI sebagai alat latihan mental\n\n### 1. Mintalah petunjuk bertahap, bukan jawaban lengkap\n\nPermintaan berikut dapat digunakan.\n\n\u003e Jangan langsung memberi tahu jawaban yang benar. Berikan hanya konsep yang diperlukan dan petunjuk pertama. Setelah aku menjawab, tunjukkan kesalahan logikanya dan berikan petunjuk berikutnya satu per satu.\n\nMetode petunjuk memberi ruang bagi pengguna untuk mengambil kembali informasi dari ingatan dan menyusun hipotesis. Namun, jika pengguna sama sekali tidak memiliki informasi dasar tentang suatu bidang, materi pengantar tepercaya dan istilah utama harus diperiksa terlebih dahulu.\n\n### 2. Lewati halaman kosong terlebih dahulu\n\nSebelum membuka AI, tulis secara singkat hal-hal berikut.\n\n- Masalah yang ingin saya pecahkan\n- Fakta yang saat ini saya ketahui\n- Kesimpulan sementara\n- Bagian yang tidak pasti\n- Argumen tandingan yang diperkirakan\n- Materi yang perlu diperiksa\n\nSetelah itu, mintalah AI menunjukkan perspektif yang terlewat, contoh tandingan, lompatan logika, dan hal-hal yang perlu diverifikasi. Dengan demikian, alih-alih AI menentukan titik awal pemikiran, AI akan mengkritik struktur yang dibuat pengguna.\n\n### 3. Lakukan tugas dengan AI dan tanpa AI secara bergantian\n\n- Setelah meringkas materi dengan AI, periksa teks asli dan susun kerangkanya sendiri.\n- Setelah melihat contoh kode dari AI, tutup layar dan implementasikan fungsi utama dari awal.\n- Mintalah argumen tandingan dari AI, tetapi tulis kesimpulan akhir dengan bahasa sendiri.\n- Analisis penyebab kegagalan terlebih dahulu, lalu bandingkan dengan diagnosis AI.\n- Jelaskan kepada orang lain tanpa alat mengenai hal yang dipelajari bersama AI.\n\nMetode ini berguna untuk membedakan “kinerja ketika mendapat bantuan” dari “kemampuan yang benar-benar diperoleh”.\n\n### 4. Atur chatbot sebagai tutor, bukan mesin jawaban\n\nTutor AI yang baik memeriksa tingkat kemampuan pengguna saat ini melalui pertanyaan, memberikan satu masalah pada satu waktu, dan tidak langsung mengungkapkan jawaban lengkap setelah jawaban yang salah. Prompt berikut dapat digunakan.\n\n\u003e Bertindaklah sebagai tutor yang mengajarkan topik ini. Pertama, ajukan satu pertanyaan untuk memeriksa tingkat kemampuanku. Jika aku salah, jangan langsung memberikan jawaban yang benar, tetapi beri tahu premis atau konsep yang perlu kupikirkan kembali. Pada akhir setiap tahap, minta aku menjelaskannya dengan kata-kataku sendiri.\n\n### 5. Bedakan pekerjaan yang akan didelegasikan dari pekerjaan yang dilakukan sendiri\n\n| Pekerjaan yang mudah diserahkan kepada AI | Pekerjaan yang harus dipimpin manusia |\n|---|---|\n| Konversi format dan pemeriksaan ejaan | Perumusan masalah dan tujuan |\n| Penataan awal dokumen berulang | Penilaian nilai yang penting |\n| Klasifikasi data yang teratur | Penentuan strategi dan prioritas |\n| Draf email fungsional | Tulisan yang berpusat pada pengalaman dan perspektif pribadi |\n| Draf kode berulang | Keputusan akhir terkait keselamatan, hukum, medis, dan keuangan |\n| Ringkasan untuk menelusuri materi panjang | Verifikasi bukti dan persetujuan yang bertanggung jawab |\n\nKriterianya bukan sekadar kreatif atau nonkreatif. Pertanyaan yang harus diajukan adalah **apakah melakukan proses tersebut sendiri akan membangun daya pertimbangan di masa depan**.\n\n### 6. Mintalah peta intelektual, bukan kesimpulan\n\nAlih-alih langsung bertanya kepada AI “apa yang benar”, mintalah hal-hal berikut.\n\n- Cendekiawan dan teori utama yang meneliti masalah ini\n- Penjelasan yang saling bersaing\n- Argumen tandingan yang representatif\n- Sumber primer yang perlu diperiksa\n- Asumsi utama dari setiap perspektif\n- Isu yang belum mencapai kesepakatan\n\nAI dapat digunakan seperti asisten peneliti atau pustakawan, tetapi keberadaan nyata penulis, makalah, dan kutipan yang disajikannya harus diperiksa secara terpisah.\n\n## Entropi AI dan keunikan manusia\n\n“Entropi AI” lebih merupakan metafora untuk menjelaskan fenomena ketika hasil AI dalam jumlah besar mengarah pada bentuk yang rata-rata dan serupa daripada istilah teknis yang terstandardisasi. Karena model generatif membuat keluaran berdasarkan pola yang sering muncul dalam materi pelatihan, prompt biasa cenderung menghasilkan struktur yang familier dan ungkapan yang aman.\n\nManusia dapat melawan penyeragaman ini dengan menambahkan unsur-unsur berikut.\n\n- Fakta konkret yang diamati secara langsung\n- Ingatan dan kegagalan pribadi\n- Pengetahuan tacit yang diperoleh di lapangan\n- Standar nilai yang jelas dan alasan pemilihan\n- Bagian yang tidak disetujui dari penjelasan yang ada\n- Proses dan keterbatasan dalam memverifikasi hasil\n\nKeunikan manusia tidak muncul hanya dari fakta bahwa seseorang mengetik kalimatnya sendiri. Keunikan itu muncul dari pengalaman dan standar yang mendasari pilihan seseorang serta hal-hal yang dipilih dan dipertanggungjawabkannya.\n\n## Lingkungan yang perlu dirancang sekolah dan organisasi\n\nPendidikan di era AI bukanlah meninggalkan penyampaian pengetahuan, melainkan memperluasnya hingga mencakup kemampuan menggunakan dan memverifikasi pengetahuan. Tanpa pengetahuan dasar, sulit menemukan kesalahan AI ataupun membuat pertanyaan yang baik.\n\nTeori determinasi diri mengemukakan otonomi, kompetensi, dan keterhubungan sebagai kondisi utama untuk memahami motivasi serta kesejahteraan yang berkelanjutan.\n\n| Kondisi | Makna | Contoh desain lingkungan AI |\n|---|---|---|\n| Otonomi | Merasa memiliki pilihan atas tujuan dan metode | Memungkinkan pelajar menentukan pertanyaan eksplorasi dan cakupan penggunaan AI |\n| Kompetensi | Merasa bahwa kemampuan berkembang melalui latihan | Menyediakan tugas dengan tingkat kesulitan yang sesuai, umpan balik bertahap, dan kesempatan mencoba kembali |\n| Keterhubungan | Merasa terhubung dengan orang lain dan dihormati | Menyertakan tinjauan mentor, diskusi rekan, dan pemecahan masalah bersama |\n\nSekolah dan organisasi dapat mengevaluasi hal-hal berikut secara bersamaan.\n\n- Apakah seseorang dapat menjelaskan konsep utama tanpa AI\n- Apakah materi yang digunakan dan proses verifikasi diungkapkan\n- Apakah kesimpulan direvisi ketika muncul bukti yang berlawanan\n- Apakah ketidakpastian ditandai secara tepat\n- Apakah tugas kompleks yang berlangsung dalam jangka panjang telah diselesaikan\n- Apakah hasil rekan ditinjau secara kritis dan diperbaiki\n\nHubungan magang juga penting. Tenaga ahli tidak hanya menyampaikan keterampilan, tetapi juga standar untuk memilih masalah yang baik, cara menafsirkan kegagalan, kepekaan dalam menilai kualitas, dan tanggung jawab profesional. Pengetahuan tacit semacam ini sulit dipelajari hanya dengan menerima jawaban yang sudah lengkap.\n\n## Prinsip operasional untuk mengurangi polarisasi kognitif\n\nDi satu sisi, AI dapat menjadi landasan untuk menghadapi masalah yang lebih sulit, tetapi di sisi lain dapat menjadi sarana untuk melewatkan proses berpikir. Jika perbedaan ini terakumulasi, hal tersebut berpotensi menghasilkan kesenjangan bukan hanya dalam volume hasil, tetapi juga dalam daya pertimbangan dan otonomi.\n\nIndividu dan organisasi dapat mengurangi risiko melalui prinsip-prinsip berikut.\n\n1. Catat tahap pemikiran yang didelegasikan, bukan sekadar apakah AI digunakan atau tidak.\n2. Tetapkan titik peninjauan manusia dan pemberi persetujuan untuk tugas-tugas penting.\n3. Lakukan tugas reproduksi tanpa AI secara berkala.\n4. Masukkan waktu untuk memeriksa sumber dan mencari contoh tandingan ke dalam proses kinerja.\n5. Ukur bukan hanya kecepatan, tetapi juga tingkat kesalahan, biaya perbaikan, dan hasil pembelajaran.\n6. Lindungi waktu fokus yang tidak membutuhkan penggunaan AI serta proyek jangka panjang.\n7. Pastikan tenaga ahli meninjau bukan hanya hasil pemula, tetapi juga proses berpikirnya.\n\n## Kesimpulan\n\nOrang yang berkembang di era AI tidak selalu merupakan orang yang paling banyak atau paling sedikit menggunakan AI. Mereka adalah orang-orang yang mengurangi pekerjaan berulang dengan AI tanpa melepaskan perumusan masalah, verifikasi, penilaian nilai, dan tanggung jawab.\n\nAI dapat menghitung, mengombinasikan, dan memprediksi jawaban yang mungkin. Namun, menentukan tujuan apa yang hendak dikejar, apa yang harus dianggap penting, dan kesulitan apa yang bersedia ditanggung tetap menjadi tanggung jawab manusia dan komunitas manusia. Kita tidak perlu memilih salah satu antara produktivitas dan pertumbuhan. Dengan membentuk pemikiran sendiri terlebih dahulu dan menempatkan AI sebagai pengkritik, tutor, serta asisten peneliti, kedua tujuan tersebut dapat dikejar secara bersamaan.","content_html":"\u003cp\u003eAI generatif dengan cepat menurunkan biaya pekerjaan intelektual seperti peringkasan, penerjemahan, penulisan, analisis, dan pengodean. Namun, semakin melimpah kemampuan untuk menghasilkan jawaban, bukan berarti kemampuan yang dibutuhkan manusia akan menghilang. Sebaliknya, nilai dari \u003cstrong\u003ekemampuan menentukan apa yang perlu ditanyakan, memverifikasi jawaban, dan menelusuri masalah sulit hingga tuntas\u003c/strong\u003e dapat semakin meningkat.\u003c/p\u003e\n\u003cp\u003eInti tulisan ini bukanlah mengusulkan agar penggunaan AI dikurangi. Ini adalah usulan untuk menggunakan AI dengan mempertimbangkan bukan hanya hasil jangka pendek, tetapi juga dampaknya terhadap pengetahuan, daya pertimbangan, rasa ingin tahu, dan kemampuan pengguna untuk bekerja secara mandiri.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#yang-diubah-ai-bukanlah-waktu-kerja-melainkan-kepadatan-kerja\" class=\"anchor\" id=\"yang-diubah-ai-bukanlah-waktu-kerja-melainkan-kepadatan-kerja\"\u003e\u003c/a\u003eYang diubah AI bukanlah waktu kerja, melainkan kepadatan kerja\u003c/h2\u003e\n\u003cp\u003eMeskipun AI mengurangi waktu yang dibutuhkan untuk satu tugas, tidak dapat disimpulkan bahwa total beban kerja harian akan berkurang dengan proporsi yang sama. Organisasi dapat mengisi waktu yang dihemat dengan lebih banyak email, analisis, laporan, perbaikan kode, dan rapat. Individu juga dapat menangani sendiri tugas-tugas kecil yang dahulu mungkin ditinggalkan atau diserahkan kepada pihak luar.\u003c/p\u003e\n\u003cp\u003ePerubahan yang mungkin muncul dalam kondisi ini adalah sebagai berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eJumlah tugas yang diselesaikan dalam waktu yang sama bertambah.\u003c/li\u003e\n\u003cli\u003eHasil dari beberapa alat atau agen AI diawasi secara bersamaan.\u003c/li\u003e\n\u003cli\u003ePekerjaan singkat merambah hingga malam hari, waktu perjalanan, dan akhir pekan.\u003c/li\u003e\n\u003cli\u003eKonteks yang harus dialihkan bertambah sehingga waktu untuk berkonsentrasi secara mendalam terfragmentasi.\u003c/li\u003e\n\u003cli\u003eVolume hasil meningkat, tetapi jumlah keluaran yang perlu ditinjau juga ikut bertambah.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eKarena itu, produktivitas tidak boleh diukur sekadar sebagai “kemampuan menyelesaikan pekerjaan lebih cepat”. Waktu untuk memperbaiki kesalahan, jumlah peralihan tugas, kemampuan bekerja secara mandiri, kelelahan, dan pemulihan juga harus diperhatikan. Tingkat peningkatan kepadatan kerja akibat AI berbeda-beda menurut pekerjaan, budaya organisasi, dan standar kinerja, sehingga fenomena ini tidak muncul secara sama pada semua pekerja.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#mengapa-kemauan-menjadi-penting-ketika-kecerdasan-semakin-melimpah\" class=\"anchor\" id=\"mengapa-kemauan-menjadi-penting-ketika-kecerdasan-semakin-melimpah\"\u003e\u003c/a\u003eMengapa kemauan menjadi penting ketika kecerdasan semakin melimpah\u003c/h2\u003e\n\u003cp\u003eAI telah menyediakan draf yang lancar dan analisis yang tampak meyakinkan secara langsung dalam banyak bidang. Dalam lingkungan seperti ini, sulit menilai pemahaman atau keahlian seseorang hanya berdasarkan tampilan luar hasil kerjanya. Perbedaannya tampak dalam proses berikut.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eMemilih masalah yang layak dipecahkan.\u003c/li\u003e\n\u003cli\u003eMenentukan sendiri kondisi masalah dan kriteria keberhasilan.\u003c/li\u003e\n\u003cli\u003eMemverifikasi fakta, logika, dan sumber dalam jawaban AI.\u003c/li\u003e\n\u003cli\u003eMenelusuri contoh tandingan dan penjelasan lain.\u003c/li\u003e\n\u003cli\u003eManusia bertanggung jawab atas kesimpulan.\u003c/li\u003e\n\u003cli\u003eMenjelaskan atau mereproduksi isi pokok bahkan tanpa AI.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eSikap ini berkaitan dengan \u003cstrong\u003ekebutuhan akan kognisi\u003c/strong\u003e dalam psikologi. Kebutuhan akan kognisi merujuk pada kecenderungan yang relatif stabil untuk terlibat dalam aktivitas berpikir yang kompleks dan menikmati prosesnya. Ini bukan konsep yang sama dengan kemampuan yang diukur melalui tes kecerdasan. Orang dengan kemampuan penalaran tinggi pun dapat menghindari upaya mental, sementara orang dengan kemampuan rata-rata dapat meninjau dan belajar dengan tekun.\u003c/p\u003e\n\u003cp\u003eKebutuhan akan kognisi yang tinggi juga tidak selalu menghasilkan kesimpulan yang benar. Orang yang telah berpikir mendalam dapat merasa sangat terikat pada penjelasan yang dibuatnya sendiri. Karena itu, selain pemikiran yang berkelanjutan, diperlukan pula keterbukaan terhadap kemungkinan sanggahan, peninjauan eksternal, dan sikap untuk merevisi pemikiran.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#tiga-tipe-konseptual-untuk-memahami-pengguna-ai\" class=\"anchor\" id=\"tiga-tipe-konseptual-untuk-memahami-pengguna-ai\"\u003e\u003c/a\u003eTiga tipe konseptual untuk memahami pengguna AI\u003c/h2\u003e\n\u003cp\u003eKlasifikasi berikut bukanlah tes kepribadian yang telah divalidasi atau diagnosis klinis, melainkan model konseptual untuk menjelaskan kebiasaan menggunakan AI. Orang yang sama pun dapat bertindak sebagai tipe yang berbeda sesuai tugas dan situasinya.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eTipe\u003c/th\u003e\n\u003cth\u003eCara menggunakan AI\u003c/th\u003e\n\u003cth\u003eDampak jangka pendek\u003c/th\u003e\n\u003cth\u003eRisiko atau peluang jangka panjang\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipe\"\u003ePenumpang produktif\u003c/td\u003e\n\u003ctd data-label=\"Cara menggunakan AI\"\u003eMenyerahkan secara luas kepada AI, mulai dari perumusan masalah hingga penyajian akhir\u003c/td\u003e\n\u003ctd data-label=\"Dampak jangka pendek\"\u003eVolume hasil dan kecepatan meningkat\u003c/td\u003e\n\u003ctd data-label=\"Risiko atau peluang jangka panjang\"\u003ePengetahuan internal dan kemampuan bekerja secara mandiri dapat melemah\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipe\"\u003ePengoptimal yang enggan\u003c/td\u003e\n\u003ctd data-label=\"Cara menggunakan AI\"\u003eBerusaha berpikir sendiri, tetapi secara bertahap mendelegasikan karena tenggat waktu dan kelelahan\u003c/td\u003e\n\u003ctd data-label=\"Dampak jangka pendek\"\u003eMengurangi beban dan memenuhi tenggat waktu\u003c/td\u003e\n\u003ctd data-label=\"Risiko atau peluang jangka panjang\"\u003eJika kenyamanan menjadi kebiasaan utama, tahap verifikasi dapat berkurang\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipe\"\u003ePelari maraton mental\u003c/td\u003e\n\u003ctd data-label=\"Cara menggunakan AI\"\u003eBerpikir terlebih dahulu, lalu meminta petunjuk, contoh tandingan, dan tinjauan dari AI\u003c/td\u003e\n\u003ctd data-label=\"Dampak jangka pendek\"\u003eKecepatan awal mungkin lebih lambat\u003c/td\u003e\n\u003ctd data-label=\"Risiko atau peluang jangka panjang\"\u003eBerpotensi meningkatkan produktivitas, pembelajaran, dan daya pertimbangan secara bersamaan\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003ePembeda utamanya bukanlah apakah AI digunakan atau tidak. Yang penting adalah \u003cstrong\u003ebagian mana dari proses berpikir yang didelegasikan, dan apa yang baru dipahami manusia setelah menggunakannya\u003c/strong\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#penumpang-produktif-dan-utang-kognitif\" class=\"anchor\" id=\"penumpang-produktif-dan-utang-kognitif\"\u003e\u003c/a\u003ePenumpang produktif dan utang kognitif\u003c/h2\u003e\n\u003cp\u003eMeskipun hasil yang dibuat AI dapat langsung berfungsi secara normal, biaya pemeliharaan di masa depan dapat menumpuk jika pengguna tidak memahami struktur internalnya. Istilah “utang kognitif” dapat digunakan untuk menjelaskan hal ini.\u003c/p\u003e\n\u003cp\u003eSebagai contoh, jika pengembang terus menggabungkan kode buatan AI tanpa memahaminya secara memadai, masalah berikut dapat muncul.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eSulit mempersempit penyebab ketika terjadi kesalahan.\u003c/li\u003e\n\u003cli\u003eTidak mampu menjelaskan asumsi keamanan atau kinerja.\u003c/li\u003e\n\u003cli\u003eSulit mengubah struktur agar sesuai dengan persyaratan baru.\u003c/li\u003e\n\u003cli\u003eKekurangan tolok ukur untuk menilai apakah jawaban AI salah.\u003c/li\u003e\n\u003cli\u003eSeluruh tim dapat kehilangan pemahaman tentang cara kerja sistem.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eUtang kognitif berkaitan dengan utang teknis, tetapi keduanya bukan konsep yang sepenuhnya sama. Utang teknis terutama mengacu pada biaya masa depan yang timbul dari desain dan implementasi sistem. Utang kognitif berfokus pada kondisi ketika seseorang atau organisasi belum cukup membangun kemampuan untuk memahami dan menilai sistem tersebut.\u003c/p\u003e\n\u003cp\u003eAda pula argumen tandingan bahwa masalah ini dapat diselesaikan dengan menganalisisnya kembali menggunakan AI. Namun, untuk mengevaluasi hasil analisis dan membandingkannya dengan sistem nyata, pengetahuan domain dan daya pertimbangan tetap diperlukan. Semakin penting suatu sistem, semakin penting pula manusia memahami pihak yang bertanggung jawab, asumsi utama, metode pengujian, dan prosedur pemulihan manual.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#jalur-yang-dapat-membuat-ketergantungan-pada-ai-melemahkan-pembelajaran\" class=\"anchor\" id=\"jalur-yang-dapat-membuat-ketergantungan-pada-ai-melemahkan-pembelajaran\"\u003e\u003c/a\u003eJalur yang dapat membuat ketergantungan pada AI melemahkan pembelajaran\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#kesulitan-yang-sesuai-menghilang\" class=\"anchor\" id=\"kesulitan-yang-sesuai-menghilang\"\u003e\u003c/a\u003eKesulitan yang sesuai menghilang\u003c/h3\u003e\n\u003cp\u003ePembelajaran membutuhkan proses mengambil informasi dari ingatan, menyusun hipotesis, dan memperbaiki kegagalan. Jika AI memberikan jawaban lengkap sejak awal, pengguna dapat melewati proses ini. Perasaan memahami setelah membaca suatu hasil tidaklah sama dengan kemampuan mereproduksinya sendiri dari halaman kosong.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#kelancaran-disalahartikan-sebagai-ketepatan\" class=\"anchor\" id=\"kelancaran-disalahartikan-sebagai-ketepatan\"\u003e\u003c/a\u003eKelancaran disalahartikan sebagai ketepatan\u003c/h3\u003e\n\u003cp\u003eAI generatif dapat menyampaikan informasi yang salah dengan kalimat yang alami dan penuh keyakinan. Jika pengguna tidak memiliki pengetahuan di bidang tersebut atau prosedur verifikasi, kelancaran kalimat mudah disalahartikan sebagai kekuatan bukti.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#rasa-ingin-tahu-dan-cakupan-eksplorasi-menyempit\" class=\"anchor\" id=\"rasa-ingin-tahu-dan-cakupan-eksplorasi-menyempit\"\u003e\u003c/a\u003eRasa ingin tahu dan cakupan eksplorasi menyempit\u003c/h3\u003e\n\u003cp\u003ePenelitian pendidikan menunjukkan bahwa mengajarkan secara langsung cara baku menggunakan suatu objek dapat membatasi eksplorasi bebas. Hal ini tidak dapat digeneralisasikan begitu saja pada AI, tetapi menunjukkan bahwa jika chatbot selalu langsung menawarkan satu metode dan kesimpulan, kesempatan pengguna untuk menguji kemungkinan lain dapat berkurang.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#pekerjaan-mudah-menjadi-standar-baru\" class=\"anchor\" id=\"pekerjaan-mudah-menjadi-standar-baru\"\u003e\u003c/a\u003ePekerjaan mudah menjadi standar baru\u003c/h3\u003e\n\u003cp\u003eJika pekerjaan yang dilakukan bersama AI terasa sangat cepat dan lancar, pekerjaan tanpa AI dapat terasa relatif lambat dan membosankan. Jika hal ini terus berulang, waktu untuk bertahan menghadapi masalah yang tidak pasti dan motivasi untuk memulai secara mandiri berpotensi menurun. Namun, dampak AI terhadap motivasi berbeda-beda menurut jenis tugas, pengalaman pengguna, desain alat, dan metode evaluasi, sehingga tidak boleh ditafsirkan sebagai hubungan sebab-akibat yang seragam.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#hal-yang-perlu-diperhatikan-saat-membaca-hasil-penelitian\" class=\"anchor\" id=\"hal-yang-perlu-diperhatikan-saat-membaca-hasil-penelitian\"\u003e\u003c/a\u003eHal yang perlu diperhatikan saat membaca hasil penelitian\u003c/h2\u003e\n\u003cp\u003ePenelitian tentang AI dan pemikiran manusia berkembang pesat, tetapi banyak bidang masih terlalu dini untuk menghasilkan kesimpulan jangka panjang.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eSurvei laporan diri mungkin tidak dapat membedakan upaya yang dirasakan pengguna dari perubahan kemampuan yang sebenarnya.\u003c/li\u003e\n\u003cli\u003eHasil eksperimen singkat tidak dapat dianggap secara langsung berlanjut menjadi perubahan pembelajaran atau kemampuan profesional selama bertahun-tahun.\u003c/li\u003e\n\u003cli\u003eKualitas pembelajaran atau “penurunan fungsi otak” tidak dapat disimpulkan hanya dari satu indikator fisiologis seperti konektivitas gelombang otak.\u003c/li\u003e\n\u003cli\u003eMeskipun ditemukan korelasi antara frekuensi penggunaan AI dan rendahnya pemikiran kritis, sulit memastikan mana yang menjadi penyebab.\u003c/li\u003e\n\u003cli\u003eHasil dapat berbeda menurut kemampuan alat, prompt, tingkat kesulitan tugas, dan pengetahuan awal peserta.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eKarena itu, kesimpulan seperti “menggunakan AI pasti menurunkan kemampuan berpikir” adalah kesimpulan yang berlebihan. Pertanyaan yang lebih tepat adalah \u003cstrong\u003edalam tugas apa, dengan cara bagaimana, pada tingkat penggunaan seperti apa, dan kemampuan siapa yang berubah\u003c/strong\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#prosedur-verifikasi-untuk-menghindari-penyerahan-kognitif\" class=\"anchor\" id=\"prosedur-verifikasi-untuk-menghindari-penyerahan-kognitif\"\u003e\u003c/a\u003eProsedur verifikasi untuk menghindari penyerahan kognitif\u003c/h2\u003e\n\u003cp\u003e“Penyerahan kognitif” adalah ungkapan metaforis untuk menjelaskan keadaan ketika seseorang tidak memverifikasi jawaban AI dan mengutamakannya di atas pertimbangannya sendiri. Ini bukan nama diagnosis psikologis yang terstandardisasi.\u003c/p\u003e\n\u003cp\u003eJawaban penting dapat ditinjau melalui prosedur berikut.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003e\n\u003cstrong\u003ePisahkan klaim.\u003c/strong\u003e Bedakan fakta, penalaran, prediksi, dan penilaian nilai.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePeriksa bukti.\u003c/strong\u003e Baca apakah sumber asli benar-benar ada dan mendukung klaim tersebut.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003ePeriksa tanggal dan cakupan penerapan.\u003c/strong\u003e Pastikan informasinya mutakhir dan materi dari negara atau kondisi lain tidak diterapkan secara keliru.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eMinta contoh tandingan.\u003c/strong\u003e Minta AI membuat argumen tandingan, lalu manusia menilai validitasnya.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eHitung secara mandiri.\u003c/strong\u003e Reproduksi angka, kode, dan kesimpulan logis dengan metode terpisah.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eTentukan pihak yang bertanggung jawab.\u003c/strong\u003e Keputusan terkait medis, hukum, keuangan, perekrutan, dan keselamatan harus ditinjau oleh orang yang berkualifikasi.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eManajemen risiko AI bukan sekadar pekerjaan memeriksa ketepatan keluaran. Perlu dirancang pula siapa yang meninjau, bagaimana kesalahan akan ditemukan ketika terjadi, dan siapa yang bertanggung jawab atas keputusan akhir.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#cara-menggunakan-ai-sebagai-alat-latihan-mental\" class=\"anchor\" id=\"cara-menggunakan-ai-sebagai-alat-latihan-mental\"\u003e\u003c/a\u003eCara menggunakan AI sebagai alat latihan mental\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#1-mintalah-petunjuk-bertahap-bukan-jawaban-lengkap\" class=\"anchor\" id=\"1-mintalah-petunjuk-bertahap-bukan-jawaban-lengkap\"\u003e\u003c/a\u003e1. Mintalah petunjuk bertahap, bukan jawaban lengkap\u003c/h3\u003e\n\u003cp\u003ePermintaan berikut dapat digunakan.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eJangan langsung memberi tahu jawaban yang benar. Berikan hanya konsep yang diperlukan dan petunjuk pertama. Setelah aku menjawab, tunjukkan kesalahan logikanya dan berikan petunjuk berikutnya satu per satu.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003eMetode petunjuk memberi ruang bagi pengguna untuk mengambil kembali informasi dari ingatan dan menyusun hipotesis. Namun, jika pengguna sama sekali tidak memiliki informasi dasar tentang suatu bidang, materi pengantar tepercaya dan istilah utama harus diperiksa terlebih dahulu.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#2-lewati-halaman-kosong-terlebih-dahulu\" class=\"anchor\" id=\"2-lewati-halaman-kosong-terlebih-dahulu\"\u003e\u003c/a\u003e2. Lewati halaman kosong terlebih dahulu\u003c/h3\u003e\n\u003cp\u003eSebelum membuka AI, tulis secara singkat hal-hal berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eMasalah yang ingin saya pecahkan\u003c/li\u003e\n\u003cli\u003eFakta yang saat ini saya ketahui\u003c/li\u003e\n\u003cli\u003eKesimpulan sementara\u003c/li\u003e\n\u003cli\u003eBagian yang tidak pasti\u003c/li\u003e\n\u003cli\u003eArgumen tandingan yang diperkirakan\u003c/li\u003e\n\u003cli\u003eMateri yang perlu diperiksa\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eSetelah itu, mintalah AI menunjukkan perspektif yang terlewat, contoh tandingan, lompatan logika, dan hal-hal yang perlu diverifikasi. Dengan demikian, alih-alih AI menentukan titik awal pemikiran, AI akan mengkritik struktur yang dibuat pengguna.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#3-lakukan-tugas-dengan-ai-dan-tanpa-ai-secara-bergantian\" class=\"anchor\" id=\"3-lakukan-tugas-dengan-ai-dan-tanpa-ai-secara-bergantian\"\u003e\u003c/a\u003e3. Lakukan tugas dengan AI dan tanpa AI secara bergantian\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eSetelah meringkas materi dengan AI, periksa teks asli dan susun kerangkanya sendiri.\u003c/li\u003e\n\u003cli\u003eSetelah melihat contoh kode dari AI, tutup layar dan implementasikan fungsi utama dari awal.\u003c/li\u003e\n\u003cli\u003eMintalah argumen tandingan dari AI, tetapi tulis kesimpulan akhir dengan bahasa sendiri.\u003c/li\u003e\n\u003cli\u003eAnalisis penyebab kegagalan terlebih dahulu, lalu bandingkan dengan diagnosis AI.\u003c/li\u003e\n\u003cli\u003eJelaskan kepada orang lain tanpa alat mengenai hal yang dipelajari bersama AI.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eMetode ini berguna untuk membedakan “kinerja ketika mendapat bantuan” dari “kemampuan yang benar-benar diperoleh”.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#4-atur-chatbot-sebagai-tutor-bukan-mesin-jawaban\" class=\"anchor\" id=\"4-atur-chatbot-sebagai-tutor-bukan-mesin-jawaban\"\u003e\u003c/a\u003e4. Atur chatbot sebagai tutor, bukan mesin jawaban\u003c/h3\u003e\n\u003cp\u003eTutor AI yang baik memeriksa tingkat kemampuan pengguna saat ini melalui pertanyaan, memberikan satu masalah pada satu waktu, dan tidak langsung mengungkapkan jawaban lengkap setelah jawaban yang salah. Prompt berikut dapat digunakan.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eBertindaklah sebagai tutor yang mengajarkan topik ini. Pertama, ajukan satu pertanyaan untuk memeriksa tingkat kemampuanku. Jika aku salah, jangan langsung memberikan jawaban yang benar, tetapi beri tahu premis atau konsep yang perlu kupikirkan kembali. Pada akhir setiap tahap, minta aku menjelaskannya dengan kata-kataku sendiri.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003ch3\u003e\n\u003ca href=\"#5-bedakan-pekerjaan-yang-akan-didelegasikan-dari-pekerjaan-yang-dilakukan-sendiri\" class=\"anchor\" id=\"5-bedakan-pekerjaan-yang-akan-didelegasikan-dari-pekerjaan-yang-dilakukan-sendiri\"\u003e\u003c/a\u003e5. Bedakan pekerjaan yang akan didelegasikan dari pekerjaan yang dilakukan sendiri\u003c/h3\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003ePekerjaan yang mudah diserahkan kepada AI\u003c/th\u003e\n\u003cth\u003ePekerjaan yang harus dipimpin manusia\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Pekerjaan yang mudah diserahkan kepada AI\"\u003eKonversi format dan pemeriksaan ejaan\u003c/td\u003e\n\u003ctd data-label=\"Pekerjaan yang harus dipimpin manusia\"\u003ePerumusan masalah dan tujuan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Pekerjaan yang mudah diserahkan kepada AI\"\u003ePenataan awal dokumen berulang\u003c/td\u003e\n\u003ctd data-label=\"Pekerjaan yang harus dipimpin manusia\"\u003ePenilaian nilai yang penting\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Pekerjaan yang mudah diserahkan kepada AI\"\u003eKlasifikasi data yang teratur\u003c/td\u003e\n\u003ctd data-label=\"Pekerjaan yang harus dipimpin manusia\"\u003ePenentuan strategi dan prioritas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Pekerjaan yang mudah diserahkan kepada AI\"\u003eDraf email fungsional\u003c/td\u003e\n\u003ctd data-label=\"Pekerjaan yang harus dipimpin manusia\"\u003eTulisan yang berpusat pada pengalaman dan perspektif pribadi\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Pekerjaan yang mudah diserahkan kepada AI\"\u003eDraf kode berulang\u003c/td\u003e\n\u003ctd data-label=\"Pekerjaan yang harus dipimpin manusia\"\u003eKeputusan akhir terkait keselamatan, hukum, medis, dan keuangan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Pekerjaan yang mudah diserahkan kepada AI\"\u003eRingkasan untuk menelusuri materi panjang\u003c/td\u003e\n\u003ctd data-label=\"Pekerjaan yang harus dipimpin manusia\"\u003eVerifikasi bukti dan persetujuan yang bertanggung jawab\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eKriterianya bukan sekadar kreatif atau nonkreatif. Pertanyaan yang harus diajukan adalah \u003cstrong\u003eapakah melakukan proses tersebut sendiri akan membangun daya pertimbangan di masa depan\u003c/strong\u003e.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#6-mintalah-peta-intelektual-bukan-kesimpulan\" class=\"anchor\" id=\"6-mintalah-peta-intelektual-bukan-kesimpulan\"\u003e\u003c/a\u003e6. Mintalah peta intelektual, bukan kesimpulan\u003c/h3\u003e\n\u003cp\u003eAlih-alih langsung bertanya kepada AI “apa yang benar”, mintalah hal-hal berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eCendekiawan dan teori utama yang meneliti masalah ini\u003c/li\u003e\n\u003cli\u003ePenjelasan yang saling bersaing\u003c/li\u003e\n\u003cli\u003eArgumen tandingan yang representatif\u003c/li\u003e\n\u003cli\u003eSumber primer yang perlu diperiksa\u003c/li\u003e\n\u003cli\u003eAsumsi utama dari setiap perspektif\u003c/li\u003e\n\u003cli\u003eIsu yang belum mencapai kesepakatan\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eAI dapat digunakan seperti asisten peneliti atau pustakawan, tetapi keberadaan nyata penulis, makalah, dan kutipan yang disajikannya harus diperiksa secara terpisah.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#entropi-ai-dan-keunikan-manusia\" class=\"anchor\" id=\"entropi-ai-dan-keunikan-manusia\"\u003e\u003c/a\u003eEntropi AI dan keunikan manusia\u003c/h2\u003e\n\u003cp\u003e“Entropi AI” lebih merupakan metafora untuk menjelaskan fenomena ketika hasil AI dalam jumlah besar mengarah pada bentuk yang rata-rata dan serupa daripada istilah teknis yang terstandardisasi. Karena model generatif membuat keluaran berdasarkan pola yang sering muncul dalam materi pelatihan, prompt biasa cenderung menghasilkan struktur yang familier dan ungkapan yang aman.\u003c/p\u003e\n\u003cp\u003eManusia dapat melawan penyeragaman ini dengan menambahkan unsur-unsur berikut.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eFakta konkret yang diamati secara langsung\u003c/li\u003e\n\u003cli\u003eIngatan dan kegagalan pribadi\u003c/li\u003e\n\u003cli\u003ePengetahuan tacit yang diperoleh di lapangan\u003c/li\u003e\n\u003cli\u003eStandar nilai yang jelas dan alasan pemilihan\u003c/li\u003e\n\u003cli\u003eBagian yang tidak disetujui dari penjelasan yang ada\u003c/li\u003e\n\u003cli\u003eProses dan keterbatasan dalam memverifikasi hasil\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eKeunikan manusia tidak muncul hanya dari fakta bahwa seseorang mengetik kalimatnya sendiri. Keunikan itu muncul dari pengalaman dan standar yang mendasari pilihan seseorang serta hal-hal yang dipilih dan dipertanggungjawabkannya.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#lingkungan-yang-perlu-dirancang-sekolah-dan-organisasi\" class=\"anchor\" id=\"lingkungan-yang-perlu-dirancang-sekolah-dan-organisasi\"\u003e\u003c/a\u003eLingkungan yang perlu dirancang sekolah dan organisasi\u003c/h2\u003e\n\u003cp\u003ePendidikan di era AI bukanlah meninggalkan penyampaian pengetahuan, melainkan memperluasnya hingga mencakup kemampuan menggunakan dan memverifikasi pengetahuan. Tanpa pengetahuan dasar, sulit menemukan kesalahan AI ataupun membuat pertanyaan yang baik.\u003c/p\u003e\n\u003cp\u003eTeori determinasi diri mengemukakan otonomi, kompetensi, dan keterhubungan sebagai kondisi utama untuk memahami motivasi serta kesejahteraan yang berkelanjutan.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eKondisi\u003c/th\u003e\n\u003cth\u003eMakna\u003c/th\u003e\n\u003cth\u003eContoh desain lingkungan AI\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kondisi\"\u003eOtonomi\u003c/td\u003e\n\u003ctd data-label=\"Makna\"\u003eMerasa memiliki pilihan atas tujuan dan metode\u003c/td\u003e\n\u003ctd data-label=\"Contoh desain lingkungan AI\"\u003eMemungkinkan pelajar menentukan pertanyaan eksplorasi dan cakupan penggunaan AI\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kondisi\"\u003eKompetensi\u003c/td\u003e\n\u003ctd data-label=\"Makna\"\u003eMerasa bahwa kemampuan berkembang melalui latihan\u003c/td\u003e\n\u003ctd data-label=\"Contoh desain lingkungan AI\"\u003eMenyediakan tugas dengan tingkat kesulitan yang sesuai, umpan balik bertahap, dan kesempatan mencoba kembali\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kondisi\"\u003eKeterhubungan\u003c/td\u003e\n\u003ctd data-label=\"Makna\"\u003eMerasa terhubung dengan orang lain dan dihormati\u003c/td\u003e\n\u003ctd data-label=\"Contoh desain lingkungan AI\"\u003eMenyertakan tinjauan mentor, diskusi rekan, dan pemecahan masalah bersama\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eSekolah dan organisasi dapat mengevaluasi hal-hal berikut secara bersamaan.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eApakah seseorang dapat menjelaskan konsep utama tanpa AI\u003c/li\u003e\n\u003cli\u003eApakah materi yang digunakan dan proses verifikasi diungkapkan\u003c/li\u003e\n\u003cli\u003eApakah kesimpulan direvisi ketika muncul bukti yang berlawanan\u003c/li\u003e\n\u003cli\u003eApakah ketidakpastian ditandai secara tepat\u003c/li\u003e\n\u003cli\u003eApakah tugas kompleks yang berlangsung dalam jangka panjang telah diselesaikan\u003c/li\u003e\n\u003cli\u003eApakah hasil rekan ditinjau secara kritis dan diperbaiki\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eHubungan magang juga penting. Tenaga ahli tidak hanya menyampaikan keterampilan, tetapi juga standar untuk memilih masalah yang baik, cara menafsirkan kegagalan, kepekaan dalam menilai kualitas, dan tanggung jawab profesional. Pengetahuan tacit semacam ini sulit dipelajari hanya dengan menerima jawaban yang sudah lengkap.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#prinsip-operasional-untuk-mengurangi-polarisasi-kognitif\" class=\"anchor\" id=\"prinsip-operasional-untuk-mengurangi-polarisasi-kognitif\"\u003e\u003c/a\u003ePrinsip operasional untuk mengurangi polarisasi kognitif\u003c/h2\u003e\n\u003cp\u003eDi satu sisi, AI dapat menjadi landasan untuk menghadapi masalah yang lebih sulit, tetapi di sisi lain dapat menjadi sarana untuk melewatkan proses berpikir. Jika perbedaan ini terakumulasi, hal tersebut berpotensi menghasilkan kesenjangan bukan hanya dalam volume hasil, tetapi juga dalam daya pertimbangan dan otonomi.\u003c/p\u003e\n\u003cp\u003eIndividu dan organisasi dapat mengurangi risiko melalui prinsip-prinsip berikut.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eCatat tahap pemikiran yang didelegasikan, bukan sekadar apakah AI digunakan atau tidak.\u003c/li\u003e\n\u003cli\u003eTetapkan titik peninjauan manusia dan pemberi persetujuan untuk tugas-tugas penting.\u003c/li\u003e\n\u003cli\u003eLakukan tugas reproduksi tanpa AI secara berkala.\u003c/li\u003e\n\u003cli\u003eMasukkan waktu untuk memeriksa sumber dan mencari contoh tandingan ke dalam proses kinerja.\u003c/li\u003e\n\u003cli\u003eUkur bukan hanya kecepatan, tetapi juga tingkat kesalahan, biaya perbaikan, dan hasil pembelajaran.\u003c/li\u003e\n\u003cli\u003eLindungi waktu fokus yang tidak membutuhkan penggunaan AI serta proyek jangka panjang.\u003c/li\u003e\n\u003cli\u003ePastikan tenaga ahli meninjau bukan hanya hasil pemula, tetapi juga proses berpikirnya.\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\u003eOrang yang berkembang di era AI tidak selalu merupakan orang yang paling banyak atau paling sedikit menggunakan AI. Mereka adalah orang-orang yang mengurangi pekerjaan berulang dengan AI tanpa melepaskan perumusan masalah, verifikasi, penilaian nilai, dan tanggung jawab.\u003c/p\u003e\n\u003cp\u003eAI dapat menghitung, mengombinasikan, dan memprediksi jawaban yang mungkin. Namun, menentukan tujuan apa yang hendak dikejar, apa yang harus dianggap penting, dan kesulitan apa yang bersedia ditanggung tetap menjadi tanggung jawab manusia dan komunitas manusia. Kita tidak perlu memilih salah satu antara produktivitas dan pertumbuhan. Dengan membentuk pemikiran sendiri terlebih dahulu dan menempatkan AI sebagai pengkritik, tutor, serta asisten peneliti, kedua tujuan tersebut dapat dikejar secara bersamaan.\u003c/p\u003e\n","tags":["AI generatif","Berpikir kritis","Kebutuhan akan kognisi","Literasi AI","Teori determinasi diri"],"faqs":[{"question":"Apakah sering menggunakan AI pasti menurunkan kemampuan berpikir kritis?","answer":"Tidak selalu demikian. Dampaknya berbeda-beda tergantung pada tugas, cara penggunaan, pengetahuan awal, dan prosedur verifikasi. Jika definisi masalah dan kesimpulan sepenuhnya diserahkan kepada AI, upaya kognitif dapat berkurang. Namun, jika Anda terlebih dahulu membuat draf sendiri lalu meminta AI mencari contoh tandingan dan kesalahan, AI dapat menjadi alat yang mendukung pemikiran kritis."},{"question":"Apakah kebutuhan akan kognisi berarti memiliki kecerdasan tinggi?","answer":"Tidak. Kebutuhan akan kognisi adalah kecenderungan untuk terlibat dalam aktivitas berpikir yang kompleks dan menikmati prosesnya, serta berbeda dari kecerdasan yang mengacu pada kemampuan memecahkan masalah itu sendiri. Orang dengan kecerdasan tinggi pun dapat menghindari upaya mental, sedangkan orang dengan kemampuan rata-rata juga dapat berpikir dengan tekun."},{"question":"Apakah pelari maraton mental adalah orang yang tidak menggunakan AI?","answer":"Tidak. Pelari maraton mental adalah ungkapan konseptual yang merujuk pada orang yang menggunakan AI, tetapi tetap memegang kendali atas definisi masalah, penalaran inti, verifikasi, dan keputusan akhir. Cara yang umum adalah meminta petunjuk, contoh tandingan, bahan, dan umpan balik, bukan jawaban yang sudah jadi."},{"question":"Bagaimana cara mempertahankan efektivitas pembelajaran sambil menggunakan AI?","answer":"Sebaiknya tulis terlebih dahulu jawaban atau hipotesis Anda sendiri sebelum membuka AI, lalu setelah mendapat bantuan, coba paparkan kembali inti materi tanpa menggunakan alat. Bandingkan ringkasan AI dengan teks asli, implementasikan ulang kode secara langsung, dan untuk jawaban yang salah, Anda dapat meminta petunjuk langkah demi langkah alih-alih jawaban yang benar."},{"question":"Apa itu utang kognitif?","answer":"Utang kognitif adalah ungkapan yang menjelaskan keadaan ketika kode atau dokumen buatan AI berfungsi untuk saat ini, tetapi orang yang bertanggung jawab tidak cukup memahami prinsip internal dan asumsi utamanya sehingga biaya pengambilan keputusan dan perbaikan di masa depan meningkat. Istilah ini lebih dekat pada konsep yang menjelaskan risiko organisasional akibat ketergantungan pada AI daripada indikator akademis yang telah distandardisasi secara luas."},{"question":"Pekerjaan seperti apa yang tepat untuk diserahkan kepada AI?","answer":"Pekerjaan yang teratur dan mudah diverifikasi, seperti konversi format, pemeriksaan salah ketik, klasifikasi data berulang, dan penataan awal, cocok untuk didelegasikan. Sebaliknya, manusia harus memimpin definisi masalah, strategi, penilaian nilai, karya kreatif yang mementingkan sudut pandang pribadi, serta keputusan akhir terkait keselamatan, hukum, medis, dan keuangan."},{"question":"Bagaimana cara memverifikasi sumber yang disajikan oleh AI?","answer":"Anda harus memastikan bahwa penulis, judul, lembaga penerbit, tanggal, dan URL benar-benar ada, lalu membaca teks aslinya secara langsung. Meskipun sumber tersebut ada, Anda juga harus memeriksa secara terpisah apakah kalimat terkait benar-benar mendukung klaim AI serta apakah subjek dan kondisi penelitian dapat diterapkan pada masalah saat ini."},{"question":"Apakah sekolah perlu mengurangi pendidikan pengetahuan pada era AI?","answer":"Pengetahuan dasar justru diperlukan untuk memverifikasi keluaran AI dan menyusun pertanyaan yang baik. Namun, alih-alih hanya menilai hafalan dan kemampuan menghasilkan jawaban yang benar, sekolah juga harus menilai proyek jangka panjang, pencarian contoh tandingan, verifikasi sumber, penjelasan dan pemaparan kembali tanpa AI, serta proses perbaikan setelah kegagalan."},{"question":"Apakah entropi AI merupakan istilah yang telah mapan secara ilmiah?","answer":"Dalam tulisan ini, entropi AI adalah analogi untuk menjelaskan fenomena ketika hasil AI dalam jumlah besar mengerucut pada ungkapan yang familier dan rata-rata. Istilah ini harus dibedakan dari konsep standar yang mengukur entropi dalam teori informasi secara ketat."},{"question":"Apakah perlu menyediakan waktu khusus untuk bekerja tanpa AI?","answer":"Hal itu tidak diperlukan untuk semua pekerjaan, tetapi tugas non-AI secara berkala berguna untuk memeriksa kemampuan inti. Dengan menjelaskan materi yang dipelajari melalui AI tanpa alat, menulis ulang kode inti, dan menarik kesimpulan secara mandiri, Anda dapat membedakan pembelajaran yang sebenarnya dari ketergantungan pada alat."}],"sources":[{"url":"https://doi.org/10.1037/0022-3514.42.1.116","title":"Kebutuhan akan Kognisi","type":"source"},{"url":"https://selfdeterminationtheory.org/theory/","title":"Teori Determinasi Diri","type":"source"},{"url":"https://doi.org/10.1016/j.cognition.2010.10.001","title":"Pedang Bermata Dua Pedagogi: Pengajaran Membatasi Eksplorasi dan Penemuan Spontan","type":"source"},{"url":"https://doi.org/10.1145/3706598.3713778","title":"Dampak AI Generatif terhadap Berpikir Kritis: Penurunan Upaya Kognitif yang Dilaporkan Sendiri dan Efek Kepercayaan Diri dari Survei terhadap Pekerja Pengetahuan","type":"source"},{"url":"https://arxiv.org/abs/2506.08872","title":"Otak Anda saat Menggunakan ChatGPT: Akumulasi Utang Kognitif ketika Menggunakan Asisten AI untuk Tugas Menulis Esai","type":"source"},{"url":"https://www.nist.gov/itl/ai-risk-management-framework","title":"Kerangka Kerja Manajemen Risiko AI NIST","type":"source"}],"images":[{"id":371,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NDM4NywicHVyIjoiYmxvYl9pZCJ9fQ==--d2355873076dcf1540d4c7c21227550833e52723/ai-d37dd98a.webp","is_representative":true,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"AI 로봇의 안내를 받으며 복잡한 미로에서 도형을 옮기는 사람과 분석·균형의 상징","caption":"AI 시대에는 생산성과 사고력 사이에서 현명한 길을 찾아야 합니다.","description":null},"en":{"alt":"Person navigating a complex maze with geometric shapes, an AI robot, analysis icons, and scales","caption":"Thriving in the AI era means balancing productivity with thoughtful judgment.","description":null},"ja":{"alt":"幾何学図形を動かしながら、AIロボットや分析・天秤の記号がある迷路を進む人物","caption":"AI時代の成長には、生産性と思考力のバランスが欠かせません。","description":null},"es":{"alt":"Persona ante un laberinto complejo con figuras geométricas, un robot de IA, símbolos de análisis y una balanza","caption":"Prosperar en la era de la IA exige equilibrar productividad y criterio.","description":null},"id":{"alt":"Seseorang menavigasi labirin rumit dengan bentuk geometris, robot AI, ikon analisis, dan timbangan","caption":"Berkembang di era AI memerlukan keseimbangan antara produktivitas dan daya pikir.","description":null},"pt":{"alt":"Pessoa diante de um labirinto complexo com formas geométricas, robô de IA, ícones de análise e balança","caption":"Prosperar na era da IA exige equilibrar produtividade e pensamento crítico.","description":null},"zh-hant":{"alt":"一名人物在複雜迷宮中移動幾何圖形，上方有AI機器人，四周環繞分析與天平符號","caption":"在AI時代蓬勃發展，需要兼顧生產力與深度思考。","description":null},"de":{"alt":"Person in einem komplexen Labyrinth mit Formen, KI-Roboter, Analysesymbolen und Waage","caption":"Erfolg im KI-Zeitalter erfordert ein Gleichgewicht zwischen Produktivität und Urteilsvermögen.","description":null}}},{"id":372,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NDM5MywicHVyIjoiYmxvYl9pZCJ9fQ==--a9fe146f2c1652668777c2dc72d67318d8e62dfc/ai-b140cfe1.webp","is_representative":false,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"문서 컨베이어와 시계가 있는 자동화 공장 옆, 사람이 AI 로봇을 향해 정원 길을 걷는 삽화","caption":"생산성의 자동화와 인간의 사고력 성장을 잇는 여정을 표현한다.","description":null},"en":{"alt":"Person walking through a garden toward an AI robot beside an automated document conveyor and clock","caption":"The illustration connects automated productivity with the growth of human thinking.","description":null},"ja":{"alt":"書類のコンベヤーと時計がある自動化工場の隣で、AIロボットへ続く庭の道を歩く人","caption":"生産性の自動化と人間の思考力の成長をつなぐ道のりを表している。","description":null},"es":{"alt":"Persona caminando por un jardín hacia un robot de IA junto a una cinta automatizada de documentos y un reloj","caption":"La ilustración conecta la productividad automatizada con el desarrollo del pensamiento humano.","description":null},"id":{"alt":"Seseorang berjalan di taman menuju robot AI di samping konveyor dokumen otomatis dan jam","caption":"Ilustrasi ini menghubungkan produktivitas otomatis dengan pertumbuhan daya pikir manusia.","description":null},"pt":{"alt":"Pessoa caminha por um jardim rumo a um robô de IA ao lado de uma esteira automática de documentos e um relógio","caption":"A ilustração conecta a produtividade automatizada ao desenvolvimento do pensamento humano.","description":null},"zh-hant":{"alt":"一個人沿著花園小徑走向AI機器人，旁邊是文件輸送帶與時鐘組成的自動化工廠","caption":"插圖呈現自動化生產力與人類思考力成長相互連結的旅程。","description":null},"de":{"alt":"Eine Person geht durch einen Garten zu einem KI-Roboter neben einem automatisierten Dokumentenband mit Uhr","caption":"Die Illustration verbindet automatisierte Produktivität mit der Entwicklung menschlicher Denkfähigkeit.","description":null}}}],"published_at":"2026-07-31T03:32:55+09:00","updated_at":"2026-07-31T03:32:55+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/how-to-thrive-in-the-ai-era"}