Temukan minat Anda, bersama

Promo pilihan, ulasan jujur, dan cerita belanja dari mereka yang seminat dengan Anda — setiap hari di Kuybeli.

Temukan minat Anda, bersamaPromo pilihan, ulasan jujur, dan cerita belanja dari mereka yang seminat dengan Anda — setiap hari di Kuybeli.

AI Bisa Melipatgandakan Riset, tetapi Belum Menggantikan Ilmuwan

AI Bisa Melipatgandakan Riset, tetapi Belum Menggantikan Ilmuwan
Minat|Analisis Data AI

AI mempercepat bagian riset yang paling mudah diotomatisasi

AI untuk penelitian adalah perangkat yang membantu ilmuwan menjalankan pekerjaan seperti mengolah data dan menyusun tulisan, tanpa mengambil alih seluruh proses ilmiah. Studi Anthropic yang dirilis 5 November 2026 menelaah 207.049 sesi riset di Claude dan Claude Code, yang berlangsung dari 2 Agustus hingga 30 September 2026. Temuannya menawarkan gambaran nyata tentang bagaimana alat ini dipakai: ilmuwan cenderung menyerahkan pekerjaan yang terstruktur dan bisa dibantu komputasi, bukan keputusan inti tentang apa yang layak diteliti. Itu sebabnya potensi produktivitas riset AI patut diperhitungkan, tetapi janji bahwa AI segera menggantikan ilmuwan terlalu jauh. Bagi peneliti, dosen, dan mahasiswa, pelajaran praktisnya adalah mengarahkan AI ke tugas yang menyita waktu, sambil tetap menjaga kendali manusia atas pertanyaan, metode, dan interpretasi.

Analisis tersebut mengelompokkan sesi berdasarkan bidang dan jenis tugas, bukan menyimpan dataset, hipotesis, metode, atau naskah yang belum terbit. Anthropic juga menyurvei 528 ilmuwan yang telah memakai AI. Dengan demikian, hasil ini bukan ukuran langsung mutu temuan ilmiah, melainkan potret pola penggunaan dan perkiraan tentang peluang percepatan. Perbedaan itu penting: lebih banyak pekerjaan yang selesai belum tentu berarti lebih banyak penemuan yang benar atau bermakna.

Analisis data dan penulisan menjadi penggunaan utama

Angka paling jelas dalam laporan adalah dominasi analisis data penelitian. Tugas ini mencakup 33,7% sesi Claude dan 48,1% sesi Claude Code, dibandingkan dengan 27,6% waktu kerja peneliti yang biasanya dialokasikan untuk analisis data. Menulis dan berkomunikasi juga menonjol: porsinya 32% pada sesi Claude, sementara peneliti rata-rata menghabiskan 16% waktu kerja untuknya. Pola ini masuk akal. AI dapat membantu membersihkan data, menulis kode, merangkum hasil, atau memperbaiki draf dengan lebih cepat daripada menangani tugas yang membutuhkan kerja fisik.

Sebaliknya, hanya 11,5% sesi Claude dan 11,9% sesi Claude Code berhubungan dengan pengumpulan data. Ide dan hipotesis bahkan lebih jarang muncul, masing-masing sebesar 4,2% dan 2,1%. Justru dua pekerjaan ini dianggap penting bagi temuan besar. Pengumpulan sampel atau pelaksanaan eksperimen tidak bisa digantikan oleh teks yang dihasilkan mesin; memilih pertanyaan riset pun menuntut penilaian dan pemahaman konteks. Jadi, Claude untuk ilmuwan saat ini lebih meyakinkan sebagai asisten kerja daripada sebagai penemu mandiri.

Jenis tugasSesi ClaudeSesi Claude CodePorsi waktu peneliti
Analisis data33,7%48,1%27,6%
Menulis dan komunikasi32,0%Tidak disebut16,0%
Pengumpulan data11,5%11,9%28,6%
Ide dan hipotesis4,2%2,1%7,1%

Peluang kenaikan output besar, tetapi bergantung pada bidang

Anthropic memperkirakan bahwa dengan kemampuan AI saat ini, output penelitian di sebagian bidang dapat berlipat dua. Itu kemungkinan datang dari percepatan tugas yang berulang dan nonfisik, bukan karena AI secara otomatis menemukan teori baru. Dalam skenario hipotetis ketika AI mampu mengerjakan seluruh pekerjaan riset nonfisik, output ilmu komputer dan statistik bahkan diperkirakan bisa meningkat hingga 15 kali lipat. Namun angka itu adalah batas skenario, bukan hasil yang sudah dicapai di laboratorium.

Adopsi juga tidak merata. Ilmu komputer hanya mencakup 4,3% peneliti dunia, tetapi menyumbang 32,7% sesi Claude Code. Di Claude, ilmu komputer mencatat porsi sesi tertinggi sebesar 11,9%, disusul teknik 8,4% dan kedokteran 7,7%. Bias ini mengingatkan bahwa proyeksi produktivitas riset AI tidak bisa diterapkan seragam pada semua disiplin. Bidang yang banyak mengolah data digital mungkin merasakan manfaat lebih cepat daripada penelitian yang bergantung pada sampel, alat laboratorium, atau kerja lapangan.

Bagi kampus dan lembaga riset, langkah yang masuk akal adalah melatih peneliti memakai AI untuk analisis data dan penulisan ilmiah, sembari menetapkan aturan tentang verifikasi, etika, dan keaslian karya. Penghematan waktu baru bernilai jika hasilnya diperiksa dan kontribusi AI dinyatakan secara tepat.

Ilmuwan tetap memegang kendali atas arah penelitian

Batas terpenting AI saat ini bukan sekadar kemampuan teknis, melainkan jarak antara membantu menjalankan tugas dan menentukan tujuan penelitian. Sistem dapat mempercepat pengolahan data serta merapikan tulisan, tetapi pengumpulan bukti di dunia nyata dan pemilihan pertanyaan yang bermakna masih memerlukan manusia. Sekitar 40% ilmuwan dalam survei memperkirakan AI dapat menjalankan proyek riset sendiri pada 2030. Harapan itu patut dicermati, bukan dianggap sebagai kepastian: kemampuan menyelesaikan rangkaian tugas belum menjamin penilaian ilmiah yang dapat dipercaya.

Kesimpulannya, temuan Anthropic memberi alasan kuat untuk memakai AI sebagai pengungkit produktivitas, khususnya pada analisis data dan penulisan, bukan sebagai pengganti ilmuwan. Kampus yang mengajarkan penggunaan praktis sekaligus pemeriksaan kritis akan lebih siap memperoleh manfaatnya. Output riset bisa meningkat, bahkan berlipat dalam bidang tertentu, tetapi kualitas pengetahuan tetap bergantung pada manusia yang merumuskan masalah, menguji bukti, dan bertanggung jawab atas kesimpulan.

Kuybeli memperoleh komisi saat Anda berbelanja melalui tautan kami, tanpa biaya tambahan untuk Anda.

You May Also Like

Comments
Tulis sesuatu...
Belum ada komentar. Jadilah yang pertama berbagi pendapat!