Produktivitas jadi isu besar bagi banyak pemerintah, termasuk Inggris. Tekanan ini perlahan-lahan berdampak pada para peneliti Inggris, yang kini menjadi salah satu pendorong utama di balik usaha Inggris untuk naik peringkat di kancah R&D internasional, berkat kualitas dan dampak riset mereka.
Persaingan internasional semakin sengit, dan peneliti Inggris harus melakukan lebih banyak hal agar bisa mempertahankan posisi global mereka.
Di seluruh dunia, hanya 45% peneliti yang merasa punya cukup waktu untuk melakukan penelitian, dan hanya 33% yang mengharapkan pendanaan meningkat dalam dua hingga tiga tahun ke depan. Para peneliti ini merasa terdesak oleh tren dalam sektor riset yang semakin kompetitif.
AI sering kali dianggap sebagai solusi untuk meningkatkan produktivitas. Investasi Inggris ke dalam teknologi AI yang mencapai miliaran pound tentu menunjukkan bahwa meski produktivitas bukan satu-satunya tujuan, hal ini menjadi salah satu prioritas utama.
AI untuk Riset: Tidak Semudah yang Dibayangkan
Tidak mengherankan kalau alat-alat AI semakin banyak digunakan oleh para peneliti dan diintegrasikan ke dalam alur kerja mereka. Masalahnya, adopsi alat-alat ini jauh lebih cepat dibandingkan kemampuan regulasi untuk mengikuti perkembangan. Lebih dari setengah peneliti kini menyatakan menggunakan alat AI dalam pekerjaan mereka, tetapi hanya dua dari sepuluh yang percaya bahwa alat AI generik dapat diandalkan.
Tantangan sistemik yang muncul dengan penggunaan AI sangatlah nyata. Alat AI generik cenderung menyederhanakan jawaban, menghilangkan beberapa detail, yang dapat mengurangi akurasi, transparansi, dan konteks. Bagi masyarakat umum, masalah ini mungkin tidak terlalu besar. Namun, bagi para peneliti yang bekerja di garis depan reproduksibilitas dan pengawasan, hal ini tentu tidak cukup.
Banyak dari mereka yang berbicara tentang mengukur ‘produktifitas AI’ berdasarkan apa yang bisa diproduksi AI dibandingkan apa yang bisa dikerjakan manusia yang lebih lambat. Ini mengabaikan sejauh mana output AI dapat dipercaya. Jika manusia harus memverifikasi setiap hasil yang diproduksi alat AI, maka semua keuntungan ‘produktivitas’ itu hilang.
Namun, masalah ini tidak harus menghalangi peneliti untuk menggunakan AI dengan percaya diri. Pertama, masalah ini harus dirumuskan kembali. Seperti halnya alat lainnya, penting untuk memilih alat yang tepat untuk pekerjaan yang tepat. Hingga saat ini, peneliti belum memiliki alat yang benar-benar memenuhi kebutuhan mereka.
Solusinya bisa ditemukan di banyak bidang lain: penggunaan alat khusus untuk pekerjaan khusus. Dokter menggunakan monitor ECG, bukan smartwatch, untuk mengukur detak jantung. Begitu juga, pekerja konstruksi menggunakan sistem produksi otomatis untuk ukuran presisi, bukan sekadar pengukur panjang. Alat umum mungkin cukup untuk para penggemar kebugaran yang ingin memantau detak jantung mereka atau untuk hobi DIY di rumah, tetapi para profesional menggunakan produk dengan standar industri yang biasanya tidak tersedia di toko-toko biasa.
Prinsip ‘alat yang tepat untuk pekerjaan yang tepat’ seharusnya juga berlaku pada AI dalam riset. Alat AI profesional yang dirancang sesuai dengan tuntutan spesifik peneliti sehingga mereka bisa, yang paling penting, mempercayai alat tersebut untuk melaksanakan tugasnya.
Setelah kepercayaan ini terbangun, kebutuhan untuk mengawasi output AI secara berlebihan akan berkurang. Jika peneliti tidak perlu membuang waktu untuk hal ini, maka itu benar-benar sebuah keuntungan produktivitas – bukan hanya sekadar yang terlihat bagus di atas kertas.
Tahapan pertama yang harus dilakukan adalah bertanya langsung kepada para peneliti. Melalui kolaborasi erat dengan komunitas, kita belajar bahwa untuk ‘AI yang memenuhi standar peneliti’ ada empat elemen kunci:
- Para peneliti ingin alat yang mendukung pemikiran kritis – alat yang bisa mengingatkan mereka akan ketidakpastian dalam hasil yang mereka produksi, bukan yang hanya mengabaikannya.
- Wawasan yang dihasilkan AI harus bisa dikontekstualisasikan, transparan, dan dapat dilacak – artinya, alat AI menunjukkan pemikirannya dan sumber apa yang digunakan untuk mencapai kesimpulan tersebut.
- Prinsip “sampah masuk, sampah keluar” berlaku secara ekstrem dalam riset. Penelitian yang telah melalui proses peer-review adalah standar emas dan seharusnya dapat diakses di platform yang netral penerbit agar peneliti bisa melihat gambaran keseluruhan, bukan hanya sebagian.
- Dan terakhir, semua harus berlandaskan pada data yang aman, dengan penggunaan AI yang bertanggung jawab.
Dalam dunia riset, AI harus melewati lebih banyak rintangan untuk membangun kepercayaan. AI harus transparan tentang sumbernya, melindungi data sensitif, dan mendukung penilaian manusia ketimbang mencoba menggantinya. Mencapai tujuan ini memerlukan evolusi di luar AI generik menuju sistem yang dibangun dengan ketelitian dan tanggung jawab di jantungnya.
