Saat menggunakan kecerdasan buatan untuk mensintesis penelitian, tugas apa yang harus tetap dipegang manusia, dan mengapa?

Host: Selamat datang di A.I.S. Insights — powered by Living Knowledge. Saya Anna Ivy Summers, dan bersama saya adalah Alex Ian Sutherland. Hari ini kita membahas sebuah studi berjudul "Apa yang Diberikan oleh Keilmuan Manajemen terhadap Perdebatan SI mengenai Tinjauan Pustaka Berbantuan AI: Sebuah Kontribusi Epistemik". Studi ini disusun oleh Florence Laval, Théophile Ossard, dan Christophe Fournier, yang dipublikasikan di International Conference on Information Systems tahun 2026. Secara garis besar, studi ini meneliti pembagian kerja antara manusia dan kecerdasan buatan dalam proses sintesis pengetahuan.

Expert: Benar, Anna. Inti pembahasannya berfokus pada penentuan batas yang jelas: tugas mana dalam proses tinjauan pustaka yang tepat didelegasikan kepada AI, dan tugas mana yang secara prinsip harus tetap berada di tangan manusia.

Host: Mari kita mulai dari masalah utamanya, Alex. Di dunia kerja saat ini, adopsi AI generatif untuk merangkum dan mengolah dokumen berjalan sangat cepat. Apa masalah yang disorot oleh studi ini terkait fenomena tersebut?

Expert: Masalahnya terletak pada ketiadaan dasar normatif. Panduan yang ada selama ini sebagian besar bersifat teknis, yaitu menjelaskan cara menggunakan AI untuk mempercepat pekerjaan. Namun, panduan tersebut belum menjelaskan alasan analitis mengapa tahapan tertentu tidak boleh diotomatisasi. Tanpa batasan prinsip tersebut, ada risiko besar di mana para analis atau peneliti menyerahkan interpretasi kritis secara penuh kepada alat otomatis yang opasitas algoritmanya tinggi. Akibatnya, ketelitian intelektual serta wawasan kreatif yang muncul dari pemikiran mandiri bisa terkikis.

Host: Lalu, bagaimana para penulis mendekati masalah ini dalam studi mereka?

Expert: Para penulis melakukan analisis komparatif yang terstruktur. Mereka mengumpulkan, membaca, dan mengodekan sebuah korpus yang terdiri dari 81 artikel teks lengkap di bidang ilmu manajemen dan sistem informasi. Melalui pendekatan tersebut, mereka memetakan bagaimana kedua disiplin ilmu ini memandang delegasi tugas kognitif, lalu menyintesis temuan tersebut menjadi empat prinsip panduan kerja.

Host: Apa saja empat prinsip panduan yang dihasilkan dari analisis tersebut?

Expert: Prinsip pertama adalah inefisiensi strategis. Ini adalah keputusan sadar untuk tetap mempertahankan proses membaca manual yang lambat pada fase-fase awal, karena di situlah pemahaman mendalam dan temuan tak terduga biasanya muncul, daripada sekadar mengejar kecepatan. Prinsip kedua adalah agensi reflektif. Pengguna dituntut aktif merancang perintah, mengonfigurasi parameter, dan memvalidasi hasil secara mandiri, bukan menerima keluaran teks begitu saja.

Host: Menarik. Lalu bagaimana dengan dua prinsip lainnya?

Expert: Prinsip ketiga adalah triangulasi instrumental. Alih-alih bergantung pada satu model AI, pengguna disarankan membandingkan hasil kerja di beberapa platform atau alat yang berbeda untuk mengelola risiko ketidakjelasan algoritma. Terakhir, prinsip keempat adalah evaluasi yang berpusat pada kriteria. Artinya, organisasi harus menetapkan tolok ukur kualitas dan batas pengawasan manusia terlebih dahulu sebelum mengadopsi suatu teknologi, bukan mengubah standar kerja hanya untuk menyesuaikan kemampuan alat yang baru.

Host: Sekarang, mari kita bawa konsep ini ke ranah praktisi. Mengapa temuan dalam studi ini penting bagi para pemimpin bisnis dan profesional informasi?

Expert: Dalam bisnis, pengambilan keputusan strategis sangat bergantung pada sintesis informasi, seperti analisis pasar, intelijen kompetitif, atau uji tuntas dokumen hukum. Jika tim analis menyerahkan interpretasi sepenuhnya kepada AI demi efisiensi waktu, risiko menghasilkan analisis yang dangkal atau bias akan meningkat. Empat prinsip ini memberikan kerangka operasional bagi manajer untuk menentukan SOP: kapan AI dipakai untuk pemrosesan data volume besar, dan kapan analis harus memperlambat proses guna melakukan verifikasi mendalam.

Host: Jadi, efisiensi bukan satu-satunya tujuan. Menjaga kualitas penalaran manusia tetap menjadi keunggulan kompetitif yang nyata.

Expert: Tepat sekali. Menggunakan teknologi secara terukur jauh lebih bernilai daripada otomatisasi penuh yang tidak terkontrol.

Host: Sebuah panduan yang sangat relevan untuk tata kelola kerja berbasis data saat ini. Terima kasih banyak atas penjelasannya, Alex. Dan terima kasih kepada para pendengar yang telah bergabung di episode A.I.S. Insights — powered by Living Knowledge kali ini. Sampai jumpa di episode berikutnya.