Perkembangan Artificial Intelligence (AI) menjadi fenomena yang sudah tidak terbendung dalam lebih dari satu dekade terakhir. AI kini sudah menjadi rekan sehari-hari yang mempermudah hampir seluruh aspek kehidupan manusia karena kemampuannya dalam mengumpulkan, mengolah, dan menghasilkan informasi. Siswa menggunakan AI untuk belajar dan mengerjakan tugas, karyawan menggunakan AI untuk membuat laporan, menganalisis data, dan mengevaluasi hasil pekerjaan.
Seiring dengan perkembangan teknologi, semakin banyak tugas yang melibatkan proses berpikir dapat dialihkan kepada AI. Lantas, ketika berbagai pekerjaan kognitif dapat diselesaikan dengan bantuan AI, seberapa penting peran kemampuan berpikir manusia?
Cognitive Offloading: Efisiensi atau Ketergantungan?
Menyerahkan sebagian tugas berpikir kepada teknologi bukanlah fenomena baru. Sejak awal, teknologi memang dikembangkan untuk memudahkan pekerjaan manusia agar lebih efisien. Fenomena ini disebut sebagai cognitive offloading, yakni penggunaan sumber daya eksternal untuk mengurangi beban kognitif (Risko & Gilbert, 2016).
Di era AI, semakin banyak aktivitas kognitif yang dapat dialihkan kepada teknologi. Secara waktu, tentunya menjadi jauh lebih efisien. AI memungkinkan manusia memperoleh informasi, menyusun laporan, menganalisis data, hingga menyelesaikan persoalan kompleks dengan lebih cepat. Hal ini tentu memberikan keuntungan dari segi efisiensi waktu dan pekerjaan. Namun, kemudahan tersebut juga menimbulkan pertanyaan: apakah berkurangnya keterlibatan manusia dalam proses berpikir dapat berdampak pada kemampuan yang dimilikinya?
Cash et al. (2026) menjelaskan bahwa dampak cognitive offloading perlu dibedakan antara keterampilan yang dipelajari (learned skills) dan kemampuan kognitif dasar (basic cognitive abilities). Kemampuan kognitif dasar, seperti working memory dan atensi, diperkirakan lebih resisten terhadap dampak negatif penggunaan AI, meskipun konsekuensi jangka panjangnya masih belum diketahui. Sebaliknya, menyerahkan seluruh proses pengerjaan tugas kepada AI (total offloading) berpotensi menghambat penguasaan keterampilan baru (skill acquisition) dan juga mempercepat penurunan keterampilan yang telah dikuasai (skill decay). Keterampilan tersebut mencakup kemampuan menulis, berhitung, dan menyelesaikan masalah yang membutuhkan latihan serta keterlibatan kognitif secara aktif.
Critical Thinking: Keterampilan Kunci Kolaborasi dengan AI
Cash et al. (2026) menjelaskan bahwa dampak penggunaan AI terhadap keterampilan dan pengetahuan manusia bergantung pada cara pemanfaatannya. Penggunaan AI secara kolaboratif berpotensi mendukung proses belajar dan pengembangan keterampilan, termasuk ketika individu harus menyelesaikan tugas secara mandiri tanpa bantuan AI. Misalnya, ketika menggunakan AI untuk mencari dan merangkum referensi, individu tetap perlu memeriksa kredibilitas sumber, membandingkan informasi, serta menyusun kesimpulannya sendiri. Dengan demikian, AI membantu mempercepat pekerjaan tanpa sepenuhnya menggantikan keterlibatan manusia dalam proses berpikir.
Salah satu keterampilan yang berperan penting dalam penggunaan AI secara kolaboratif adalah berpikir kritis (critical thinking). Menurut Facione (1990), berpikir kritis merupakan proses penilaian yang melibatkan interpretasi, analisis, evaluasi, dan penarikan kesimpulan berdasarkan pertimbangan yang dapat dipertanggungjawabkan. Keterampilan ini membantu individu untuk tidak langsung menerima informasi yang dihasilkan AI, melainkan mempertanyakan keakuratan, relevansi, dan dasar argumentasinya. Dengan tetap terlibat secara aktif dalam proses berpikir, individu berpotensi mengurangi risiko kehilangan kesempatan untuk melatih dan mengembangkan keterampilannya.
Penelitian Hou et al. (2025) terhadap 808 mahasiswa menunjukkan bahwa kemampuan dan kecenderungan berpikir kritis berhubungan positif dengan tiga pola penggunaan AI, yaitu reflective use, cautious use, dan collaborative use. Individu yang lebih banyak menerapkan berpikir kritis cenderung mengevaluasi hasil AI secara reflektif, berhati-hati terhadap kemungkinan kesalahan, serta memanfaatkan AI dalam proses diskusi dan penyempurnaan solusi. Sebaliknya, kepercayaan yang tinggi terhadap AI ditemukan berkaitan dengan thoughtless use, yaitu kecenderungan menggunakan hasil AI tanpa evaluasi yang memadai.
Temuan tersebut relevan bagi dunia pendidikan maupun industri. Dalam pendidikan, siswa dapat memanfaatkan AI untuk memperoleh penjelasan atau alternatif penyelesaian soal, tetapi tetap perlu mengevaluasi langkah-langkahnya dan mencoba menyelesaikan persoalan serupa secara mandiri. Sementara itu, dalam dunia kerja, karyawan dapat menggunakan AI untuk menganalisis data atau menyusun rekomendasi, tetapi tetap bertanggung jawab memverifikasi informasi, menguji asumsi, serta mempertimbangkan risiko sebelum mengambil keputusan. Dengan demikian, kemampuan berpikir kritis diperlukan bukan untuk membatasi penggunaan AI, melainkan untuk memastikan bahwa manusia tetap memegang kendali atas proses penalaran dan pengambilan keputusan.
Namun, kemampuan berpikir kritis tidak selalu dimiliki setiap individu pada tingkat yang sama. Oleh karena itu, sebelum merancang strategi pengembangannya, institusi pendidikan maupun organisasi perlu terlebih dahulu memahami kemampuan berpikir kritis yang dimiliki siswa atau karyawannya. Asesmen yang tepat dapat menjadi salah satu langkah awal untuk mengidentifikasi kebutuhan pengembangan tersebut.
Referensi
Cash, T. N., Kelly, M. O., Macnamara, B. N., & Risko, E. F. (2026). Is AI making us stupid? Trends in Cognitive Sciences, 30(8), 673–675. https://doi.org/10.1016/j.tics.2026.06.004
Facione, D. P. A. (1990). The Complete American Philosophical Association Delphi Research Report is available as ERIC Doc. No.: ED 315 423.
Hou, C., Zhu, G., & Sudarshan, V. (2025). The role of critical thinking on undergraduates’ reliance behaviours on generative AI in problem‐solving. British Journal of Educational Technology, 56(5), 1919–1941. https://doi.org/10.1111/bjet.13613
Risko, E. F., & Gilbert, S. J. (2016). Cognitive Offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002