AI dan Kreativiti: Apa yang Berlaku Apabila Kita Mengoutsource 'Kerja Membosankan'?

AI sedang mencuri idea cemerlang anda.

Penulis artikel, sumber: Catatan Perniagaan Yuan Zhen

Dua tahun lalu, hampir setiap syarikat AI menceritakan kisah yang sama:

Serahkan kerja berulang kepada AI, agar manusia dapat meluangkan masa untuk melakukan perkara yang lebih kreatif.

Pernyataan ini kedengarannya tanpa cela. Biarkan AI mengatur maklumat, mengendalikan jadual, dan menulis minit mesyuarat, sementara manusia fokus pada strategi, produk, dan kreativiti—ia seperti pembahagian kerja masyarakat yang sempurna.

Tetapi ia menyembunyikan satu presumsi tersembunyi: kerja berulang dan kerja kreatif adalah dua perkara yang boleh dipisahkan secara sepenuhnya.

Jawapan sejarah tidak sejelas ini.

Banyak penciptaan yang benar-benar penting tidak berlaku selepas kerja berulang berakhir, tetapi justru berlaku di celah-celah antara pengulangan, kegagalan, dan kehilangan fokus. Anda terlebih dahulu berjuang lama dengan satu masalah, mengira, memerhati, dan memperbaiki berulang kali, sehingga pada suatu momen biasa, semuanya tiba-tiba tersambung.

Jika AI mengambil alih semua kerja mekanis untuk kita, yang dibebaskan mungkin bukan hanya masa.

Ia juga boleh mengambil tempat di mana inspirasi berlaku.

Cerita Newton dan epal adalah kemungkinan besar "mitos inovasi" paling berjaya dalam sejarah manusia.

Sebiji epal jatuh dari pokok dan mengenai Newton. Newton mendapat ilham dan menemui graviti universal.

Versi sebenar tidak sebegitu mudah.

Rakan Newton, William Stukeley, mencatat dalam memoarnya bahawa pada tahun 1726, mereka minum teh di bawah pokok epal. Newton mengingat bahawa pada masa itu, beliau sedang dalam keadaan merenung apabila melihat epal jatuh, dan bertanya: Mengapakah epal itu sentiasa jatuh tegak ke tanah, bukan ke atas atau ke samping? Selepas itu, beliau baru "secara berperingkat" mengembangkan kekuatan ini kepada Bumi, Bulan, dan benda-benda langit lainnya. [1]

Rajah 1｜Apple tidak memberikan jawapan, ia hanya membakar bahan yang telah dikumpulkan oleh Newton selama masa yang panjang.

Apel tidak mengenai Newton, dan tidak jatuh secara langsung menjadi satu hukum.

Ia lebih seperti sebatang korek api yang jatuh ke dalam gudang yang sudah penuh bahan.

Pengalaman ahli matematik Poincaré lebih typikal.

Beliau pernah secara berterusan menyelidiki satu kelas fungsi, melakukan banyak pengiraan, tetapi sering gagal. Kemudian, beliau sementara waktu meletakkan kerja itu dan pergi melancong. Pada saat beliau menaiki kereta kuda awam, satu hubungan penting tiba-tiba muncul dalam fikiran beliau: transformasi yang beliau selidiki adalah jenis yang sama dengan transformasi dalam geometri bukan Euclid.

Gagasan itu muncul dengan cepat, bahkan tanpa penurunan langsung. Selepas perjalanan, Poincaré kembali ke meja kerjanya dan meluangkan masa untuk mengesahkan sepenuhnya.

Dia kemudian membahagikan proses penciptaan kepada beberapa peringkat: permulaan dengan persiapan susah yang disedari, diikuti oleh masa bersembunyi yang kelihatan tanpa aktiviti, kemudian ilham yang tiba-tiba menyinarkan, dan akhirnya kembali kepada pengesahan yang teliti. [2]

Bukti Teorem Terakhir Fermat juga begitu.

Andrew Wiles bekerja secara rahsia selama tujuh tahun, mengumumkan bukti berjaya pada tahun 1993, tetapi beberapa bulan kemudian ditemui terdapat kelemahan. Beliau menghabiskan satu tahun lagi, bersama pelajar Richard Taylor mencari jalan keluar, sehingga pada September 1994 beliau berjaya memperbaiki kekurangan tersebut. [3]

Orang mengingat momen terakhir, tetapi ahli matematik benar-benar mengalami ribuan pengiraan tidak berkesan, jalan yang gagal, dan pengulangan.

Insight bukanlah hadiah yang jatuh dari langit. Ia adalah pulangan tertunda dari otak selepas usaha keras terkumpul hingga mencapai titik tertentu.

Kami suka membahagikan pekerjaan kepada dua kategori hari ini: yang bernilai rendah diberikan kepada mesin, yang bernilai tinggi disimpan untuk manusia.

Masalahnya, otak manusia tidak berfungsi mengikut jadual dalam laporan konsultasi.

Seorang wartawan yang mengurus puluhan laporan keuangan mungkin mendapati dua set nombor tidak sepadan; seorang produk manajer yang memeriksa ulasan negatif satu per satu mungkin tiba-tiba sedar bahawa pengguna tidak mengeluh tentang fungsi; seorang doktor yang memeriksa gambar berulang-ulang baru perlahan-lahan membangunkan intuisi terhadap kelainan.

Kerja-kerja ini kelihatan tidak canggih, bahkan sangat membosankan. Tetapi ia meninggalkan banyak corak kecil di dalam otak.

Intuisi, dalam banyak kes kes, hanyalah pengalaman yang mahir hingga tidak dapat dijelaskan per ayat.

Penemuan penisilin adalah seperti itu.

Pada tahun 1928, Fleming kembali dari cuti dan mendapati satu cawan petri yang mengandungi bakteria staphylococcus telah dicemari oleh kulat, di mana bakteria di sekeliling kulat tidak tumbuh. Pencemaran itu adalah kebetulan, tetapi penemuan itu bukan. Seseorang yang tidak memantau bakteria secara berterusan hanya akan melihat satu cawan kotor yang patut dibuang.

Yang lebih mudah diabaikan ialah Fleming tidak segera menghasilkan ubat daripada penemuan itu. Hampir sepuluh tahun kemudian, Florey, Chain, dan sebuah pasukan baru mengambil semula penyelidikan ini. Mereka menanam kulat menggunakan tong susu, bekas makanan, dan bahkan bathtub, serta mencari strain kulat berhasil tinggi di Amerika Syarikat, sehingga akhirnya mengubah kebetulan di makmal menjadi produk industri yang boleh menyelamatkan nyawa. [4]

Rajah 2｜ Pencemaran adalah kebetulan, penemuan bergantung pada pemerhatian jangka panjang; ubat-ubatan lebih banyak datang daripada kejuruteraan selepas satu dekad.

Sejarah suka menceritakan "Eureka" (kata seru dalam bahasa Greek yang bermaksud "Saya telah menemukannya" atau "Saya telah mengenalinya"), tetapi industri benar-benar bergantung pada kejuruteraan yang panjang, berulang, dan tidak cantik selepas Eureka.

Einstein juga pernah menggambarkan cara berfikirnya kepada ahli matematik Hadamard bahawa yang pertama muncul seringkali bukan bahasa lengkap, tetapi imej, simbol, dan elemen-elemen yang membawa perasaan gerakan. Beliau akan menggabungkan elemen-elemen ini berulang kali, dan bahasa sebenarnya muncul kemudian. [5]

Penciptaan bukanlah menghasilkan sesuatu dari ketiadaan, tetapi lebih seperti penyusunan semula.

Apa yang anda lihat, apa yang anda lakukan, dan di mana anda gagal menentukan apa yang boleh disambung semula di dalam otak anda.

Jika maklumat sentiasa diringkaskan oleh AI, draf pertama sentiasa dihasilkan oleh AI, dan data sentiasa dibersihkan oleh AI, manusia memang akan menjadi jauh lebih ringan. Tetapi seiring masa, yang kita jumpa hanyalah produk akhir yang telah diproses oleh mesin, bukan lagi bahan mentah yang kasar, bertentangan, dan berisik.

Kecekapan meningkat, tetapi rasa mungkin menjadi kurang tajam.

Walter Isaacson dalam buku "The Innovators" pernah mempertanyakan satu soalan: Siapakah yang sebenarnya mencipta komputer dan internet?

Akhirnya dia mendapati bahawa masalah ini sukar dijawab dengan nama seseorang.

Revolusi digital bukanlah idea tiba-tiba dari seorang jenius di sebuah garaj. Komputer awal, transistor, cip, perisian, dan internet semuanya datang daripada peningkatan berturut-turut dari satu generasi ke generasi seterusnya. Ada yang mencetuskan konsep, ada yang menyolder litar, ada yang menulis program, dan ada yang menjadikan prototaip mahal itu boleh digunakan oleh orang biasa.

Semasa membicarakan komputer Harvard Mark I, narasi Grace Hopper lebih menekankan Howard Aiken, manakala versi IBM menekankan jurutera-jurutera yang tidak dikenali namanya: peningkatan bertahap yang banyak seperti counter, card reader, dan sebagainya, yang bersama-sama membentuk mesin akhir tersebut. [6]

Rajah 3｜《Innovators》 mengingatkan berulang-ulang: Revolusi digital datang daripada kerjasama berperingkat dan bertahap oleh banyak orang.

Ini bukan menyangkal kecemerlangan, tetapi mengembalikan struktur sebenar inovasi.

Sebuah peristiwa inovatif biasanya memerlukan imajinasi segelintir orang dan usaha gigih majoriti. Yang pertama bertanggungjawab mengubah arah, sementara yang kedua menjadikan arah baharu itu menjadi kenyataan. Keduanya bukan saling menggantikan.

Tempat paling menarik dalam AI ialah ia kelihatan mampu memainkan kedua-dua peranan ini secara serentak: memberikan idea dan melaksanakannya.

Tetapi masalah baru juga muncul di sini.

Pada tahun 2024, Science Advances menerbitkan satu eksperimen mengenai AI generatif dan penulisan. Orang yang mendapat bantuan idea daripada AI menghasilkan cerita yang secara purata lebih kreatif dan lebih lengkap, dengan kesan yang lebih jelas pada individu yang asalnya kurang kreatif; namun, apabila semua karya dilihat bersama-sama, cerita yang dibantu AI lebih serupa antara satu sama lain. [7]

AI meningkatkan had bawah individu dan mengurangkan perbezaan kumpulan.

Ini sangat seperti platform kandungan hari ini: semua orang menulis dengan lebih lancar daripada sebelum ini, judul, struktur, dan kalimat-kalimat berkesan semuanya ada; setelah membaca sepuluh artikel, ia seolah-olah hanya membaca satu artikel sahaja.

Apabila semua orang meminta "gagasan pertama" dari model yang sama, kami menghilangkan halaman kosong, dan mungkin bersama-sama menuju jawapan yang paling mudah diramalkan.

Ini tidak bermaksud orang harus menolak AI dan membuang semula masa dengan menyalin dan menempel serta menata secara mekanikal.

Kalkulator tidak menghancurkan matematik, dan enjin carian juga tidak menghancurkan pengetahuan. Alat sebenarnya mengubah kemampuan mana yang perlu dikekalkan oleh manusia.

AI boleh membantu kita mengangkut batu bata, tetapi manusia tidak boleh melupakan mengapa dinding itu dibina di sini.

Kekhawatiran ini bukan lagi sekadar perbincangan falsafah. Pada tahun 2025, institusi seperti Microsoft Research mengkaji 319 pekerja pengetahuan dan mengumpulkan 936 kes penggunaan AI yang sebenar. Hasilnya menunjukkan: semakin seseorang percaya pada AI, semakin kurang mereka melibatkan pemikiran kritis (critical thinking, satu cara berfikir yang munasabah dan reflektif) dalam tugas; sebaliknya, semakin mereka percaya pada penilaian profesional mereka, semakin banyak pemikiran kritis yang mereka tunjukkan. AI tidak menjadikan pemikiran hilang, tetapi mengalihkan pemikiran dari “menghasilkan secara langsung” kepada “mengesahkan, mengintegrasikan, dan mengawasi”. Masalahnya ialah, jika seseorang hanya melihat hasil akhir yang lancar, pengesahan boleh dengan mudah berubah menjadi sekadar mengangguk. [8]

Tanda yang lebih langsung datang daripada penulisan dan pemrograman. Satu eksperimen elektroensefalografi penulisan terhadap 54 peserta di Media Lab MIT mendapati bahawa peserta yang terus-menerus menggunakan model besar untuk menulis mempunyai sambungan rangkaian otak yang paling lemah, serta ingatan yang lebih rendah terhadap kandungan artikel dan perasaan “ini adalah karya saya”; namun, penyelidikan ini masih merupakan pra-cetak sampel kecil dan tidak boleh digunakan untuk menyimpulkan bahawa AI akan membuat manusia menjadi bodoh secara kekal. [9] Semasa METR menjalankan ujian rawak terhadap 16 pembangun sumber terbuka berpengalaman dan 246 tugas sebenar, mereka mendapati bahawa selepas menggunakan alat AI pada awal 2025, pembangun menjadi 19% lebih perlahan dalam menyelesaikan tugas. Lebih menarik lagi, mereka sebelum ini menganggap AI akan membuat mereka lebih pantas. [10] Dalam pengikutan METR pada 2026, mereka menilai bahawa alat generasi baru kemungkinan besar telah membawa peningkatan kelajuan, tetapi kerana terdapat bias pemilihan yang jelas dalam peserta dan tugas, magnitudnya masih tidak boleh dianggarkan dengan boleh dipercayai. [11] Apa yang pertama kali dilemahkan oleh AI mungkin bukan kemampuan itu sendiri, tetapi keupayaan manusia untuk menilai sama ada mereka masih berfikir.

Untuk individu, sekurang-kurangnya ada tiga perkara yang tidak sepatutnya dioutsourcing dengan mudah.

Pertama, masalah itu datang dari mana.

Jangan langsung bertanya kepada AI, “Saya harus tulis apa?” atau “Saya harus teliti apa?”. Pergi dahulu ke lokasi pelanggan, baca bahan asli, dan rasakan sendiri di mana yang tidak kena. Soalan yang baik seringkali datang daripada butiran yang orang lain anggap merepotkan dan abaikan.

Kedua, dari mana datangnya penilaian putaran pertama.

Boleh meminta AI untuk mengembangkan, membantah, dan menambah maklumat, tetapi lebih baik terlebih dahulu tinggalkan versi kasar yang tidak diproses oleh model. Walaupun hanya beberapa ayat, pastikan anda tahu bagaimana pandangan asal anda. Jika tidak, kerjasama antara manusia dan AI akan mudah berubah menjadi manusia yang memperhalus AI.

Ketiga, siapa yang bertanggung jawab atas hasil tersebut.

Hanya setelah melakukan kerja dasar, seseorang akan tahu di mana AI salah. Seseorang yang tidak pernah menulis kod sukar untuk menilai sama ada kod tersebut hanya boleh berjalan, atau mampu bertahan apabila dilancarkan; seseorang yang tidak pernah mengkaji laporan kewangan juga sukar untuk mengenal pasti kesalahan pengukuran yang tersembunyi di dalam analisis yang kelihatan cantik.

Jadi, apa yang boleh diserahkan kepada AI?

Kriteria penilaian bukanlah “adakah kreativiti” atau “pengulangan atau tidak”, tetapi tiga perkara: sama ada kriteria penerimaan jelas, proses boleh dilacak, dan sama ada boleh dipulihkan apabila berlaku kesilapan. Tugas seperti penulisan semula dokumen, penyusunan format, pembersihan data di bawah peraturan yang telah diketahui, contoh kod dan kes ujian, serta pelbagai versi teks dan sketsa reka bentuk bertema sama, semuanya sesuai untuk diberikan kepada AI. Namun, pengambilan keputusan strategik, standard fakta, estetik jenama, struktur sistem, dan tanda tangan akhir tidak boleh diserahkan sepenuhnya kepada AI hanya kerana ia beroperasi cepat.

Selepas menyerahkan tugas, manusia masih perlu “berlawan dengan diri sendiri” bersama AI. Sebelum bertindak, tuliskan penilaian dan kriteria penerimaan anda sendiri; semasa penghasilan, minta AI memberikan pendapat bertentangan, syarat kegagalan, dan sumber bukti; selepas penghasilan, kembalilah kepada bahan asal, semak fakta secara rawak, kira semula nombor penting, dan jalankan ujian penting sekali lagi; setelah beberapa masa, atur satu sesi “latihan tanpa AI” lagi. Penulis perlu kekal dengan temu bual bebas dan draf pertama, pengaturcara perlu kekal dengan semakan kod dan penyelesaian gangguan, serta reka bentuk perlu kekal dengan pilihan konsep dan penilaian visual akhir. Hanya mereka yang masih mampu memeriksa, berani menolak, dan mampu mengambil alih yang benar-benar layak menyerahkan tugas kepada AI.

Yang sebenarnya perlu diwaspadai oleh syarikat bukanlah berapa banyak AI yang digunakan oleh pekerja, tetapi sama ada organisasi masih menghasilkan pengalaman asli.

Jika generasi muda tidak lagi melakukan analisis asas, tidak lagi berbincang dengan pelanggan untuk memahami keperluan, dan tidak lagi mengalami kegagalan pada draf pertama, syarikat mungkin akan mendapat penghantaran yang lebih pantas dalam jangka pendek, tetapi dalam jangka panjang mungkin kehilangan jalan untuk membangunkan keupayaan penilaian.

Dulu, seorang pemula memerlukan tiga tahun usaha keras untuk perlahan-lahan menjadi seorang pakar yang intuitif. Sekarang, AI membolehkan pemula memberikan jawapan tujuh puluh peratus pada hari pertama.

Namun, untuk bergerak dari tujuh puluh hingga sembilan puluh, dia masih perlu melihat masalah secara langsung, membuat kesilapan, dan membayar harga atas hasilnya.

Adakah AI sebenarnya meningkatkan kreativiti, atau menurunkan kreativiti?

Jawapannya bergantung kepada tempat kita meletakkannya.

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

Kreativiti sejati selalunya bukan sekadar "menghasilkan satu idea".

Ia termasuk kefahaman terhadap bahan, kepekaan terhadap penyimpangan, ketabahan menghadapi masa panjang tanpa jawapan, serta mengukuhkan idea itu berulang-ulang kali selepas ia muncul.

Bahagian-bahagian ini sangat perlahan, tidak sopan, dan bahkan sukar dimasukkan ke dalam laporan prestasi. Namun, teorem-teorem besar, penemuan saintifik, dan inovasi industri sejarah hampir semuanya berasal dari sini.

AI tentu boleh membantu kita memetik epal.

Namun, sama ada orang di bawah pokok itu boleh memikirkan graviti bergantung pada berapa lama dia telah berfikir sebelum epal itu jatuh.

Rujukan

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

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

[3] Maklumat dari Institut Matematik Oxford dan Universiti Bristol mengenai Andrew Wiles dan Teorem Terakhir Fermat.

[4] Kumpulan Muzium Sains, “Bagaimana penisilin dibangunkan?”

[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 kreativiti individu tetapi mengurangkan kepelbagaian kolektif kandungan baharu,” Science Advances, 2024.

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

[9] Nataliya Kosmyna dkk., “Otak Anda pada ChatGPT: Akumulasi Hutang Kognitif Semasa Menggunakan Pembantu AI untuk Tugas Penulisan Esai”, preprint 2025.

[10] Joel Becker dkk., “Mengukur Kesan AI Awal-2025 terhadap Produktiviti Pembangun Sumber Terbuka Berpengalaman”, METR, 2025.

[11] Joel Becker dkk., “Kami Mengubah Reka Bentuk Eksperimen Produktiviti Pembangun Kami”, METR, 2026.