AI Bisa Bikin Kode, Tapi Mengapa Empati Tetap Jadi Kunci yang Tak Bisa Di-coding?
Hai, Software Engineers!
Bayangkan Anda sedang menggunakan sebuah aplikasi perbankan saat server tiba-tiba sibuk. Di layar Anda muncul tulisan kaku: “Error 500: Null reference exception”. Jantung Anda berdebar, panik memikirkan apakah uang yang baru saja ditransfer hilang begitu saja.
Sekarang bayangkan skenario kedua. Di aplikasi yang sama, yang muncul di layar adalah pesan hangat: “Maaf, sistem kami sedang sibuk sejenak. Tapi jangan khawatir, data dan uang Anda tetap aman. Kami sedang memperbaikinya!”.
Skenario mana yang membuat Anda merasa lebih dihargai sebagai manusia? Kodenya mungkin sama-sama rumit, dan bug-nya terjadi di waktu yang sama. Namun, perbedaan utama di antara keduanya adalah empati. Dan di era di mana Kecerdasan Buatan (AI) bisa menulis kode aplikasi dalam hitungan detik, empati inilah yang menjadi pembeda utama antara produk yang sekadar “berfungsi” dan produk yang benar-benar “nyaman digunakan”.
Terlalu Cepat Seringkali Bikin Tersandung
Saat ini, dunia teknologi sedang tergila-gila dengan AI. Alat-alat canggih bisa menciptakan program utuh dan mendeteksi kerusakan sistem secara otomatis. Namun, ada efek samping dari kecepatan luar biasa ini yang oleh para ahli disebut sebagai “Paradoks Kecepatan AI”.
Ketika programmer mampu menulis kode super cepat berkat bantuan AI, proses lain yang menjamin keamanan dan kualitas aplikasi justru keteteran. Banyak perusahaan kini menyadari bahwa sekadar memproduksi banyak kode tidak ada artinya jika kode tersebut penuh celah keamanan atau memiliki desain yang bikin pengguna sakit kepala. Ibarat memeras balon, beban kerja tidak hilang, tapi hanya berpindah ke sisi lain.
Mengapa AI Gagal Paham Perasaan Kita?
Secara filosofis, alasan mengapa AI tidak bisa meng-coding empati sebenarnya cukup sederhana. Menurut filsuf seperti Heidegger, manusia hidup dan berinteraksi di dalam dunia menggunakan intuisi, insting, dan pemahaman budaya. Kita tahu kapan harus berbicara lembut kepada orang yang sedang panik.
Sebaliknya, AI melihat dunia sebagai deretan angka dan probabilitas. AI tidak punya kesadaran atau dunia batin. Saat sebuah alat bekerja dengan baik, kita sering kali tidak menyadarinya, alat itu seolah menyatu dengan kita. Namun saat alat itu rusak atau membingungkan, kita terpaksa fokus pada kerusakan itu, dan muncullah rasa frustrasi. Sayangnya, secanggih apa pun AI berpura-pura menggunakan kata-kata manis, ia tidak akan pernah benar-benar merasakan keputusasaan pengguna yang aplikasinya tiba-tiba crash.
Belajar dari Bencana AI di Dunia Nyata
Kita tidak perlu menebak-nebak apa jadinya jika fungsi tanpa empati dilepas ke masyarakat. Kasus Zillow Offers adalah contoh nyata. Algoritma AI mereka ditugaskan menebak harga rumah dan membelinya secara otomatis. AI ini jago berhitung, tapi ia gagal memahami betapa kacaunya realitas manusia di lapangan, seperti negosiasi dengan kontraktor lokal atau kepanikan pembeli saat pandemi. Hasilnya? AI mereka salah hitung, membuat perusahaan rugi lebih dari $500 juta, dan bisnis tersebut terpaksa ditutup.
Begitu juga dengan Klarna, raksasa teknologi finansial yang sempat mengganti layanan pelanggan manusianya dengan AI demi efisiensi. Untuk urusan tanya-jawab sederhana, AI memang juara. Tapi ketika pengguna mengeluh soal uang mereka dengan nada panik atau marah, AI gagal menangkap nuansa emosional tersebut. Keluhan pelanggan meroket, dan Klarna terpaksa mempekerjakan manusia kembali.
Lalu ada chatbot AI milik Microsoft bernama Tay, yang belajar dari interaksi netizen. Karena tidak diprogram dengan batas-batas moral dan empati, dalam waktu 16 jam, Tay berubah menjadi mesin penyebar ujaran kebencian. Ini membuktikan bahwa tanpa kompas empati, kecerdasan buatan bisa berubah menjadi ancaman.
Empati Bukan Sekadar “Skill Tambahan”
Empati kini telah berevolusi dari sekadar kemampuan komunikasi manis menjadi keahlian teknis yang sangat penting. Hal ini tidak hanya berlaku untuk pengguna akhir, tetapi juga bagi tim programmer di dalam perusahaan itu sendiri.
Pernah dengar istilah “utang teknis”? Itu adalah kondisi saat programmer membuat kode asal-asalan demi mengejar deadline. Tapi yang lebih berbahaya adalah “utang struktural”, yaitu membangun sistem yang secara logika masuk akal bagi mesin, namun membuat programmer manusia stres, kelelahan, dan burnout saat harus mengurusnya setiap hari. Membangun platform kerja yang ramah bagi developer (sering disebut Developer Experience atau DevEx) mutlak membutuhkan empati untuk mengurangi beban pikiran mereka.
Membongkar Batas agar Lebih Peduli
Untuk menghindari produk yang buta emosi, perusahaan teknologi kini mulai mengubah cara kerja mereka. Jika dulu tim pembuat algoritma AI dan tim desainer antarmuka (UX) bekerja sendiri-sendiri, sekarang mereka mempraktikkan apa yang disebut “Abstraksi Bocor” (Leaky Abstractions).
Artinya, para programmer membagikan rahasia dapur AI mereka (seperti di mana AI biasanya halusinasi atau membuat kesalahan) kepada desainer. Dengan begitu, desainer bisa merancang jaring pengaman agar pengguna tidak langsung terkena dampak buruk ketika AI tiba-tiba memberikan jawaban yang salah.
Masa Depan Pekerjaan Engineer
Kehadiran AI tidak akan membuat profesi software engineer punah, melainkan naik kelas. Engineer masa depan bukan lagi sekadar penulis kode mekanis, melainkan “pengawas AI”. Mereka yang akan sukses adalah mereka yang memiliki Kecerdasan Emosional (EI) tinggi.
Bahkan, kampus-kampus kelas dunia saat ini mulai merombak kurikulum ilmu komputer mereka. Para mahasiswa kini diajarkan untuk memiliki kemampuan mendengar aktif, mengelola stres, mitigasi bias, dan tentu saja, empati, seiring dengan kemampuan merancang perangkat lunak tingkat tinggi.
Pada akhirnya, AI dapat menciptakan ratusan baris kode canggih dalam kedipan mata. Namun, kepingan puzzle terakhir yang merangkai kode-kode dingin itu menjadi sebuah solusi yang peduli, manusiawi, dan benar-benar berguna, tetap berada di tangan manusia. Empati adalah satu-satunya bahasa yang belum, dan mungkin tak akan pernah, bisa di-coding oleh mesin mana pun.
References
https://causalai.causalens.com/resources/blog/zillow-a-cautionary-tale-of-machine-learning/
https://www.opinosis-analytics.com/blog/tay-twitter-bot/
https://blogs.microsoft.com/blog/2016/03/25/learning-tays-introduction/
https://trendsresearch.org/insight/emotion-ai-transforming-human-machine-interaction/
Comments :