“Mantanku brengsek. Pacar berikutnya juga brengsek. Yang setelahnya, sama aja.” Empat hubungan berarti empat pengalaman. Tapi kalau semuanya disimpan dengan satu label yang sama, “database” di kepalamu cuma nambah satu kolom berguna: brengsek.
Nah, di sinilah masalahnya.
Punya banyak pengalaman itu beda dengan berhasil menarik pola yang bisa dipakai lagi dari pengalaman itu. ChatGPT juga begitu. Kalau seluruh jawabannya kamu serahkan begitu saja, bisa jadi kamu jadi lebih jarang berpikir. Tapi kalau kamu terus bertanya “kenapa?”, “ada penjelasan lain?”, “apa yang bisa membuktikan ini salah?”, “penelitiannya bilang apa?”, dan “informasi apa yang bisa mengubah kesimpulanku?”, AI bukan lagi pengganti otakmu. Ia jadi teman sparring buat melatih nalar.
Tinjauan sistematis tahun 2026 yang merangkum 67 studi empiris menemukan hal serupa. Saat ChatGPT dipakai secara terstruktur, dengan pertanyaan dan refleksi di dalamnya, ia cenderung membantu berpikir tingkat tinggi. Saat orang hanya menerima jawaban apa adanya, lebih sering muncul keterlibatan yang dangkal dan kebiasaan menyerahkan proses berpikir ke AI.[1]
1. Apa benar pakai AI bikin kita jadi jarang berpikir?
Jawaban paling jujur: tergantung cara pakainya.
Sebuah studi tahun 2025 meneliti 319 pekerja pengetahuan dengan 936 contoh nyata pemakaian AI. Semakin orang percaya pada AI, semakin sedikit berpikir kritis yang mereka laporkan. Semakin mereka percaya pada penilaian sendiri, semakin sering mereka mengecek ulang. Berpikir kritis mereka juga bergeser ke menentukan tujuan, memeriksa hasil, menggabungkan informasi, dan memegang keputusan akhir.[2]
Jadi kalau polanya begini:
Tanya AI → terima jawaban → selesai
pemikiran gampang sekali “dialihdayakan”.
Tapi kalau polanya begini:
Ada yang terasa janggal
→ ubah jadi pertanyaan
→ buat hipotesis
→ minta AI hipotesis tandingan
→ cek penelitian dan sumber primer
→ bandingkan dengan kasus lain
→ perbaiki modelnya
→ coba di dunia nyata
→ sesuaikan lagi berdasarkan hasilnya
kamu masih punya banyak kerjaan.
Niatnya pakai AI biar santai, eh malah punya komite peer review di dalam kepala sendiri.
2. Kenapa “dia brengsek” saja tidak mengajarkan banyak hal?
Kata “brengsek” memang melegakan diucapkan, tapi terlalu kasar untuk dipakai memprediksi.
Orang A = brengsek
Orang B = brengsek
Orang C = brengsek
Orang D = brengsek
Empat pengalaman, tapi hampir tidak ada yang membedakan satu kasus dari kasus lain.
Simpan saja apa yang terjadi, langkah demi langkah:
Melewati batas kecil
→ melihat bagaimana kamu bereaksi
→ berhenti setelah ditegur / jalan terus
→ tuntutan mengecil / membesar
Menunjukkan sayang yang berlebihan
→ hubungan jadi stabil
→ usahanya kembali normal / tiba-tiba hilang
Ditunjukkan ada masalah
→ menjelaskan situasinya
→ mencoba memperbaiki / melempar semua kesalahan balik
Satu perilaku saja belum membuktikan seseorang punya karakter buruk yang permanen. Salah paham, kelelahan, kurang kemampuan, atau kesalahan sekali-sekali bisa terlihat mirip.
Yang lebih layak dicatat adalah kondisinya, apakah berulang, bagaimana ia berubah setelah dikritik, siapa yang diuntungkan, dan apakah ada upaya memperbaiki.
Jangan langsung loncat dari “dia pernah berbuat buruk” ke “dia orang jahat”. Simpan mekanismenya, bukan labelnya.
3. Bisakah cara membandingkan pengalaman lebih penting daripada jumlahnya?
Kadang iya.
Dalam studi klasik Gick dan Holyoak, orang yang menjelaskan kesamaan struktur dari dua masalah yang tampak sangat berbeda lebih mampu memakai solusi dasarnya untuk masalah baru.[3]
Hal serupa muncul dalam pelatihan negosiasi. Tim yang membandingkan dua kasus untuk mencari struktur yang sama lebih berhasil memakai strategi kunci dalam negosiasi baru dibanding tim yang mempelajari kasus yang sama secara terpisah.[4]
Jadi daripada mencatat:
Hubungan A: buruk banget
Hubungan B: buruk banget
Tempat kerja C: buruk banget
coba catat begini:
Hubungan A: batas yang kabur bikin tuntutan makin banyak
Tempat kerja C: pembagian peran yang kabur bikin tugas menumpuk
Struktur bersama: kalau batasnya tidak jelas, beban cenderung menumpuk di satu pihak
Tokohnya beda, tapi diagram sambungannya sama.
4. Apa yang terlatih kalau kita terus bertanya “kenapa?” dan “apa yang bisa membuktikan ini salah?”
Menjelaskan sebab dan hubungan antarhal pada diri sendiri disebut swapenjelasan (self-explanation). Meta-analisis dari 64 laporan penelitian dan 69 ukuran efek menemukan manfaat belajar yang sedang rata-rata ketika orang didorong menjelaskan sendiri.[5]
Meta-analisis lain, yang mencakup 122 eksperimen dan 10,382 peserta, meneliti latihan menarik informasi dari ingatan. Dibanding hanya membaca ulang, latihan itu rata-rata lebih terbawa ke materi baru, termasuk soal penerapan dan inferensi.[6]
Jadi pertanyaan-pertanyaan seperti ini gunanya lebih dari sekadar memperpanjang obrolan:
- Sebenarnya apa yang terjadi?
- Kenapa aku menafsirkannya begitu?
- Sebab lain apa yang cocok dengan faktanya?
- Apa contoh tandingan yang paling kuat?
- Informasi baru apa yang akan mengubah kesimpulanku?
- Pernahkah aku melihat struktur yang sama di tempat lain?
Pertanyaan-pertanyaan itu mengubah pengalaman menjadi struktur yang bisa dicari lagi nanti.
5. Bagaimana ini bisa memunculkan rasa “aku bisa lihat apa yang bakal terjadi”?
Kalau model abstrak sudah cukup banyak, kamu tidak perlu mulai dari nol di setiap situasi baru.
Kejadian baru
→ cocokkan dengan model A, B, dan C
→ perkirakan sekarang ada di tahap mana
→ buat hipotesis tentang yang terjadi berikutnya
→ amati, lalu perbarui
Ini bukan meramal. Ini cuma kemampuan menarik hipotesis awal dari perpustakaan pola.
Jebakan besarnya adalah bias melihat ke belakang. Setelah hasilnya keluar, bilang “tuh kan, sudah kuduga” itu gratis.
Kalau mau betul-betul menguji kemampuan menebak, catat sebelum hasilnya keluar:
Prediksi: X akan terjadi dalam 2 minggu
Probabilitas: 70%
Alasan: A dan B sudah terlihat
Yang bisa membuktikan aku salah: kalau C terjadi, modelnya kuperbaiki
Hasil: terjadi / tidak terjadi
Penelitian ilmu keputusan tentang analisis intelijen juga menyarankan agar akurasi prediksi dan ketidakpastiannya dicatat dengan angka.[7]
Dengan begitu, “rasanya aku jago nebak” berubah jadi sesuatu yang bisa dikalibrasi.
6. Kalau ChatGPT jadi otak eksternal, apa yang harus tetap kamu pegang?
AI jago untuk pekerjaan berat dan berulang: mencari, mengusulkan pilihan, membandingkan, membela sisi sebaliknya, meringkas, dan merapikan format.
Yang sebaiknya tetap kamu pegang sendiri:
- Apa yang terasa janggal buatmu
- Bagaimana kamu mendefinisikan masalahnya
- Bukti mana yang kamu percaya
- Apa yang bisa membuktikan modelnya salah
- Model mana yang akhirnya kamu pilih
- Apa yang akan kamu uji di dunia nyata
- Apa yang kamu buang setelah melihat hasilnya
Beberapa pertanyaan yang berguna:
- Apa argumen terkuat yang melawan hipotesis ini?
- Penjelasan sebab-akibat lain apa yang cocok dengan fakta yang sama?
- Kalau asumsi awalku salah, kemungkinan besar salahnya di mana?
- Apa yang bisa kucek di sumber primer?
- Apakah aku mencampuradukkan korelasi dengan sebab-akibat?
- Fakta tambahan apa yang akan mengubah kesimpulan?
- Adakah kasus serupa di bidang lain?
- Apa yang diprediksi model ini akan terjadi selanjutnya?
Kalau pertanyaanmu cuma “aku benar, kan?”, AI berubah jadi boneka pengangguk raksasa.
Otak eksternalmu harus jago membantahmu, bukan cuma mengangguk.
7. Kenapa menuliskannya jadi artikel membuat siklusnya makin kuat?
Obrolan hilang begitu di-scroll. Artikel menyimpan strukturnya.
Pengalaman
→ pertanyaan
→ riset
→ contoh tandingan
→ struktur bersama
→ aturan praktis
→ disimpan
→ dipakai lagi di kasus berikutnya
Artikel bukan sekadar sesuatu yang dipublikasikan. Ia bekerja seperti cache dari pemikiran yang dulu makan banyak tenaga.
Dan makin banyak artikel yang terkumpul, makin sering kamu berpikir, “Eh, bukannya ini struktur yang sama dengan masalah yang dulu itu?”
Bukan cuma pengetahuan yang bertambah. Sambungan antarpengetahuan juga bertambah.
8. Jadi, “mata jeli menilai orang dan situasi” itu terbuat dari apa?
Bukan sekadar soal berapa banyak orang, pekerjaan, atau krisis yang pernah kamu lalui.
Kira-kira begini gambarannya:
daya nilai
≈ jumlah kasus
× detail yang diambil dari tiap kasus
× perbandingan antarkasus
× upaya membuktikan diri sendiri salah
× pengecekan ke kenyataan
Kalau empat orang disimpan sebagai “brengsek”, hasilnya bisa brengsek × 4 = satu data.
Tapi kalau kamu pisahkan soal batas, lempar kesalahan, perbaikan, kesesuaian ucapan dan tindakan, serta perubahan perilaku di kondisi berbeda, empat pengalaman yang sama meninggalkan beberapa model yang bisa dipakai ulang.
Nilai sebenarnya dari ChatGPT bukan cuma jawaban yang lebih cepat.
Yang penting, kamu bisa menjalankan siklus ini lebih cepat: membuat hipotesis, menyerangnya, membangunnya lagi, membawanya ke kasus lain, dan mengujinya ke kenyataan.
Jangan serahkan pemikiranmu ke AI.
Perbanyak saja putaran berpikirnya.
Dengan begitu AI bukan lagi otak pengganti, melainkan rekan lab yang terus melempar bola balik dan sepertinya tidak pernah pulang.
