Di Era AI, Belajar Apa Sebenarnya yang Paling Penting?

Dulu, kita sering mendengar nasihat: pilih satu bidang, tekuni, lalu jadilah ahli.

Nasihat itu masuk akal. Dunia membutuhkan orang yang memahami pekerjaannya secara mendalam. Seorang insinyur perlu mengerti cara mesin bekerja. Dokter perlu menguasai ilmu kedokteran. Programmer harus memahami logika di balik sistem yang dibuatnya.

Namun, perkembangan artificial intelligence (AI) membuat saya ingin mengajak pembaca memikirkan pertanyaan lain: kalau semakin banyak pekerjaan teknis bisa dibantu AI, apa yang sebetulnya perlu kita pelajari?

Ketika bisa menggunakan tools tidak lagi cukup

Bayangkan dua orang menggunakan AI yang sama untuk membuat aplikasi.

Orang pertama langsung meminta AI menulis kode. Aplikasinya berhasil dijalankan. Orang kedua memulai dengan bertanya: masalah apa yang ingin diselesaikan? Siapa penggunanya? Bagaimana kita tahu solusinya berhasil? Apa risikonya? Bahkan, apakah aplikasi memang solusi terbaik?

Keduanya menggunakan teknologi yang sama, tetapi cara berpikir mereka berbeda.

AI dapat membantu membuat banyak kemungkinan jawaban. Namun, menentukan pertanyaan yang layak diajukan, memeriksa asumsi, dan bertanggung jawab atas keputusan tetap menjadi tugas manusia.

Mungkin tantangan belajar di era AI bukan hanya menguasai teknologi, tetapi juga belajar berpikir sebelum menggunakannya.

Mengapa cara berpikir generalis menarik?

Seorang generalis mencoba memahami hubungan di antara banyak bidang. Ini penting karena masalah nyata jarang mengikuti batas satu mata pelajaran.

Transportasi ramah lingkungan, misalnya, menyentuh fisika, engineering, ekonomi, lingkungan, kebijakan, dan perilaku manusia. Melestarikan budaya melalui teknologi mungkin melibatkan sejarah, bahasa, desain, pendidikan, dan pemrograman.

Generalis yang baik bukan orang yang mengetahui sedikit tentang segalanya lalu merasa sudah ahli. Ia cukup terbuka untuk belajar lintas disiplin dan cukup rendah hati untuk mencari bantuan ketika membutuhkan pengetahuan yang lebih dalam.

Apakah spesialis lalu tidak diperlukan?

Tentu tidak. AI mungkin bisa menuliskan kode simulasi penerbangan dalam beberapa saat. Tetapi seseorang tetap harus memeriksa apakah rumus fisikanya benar, apakah asumsi modelnya masuk akal, dan apakah hasilnya aman digunakan.

Penjelasan AI yang terdengar meyakinkan pun belum tentu tepat. Tanpa pengetahuan dasar, kita akan sulit mengetahui kapan harus percaya dan kapan harus menguji ulang.

Karena itu, keluasan dan kedalaman bukan dua pilihan yang saling meniadakan. Keluasan membantu kita melihat hubungan; kedalaman membantu kita menilai kebenarannya. Cara berpikir generalis dan ketelitian spesialis justru bisa saling memperkuat.

Dari mengerjakan semuanya menjadi mampu mengarahkan

Bayangkan seorang pelajar ingin membuat website untuk membantu teman-temannya memahami astronomi. AI dapat membantu menjelaskan HTML, membuat prototipe, atau menemukan kesalahan dalam kode. Hambatan untuk mulai bereksperimen menjadi lebih rendah.

Tetapi pelajar itu tetap harus memahami tujuan website, menguji kalkulasi astronominya, mendengarkan pembaca, dan mengakui jika suatu bagian dibuat dengan bantuan AI atau mentor.

Ketika proyek melibatkan orang lain, komunikasi dan kerja sama ikut menentukan hasil. AI bisa membantu menyiapkan rencana atau merangkum ide, tetapi kepemimpinan bukan sekadar memberi instruksi kepada alat. Memimpin berarti mendengarkan, membagi tanggung jawab, membangun kepercayaan, dan membantu tim berkembang.

Pendidikan yang melatih cara berpikir

Kita tidak tahu persis alat apa yang akan populer sepuluh tahun lagi. Bahasa pemrograman, platform, dan jenis pekerjaan bisa berubah. Tetapi beberapa kebiasaan belajar akan tetap berguna: bertanya dengan baik, berpikir kritis, memahami sebab-akibat, memeriksa bukti, bekerja sama, dan berani mengubah pendapat ketika menemukan kesalahan.

Matematika melatih penalaran. Sains mengajarkan cara menguji dugaan. Engineering mempertemukan teori dengan batasan nyata. Musik mengajarkan latihan, ritme, dan mendengarkan orang lain. Budaya membantu kita memahami manusia dan konteksnya.

Bidang-bidang itu tidak harus dipilih sebagai kotak yang saling terpisah. Kita bisa belajar menghubungkannya—tanpa berpura-pura menguasai semuanya sekaligus.

Belajar untuk memahami, bukan sekadar terlihat mampu

AI bisa membantu membuat website yang rapi, presentasi yang menarik, dan tulisan yang enak dibaca. Tetapi setelah hasilnya terlihat bagus, masih ada pertanyaan penting:

• Apakah kita mengerti apa yang dibuat?
• Bisakah kita menjelaskan keputusan dan keterbatasannya?
• Bisakah kita menemukan kesalahan saat hasilnya meleset?
• Apa yang benar-benar kita pelajari selama prosesnya?

Untuk seorang pelajar, satu proyek sederhana yang dipahami, diuji, lalu diperbaiki berkali-kali bisa lebih berharga daripada banyak proyek yang tampak selesai tetapi tidak meninggalkan pemahaman.

Menjadi manusia yang terus belajar

Mungkin tujuan belajar di era AI bukan menjadi orang dengan jawaban terbanyak. Kita perlu menjadi orang yang bisa mengajukan pertanyaan lebih baik, memahami masalah dari berbagai sudut pandang, menggunakan teknologi secara bertanggung jawab, dan bekerja bersama orang lain.

Kita masih membutuhkan keahlian mendalam. Kita juga membutuhkan rasa ingin tahu yang luas, kreativitas, empati, dan keberanian mencoba.

Karena teknologi yang semakin pintar tidak otomatis membuat manusia semakin bijaksana. Kemampuan berpikir, menilai, dan bertumbuh tetap perlu kita latih sendiri.