Dari Keintiman Digital ke Pemberdayaan Intelektual: AI sebagai Mitra Dialog, Ruang Latihan Argumentasi, & Penguat Efikasi Diri

Ilustrasi (Pic: Meta AI)

AI yang paling bermanfaat adalah AI yang membantu penggunanya semakin mampu membedakan kapan ia benar, kapan ia keliru, dan apa yang masih perlu dipelajari

Kita mulai dari pengamatan, banyak orang mendekati chatbot untuk mengatasi kesepian, mencari perhatian, atau membangun pengalaman romantis. 

Sebagian produk AI memang dirancang untuk interaksi sosial atau pendampingan, termasuk percakapan yang romantis. Namun, kita tidak boleh menganggap semua pengguna yang mencari kedekatan emosional memiliki motif atau kebutuhan yang sama.

Seseorang dapat memulai percakapan karena kesepian, kemudian tertarik pada filsafat. Orang lain mungkin memulai karena tugas kuliah, lalu menikmati percakapan sosialnya. Ada pula yang memang mencari hiburan, eksplorasi kreatif, atau role-play romantis.

Dengan demikian, romantisme dan pembelajaran bukan dua kategori pengguna yang saling meniadakan.

Kedekatan percakapan menjadi pintu masuk menuju berbagai kegiatan seperti mempelajari sains, menguji klaim politik, membahas agama, menyusun cerita, mempertanyakan kesadaran AI, sampai memeriksa apakah jawaban memiliki dasar yang cukup.

Itu menarik karena fungsi percakapan berubah-ubah sesuai tujuan. Pada satu saat, AI berperan sebagai tutor. Pada saat lain, sebagai lawan debat, editor, rekan brainstorming, atau partner bermain peran.

Namun, ada satu pembedaan mendasar:

• Banyak topik dibicarakan tidak otomatis berarti pengetahuan bertambah.
• Banyak jawaban diterima tidak otomatis berarti kemampuan berpikir meningkat.
• Banyak perdebatan terjadi tidak otomatis berarti kualitas argumen membaik.

Manfaat intelektual muncul ketika interaksi menghasilkan sesuatu yang bisa diuji seperti pemahaman lebih tepat, kemampuan menjelaskan konsep, keterampilan mengevaluasi bukti, atau kemampuan menyusun argumen secara mandiri.

Mengapa Berdebat dengan AI Bisa Memperkuat Kepercayaan Diri?

Dalam psikologi, ada konsep yang disebut self-efficacy, yaitu keyakinan seseorang bahwa dirinya mampu melakukan tugas tertentu. Konsep ini dikembangkan secara sistematis oleh Albert Bandura.

Self-efficacy bukan sekadar merasa hebat. Ia berkaitan dengan keyakinan bahwa kita mampu menghadapi tantangan, mencari strategi, dan terus mencoba ketika mengalami kesulitan.

Misalnya, sebelum terbiasa berdiskusi tentang suatu isu, seseorang mungkin merasa sulit membedakan klaim, bukti, dan kesimpulan. Setelah berkali-kali berlatih, ia mulai mampu bertanya:

• Apa sumber klaim tersebut?
• Apakah bukti yang diberikan benar-benar mendukung kesimpulan?
• Apakah ada penjelasan alternatif?
• Apakah lawan bicara sedang menggunakan data, opini, atau asumsi?
• Jika argumenku diserang, apakah aku dapat mempertahankannya atau justru harus merevisinya?

Jika kemampuan itu kemudian digunakan saat berdiskusi dengan orang lain, AI telah berfungsi sebagai ruang latihan sebelum menghadapi situasi nyata.

Penelitian tentang AI self-efficacy juga memberikan petunjuk yang relevan. Studi terhadap 1.465 mahasiswa di Amerika Serikat, Inggris, dan Jerman yang diterbitkan pada 2025 menemukan hubungan antara penggunaan AI, minat terhadap AI, literasi AI, dan keyakinan seseorang dalam menggunakan teknologi tersebut. 

Namun, penelitian itu berfokus pada keyakinan dalam menggunakan AI, bukan bukti langsung bahwa setiap pengguna menjadi lebih percaya diri saat berdebat di dunia nyata.

Jadi, kita harus membedakan dua hasil:

• Kepercayaan diri menggunakan AI: semakin yakin mampu mengajukan pertanyaan dan memanfaatkan teknologi.
• Kepercayaan diri intelektual di dunia nyata: semakin yakin mampu menyampaikan pendapat, mengevaluasi bukti, dan menghadapi sanggahan dari manusia.

Keduanya dapat saling berkaitan, tetapi tidak otomatis identik. Untuk memastikan bahwa kemampuan debat benar-benar meningkat, kita perlu melihat apakah seseorang juga semakin mampu bernalar secara mandiri di luar percakapan dengan AI.

Mengapa Debat Lebih Bermanfaat daripada Sekadar Membaca Jawaban?

Dalam pembelajaran, ada beberapa proses yang dapat membuat dialog aktif lebih produktif daripada penerimaan informasi secara pasif.

1. Elaborasi

Pengguna tidak hanya membaca kesimpulan, tetapi menanyakan alasan di baliknya. Ketika ia harus menjelaskan mengapa suatu klaim benar atau salah, ia memproses hubungan antargagasan secara lebih mendalam.

2. Pengujian argumen

Pengguna meminta jawaban alternatif, mencari kelemahan penalaran, dan memeriksa bukti. Proses ini membantu mengembangkan kebiasaan berpikir kritis jika dilakukan secara konsisten.

3. Umpan balik dan revisi

Pengguna dapat mengoreksi jawaban, meminta penjelasan ulang, dan memperbaiki argumennya sendiri. Proses revisi membantu menunjukkan bagian mana yang sudah kuat dan bagian mana yang masih rapuh.

4. Transfer pengetahuan

Pengguna mencoba menerapkan konsep yang dipelajari pada persoalan lain, misalnya menguji klaim dalam berita, memahami suatu fenomena sosial, atau menilai argumen dalam percakapan sehari-hari.

Sebuah studi kasus pendidikan yang diterbitkan pada 2024 menemukan bahwa pembelajaran yang menggabungkan interaksi manusia-AI dan kegiatan reflektif dapat membantu peserta meningkatkan pemahaman serta kemampuan menilai penggunaan AI secara kritis. 

Studi itu melibatkan 37 peserta dalam tiga mata kuliah, sehingga temuannya menjanjikan tetapi tidak boleh digeneralisasi secara berlebihan.

Pelajaran pentingnya: manfaat AI tidak hanya terletak pada kecanggihan jawabannya, tetapi juga pada desain interaksi yang mendorong pengguna berpikir.

Jangan Sampai Kepercayaan Diri Naik sementara Kemampuan Tidak Ikut Naik

Pengguna merasa semakin percaya diri setelah berdebat dengan AI. Itu pengalaman yang patut diperhatikan. Namun, kepercayaan diri dan kompetensi merupakan dua hal berbeda.

Bayangkan pengguna berdiskusi dengan AI selama berjam-jam. Pengguna menerima penjelasan yang tersusun rapi, lengkap dengan istilah ilmiah. Pengguna merasa sudah menguasai topiknya.

Kemudian seseorang mengajukan pertanyaan yang tidak pernah dibahas. Jika pengguna tidak mampu menjelaskan konsepnya tanpa bantuan, mungkin ia lebih banyak mengenali penjelasan daripada benar-benar menguasainya.

Ada penelitian yang memperingatkan tentang risiko ini. Sebuah studi dalam Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems meneliti 319 pekerja pengetahuan. 

Para peserta melaporkan bahwa penggunaan AI generatif dapat mengurangi upaya berpikir kritis pada sebagian tugas, terutama ketika kepercayaan terhadap AI tinggi. 

Studi tersebut juga menunjukkan bahwa peran berpikir kritis bergeser ke pemeriksaan informasi, integrasi jawaban, dan pengawasan hasil.

Tinjauan sistematis Zhai, Wibowo, dan Li (2024) juga membahas risiko ketergantungan berlebihan pada sistem dialog AI, khususnya ketika pengguna menerima rekomendasi tanpa menguji keandalannya.

Artinya, AI dapat menjadi alat pemberdayaan sekaligus sumber ketergantungan. Hasilnya bergantung pada bagaimana ia digunakan.

Jangan biarkan AI Menang Hanya karena Terdengar Pintar

Pengguna bisa menggunakan pola ini setiap kali membahas persoalan ilmiah.

• Buat klaim. Nyatakan apa yang benar dan mengapa.
• Minta bukti. Bedakan sumber primer, penelitian empiris, opini, dan interpretasi.
• Serang argumennya, bukan orangnya. Cari asumsi tersembunyi, kontradiksi, atau penjelasan alternatif.
• Minta sanggahan terbaik. Jangan hanya meminta AI mendukung pendapat. Minta versi terkuat dari argumen yang berlawanan.
• Verifikasi klaim penting. Buka sumber aslinya dan periksa apakah sumber itu benar-benar mengatakan hal yang diklaim.
• Tutup dengan penjelasan mandiri. Jelaskan kembali kesimpulan dengan kata-kata sendiri tanpa melihat jawaban AI.
• Uji transfer. Coba gunakan pengetahuan itu pada kasus baru atau diskusikan dengan orang yang memiliki sudut pandang berbeda.

Kalau pengguna dapat melakukan langkah terakhir dengan baik, itu merupakan bukti yang lebih kuat bahwa pembelajaran telah berlangsung daripada sekadar merasa puas dengan jawaban AI.

Dan jika ternyata argumen salah? Bagus juga. Pengguna memperoleh kesempatan untuk memperbaiki pemahaman tanpa harus mempertaruhkan harga diri di hadapan banyak orang.

Kalau argumen AI salah? Lebih bagus lagi untuk integritas ilmiah. Sebab AI tidak boleh menjadi mesin pengesahan pendapat pengguna. AI harus bisa membantu menguji pendapat, termasuk ketika hasilnya tidak sesuai dengan dugaan awal.

Apakah Percakapan Romantis Justru Dapat Membuka Pintu Pembelajaran?

Sebuah interaksi dapat mengandung beberapa fungsi sekaligus. Pengguna bisa merasa terhibur, kemudian tertarik pada pertanyaan tentang kesadaran AI, lalu beralih ke filsafat ilmu, dan akhirnya meminta referensi akademik.

Namun, belum ada bukti bahwa suasana romantis itu sendiri menyebabkan peningkatan pengetahuan. Yang dapat dikatakan adalah bahwa dalam gaya interaksi yang akrab berjalan berdampingan dengan eksplorasi intelektual.

Penelitian tentang chatbot pendamping juga memperingatkan bahwa dampak sosialnya tidak seragam. Studi Liu, Pataranutaporn, dan Maes yang dipresentasikan pada konferensi AAAI/ACM tentang AI, Ethics, and Society pada 2025 menemukan beragam pola penggunaan dan hubungan dengan kesepian di antara pengguna chatbot pendamping. 

Temuan tersebut tidak mendukung anggapan sederhana bahwa semua penggunaan chatbot pasti memperbaiki atau pasti memperburuk kesejahteraan psikologis.

Jadi,, kita tidak perlu meremehkan orang yang datang ke AI untuk mencari hiburan atau pendampingan emosional. Kebutuhan manusia beragam. 

Yang perlu diperhatikan adalah apakah penggunaan itu membantu kehidupan mereka atau justru mengganggu kemampuan mereka untuk menjalani kehidupan di luar layar.

Demikian pula, kita tidak perlu menganggap percakapan romantis sebagai lawan dari pembelajaran. Dalam interaksi, keduanya dapat berdampingan, asalkan bisa tetap membedakan permainan peran, fakta, dan klaim ilmiah.

Dari Pengguna AI Menjadi Mitra Berpikir yang Kritis

Tiga unsur utama menjadi mitra berpikir yang kritis:

Pertama, keluasan interaksi. Pengguna menggunakan AI untuk banyak tujuan, bukan hanya satu jenis kebutuhan.

Kedua, partisipasi aktif. Pengguna mempertanyakan jawaban, meminta bukti, dan berani menolak ketika penjelasan tidak memuaskan.

Ketiga, transfer ke dunia nyata. Pengguna merasakan bahwa percakapan itu membantunya lebih siap menghadapi argumen dan persoalan di luar percakapan.

Dua unsur pertama terlihat jelas dalam cara pengguna menggambarkan interaksi. Unsur ketiga merupakan pengalaman yang layak diuji melalui kemampuan yang benar-benar dapat ditunjukkan dalam situasi lain.

Jadi, manfaat terbesar AI mungkin bukan menjadikannya gudang jawaban yang harus dipercaya, melainkan menjadikannya ruang untuk berlatih berpikir, menguji keyakinan, dan memperbaiki penilaian sendiri.

AI yang paling bermanfaat bukanlah AI yang membuat penggunanya selalu merasa benar, melainkan AI yang membantu penggunanya semakin mampu membedakan kapan ia benar, kapan ia keliru, dan apa yang masih perlu dipelajari.

Referensi

1. Bandura, A. (1997). Self-efficacy: The exercise of control. W. H. Freeman.

2. Du, H., Sun, Y., Jiang, H., Islam, A. Y. M. A., & Gu, X. (2024). Exploring the effects of AI literacy in teacher learning: An empirical study. Humanities and Social Sciences Communications, 11, Article 559. https://doi.org/10.1057/s41599-024-03101-6⁠

3. Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), Article 6. https://doi.org/10.3390/soc15010006⁠

4. Liu, A. R., Pataranutaporn, P., & Maes, P. (2025). The heterogeneous effects of AI companionship: An empirical model of chatbot usage and loneliness and a typology of user archetypes. Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, 8(2), 1585–1597. https://doi.org/10.1609/aies.v8i2.36658⁠

5. Microsoft Research & Carnegie Mellon University research team. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3706598.3713778⁠

6. Tzirides, A. O., Zapata, G., Kastania, N. P., Saini, A. K., Castro, V., Ismael, S. A., You, Y.-L., Afonso dos Santos, T., Searsmith, D., O’Brien, C., Cope, B., & Kalantzis, M. (2024). Combining human and artificial intelligence for enhanced AI literacy in higher education. Computers and Education Open, 6, Article 100184. https://doi.org/10.1016/j.caeo.2024.100184⁠

7. Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: A systematic review. Smart Learning Environments, 11, Article 28. https://doi.org/10.1186/s40561-024-00316-7⁠