Dalam riset, kecepatan tidak otomatis berarti kemajuan jika hasilnya masih harus diperiksa satu per satu. Itulah alasan mengapa kecerdasan buatan untuk pekerjaan ilmiah masih dipandang belum cukup layak dipercaya, meski penggunaannya di kalangan peneliti terus meningkat.
Dorongan untuk memakai AI memang datang dari kebutuhan yang nyata. Di Inggris, tekanan untuk mengejar posisi teratas dalam peringkat R&D internasional membuat peneliti dituntut bekerja lebih cepat, lebih berkualitas, dan lebih berdampak, sementara riset global justru sedang berada di bawah tekanan.
Kondisi itu terlihat dari data global yang menunjukkan hanya 45% peneliti merasa punya cukup waktu untuk meneliti. Di saat yang sama, hanya 33% yang berharap pendanaan meningkat dalam dua hingga tiga tahun ke depan.
Pemerintah Inggris sendiri sudah memasukkan AI ke dalam strategi AI for Science untuk mengubah produktivitas dan kemajuan ilmiah. Investasi ke teknologi AI di negara itu juga telah mencapai nilai gabungan miliaran pound.
Namun, laju adopsi AI ternyata lebih cepat daripada pengawasan yang membingkainya. Lebih dari separuh peneliti kini mengatakan mereka memakai AI dalam pekerjaan, tetapi hanya dua dari sepuluh yang percaya pada AI generik.
Kesenjangan kepercayaan itu menjadi masalah besar karena AI generik cenderung menyederhanakan jawaban. Dalam proses itu, detail, akurasi, transparansi, dan konteks bisa ikut berkurang, padahal semua unsur tersebut sangat penting dalam kerja ilmiah.
Bagi pengguna umum, kekurangan seperti itu mungkin masih bisa ditoleransi. Tetapi bagi peneliti yang harus menjaga reproduktibilitas dan tunduk pada pengawasan ketat, keluaran AI yang wajib dicek ulang justru menghapus manfaat produktivitas yang dijanjikan.
Karena itu, persoalannya bukan sekadar memakai AI, melainkan memakai alat yang tepat untuk tugas yang tepat. Logika ini sudah dikenal di bidang lain, seperti dokter yang memakai monitor ECG untuk mengukur detak jantung, atau pekerja konstruksi yang memakai sistem produksi otomatis untuk pengukuran presisi.
Dalam riset, alat yang dipakai juga harus mengikuti kebutuhan khusus peneliti. AI berkelas riset harus terbukti dapat dipercaya dan konsisten saat menjalankan tugasnya.
Ada empat syarat utama yang perlu dipenuhi agar AI benar-benar layak dipakai ilmuwan. Pertama, alat harus mendukung berpikir kritis dengan menandai ketidakpastian, bukan menutupinya.
Kedua, hasil yang diberikan harus kontekstual, transparan, dan dapat ditelusuri. Artinya, AI perlu menunjukkan bagaimana kesimpulan dibuat dan sumber apa yang digunakan.
Ketiga, prinsip “garbage in, garbage out” sangat kuat dalam penelitian, sehingga riset peer-reviewed sebagai standar emas perlu digabungkan dalam platform yang netral terhadap penerbit. Dengan cara itu, peneliti bisa melihat gambaran yang lebih lengkap, bukan potongan yang terbatas.
Keempat, semua itu harus berdiri di atas fondasi privasi data, keamanan, dan penggunaan AI yang bertanggung jawab. Dalam riset, AI harus lebih dulu membuktikan bahwa ia aman, jujur soal sumber, dan mendukung penilaian manusia, bukan mencoba menggantikannya.
Di tengah tekanan produktivitas dan tingginya minat pada AI, ukuran keberhasilan di dunia riset bergeser. Pertanyaannya bukan lagi seberapa cepat AI memberi jawaban, melainkan apakah jawaban itu cukup bisa dipercaya untuk pekerjaan ilmiah yang menuntut akurasi tinggi.
