Sebuah studi baru yang melibatkan para peneliti dari Carnegie Mellon, MIT, Oxford, dan UCLA mengungkapkan efek samping paradoks dari kecerdasan buatan: menggunakan AI sedikitnya 10 menit dapat secara signifikan mengganggu kemampuan seseorang untuk berpikir dan memecahkan masalah.
Penelitian menunjukkan bahwa meskipun AI dapat meningkatkan produktivitas secara langsung, hal ini mungkin mengorbankan keterampilan kognitif dasar. Ketika peserta mengandalkan asisten AI untuk tugas-tugas sederhana—seperti menyelesaikan pecahan atau menjawab pertanyaan pemahaman bacaan—mereka menjadi kurang tangguh ketika alat tersebut dihapus. Tanpa “jaring pengaman” AI, orang-orang ini kemungkinan besar akan menyerah atau memberikan jawaban yang salah dibandingkan dengan mereka yang bekerja secara mandiri.
“Kesimpulannya bukanlah kita harus melarang AI di bidang pendidikan atau tempat kerja,” kata Michiel Bakker, asisten profesor di MIT dan salah satu penulis penelitian ini. “AI jelas dapat membantu orang-orang untuk bekerja lebih baik pada saat ini, dan hal ini dapat bermanfaat. Namun kita harus lebih berhati-hati mengenai jenis bantuan yang diberikan AI, dan kapan bantuan tersebut diberikan.”
Biaya Kognitif dari Kenyamanan
Studi ini, yang terdiri dari tiga percobaan dengan beberapa ratus peserta, menyoroti perbedaan penting antara efisiensi jangka pendek dan kemampuan jangka panjang.
Peserta dibayar untuk memecahkan masalah melalui platform online. Dalam beberapa skenario, asisten AI dapat menyelesaikan masalah secara mandiri. Ketika para peneliti tiba-tiba menghentikan bantuan ini, kelompok yang “bergantung pada AI” mengalami kesulitan yang signifikan. Hal ini menunjukkan bahwa kemauan untuk bertahan menghadapi kesulitan—yang merupakan faktor penentu pembelajaran dan perolehan keterampilan—akan berkurang ketika solusi diberikan dengan terlalu mudah.
Bakker, yang sebelumnya bekerja di Google DeepMind, mencatat bahwa fenomena ini berakar pada psikologi kognitif. Ini bukan hanya tentang mendapatkan jawaban yang benar; ini tentang bagaimana manusia merespons gesekan. Ketika AI menghilangkan semua hambatan, hal itu juga menghilangkan peluang pertumbuhan.
Memikirkan Kembali AI sebagai Guru, Bukan Sekadar Pemecah Masalah
Temuan ini menimbulkan pertanyaan mendesak bagi para pengembang dan pendidik AI: Bagaimana kita menyelaraskan model AI dengan nilai-nilai kemanusiaan tanpa melemahkan pengguna?
Bakker menganjurkan perubahan dalam cara sistem AI dirancang. Daripada selalu memberikan jawaban langsung, AI harus berfungsi lebih seperti pengajar manusia yang terampil—memberikan perancah, melatih, dan menantang pengguna untuk menemukan solusinya sendiri.
- Sistem Jawaban Langsung: Mengutamakan kecepatan dan akurasi, yang berpotensi mengikis keterampilan pengguna seiring berjalannya waktu.
- Sistem Scaffolding: Memprioritaskan pembelajaran, membimbing pengguna melalui proses pemecahan masalah.
Meskipun pendekatan desain “paternalistik” ini rumit untuk diterapkan, hal ini perlu untuk mencegah atrofi kognitif jangka panjang. Bakker menekankan bahwa memahami bagaimana AI berinteraksi dengan ketekunan dan pembelajaran manusia adalah pertanyaan kognitif mendasar yang tidak dapat diabaikan.
Risiko Dunia Nyata: Saat Otomatisasi Gagal
Bahaya menghilangkan pemikiran kritis menjadi sangat jelas ketika sistem AI gagal atau berperilaku tidak terduga. Hal ini terutama berlaku untuk AI agen —sistem yang melakukan tugas kompleks dan independen seperti pengkodean atau konfigurasi sistem.
Pengalaman Bakker sendiri menggambarkan risiko ini. Saat menggunakan asisten AI (OpenClaw, didukung oleh Codex) untuk memecahkan masalah Wi-Fi Linux, AI menyarankan serangkaian perintah untuk mengubah driver jaringan. Hasilnya sangat buruk: mesin menolak melakukan booting. Jika AI berhenti sejenak untuk menjelaskan masalah mendasar dan memandu pengguna melalui proses diagnostik, hasilnya mungkin akan berbeda. Sebaliknya, pengguna dibiarkan dengan sistem yang rusak dan tidak memiliki pemahaman lebih dalam tentang cara memperbaikinya.
Skenario ini mencerminkan kekhawatiran di kalangan pengembang perangkat lunak yang menggunakan alat seperti Claude Code atau Codex. Jika pembuat kode sepenuhnya bergantung pada AI untuk menghasilkan dan men-debug kode, mereka mungkin kehilangan kemampuan untuk mengidentifikasi dan memperbaiki kesalahan halus dan aneh yang dapat ditimbulkan oleh agen otonom.
Kesimpulan
Studi ini tidak menyerukan penolakan terhadap AI, melainkan keterlibatan yang lebih disengaja dengan AI. Untuk menjaga ketahanan kognitif, pengguna dan pengembang harus memprioritaskan alat yang mendorong pembelajaran dan ketekunan dibandingkan alat yang hanya memberikan jawaban instan. Sasarannya adalah AI yang meningkatkan kemampuan manusia, bukan AI yang menggantikan upaya mental yang diperlukan untuk membangunnya.
