AI dan Kreativitas: Apa yang Terjadi Ketika Kita Mengalihdayakan 'Pekerjaan Monoton'?

AI sedang mencuri ide brilianmu.

Penulis artikel, sumber: Catatan Bisnis Yuan Zhen

Dua tahun terakhir, hampir setiap perusahaan AI menceritakan kisah yang sama:

Serahkan pekerjaan berulang kepada AI, sehingga manusia dapat meluangkan waktu untuk melakukan hal-hal yang lebih kreatif.

Pernyataan ini terdengar tak terbantahkan. Biarkan AI mengatur dokumen, memproses tabel, dan menulis notulen rapat, sementara manusia fokus pada strategi, produk, dan kreativitas—seperti pembagian peran sosial yang sempurna.

Namun ia menyembunyikan sebuah asumsi: pekerjaan berulang dan pekerjaan kreatif adalah dua hal yang dapat dipisahkan secara tiba-tiba.

Jawaban historis tidak sejelas ini.

Banyak penciptaan penting sejati tidak terjadi setelah pekerjaan berulang berakhir, melainkan justru terjadi di celah-celah antara pengulangan, kegagalan, dan kehilangan fokus. Anda terlebih dahulu berjuang lama dengan sebuah masalah, menghitung, mengamati, dan memperbaiki berulang kali, hingga pada suatu momen biasa, semuanya yang tersebar tiba-tiba tersambung.

Jika AI mengambil alih semua pekerjaan mekanis untuk kita, yang dirilis mungkin bukan hanya waktu.

It juga bisa mengambil tempat di mana inspirasi itu muncul.

Cerita Newton dan apel kemungkinan besar adalah "mitos inovasi" paling sukses dalam sejarah manusia.

Sebuah apel jatuh dari pohon dan mengenai Newton. Newton mendapat ilham dan menemukan gravitasi universal.

Versi asli tidak semudah ini.

Teman Newton, William Stukeley, mencatat dalam memoarnya bahwa pada tahun 1726, keduanya minum teh di bawah pohon apel. Newton mengingat bahwa pada waktu itu ia sedang dalam keadaan merenung, melihat apel jatuh, dan bertanya: mengapa apel selalu jatuh tegak lurus ke tanah, bukan ke atas atau ke samping? Kemudian, ia secara bertahap memperluas gagasan tentang kekuatan ini ke Bumi, Bulan, dan benda-benda langit lainnya. [1]

Gambar 1｜Apple tidak memberikan jawaban, ia hanya menyalakan bahan-bahan yang telah lama dipikirkan oleh Newton.

Apel tidak mengenai Newton, juga tidak langsung menghasilkan sebuah hukum.

Ini lebih seperti sebuah korek api yang jatuh ke dalam gudang yang sudah penuh bahan.

Pengalaman matematikawan Poincaré lebih khas.

Dia pernah secara terus-menerus meneliti sekelompok fungsi, melakukan banyak perhitungan, dan berulang kali gagal. Kemudian, ia sementara waktu meninggalkan pekerjaannya dan pergi bepergian. Pada saat ia naik kereta kuda, sebuah hubungan kunci tiba-tiba muncul di pikirannya: transformasi yang ia teliti adalah jenis yang sama dengan transformasi dalam geometri non-Euclidean.

Gagasan itu muncul dengan cepat, bahkan tanpa melalui penurunan langsung. Setelah perjalanan selesai, Poincaré kembali ke meja kerjanya dan menghabiskan waktu untuk memverifikasi sepenuhnya.

Dia kemudian membagi proses penciptaan menjadi beberapa tahap: pertama, persiapan keras yang disadari, lalu periode bersembunyi yang tampaknya tidak melakukan apa-apa, diikuti oleh penerangan tiba-tiba, dan akhirnya kembali ke verifikasi yang ketat. [2]

Bukti Teorema Terakhir Fermat juga demikian.

Andrew Wiles bekerja secara rahasia selama tujuh tahun, mengumumkan bukti berhasil pada tahun 1993, tetapi beberapa bulan kemudian ditemukan adanya celah. Ia kembali menghitung selama satu tahun, bersama dengan muridnya Richard Taylor mencari jalan keluar berulang-ulang, hingga akhirnya menutup celah tersebut pada September 1994. [3]

Orang mengingat momen terakhir, tetapi matematikawan benar-benar mengalami ribuan perhitungan gagal, jalur yang salah, dan pengulangan.

Insight tidak pernah jatuh dari langit sebagai hadiah. Ia adalah pengembalian tertunda dari otak setelah kerja keras terakumulasi hingga titik tertentu.

Hari ini kita suka membagi pekerjaan menjadi dua kategori: yang bernilai rendah diberikan ke mesin, yang bernilai tinggi disisihkan untuk manusia.

Masalahnya, otak manusia tidak bekerja sesuai dengan tabel dalam laporan konsultasi.

Seorang jurnalis yang menyusun puluhan laporan keuangan mungkin menemukan dua set angka yang tidak cocok; seorang produk manajer yang memeriksa ulasan buruk satu per satu mungkin tiba-tiba menyadari bahwa keluhan pengguna sama sekali bukan tentang fitur; seorang dokter yang terus-menerus memeriksa gambar baru perlahan membangun intuisi terhadap kelainan.

Lembaran kerja ini tampak tidak canggih, bahkan sangat membosankan. Namun, mereka meninggalkan banyak pola kecil di dalam otak.

Intuisi, dalam banyak hal, hanyalah pengalaman yang terlatih hingga tidak bisa lagi dijelaskan per kalimat.

Penemuan penisilin begitu adanya.

Pada tahun 1928, Fleming kembali dari liburan dan menemukan sebuah cawan petri yang berisi bakteri staphylococcus terkontaminasi oleh jamur, di mana bakteri di sekitar jamur tidak tumbuh. Kontaminasi itu kebetulan, tetapi penemuan itu tidak. Orang yang tidak mengamati bakteri secara berkelanjutan hanya akan melihat sebuah cawan kotor yang harus dibuang.

Yang lebih mudah diabaikan adalah Fleming tidak langsung membuat obat dari temuan ini. Hampir sepuluh tahun kemudian, Florey, Chain, dan sebuah tim baru memulai kembali penelitian ini. Mereka menumbuhkan jamur menggunakan tong susu, kaleng makanan, bahkan bak mandi, serta mencari strain jamur berproduksi tinggi di Amerika Serikat, sehingga akhirnya mengubah kebetulan di laboratorium menjadi produk industri yang dapat menyelamatkan nyawa. [4]

Gambar 2｜Polusi adalah kebetulan, penemuan bergantung pada pengamatan jangka panjang; obat lebih banyak berasal dari rekayasa selama sepuluh tahun berikutnya.

Sejarah suka menceritakan "Eureka" (kata seru Yunani yang berarti "Saya menemukannya" atau "Saya menemukannya"), tetapi industri benar-benar bergantung pada rekayasa panjang, berulang, dan tidak indah setelah Eureka.

Einstein juga menggambarkan cara berpikirnya kepada matematikawan Hadamard bahwa yang muncul pertama kali seringkali bukan bahasa utuh, melainkan gambar, simbol, dan elemen-elemen yang memiliki sensasi gerak. Ia akan mengombinasikan hal-hal ini berulang-ulang, sementara bahasa baru muncul kemudian. [5]

Kreasi bukanlah penciptaan dari ketiadaan, melainkan lebih seperti reorganisasi.

Apa yang pernah kamu lihat, lakukan, dan di mana kamu gagal, menentukan apa yang ada di dalam pikiranmu yang bisa dihubungkan kembali.

Jika semua data selalu diringkas oleh AI, draf pertama selalu dihasilkan oleh AI, dan data selalu dibersihkan oleh AI, memang manusia akan jauh lebih ringan. Namun, seiring berjalannya waktu, yang kita temui hanyalah produk akhir yang telah diproses mesin, bukan lagi bahan mentah yang kasar, kontradiktif, dan penuh noise.

Efisiensi meningkat, tetapi persepsi mungkin menjadi kurang tajam.

Walter Isaacson dalam buku "The Innovators" pernah mempertanyakan: Siapa yang sebenarnya menemukan komputer dan internet?

Akhirnya ia menyadari bahwa masalah ini sulit dijawab dengan nama seseorang.

Revolusi digital bukanlah ide tiba-tiba dari seorang jenius di garasi. Komputer awal, transistor, chip, perangkat lunak, dan internet semuanya berasal dari perbaikan bertahap dari satu generasi ke generasi berikutnya. Ada yang mengusulkan konsep, ada yang menyolder sirkuit, ada yang menulis program, dan ada yang mengubah prototipe mahal menjadi produk yang dapat digunakan oleh orang biasa.

Saat membahas komputer Harvard Mark I, narasi Grace Hopper lebih menekankan Howard Aiken, sedangkan versi IBM menekankan para insinyur yang tidak dikenal namanya: berbagai peningkatan bertahap seperti counter, card reader, dan lainnya yang bersama-sama membentuk mesin akhir tersebut. [6]

Gambar 3｜The Innovators terus-menerus mengingatkan: revolusi digital berasal dari kolaborasi bertahap, berulang, dan melibatkan banyak pihak.

Ini bukan menyangkal kejeniusan, tetapi mengungkap struktur sebenarnya dari inovasi.

Sebuah peristiwa inovatif biasanya memerlukan imajinasi segelintir orang dan kerja keras sebagian besar orang. Yang pertama bertanggung jawab mengubah arah, yang kedua membuat arah baru menjadi kenyataan. Keduanya bukan saling menggantikan.

Hal paling menarik dari AI adalah ia tampaknya dapat memainkan kedua peran ini sekaligus: memberikan ide dan melaksanakannya.

Tetapi di sini juga muncul masalah baru.

Pada tahun 2024, Science Advances menerbitkan sebuah eksperimen tentang AI generatif dan penulisan. Orang-orang yang mendapatkan bantuan ide dari AI menghasilkan cerita yang rata-rata lebih kreatif dan lebih lengkap, dengan manfaat yang terutama jelas bagi mereka yang awalnya memiliki kreativitas lebih lemah; namun, jika semua karya dilihat bersama-sama, cerita yang dibantu AI cenderung lebih serupa satu sama lain. [7]

AI meningkatkan batas bawah individu, sekaligus mempersempit perbedaan kelompok.

Ini sangat mirip dengan platform konten hari ini: semua orang menulis lebih lancar dari sebelumnya, judul, struktur, dan kalimat-kalimat menarik tak ketinggalan; setelah membaca sepuluh artikel, rasanya seperti hanya membaca satu.

Ketika semua orang meminta "gagasan pertama" dari model yang sama, kami melewati halaman kosong, dan mungkin bersama-sama menuju jawaban yang paling mudah diprediksi.

Ini tidak berarti manusia harus menolak AI dan kembali menyia-nyiakan waktu dengan menyalin dan menempel serta tata letak mekanis.

Kalkulator tidak menghancurkan matematika, mesin pencari juga tidak menghancurkan pengetahuan. Alat yang benar-benar mengubahnya adalah kemampuan mana yang harus tetap dimiliki oleh manusia.

AI bisa menggantikan kita dalam melakukan pekerjaan berat, tetapi manusia tidak boleh lupa mengapa dinding ini dibangun di sini.

Kekhawatiran ini sudah bukan lagi diskusi filosofis. Pada tahun 2025, lembaga seperti Microsoft Research menyurvei 319 pekerja pengetahuan dan mengumpulkan 936 kasus penggunaan AI yang nyata. Hasilnya menunjukkan: semakin seseorang percaya pada AI, semakin sedikit pemikiran kritis (critical thinking, cara berpikir yang rasional dan reflektif) yang mereka terapkan dalam tugas; sebaliknya, semakin percaya diri mereka terhadap penilaian profesional mereka, semakin banyak pemikiran kritis yang mereka tunjukkan. AI tidak membuat pemikiran menghilang, tetapi menggeser pemikiran dari “menghasilkan secara langsung” menjadi “memverifikasi, mengintegrasikan, dan mengawasi”. Masalahnya, jika seseorang hanya melihat hasil akhir yang lancar, verifikasi mudah berubah menjadi sekadar mengangguk. [8]

Sinyal yang lebih langsung datang dari menulis dan pemrograman. Sebuah eksperimen EEG menulis yang melibatkan 54 peserta dari Media Lab MIT menemukan bahwa peserta yang terus-menerus menggunakan model besar untuk menulis menunjukkan koneksi jaringan otak paling lemah, serta ingatan terhadap konten tulisan dan perasaan “ini karya saya” juga lebih rendah; namun penelitian ini masih merupakan preprint dengan sampel kecil, sehingga tidak dapat disimpulkan bahwa AI akan membuat manusia menjadi bodoh secara permanen. [9] METR dalam uji coba acak terhadap 16 pengembang open source berpengalaman dan 246 tugas nyata juga menemukan bahwa setelah menggunakan alat AI pada awal 2025, para pengembang justru membutuhkan waktu 19% lebih lama untuk menyelesaikan tugas. Yang lebih menarik, mereka sebelumnya mengantisipasi bahwa AI akan membuat mereka lebih cepat. [10] Dalam pelacakan METR pada 2026, disimpulkan bahwa alat generasi baru kemungkinan besar sudah membawa percepatan, tetapi karena adanya bias seleksi yang jelas pada peserta dan tugas, besaran percepatan tersebut masih tidak dapat diestimasi secara andal. [11] Yang pertama kali dilemahkan oleh AI mungkin bukan kemampuan itu sendiri, melainkan penilaian manusia terhadap apakah mereka masih berpikir.

Bagi individu, setidaknya ada tiga hal yang sebaiknya tidak diserahkan secara sembarangan.

Pertama, masalahnya berasal dari mana.

Jangan langsung bertanya pada AI, “Apa yang harus saya tulis?” atau “Apa yang harus saya teliti?”. Pergilah ke lokasi klien, bacalah bahan aslinya, dan rasakan sendiri di mana yang tidak beres. Pertanyaan yang baik sering kali berasal dari detail yang diabaikan karena dianggap merepotkan.

Kedua, dari mana penilaian putaran pertama berasal.

Anda bisa meminta AI untuk memperluas, membantah, dan menambahkan informasi, tetapi sebaiknya mulai dengan versi kasar yang belum dimodifikasi oleh model. Meskipun hanya beberapa kalimat, penting untuk mengetahui bagaimana pandangan awal Anda sendiri. Jika tidak, kolaborasi antara manusia dan AI akan mudah berubah menjadi manusia yang hanya menghaluskan hasil AI.

Ketiga, siapa yang bertanggung jawab atas hasilnya.

Hanya setelah melakukan pekerjaan dasar, Anda baru tahu di mana AI salah. Seseorang yang belum pernah menulis kode sulit menilai apakah kode tersebut hanya bisa berjalan atau siap untuk diluncurkan; seseorang yang belum pernah mempelajari laporan keuangan juga sulit mengidentifikasi kesalahan perspektif yang tersembunyi di dalam analisis yang tampak menarik.

Lalu, apa yang bisa diserahkan ke AI?

Kriteria penilaian bukanlah “apakah ada kreativitas” atau “apakah itu berulang”, melainkan tiga hal: apakah kriteria penerimaan jelas, apakah proses dapat dilacak, dan apakah dapat dikembalikan setelah terjadi kesalahan. Penerjemahan dokumen, penyusunan format, pembersihan data di bawah aturan yang sudah diketahui, contoh kode dan kasus uji, serta berbagai versi teks dan sketsa desain dengan tema yang sama, semuanya cocok diserahkan ke AI. Pengambilan keputusan strategis, standar fakta, estetika merek, arsitektur sistem, dan tanda tangan akhir tidak boleh diserahkan semata-mata karena AI lebih cepat.

Setelah menyerahkan tugas, manusia masih harus “berlatih melawan diri sendiri” dengan AI. Sebelum bertindak, tulis terlebih dahulu penilaian dan kriteria penerimaan Anda; saat menghasilkan, minta AI untuk memberikan pendapat kontra, kondisi kegagalan, dan sumber bukti; setelah menghasilkan, kembalilah ke bahan asli, periksa fakta secara acak, hitung ulang angka kunci, dan jalankan pengujian kunci; setelah beberapa waktu, jadwalkan lagi “latihan tanpa AI”. Penulis harus menyimpan wawancara independen dan draf pertama, programmer harus menyimpan tinjauan kode dan pemecahan masalah, desainer harus menyimpan pilihan konsep dan penilaian visual akhir. Hanya mereka yang masih bisa memeriksa, berani menolak, dan mampu mengambil alih yang benar-benar berhak menyerahkan pekerjaan kepada AI.

Yang sebenarnya perlu diwaspadai oleh perusahaan bukanlah seberapa banyak AI yang digunakan oleh karyawan, tetapi apakah organisasi masih memproduksi pengalaman langsung.

Jika generasi muda tidak lagi melakukan analisis dasar, tidak lagi berdiskusi dengan klien untuk memahami kebutuhan, dan tidak lagi mengalami kegagalan pada draf pertama, perusahaan mungkin akan mendapatkan pengiriman yang lebih cepat dalam jangka pendek, tetapi secara jangka panjang bisa kehilangan jalur untuk mengembangkan kemampuan penilaian.

Dulu, seorang pemula membutuhkan tiga tahun kerja keras untuk perlahan-lahan menjadi ahli yang intuitif. Sekarang, AI memungkinkan pemula memberikan jawaban bernilai tujuh puluh pada hari pertama.

Namun, untuk bergerak dari tujuh puluh hingga sembilan puluh, ia tetap harus melihat masalah secara langsung, pernah membuat kesalahan, dan membayar harga atas hasilnya.

Apakah AI benar-benar meningkatkan kreativitas, atau justru menurunkan kreativitas?

Jawabannya tergantung pada di mana kita meletakkannya.

Biarkan AI menangani tugas berulang yang sudah jelas, itu adalah tuas; biarkan AI menggantikan kita dalam menghadapi realitas, membentuk masalah, dan membuat penilaian pertama, maka ia perlahan akan menjadi tongkat.

Kreativitas sejati tidak pernah hanya sekadar "menghasilkan sebuah ide".

Ini mencakup keakraban dengan materi, sensitivitas terhadap anomali, ketahanan terhadap periode panjang tanpa jawaban, serta ketika muncul wawasan, menguji dan memperkuatnya berulang-ulang.

Bagian-bagian ini sangat lambat, tidak elegan, bahkan sulit dimasukkan ke dalam laporan kinerja. Namun, teorema besar, temuan ilmiah, dan inovasi industri sepanjang sejarah hampir semuanya tumbuh dari sini.

AI tentu bisa membantu kita memetik apel.

Namun, apakah orang di bawah pohon itu bisa memikirkan gravitasi tetap bergantung pada berapa lama ia telah berpikir sebelum apel jatuh.

Referensi

[1] William Stukeley, Memoirs of Sir Isaac Newton's Life, Newton Project (Universitas Oxford).

[2] Henri Poincaré, “L'invention mathématique”, 1908.

[3] Informasi dari Institut Matematika Oxford dan Universitas Bristol mengenai Andrew Wiles dan Teorema Terakhir Fermat.

[4] Science Museum Group, “Bagaimana penisilin dikembangkan?”

[5] Jacques Hadamard, The Mathematician's Mind: The Psychology of Invention in the Mathematical Field.

[6] Walter Isaacson, The Innovators: How a Group of Hackers, Geniuses, and Geeks Created the Digital Revolution.

[7] Anil R. Doshi dan Oliver P. Hauser, “AI generatif meningkatkan kreativitas individu tetapi mengurangi keragaman kolektif konten baru,” Science Advances, 2024.

[8] Hao-Ping Lee dkk., “Dampak AI Generatif terhadap Pemikiran Kritis”, CHI 2025.

[9] Nataliya Kosmyna dkk., “Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task”, preprint 2025.

[10] Joel Becker dkk., "Mengukur Dampak AI Awal-2025 terhadap Produktivitas Pengembang Open-Source Berpengalaman", METR, 2025.

[11] Joel Becker dkk., “Kami Mengubah Desain Eksperimen Produktivitas Pengembang Kami”, METR, 2026.