Analisis kerangka pengambilan keputusan AI: tes keterampilan Schneier

Saya memergoki diri saya sendiri menyerahkan tindakan berpikir yang sangat kecil kepada orang lain minggu lalu. Bukan pekerjaan intelektual besar, hanya kalimat pertama yang canggung dari sebuah email yang sebenarnya tidak ingin saya tulis. Lucunya, email itu justru memakan waktu lebih lama karena saya harus memutuskan apakah meminta bantuan AI itu cerdas, malas, efisien, atau entah bagaimana ketiganya sekaligus. Keraguan kecil itu sedang menjadi antarmuka nyata pekerjaan modern, momen sebelum prompt, saat kita memutuskan tugas tertentu seharusnya membentuk kita menjadi orang seperti apa.

Forklift dan ruang angkat beban

Bruce Schneier memberi bentuk yang berguna pada keraguan itu. Dalam sebuah esai di Schneier on Security, yang awalnya diterbitkan oleh The Guardian, Schneier menulis dari pengalamannya mengajar kebijakan publik di Harvard Kennedy School dan Munk School di University of Toronto, tempat para mahasiswa secara rutin menggunakan AI untuk tugas menulis. Poinnya bukan bahwa AI tidak bisa menulis. Poinnya adalah bahwa menulis mungkin justru latihan yang ingin dipraktikkan mahasiswa ketika datang ke kampus.

Schneier mengapresiasi peneliti AI Daniel Meissler atas pembedaan yang membuat seluruh perdebatan ini tidak terlalu bernada menghakimi: kerja versus gym. Jika tugasnya adalah memindahkan benda berat melintasi ruangan, gunakan gerobak, forklift, atau robot bertenaga AI. Jika tugasnya adalah angkat beban, robot yang mengangkat beban itu justru menggagalkan tujuannya. Versi The Guardian menangkap gagasan itu dalam satu kalimat tajam: "Tugas menulis yang saya berikan kepada mahasiswa saya adalah tugas gym, bukan tugas kerja."

Itulah perubahannya. Pertanyaannya bukan, bisakah AI melakukan ini? Tentu saja kemampuannya bertambah setiap bulan. Pertanyaan yang lebih baik adalah, keterampilan apa yang sedang saya coba bangun atau pertahankan dengan melakukan ini sendiri?

Buku besar keterampilan

Kerangka Schneier berguna karena memperlakukan keterampilan sebagai aset, bukan sekadar suasana hati. Seorang pembelajar, analis junior, pendiri, atau manajer bisa menyimpan buku besar pribadi berisi tugas-tugas yang memperkuat penilaian. Menyusun argumen, menelusuri asumsi yang berantakan, membaca laporan yang padat, atau duduk bersama ketidakpastian mungkin memang sengaja dibuat lambat. Itu bukan hambatan dalam alur kerja, itu adalah latihannya.

The Guardian membingkai dilema ini di sekitar hasil versus proses, dengan mencatat bahwa kadang-kadang yang penting bukan produk akhirnya, melainkan apa yang seseorang curahkan ke dalam tindakan menghasilkan produk itu. Pembedaan itu penting karena AI membuat produk akhir tampak seolah-olah bisa dipisahkan dengan mudah dari kapasitas manusia di baliknya. Memo yang lancar bisa menyembunyikan pikiran yang belum terlatih. Slide yang rapi bisa menutupi fakta bahwa tidak ada seorang pun di ruangan itu belajar bagaimana jawaban tersebut dibuat.

Jadi langkah praktisnya sederhana: sebelum membuka chatbot, sebutkan ototnya. Jika tugas itu melatih keterampilan yang Anda ingin dimiliki oleh diri Anda di masa depan, lakukan dulu bagian yang bermakna dari tugas itu sendiri. Jika tugas itu hanya memindahkan informasi dari satu tempat ke tempat lain, atau mengubah niat yang sudah diketahui menjadi bentuk rutin, libatkan mesin.

Saat kecepatan adalah intinya

Di sinilah ceramah anti-AI runtuh, dan syukurlah begitu. Kolumnis MIT Sloan Management Review, Benjamin Laker, berpendapat bahwa AI dapat mempercepat pekerjaan, tetapi tidak seharusnya menggantikan penilaian manusia dalam komunikasi atau keputusan yang melibatkan nilai, hubungan, atau kepercayaan. Itu masih menyisakan banyak ruang bagi AI untuk membantu tugas-tugas mekanis, terutama pekerjaan berulang dan bermakna rendah yang menyita perhatian tanpa banyak mengembangkan kebijaksanaan.

Intinya bukan meromantisasi gesekan. Sebagian gesekan hanyalah saluran air yang buruk. Tidak ada orang yang menjadi ahli strategi lebih baik karena memformat ulang catatan yang sama enam kali, merapikan teks standar, atau menatap templat kosong ketika pekerjaan sebenarnya adalah memutuskan apa yang penting. Dalam istilah Schneier, itu adalah momen forklift. Gunakan alatnya, lalu gunakan perhatian yang dihemat untuk bagian pekerjaan tempat penilaian benar-benar berada.

Batasnya tidak ditentukan oleh jabatan. Tugas yang sama bisa menjadi kerja gym pada hari Senin dan kerja forklift pada hari Jumat. Seorang mahasiswa yang sedang belajar menulis mungkin memang perlu bergulat dengan paragraf. Seorang pakar kebijakan yang menulis ringkasan rutin kesepuluh tentang posisi yang sudah ia pahami mungkin wajar meminta AI membuat draf awal, lalu mengeditnya untuk akurasi, nada, dan tanggung jawab.

Budaya usaha

David Brooks, menulis di The Atlantic, mendorong pertanyaan ini melampaui sekolah dan etiket kantor. Argumennya adalah bahwa yang akan membedakan orang di era AI bukan sekadar kecerdasan, melainkan hubungan mereka dengan usaha mental. Itu terdengar hampir kuno sampai Anda menyadari betapa cepatnya AI mengubah usaha menjadi preferensi konsumen. Sekarang kita bisa memilih, tugas demi tugas, apakah kita ingin merasakan bebannya.

Pilihan itu akan membentuk karier secara diam-diam. Orang yang menggunakan AI untuk menghindari setiap kesulitan mungkin menjadi lebih cepat menghasilkan permukaan, tetapi lebih lemah dalam membentuk naluri. Orang yang menolak AI di mana pun mungkin membuang energi untuk menjaga pekerjaan remeh yang tidak pernah layak mendapatkan pengabdian mereka. Jalan yang bernilai berada di antara kedua kekeliruan itu: lindungi gym, otomatisasi pengangkutan, dan tinjau kembali batasnya saat keterampilan Anda matang.

Bagi pembaca, eksperimen berikutnya sangat sederhana dan rendah teknologi. Lain kali Anda hendak menggunakan AI, berhentilah cukup lama untuk menulis satu kalimat: tugas ini adalah kerja, atau tugas ini adalah gym. Lalu bertindaklah sesuai itu. Jika kalimat kecil itu mengubah apa yang Anda minta mesin lakukan, bagian lain mana dari hari Anda yang selama ini salah diklasifikasikan?