Paradoks produktivitas AI

Produktivitas tenaga kerja telah menurun secara signifikan selama dekade terakhir, meskipun kecerdasan buatan telah berkontribusi dalam menggantikan tugas-tugas berulang dalam pekerjaan sehari-hari.

Apakah AI benar-benar meningkatkan produktivitas? Foto: LinkedIn .

Di tengah meningkatnya kekhawatiran akan hilangnya pekerjaan akibat AI, para optimis mengatakan bahwa AI hanyalah alat produktivitas yang akan menguntungkan pekerja dan perekonomian . CEO Microsoft Satya Nadella mengatakan pengguna cukup menyatakan tujuan mereka, sementara agen AI otomatis akan merencanakan, mengeksekusi, dan belajar di semua sistem.

Namun, AI menciptakan "jebakan produktivitas", yang mendorong semakin banyak orang untuk menggunakannya, bahkan bergantung padanya. Hal ini akan menyebabkan penurunan kemampuan untuk mempertanyakan diri sendiri, memecahkan masalah, dan yang lebih serius, memengaruhi kreativitas dan terobosan dalam hidup.

Fokus pada kuantitas daripada kualitas

Alat AI yang ideal , menurut FT, adalah alat yang hanya mengandalkan efisiensi untuk menyelesaikan masalah produktivitas. Surat kabar tersebut menunjukkan bahwa selama setengah abad terakhir, terdapat lebih banyak komputer yang diklaim lebih cepat dari sebelumnya, tetapi tingkat pertumbuhan produktivitas tenaga kerja di negara-negara maju telah menurun, dari sekitar 2% per tahun pada tahun 1990-an menjadi sekitar 0,8% saat ini.

Ketika komputer dilengkapi dengan internet dan bakat global terhubung, terobosan seharusnya meroket. Namun, produktivitas riset justru menurun. Ilmuwan masa kini menghasilkan lebih sedikit terobosan per dolar yang diinvestasikan dibandingkan pendahulu mereka di tahun 1960-an.

Ekonom Gary Becker menunjukkan bahwa orang tua dihadapkan pada pilihan antara "kualitas dan kuantitas." Semakin banyak anak yang mereka miliki, misalnya, semakin sedikit pula yang dapat mereka investasikan untuk setiap anak. Hal yang sama mungkin terjadi dalam hal inovasi.

Terlalu banyak proyek sekaligus dapat memengaruhi kreativitas. Foto: Adobe Stock.

Studi skala besar mengenai keluaran paten mengonfirmasi bahwa jumlah proyek yang dijalankan berbanding terbalik dengan kemungkinan terobosan. Dalam beberapa dekade terakhir, makalah ilmiah dan paten lebih merupakan proses trickle-down daripada terobosan.

Sementara itu, para pemikir besar dalam sejarah memahami hal ini dengan baik. Isaac Newton pernah berkata bahwa ia selalu "menaruh masalah di hadapannya... hingga sinar cahaya pertama muncul, sedikit demi sedikit, dan akhirnya bersinar terang dan penuh." "Inovasi berarti mengatakan tidak pada seribu hal," Steve Jobs setuju.

“Perangkap kemampuan menengah AI”

Bapak Ho Quoc Tuan, Direktur Program Magister Keuangan & Akuntansi di Universitas Bristol, menyebutkan konsep "jebakan kemampuan rata-rata AI". Pekerjaan rutin yang membutuhkan kemampuan orang-orang dengan kemampuan rata-rata seringkali mencakup banyak tugas berulang, mengikuti proses yang jelas dan terukur. Namun, beliau yakin bahwa itulah kekuatan AI yang luar biasa.

Model bahasa besar (LLM) cenderung berpegang teguh pada apa yang menurut statistik merupakan konsensus umum. Jika Anda memberikan teks abad ke-19 kepada chatbot, itu akan "membuktikan" bahwa manusia tidak dapat terbang sampai Wright bersaudara melakukannya.

Sebuah tinjauan yang diterbitkan pada Maret 2025 di jurnal Nature menemukan bahwa meskipun LLM dapat membantu mengurangi pekerjaan ilmiah yang repetitif, lompatan berpikir yang sesungguhnya tetap berada di tangan manusia. Tuan Tuan juga percaya bahwa berpegang teguh pada apa yang sudah diketahui, tidak berani mengambil risiko, dan memiliki kemampuan berpikir kritis merupakan kelemahan fatal di era AI.

Demis Hassabis, pemimpin tim Google DeepMind yang mengembangkan AlphaFold, sebuah model yang memprediksi bentuk protein, dianggap sebagai salah satu pencapaian ilmiah paling signifikan dalam AI hingga saat ini. Namun, ia pun mengakui bahwa mencapai kecerdasan buatan umum yang sesungguhnya masih membutuhkan "lebih banyak inovasi".

AlphaFold, karya ilmiah peraih Nobel, juga membutuhkan "lebih banyak inovasi". Foto: Google Deepmind.

Dalam jangka pendek, AI akan lebih mengutamakan efisiensi daripada kreativitas. Sebuah survei terhadap lebih dari 7.000 pekerja pengetahuan yang dipublikasikan di Arxiv menemukan bahwa mereka yang menggunakan AI generatif secara ekstensif mengurangi waktu email mereka rata-rata 3,6 jam per minggu (31%), sementara tugas-tugas kolaboratif sebagian besar tetap tidak berubah.

Namun, jika semua orang mengalihdayakan layanan penjawab email ke ChatGPT, jumlah email di kotak masuk dapat meningkat, sehingga mengurangi produktivitas awal. Menurut FT , pengalaman pemulihan produktivitas AS pada tahun 1990-an menunjukkan bahwa manfaat perangkat baru akan cepat memudar jika tidak dibarengi dengan terobosan kreatif yang nyata.

Sumber: https://znews.vn/nghich-ly-nang-suat-cua-ai-post1561451.html