Artikel ini adalah lanjutan dari tulisan saya sebelumnya: AI Membuat Kita Bisa Coding Lebih Cepat. Tapi Apakah Perusahaan Kita Bisa Belajar Lebih Cepat?
Kali ini kita akan ngobrol tentang buku ketiga, The Art of Doing Science and Engineering, karya Richard Hamming.
Kalau Anda berasal dari dunia teknik atau informatika, nama Hamming mungkin sudah tidak asing.
Ada Hamming Code. Ada Hamming Distance.
Ia bekerja di Bell Labs, memenangkan Turing Award, dan dikenal luas melalui kuliah legendarisnya, You and Your Research.
Fakta Cepat Usang. Cara Berpikir Justru Makin Bernilai
Namun menurut saya, warisan terbesarnya bukanlah rumus-rumus itu. Warisan terbesarnya adalah satu gagasan sederhana.
Saya mengajarkan pola berpikir, bukan fakta. Karena fakta pasti berubah.
Kalimat ini terasa seperti ditulis khusus untuk era AI.
Karena memang itulah yang sedang terjadi.
Fakta berubah.
Sangat cepat.
Pengetahuan Itu Seperti Sayur. Cara Berpikir Seperti Pohon
Pengetahuan teknis itu seperti sayur. Kalau tidak segera dimakan, cepat layu.
Cara berpikir itu seperti pohon mangga. Semakin tua, semakin berbuah.
Orang yang hanya mengumpulkan fakta akan terus mengejar sesuatu yang selalu bergerak.
Sementara orang yang melatih cara berpikir mampu mempelajari fakta baru dengan jauh lebih cepat.
Saya mengalami sendiri hal itu.
Dulu saya belajar Assembler, lalu berpindah ke C, Visual Basic, Java, Perl, JavaScript, Python, hingga berbagai teknologi lain yang datang silih berganti.
Apakah semuanya masih saya gunakan? Tentu tidak.
Tetapi setiap bahasa pemrograman itu meninggalkan satu hal yang jauh lebih berharga.
Cara berpikir.
Karena ketika fondasinya kuat, berpindah alat bukan lagi sesuatu yang menakutkan.
AI sedang menciptakan kondisi yang sama.
Model boleh berubah. Framework boleh berganti.
Tetapi kemampuan memahami masalah, menyusun logika, dan mengambil keputusan tetap menjadi aset utama.
Jangan Sibuk Menyelesaikan Masalah yang Tidak Penting
Ada satu gagasan Hamming yang sangat terkenal.
“To do important work, work on important problems.”
Kalau ingin menghasilkan karya penting, kerjakan masalah yang penting.
Kalimat ini menarik, dan dampaknya luar biasa.
Produktivitas Bukan Berapa Banyak yang Selesai
Kita sering mengukur produktivitas dari banyaknya pekerjaan yang selesai.
Hamming mengajak kita mengukur sesuatu yang berbeda.
Apakah pekerjaan itu memang layak dikerjakan?
Bayangkan dua orang.
Orang pertama sangat produktif.
Dalam sehari ia menyelesaikan lima puluh tugas.
Tetapi semua tugas itu tidak membawa perubahan berarti.
Orang kedua hanya menyelesaikan satu pekerjaan.
Tetapi pekerjaan itu mengubah arah perusahaan.
Siapa yang lebih produktif?
Jawabannya mulai berubah.
Produktivitas bukan lagi soal jumlah.
Melainkan dampak.
AI Bisa Mempercepat Kita ke Arah yang Salah
Inilah paradoks AI.
Hari ini membuat software menjadi jauh lebih mudah.
AI bisa menulis kode. Membuat presentasi. Menulis proposal. Membuat desain. Menghasilkan laporan.
Semuanya lebih cepat.
Masalahnya…
Kalau AI membuat kita sepuluh kali lebih cepat mengerjakan pekerjaan yang tidak penting, apakah itu benar-benar kemajuan?
Efisiensi Tidak Sama dengan Efektivitas
Bayangkan seseorang menaiki motor. Motor itu melaju 120 km/jam.
Sangat cepat.
Tetapi arahnya menuju kota yang salah.
Kecepatan tidak lagi menjadi keunggulan. Ia justru mempercepat kesalahan.
Hal yang sama sedang terjadi di banyak perusahaan.
AI meningkatkan efisiensi. Tetapi tidak otomatis meningkatkan efektivitas.
Hamming mengingatkan bahwa sebelum bertanya, “Bagaimana cara mengerjakannya?”
Kita harus lebih dulu bertanya,“Apakah ini masalah yang memang layak saya selesaikan?”
Orang Hebat Memilih Masalah yang Layak Diperjuangkan
Salah satu gagasan menarik dalam buku ini adalah pengamatan Hamming bahwa sekitar 10% peneliti menghasilkan sekitar 90% dampak.
Bukan Selalu Soal Lebih Pintar. Kadang Soal Memilih Masalah
Apakah mereka bekerja lebih keras?
Belum tentu.
Apakah mereka lebih pintar?
Tidak selalu.
Menurut Hamming, perbedaannya sering terletak pada pemilihan masalah.
Mereka tidak menghabiskan hidup menyelesaikan persoalan yang mudah hanya karena persoalan itu mudah. Mereka memilih persoalan yang memang layak diperjuangkan.
Saya sangat menyukai cara berpikir ini.
Karena dalam bisnis pun sama.
AI Membuat Kita Bisa Mengerjakan Lebih Banyak. Bukan Berarti Kita Harus Mengerjakan Semuanya.
Banyak perusahaan sibuk mengoptimalkan hal-hal kecil.
Memperbaiki dashboard. Mengganti warna tombol. Menambah fitur yang hampir tidak pernah dipakai.
Sementara masalah terbesar pelanggan tetap tidak tersentuh.
AI membuat kita mampu melakukan lebih banyak.
Tetapi Hamming mengingatkan agar kita memilih lebih bijak.
Karena kemampuan terbesar seorang profesional bukan mengerjakan semuanya.
Melainkan memilih apa yang pantas dikerjakan.
Kemampuan Memindahkan Cara Berpikir Adalah Meta-Skill
Ada konsep lain yang sangat relevan di era AI.
Transferring skills between fields.
Memindahkan cara berpikir dari satu bidang ke bidang lain.
Jangan Hanya Membawa Pengetahuan. Bawa Cara Berpikirnya
Mengapa seorang fisikawan bisa menjadi ahli AI?
Mengapa seorang matematikawan bisa sukses di dunia machine learning?
Mengapa banyak inovasi besar justru datang dari orang yang melintasi disiplin ilmu?
Karena mereka membawa cara berpikir, bukan sekadar pengetahuan.
Saya semakin sering melihat pola ini.
Orang yang memahami psikologi lebih mudah membuat AI Customer Service.
Orang yang memahami antropologi lebih mudah membangun AI untuk perilaku manusia.
Orang yang memahami ekonomi lebih mudah menciptakan AI untuk pengambilan keputusan bisnis.
Teknologinya memang AI.
Tetapi nilai tambahnya justru berasal dari disiplin ilmu lain.
AI tidak menggantikan pengetahuan lintas bidang. AI justru membuatnya semakin berharga.
Jangan Menjadi Ensiklopedia. Jadilah Pembelajar
Saya rasa inilah pelajaran terbesar dari Richard Hamming.
Jangan berusaha mengetahui semuanya.
Karena itu mustahil.
Berusahalah menjadi orang yang mampu mempelajari apa pun.
Ada perbedaan yang sangat besar.
Orang pertama mengumpulkan jawaban. Orang kedua membangun kemampuan menemukan jawaban.
Dari Menghafal, Menjadi Mencari
Di era sebelum internet, menghafal mungkin menjadi keunggulan.
Di era Google, kemampuan mencari menjadi lebih penting.
Di era AI, bahkan mencari pun mulai diambil alih.
Yang tersisa adalah kemampuan menilai.
Apakah jawaban AI masuk akal?
Apakah asumsi di baliknya benar?
Apakah masalah yang sedang kita selesaikan memang masalah yang tepat?
Semua pertanyaan itu tidak bisa dijawab hanya dengan hafalan.
Ia membutuhkan pola berpikir.
Dan itulah yang diajarkan Hamming.
Di Era AI, Pertanyaan Lebih Berharga daripada Jawaban
Kalau Accelerate mengajarkan bagaimana membangun organisasi yang belajar lebih cepat…
Maka The Art of Doing Science and Engineering mengajarkan bagaimana membangun diri sendiri agar tetap relevan ketika dunia berubah.
Di era AI, keunggulan tidak lagi dimiliki oleh orang yang mengetahui paling banyak.
Karena AI akan selalu mengetahui lebih banyak.
Keunggulan justru dimiliki oleh orang yang mampu berpikir lebih baik.
Karena AI bisa menghasilkan jutaan jawaban dalam hitungan detik.
Tetapi AI tidak bisa memilih pertanyaan mana yang paling layak untuk dijawab.
Dan sering kali, masa depan seseorang tidak ditentukan oleh kualitas jawabannya.
Melainkan oleh kualitas pertanyaan yang ia pilih untuk dikejar sepanjang hidupnya.
Terima kasih sudah membaca. Semoga bermanfaat.
