AI Dapat Membuat Lebih Banyak Pekerjaan untuk Kita, Daripada Menyederhanakan Hidup Kita

Ada persepsi umum bahwa kecerdasan buatan (AI) akan membantu merampingkan pekerjaan kami. Bahkan ada kekhawatiran bahwa hal itu dapat menghilangkan kebutuhan akan beberapa pekerjaan sekaligus.

Tapi dalam sebuah penelitian Dari laboratorium sains yang saya lakukan bersama tiga rekan di University of Manchester, pengenalan proses otomatis yang bertujuan untuk menyederhanakan pekerjaan—dan membebaskan waktu orang—juga dapat membuat pekerjaan tersebut menjadi lebih kompleks, menghasilkan tugas baru yang mungkin dianggap biasa oleh banyak pekerja.

Dalam penelitian yang dipublikasikan di Jakarta Kebijakan Penelitian, kami melihat karya para ilmuwan di bidang yang disebut biologi sintetik, atau disingkat synbio. Synbio prihatin dengan mendesain ulang organisme untuk memiliki kemampuan baru. Itu terlibat dalam menanam daging di laboratorium, dengan cara baru memproduksi pupuk, dan dalam penemuan obat baru.

Eksperimen Synbio mengandalkan platform robot canggih untuk memindahkan sampel dalam jumlah besar secara berulang. Mereka juga menggunakan pembelajaran mesin untuk menganalisis hasil eksperimen skala besar.

Ini, pada gilirannya, menghasilkan sejumlah besar data digital. Proses ini dikenal sebagai “digitalisasi”, di mana teknologi digital digunakan untuk mengubah metode dan cara kerja tradisional.

Beberapa tujuan utama dari otomatisasi dan digitalisasi proses ilmiah adalah untuk meningkatkan ilmu pengetahuan yang dapat dilakukan sambil menghemat waktu peneliti untuk fokus pada apa yang mereka anggap sebagai pekerjaan yang lebih “berharga”.

Hasil paradoks

Namun, dalam penelitian kami, para ilmuwan tidak dibebaskan dari tugas yang berulang, manual, atau membosankan seperti yang diharapkan. Sebaliknya, penggunaan platform robot memperkuat dan mendiversifikasi jenis tugas yang harus dilakukan peneliti. Ada beberapa alasan untuk ini.

Diantaranya adalah fakta bahwa jumlah hipotesis (istilah ilmiah untuk penjelasan yang dapat diuji untuk beberapa fenomena yang diamati) dan eksperimen yang perlu dilakukan meningkat. Dengan metode otomatis, kemungkinannya diperkuat.

Para ilmuwan mengatakan itu memungkinkan mereka untuk mengevaluasi lebih banyak hipotesis, bersama dengan sejumlah cara yang dapat dilakukan para ilmuwan untuk membuat perubahan halus pada pengaturan eksperimental. Ini berdampak pada peningkatan volume data yang perlu diperiksa, distandarisasi, dan dibagikan.

Selain itu, robot perlu “dilatih” dalam melakukan eksperimen yang sebelumnya dilakukan secara manual. Manusia juga perlu mengembangkan keterampilan baru untuk mempersiapkan, memperbaiki, dan mengawasi robot. Ini dilakukan untuk memastikan tidak ada kesalahan dalam proses ilmiah.

Karya ilmiah sering dinilai berdasarkan output seperti publikasi peer-review dan hibah. Namun, waktu yang diperlukan untuk membersihkan, memecahkan masalah, dan mengawasi sistem otomatis bersaing dengan tugas-tugas yang secara tradisional dihargai dalam sains. Tugas-tugas yang kurang dihargai ini mungkin juga sebagian besar tidak terlihat — terutama karena manajer adalah orang-orang yang tidak mengetahui pekerjaan biasa karena tidak menghabiskan banyak waktu di lab.

Ilmuwan synbio yang menjalankan tanggung jawab ini tidak dibayar lebih baik atau lebih otonom daripada manajer mereka. Mereka juga menilai beban kerja mereka sendiri lebih tinggi daripada yang di atas mereka dalam hierarki pekerjaan.

Pelajaran Lebih Luas

Mungkin saja pelajaran ini juga berlaku untuk bidang pekerjaan lain. ChatGPT adalah chatbot bertenaga AI yang “belajar” dari informasi yang tersedia di web. Saat diminta oleh pertanyaan dari pengguna online, chatbot menawarkan jawaban itu tampil dengan baik dan meyakinkan.

Menurut Waktu majalah, agar ChatGPT menghindari pengembalian jawaban yang rasis, seksis, atau menyinggung dengan cara lain, pekerja di Kenya disewa untuk memfilter konten beracun yang dikirimkan oleh bot.

Ada banyak praktik kerja yang sering tidak terlihat yang diperlukan pengembangan dan pemeliharaan infrastruktur digital. Fenomena ini dapat digambarkan sebagai “paradoks digitalisasi”. Ini menantang asumsi bahwa setiap orang yang terlibat atau terpengaruh oleh digitalisasi menjadi lebih produktif atau memiliki lebih banyak waktu luang ketika bagian dari alur kerja mereka diotomatisasi.

Kekhawatiran atas penurunan produktivitas adalah motivasi utama di balik upaya organisasi dan politik untuk mengotomatiskan dan mendigitalkan pekerjaan sehari-hari. Tetapi kita tidak boleh mengambil janji keuntungan dalam produktivitas begitu saja.

Sebaliknya, kita harus menantang cara kita mengukur produktivitas dengan mempertimbangkan jenis tugas yang tidak terlihat yang dapat diselesaikan manusia, di luar pekerjaan yang lebih terlihat yang biasanya dihargai.

Kita juga perlu mempertimbangkan bagaimana merancang dan mengelola proses ini sehingga teknologi dapat menambah kemampuan manusia secara lebih positif.

Artikel ini diterbitkan kembali dari Percakapan di bawah lisensi Creative Commons. Membaca Artikel asli.

Gambar Kredit: Gerd Altmann dari Pixabay

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• Platoblockchain. Intelijen Metaverse Web3. Pengetahuan Diperkuat. Akses Di Sini.
• Sumber: https://singularityhub.com/2023/03/24/ai-could-make-more-work-for-us-instead-of-simplifying-our-lives/