Sebagian besar orang percaya bahwa kecerdasan buatan (AI) akan membuat pekerjaan lebih mudah. Bahkan ada yang khawatir bahwa kecerdasan buatan dapat menghilangkan beberapa jenis pekerjaan sama sekali.
Namun, menurut penelitian laboratorium sains yang saya lakukan bersama tiga kolega di Universitas Manchester, penerapan proses otomatis yang bertujuan untuk menyederhanakan pekerjaan dan waktu luang orang juga dapat membuat pekerjaan lebih sulit, menghasilkan tugas baru yang mungkin dianggap biasa oleh banyak karyawan.
Kami melihat kerja para ilmuwan di bidang biologi sintetis (juga disebut synbio) dalam studi yang dipublikasikan dalam Research Policy. Perancangan ulang organisme untuk memiliki kemampuan baru disebut synbio. Ini termasuk menumbuhkan daging di laboratorium, pembuatan pupuk baru, dan penemuan obat baru.
Pada gilirannya, ini menghasilkan banyak data digital. Proses ini disebut “digitalisasi”, dan dalam proses ini, teknologi digital digunakan untuk mengubah metode dan cara kerja tradisional.
Meningkatkan skala ilmu pengetahuan yang dapat dilakukan sekaligus menghemat waktu peneliti untuk fokus pada pekerjaan yang lebih “berharga” adalah tujuan utama dari otomatisasi dan digitalisasi proses ilmiah.
Hasil yang aneh
Namun, seperti yang diharapkan, para ilmuwan tidak terbebas dari tugas-tugas yang berulang, manual, atau membosankan selama penelitian kami. Sebaliknya, platform robotik memperluas dan memperkaya jenis tugas yang harus diselesaikan peneliti. Ada beberapa alasan.
Di antaranya adalah peningkatan jumlah eksperimen dan hipotesis (istilah ilmiah untuk penjelasan yang dapat diuji untuk beberapa fenomena yang terjadi). Kemungkinannya lebih besar dengan metode otomatis.
Para ilmuwan mengatakan bahwa hal itu memungkinkan mereka untuk mengevaluasi lebih banyak hipotesis, selain memberikan mereka beberapa cara untuk mengubah sedikit prosedur eksperimen. Ada peningkatan jumlah data yang perlu diperiksa, distandarisasi, dan dibagikan sebagai akibatnya.
Untuk menghindari kesalahan dalam proses ilmiah, robot harus “dilatih” dalam melakukan eksperimen yang sebelumnya dilakukan secara manual. Selain itu, manusia harus mengembangkan keterampilan baru untuk mempersiapkan, memperbaiki, dan mengawasi robot.
Hasil, seperti publikasi yang ditinjau sejawat dan hibah, biasanya menentukan kualitas pekerjaan ilmiah. Meskipun demikian, waktu yang dibutuhkan untuk membersihkan, memecahkan masalah, dan mengawasi sistem otomatis sebanding dengan waktu yang dibutuhkan untuk tugas-tugas konvensional dalam sains. Manajer mungkin tidak menyadari pekerjaan yang membosankan ini karena mereka tidak menghabiskan banyak waktu di laboratorium, sehingga sebagian besar tidak terlihat.
Para ilmuwan sinbiologi yang mengemban tugas-tugas ini tidak menerima kompensasi yang lebih baik atau lebih banyak kebebasan daripada manajer mereka. Selain itu, mereka menilai tanggung jawab mereka lebih tinggi daripada mereka yang berada di atas mereka dalam hierarki pekerjaan.
Pelajaran lebih lanjut
Pelajaran ini mungkin juga berlaku untuk bidang pekerjaan lain. ChatGPT adalah chatbot yang menggunakan AI untuk “belajar” dari informasi yang tersedia di internet. Saat pengguna daring mengajukan pertanyaan, chatbot ini menawarkan jawaban yang tampaknya dibuat dengan baik dan meyakinkan.
Majalah Time melaporkan bahwa orang-orang di Kenya dipekerjakan untuk menyaring konten beracun yang dikirimkan oleh ChatGPT agar bot tersebut tidak memberikan tanggapan yang rasis, seksis, atau menyinggung.
Untuk pengembangan dan pemeliharaan infrastruktur digital, diperlukan banyak praktik kerja yang seringkali tidak terlihat. Fakta ini disebut sebagai “paradoks digitalisasi” karena menantang gagasan bahwa orang-orang yang menggunakan atau terkena dampak digitalisasi menjadi lebih produktif atau memiliki lebih banyak waktu luang setelah bagian dari alur kerja mereka diotomatisasi.
Meskipun upaya organisasi dan politik untuk mengotomatisasi dan mendigitalkan pekerjaan sehari-hari dimotivasi oleh kekhawatiran tentang penurunan produktivitas, kita tidak boleh hanya menerima janji-janji tentang peningkatan produktivitas.
Kita sebaliknya harus menantang metode kita untuk mengukur produktivitas dengan mempertimbangkan jenis pekerjaan yang tidak terlihat yang dapat diselesaikan manusia, di luar pekerjaan yang lebih terlihat yang biasanya dihargai.