---
title: "Orang yang Berjaya di Era AI: Cara Meningkatkan Produktivitas dan Daya Pikir Bersamaan"
locale: id
category: ai_data
category_name: "Data AI"
translation_status: reviewed
license: cc_by
author: "injoys"
source_url: https://injoys.com/en/articles/how-to-thrive-in-the-ai-era
published_at: 2026-07-31T03:32:55+09:00
---

# Orang yang Berjaya di Era AI: Cara Meningkatkan Produktivitas dan Daya Pikir Bersamaan

> 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.

## 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.

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.

Inti 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.

## Yang diubah AI bukanlah waktu kerja, melainkan kepadatan kerja

Meskipun 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.

Perubahan yang mungkin muncul dalam kondisi ini adalah sebagai berikut.

- Jumlah tugas yang diselesaikan dalam waktu yang sama bertambah.
- Hasil dari beberapa alat atau agen AI diawasi secara bersamaan.
- Pekerjaan singkat merambah hingga malam hari, waktu perjalanan, dan akhir pekan.
- Konteks yang harus dialihkan bertambah sehingga waktu untuk berkonsentrasi secara mendalam terfragmentasi.
- Volume hasil meningkat, tetapi jumlah keluaran yang perlu ditinjau juga ikut bertambah.

Karena 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.

## Mengapa kemauan menjadi penting ketika kecerdasan semakin melimpah

AI 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.

1. Memilih masalah yang layak dipecahkan.
2. Menentukan sendiri kondisi masalah dan kriteria keberhasilan.
3. Memverifikasi fakta, logika, dan sumber dalam jawaban AI.
4. Menelusuri contoh tandingan dan penjelasan lain.
5. Manusia bertanggung jawab atas kesimpulan.
6. Menjelaskan atau mereproduksi isi pokok bahkan tanpa AI.

Sikap 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.

Kebutuhan 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.

## Tiga tipe konseptual untuk memahami pengguna AI

Klasifikasi 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.

| Tipe | Cara menggunakan AI | Dampak jangka pendek | Risiko atau peluang jangka panjang |
|---|---|---|---|
| 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 |
| 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 |
| 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 |

Pembeda 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**.

## Penumpang produktif dan utang kognitif

Meskipun 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.

Sebagai contoh, jika pengembang terus menggabungkan kode buatan AI tanpa memahaminya secara memadai, masalah berikut dapat muncul.

- Sulit mempersempit penyebab ketika terjadi kesalahan.
- Tidak mampu menjelaskan asumsi keamanan atau kinerja.
- Sulit mengubah struktur agar sesuai dengan persyaratan baru.
- Kekurangan tolok ukur untuk menilai apakah jawaban AI salah.
- Seluruh tim dapat kehilangan pemahaman tentang cara kerja sistem.

Utang 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.

Ada 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.

## Jalur yang dapat membuat ketergantungan pada AI melemahkan pembelajaran

### Kesulitan yang sesuai menghilang

Pembelajaran 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.

### Kelancaran disalahartikan sebagai ketepatan

AI 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.

### Rasa ingin tahu dan cakupan eksplorasi menyempit

Penelitian 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.

### Pekerjaan mudah menjadi standar baru

Jika 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.

## Hal yang perlu diperhatikan saat membaca hasil penelitian

Penelitian tentang AI dan pemikiran manusia berkembang pesat, tetapi banyak bidang masih terlalu dini untuk menghasilkan kesimpulan jangka panjang.

- Survei laporan diri mungkin tidak dapat membedakan upaya yang dirasakan pengguna dari perubahan kemampuan yang sebenarnya.
- Hasil eksperimen singkat tidak dapat dianggap secara langsung berlanjut menjadi perubahan pembelajaran atau kemampuan profesional selama bertahun-tahun.
- Kualitas pembelajaran atau “penurunan fungsi otak” tidak dapat disimpulkan hanya dari satu indikator fisiologis seperti konektivitas gelombang otak.
- Meskipun ditemukan korelasi antara frekuensi penggunaan AI dan rendahnya pemikiran kritis, sulit memastikan mana yang menjadi penyebab.
- Hasil dapat berbeda menurut kemampuan alat, prompt, tingkat kesulitan tugas, dan pengetahuan awal peserta.

Karena 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**.

## Prosedur verifikasi untuk menghindari penyerahan kognitif

“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.

Jawaban penting dapat ditinjau melalui prosedur berikut.

1. **Pisahkan klaim.** Bedakan fakta, penalaran, prediksi, dan penilaian nilai.
2. **Periksa bukti.** Baca apakah sumber asli benar-benar ada dan mendukung klaim tersebut.
3. **Periksa tanggal dan cakupan penerapan.** Pastikan informasinya mutakhir dan materi dari negara atau kondisi lain tidak diterapkan secara keliru.
4. **Minta contoh tandingan.** Minta AI membuat argumen tandingan, lalu manusia menilai validitasnya.
5. **Hitung secara mandiri.** Reproduksi angka, kode, dan kesimpulan logis dengan metode terpisah.
6. **Tentukan pihak yang bertanggung jawab.** Keputusan terkait medis, hukum, keuangan, perekrutan, dan keselamatan harus ditinjau oleh orang yang berkualifikasi.

Manajemen 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.

## Cara menggunakan AI sebagai alat latihan mental

### 1. Mintalah petunjuk bertahap, bukan jawaban lengkap

Permintaan berikut dapat digunakan.

> 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.

Metode 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.

### 2. Lewati halaman kosong terlebih dahulu

Sebelum membuka AI, tulis secara singkat hal-hal berikut.

- Masalah yang ingin saya pecahkan
- Fakta yang saat ini saya ketahui
- Kesimpulan sementara
- Bagian yang tidak pasti
- Argumen tandingan yang diperkirakan
- Materi yang perlu diperiksa

Setelah 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.

### 3. Lakukan tugas dengan AI dan tanpa AI secara bergantian

- Setelah meringkas materi dengan AI, periksa teks asli dan susun kerangkanya sendiri.
- Setelah melihat contoh kode dari AI, tutup layar dan implementasikan fungsi utama dari awal.
- Mintalah argumen tandingan dari AI, tetapi tulis kesimpulan akhir dengan bahasa sendiri.
- Analisis penyebab kegagalan terlebih dahulu, lalu bandingkan dengan diagnosis AI.
- Jelaskan kepada orang lain tanpa alat mengenai hal yang dipelajari bersama AI.

Metode ini berguna untuk membedakan “kinerja ketika mendapat bantuan” dari “kemampuan yang benar-benar diperoleh”.

### 4. Atur chatbot sebagai tutor, bukan mesin jawaban

Tutor 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.

> 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.

### 5. Bedakan pekerjaan yang akan didelegasikan dari pekerjaan yang dilakukan sendiri

| Pekerjaan yang mudah diserahkan kepada AI | Pekerjaan yang harus dipimpin manusia |
|---|---|
| Konversi format dan pemeriksaan ejaan | Perumusan masalah dan tujuan |
| Penataan awal dokumen berulang | Penilaian nilai yang penting |
| Klasifikasi data yang teratur | Penentuan strategi dan prioritas |
| Draf email fungsional | Tulisan yang berpusat pada pengalaman dan perspektif pribadi |
| Draf kode berulang | Keputusan akhir terkait keselamatan, hukum, medis, dan keuangan |
| Ringkasan untuk menelusuri materi panjang | Verifikasi bukti dan persetujuan yang bertanggung jawab |

Kriterianya bukan sekadar kreatif atau nonkreatif. Pertanyaan yang harus diajukan adalah **apakah melakukan proses tersebut sendiri akan membangun daya pertimbangan di masa depan**.

### 6. Mintalah peta intelektual, bukan kesimpulan

Alih-alih langsung bertanya kepada AI “apa yang benar”, mintalah hal-hal berikut.

- Cendekiawan dan teori utama yang meneliti masalah ini
- Penjelasan yang saling bersaing
- Argumen tandingan yang representatif
- Sumber primer yang perlu diperiksa
- Asumsi utama dari setiap perspektif
- Isu yang belum mencapai kesepakatan

AI dapat digunakan seperti asisten peneliti atau pustakawan, tetapi keberadaan nyata penulis, makalah, dan kutipan yang disajikannya harus diperiksa secara terpisah.

## Entropi AI dan keunikan manusia

“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.

Manusia dapat melawan penyeragaman ini dengan menambahkan unsur-unsur berikut.

- Fakta konkret yang diamati secara langsung
- Ingatan dan kegagalan pribadi
- Pengetahuan tacit yang diperoleh di lapangan
- Standar nilai yang jelas dan alasan pemilihan
- Bagian yang tidak disetujui dari penjelasan yang ada
- Proses dan keterbatasan dalam memverifikasi hasil

Keunikan 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.

## Lingkungan yang perlu dirancang sekolah dan organisasi

Pendidikan 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.

Teori determinasi diri mengemukakan otonomi, kompetensi, dan keterhubungan sebagai kondisi utama untuk memahami motivasi serta kesejahteraan yang berkelanjutan.

| Kondisi | Makna | Contoh desain lingkungan AI |
|---|---|---|
| Otonomi | Merasa memiliki pilihan atas tujuan dan metode | Memungkinkan pelajar menentukan pertanyaan eksplorasi dan cakupan penggunaan AI |
| Kompetensi | Merasa bahwa kemampuan berkembang melalui latihan | Menyediakan tugas dengan tingkat kesulitan yang sesuai, umpan balik bertahap, dan kesempatan mencoba kembali |
| Keterhubungan | Merasa terhubung dengan orang lain dan dihormati | Menyertakan tinjauan mentor, diskusi rekan, dan pemecahan masalah bersama |

Sekolah dan organisasi dapat mengevaluasi hal-hal berikut secara bersamaan.

- Apakah seseorang dapat menjelaskan konsep utama tanpa AI
- Apakah materi yang digunakan dan proses verifikasi diungkapkan
- Apakah kesimpulan direvisi ketika muncul bukti yang berlawanan
- Apakah ketidakpastian ditandai secara tepat
- Apakah tugas kompleks yang berlangsung dalam jangka panjang telah diselesaikan
- Apakah hasil rekan ditinjau secara kritis dan diperbaiki

Hubungan 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.

## Prinsip operasional untuk mengurangi polarisasi kognitif

Di 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.

Individu dan organisasi dapat mengurangi risiko melalui prinsip-prinsip berikut.

1. Catat tahap pemikiran yang didelegasikan, bukan sekadar apakah AI digunakan atau tidak.
2. Tetapkan titik peninjauan manusia dan pemberi persetujuan untuk tugas-tugas penting.
3. Lakukan tugas reproduksi tanpa AI secara berkala.
4. Masukkan waktu untuk memeriksa sumber dan mencari contoh tandingan ke dalam proses kinerja.
5. Ukur bukan hanya kecepatan, tetapi juga tingkat kesalahan, biaya perbaikan, dan hasil pembelajaran.
6. Lindungi waktu fokus yang tidak membutuhkan penggunaan AI serta proyek jangka panjang.
7. Pastikan tenaga ahli meninjau bukan hanya hasil pemula, tetapi juga proses berpikirnya.

## Kesimpulan

Orang 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.

AI 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.

## FAQ

### Apakah sering menggunakan AI pasti menurunkan kemampuan berpikir kritis?
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.

### Apakah kebutuhan akan kognisi berarti memiliki kecerdasan tinggi?
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.

### Apakah pelari maraton mental adalah orang yang tidak menggunakan AI?
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.

### Bagaimana cara mempertahankan efektivitas pembelajaran sambil menggunakan AI?
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.

### Apa itu utang kognitif?
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.

### Pekerjaan seperti apa yang tepat untuk diserahkan kepada AI?
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.

### Bagaimana cara memverifikasi sumber yang disajikan oleh AI?
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.

### Apakah sekolah perlu mengurangi pendidikan pengetahuan pada era AI?
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.

### Apakah entropi AI merupakan istilah yang telah mapan secara ilmiah?
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.

### Apakah perlu menyediakan waktu khusus untuk bekerja tanpa AI?
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

- [Kebutuhan akan Kognisi](https://doi.org/10.1037/0022-3514.42.1.116)
- [Teori Determinasi Diri](https://selfdeterminationtheory.org/theory/)
- [Pedang Bermata Dua Pedagogi: Pengajaran Membatasi Eksplorasi dan Penemuan Spontan](https://doi.org/10.1016/j.cognition.2010.10.001)
- [Dampak AI Generatif terhadap Berpikir Kritis: Penurunan Upaya Kognitif yang Dilaporkan Sendiri dan Efek Kepercayaan Diri dari Survei terhadap Pekerja Pengetahuan](https://doi.org/10.1145/3706598.3713778)
- [Otak Anda saat Menggunakan ChatGPT: Akumulasi Utang Kognitif ketika Menggunakan Asisten AI untuk Tugas Menulis Esai](https://arxiv.org/abs/2506.08872)
- [Kerangka Kerja Manajemen Risiko AI NIST](https://www.nist.gov/itl/ai-risk-management-framework)

## Images

![Seseorang menavigasi labirin rumit dengan bentuk geometris, robot AI, ikon analisis, dan timbangan](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NDM4NywicHVyIjoiYmxvYl9pZCJ9fQ==--d2355873076dcf1540d4c7c21227550833e52723/ai-d37dd98a.webp)
![Seseorang berjalan di taman menuju robot AI di samping konveyor dokumen otomatis dan jam](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NDM5MywicHVyIjoiYmxvYl9pZCJ9fQ==--a9fe146f2c1652668777c2dc72d67318d8e62dfc/ai-b140cfe1.webp)