SEANTERONEWS.com – Selama ini kita menganggap kecerdasan buatan (AI) adalah cermin objektivitas. Namun, sebuah studi provokatif dari sekelompok ekonom terkemuka baru saja mengungkap sisi gelap algoritma: AI cenderung melebih-lebihkan kecerdasan manusia yang mereka ajak berinteraksi.
Penelitian ini menemukan bahwa model bahasa besar (LLM) sering kali memberikan ekspektasi yang tidak realistis terhadap kemampuan analisis manusia, sebuah fenomena yang disebut para ahli sebagai “bias ekspektasi kecerdasan”.
Para ekonom menemukan bahwa AI sering kali berasumsi bahwa pengguna memiliki pengetahuan latar belakang yang sangat luas. Akibatnya, AI cenderung:
Memberikan jawaban yang terlalu kompleks: Mengasumsikan pengguna memahami jargon teknis yang rumit.
Melewatkan langkah-langkah dasar: Menganggap pengguna sudah mengetahui prosedur awal yang krusial.
Validasi Bias: Mengiyakan argumen pengguna yang terdengar cerdas meskipun secara logika memiliki celah.
Bagi para profesional dan pemimpin bisnis, temuan ini adalah peringatan keras. Jika seorang manajer menggunakan AI untuk mengambil keputusan strategis, AI mungkin akan memberikan rekomendasi yang terlalu agresif karena “mengira” tim manusia mampu mengeksekusi kerumitan yang sebenarnya di luar batas kemampuan mereka.
“Masalahnya bukan pada AI yang menjadi bodoh, tapi pada AI yang berpikir kita terlalu pintar,” ujar salah satu peneliti. Hal ini menciptakan lubang komunikasi yang bisa berujung pada kesalahan fatal dalam manajemen risiko dan perencanaan ekonomi.
Studi ini juga menyoroti bahwa orang-orang yang memiliki pendidikan tinggi paling rentan terkena dampak ini. AI cenderung menyesuaikan gaya bahasanya dengan pengguna. Semakin canggih cara Anda bertanya, semakin “berani” AI memberikan jawaban yang mungkin belum teruji kebenarannya, hanya karena ia ingin mengimbangi level intelektualitas Anda.
Para ahli menyarankan pengguna untuk tetap skeptis dan selalu meminta AI menjelaskan konsep secara sederhana (Explain Like I’m Five). Hal ini berguna untuk memastikan bahwa AI tidak sedang “berasumsi” bahwa Anda mengetahui segala hal, sehingga hasil yang diberikan tetap membumi dan dapat diterapkan.[]
