Paradoks produktivitas AI

Produktivitas tenaga kerja telah mengalami penurunan signifikan selama dekade terakhir, bahkan ketika kecerdasan buatan telah membantu menggantikan tugas-tugas berulang dalam pekerjaan sehari-hari.

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

Di tengah meningkatnya kekhawatiran tentang hilangnya pekerjaan akibat AI, para optimis berpendapat bahwa AI hanyalah alat untuk meningkatkan produktivitas, yang menguntungkan baik pekerja maupun perekonomian . CEO Microsoft, Satya Nadella, menyatakan bahwa pengguna hanya perlu menyatakan tujuan mereka, sementara agen AI otomatis akan merencanakan, mengeksekusi, dan belajar sendiri di semua sistem.

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

Mengutamakan kuantitas daripada kualitas.

Menurut FT, alat AI akan ideal ketika kinerja saja sudah cukup untuk menyelesaikan masalah produktivitas. Surat kabar tersebut menunjukkan bahwa dalam setengah abad terakhir, banyak komputer telah dikembangkan yang konon lebih cepat dari sebelumnya, tetapi laju pertumbuhan produktivitas tenaga kerja di negara-negara maju telah melambat, dari sekitar 2% per tahun pada tahun 1990-an menjadi hanya sekitar 0,8% saat ini.

Dengan munculnya komputer, internet, dan konektivitas talenta global, terobosan seharusnya terjadi secara pesat. Namun, produktivitas penelitian justru menurun. Seorang ilmuwan saat ini menghasilkan lebih sedikit ide inovatif per dolar yang diinvestasikan dibandingkan pendahulunya di tahun 1960-an.

Ekonom Gary Becker pernah menunjukkan bahwa orang tua dihadapkan pada pilihan antara "kualitas dan kuantitas." Misalnya, semakin banyak anak yang mereka miliki, semakin kecil kemungkinan mereka untuk berinvestasi pada setiap anak secara individual. Hal yang sama mungkin terjadi pada inovasi.

Terlalu banyak proyek sekaligus dapat berdampak negatif pada kreativitas. Foto: Adobe Stock.

Studi skala besar tentang keluaran paten mengkonfirmasi bahwa jumlah proyek yang dilakukan berbanding terbalik dengan kemungkinan terobosan. Dalam beberapa dekade terakhir, makalah ilmiah dan paten semakin menjadi tambahan bertahap daripada terobosan besar.

Sementara itu, para pemikir hebat sepanjang sejarah memahami hal ini. Isaac Newton pernah berkata bahwa ia selalu "mempertahankan suatu masalah di hadapannya... sampai percikan cahaya pertama muncul, sedikit demi sedikit, dan akhirnya meledak menjadi cahaya yang jernih dan lengkap." "Kreativitas adalah mengatakan tidak pada seribu hal," Steve Jobs setuju.

"Jebakan Kemampuan Menengah AI"

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

Model bahasa skala besar (LLM) cenderung berpegang pada apa yang dianggap statistik sebagai konsensus umum. Jika Anda meminta chatbot membaca teks abad ke-19, chatbot tersebut akan "membuktikan" bahwa manusia tidak bisa terbang, sampai Wright bersaudara berhasil melakukannya.

Sebuah ulasan yang diterbitkan di Nature pada Maret 2025 menunjukkan bahwa, meskipun LLM dapat membantu mengurangi tugas-tugas ilmiah yang berulang, lompatan nyata dalam berpikir masih tetap menjadi milik manusia. Bapak Tuan juga berpendapat bahwa berpegang teguh pada apa yang sudah diketahui, enggan mengambil risiko, dan kurangnya pemikiran kritis merupakan kelemahan fatal di era AI.

Demis Hassabis, kepala tim di Google DeepMind yang mengembangkan AlphaFold, sebuah model yang mampu memprediksi bentuk protein, dianggap sebagai salah satu pencapaian ilmiah paling luar biasa dalam AI hingga saat ini. Namun, bahkan dia mengakui bahwa mencapai kecerdasan buatan yang benar-benar umum masih membutuhkan "lebih banyak inovasi."

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

Dalam waktu dekat, AI terutama akan membantu meningkatkan efisiensi daripada mendorong inovasi. Sebuah survei yang diterbitkan di Arxiv terhadap lebih dari 7.000 pekerja pengetahuan menunjukkan bahwa mereka yang menggunakan AI dengan tingkat produktivitas tinggi mengurangi waktu pemrosesan email mereka rata-rata 3,6 jam per minggu (setara dengan 31%), sementara tugas kolaboratif hampir tidak berubah.

Namun, jika semua orang mendelegasikan balasan email ke ChatGPT, jumlah email di kotak masuk dapat meningkat, sehingga mengurangi efisiensi awal. Menurut FT , pengalaman dari pemulihan produktivitas AS pada tahun 1990-an menunjukkan bahwa manfaat dari alat baru akan cepat hilang jika tidak disertai dengan terobosan inovatif yang nyata.

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