Shangyuan Wu, peneliti dari National University of Singapore, mewawancarai 14 jurnalis dari berbagai media cetak, siaran, online, dan kantor berita di Singapura. Pertanyaannya sederhana: apakah penggunaan AI membuat jurnalis kehilangan keterampilan mereka? Jawaban yang dimuat dalam Journalism Practice pada 2026 itu cukup mengganggu. Sejumlah jurnalis mengaku khawatir kehilangan keterampilan riset paling mendasar, sebab generative AI kini bisa menyusun laporan latar belakang dan menyisir bahan online dalam hitungan detik (dikutip dari Nieman Journalism Lab, 2026).

Studi Wu tersebut memotret gejala serupa dari sudut pandang yang lebih tajam. Lewat wawancara mendalam dengan jurnalis dan editor, riset ini menemukan bahwa keterampilan riset, penulisan, pencatatan, analisis, wawancara, hingga kemampuan berpikir independen semuanya masuk dalam daftar yang dirasakan mulai tergerus. Bukan cuma satu keterampilan yang hilang. Nyaris seluruh fondasi kerja jurnalistik ikut goyah.

Mohammad Hossein Jarrahi, profesor Information Science di University of North Carolina at Chapel Hill, punya istilah untuk menyinggung fenomena ini: cognitive debt, utang kognitif. Setiap kali karyawan membiarkan AI mengambil alih keputusan yang semestinya menuntut penilaian manusia, mereka sedang menabung kemudahan hari ini dengan bunga yang dibayar nanti dalam bentuk kompetensi yang perlahan-lahan memudar. “Anda mendapatkan sesuatu dalam jangka pendek yang mungkin berujung pada kerugian dalam jangka panjang,” kata Jarrahi sebagaimana dikutip dalam HCAMag (2026).

Fenomena ini punya nama di jurnal ilmiah: skill decay. Hal ini juga mulai muncul dalam diskusi tentang penggunaan AI di dunia kerja. Ketika pekerjaan yang sebelumnya menjadi sarana latihan dan pembentukan keterampilan dialihkan sepenuhnya kepada AI, ada risiko pekerja semakin jarang menggunakan kemampuan tersebut.

Pertanyaannya sekarang bukan apakah AI membuat kita malas berpikir, melainkan siapa sebenarnya yang paling dirugikan dalam proses ini.

Salah satu kelompok yang paling terdampak adalah pekerja muda yang baru memasuki dunia kerja.

Survei Gartner menemukan bahwa 22% CHRO melaporkan setidaknya satu pemimpin bisnis di organisasinya telah menghentikan perekrutan untuk posisi entry-level karena otomatisasi AI. Data payroll dari Stanford HAI AI Index 2026 menunjukkan bahwa pekerjaan pengembang perangkat lunak usia 22 sampai 25 tahun turun hampir 20% dibandingkan 2024, sementara pekerjaan pengembang yang lebih berpengalaman justru meningkat. Fenomena ini sering digambarkan sebagai missing rung, yaitu jenjang yang hilang dalam tangga karier. Posisi junior selama ini adalah ruang berisiko relatif rendah, tempat orang belajar dari kesalahan kecil sebelum dipercaya menangani hal besar. Kalau AI sudah mengerjakan sebagian besar grunt work yang dulu menjadi wahana belajar itu, dari mana lagi calon senior lima tahun ke depan akan tumbuh?

Jika organisasi adalah sebuah pohon besar, lazimnya ranting-ranting muda akan menyerap sinar matahari langsung, tumbuh, lalu berkembang menjadi cabang utama. Ketika ranting muda ini dipangkas habis demi efisiensi musim ini, pohonnya memang tampak rapi sekejap. Tapi sepuluh tahun lagi, siapa yang akan menjadi cabang utamanya?

Di titik ini biasanya ada dua kubu yang saling melempar argumen. Kubu pertama bilang AI merusak segalanya, generasi ini akan jadi generasi bodoh yang tidak bisa mengandalkan akalnya sendiri. Kubu kedua akan menentang dan mengatakan sebaliknya, bahwa setiap teknologi baru selalu dituduh merusak otak. Socrates, dua ribu tahun lalu, sudah mengkhawatirkan bahwa tulisan akan menghancurkan daya ingat manusia dan seterusnya. Toh, nyatanya dunia tetap berjalan.

Namun, datanya tidak sesederhana itu.

Riset Anthropic tentang penggunaan AI dalam coding menunjukkan bahwa pola penggunaan AI dapat menghasilkan dampak pembelajaran yang berbeda. Penggunaan yang lebih pasif dapat mengurangi keterlibatan pengguna dengan proses pemecahan masalah, sementara penggunaan AI sebagai alat untuk bertanya, meminta penjelasan, dan mengeksplorasi konsep dapat mendukung pembelajaran. Alat yang sama dapat menghasilkan dampak yang berbeda. Bukan semata-mata AI-nya yang menentukan dampaknya, melainkan cara menggunakannya.

Ini yang membuat perbandingan Reuters dan BBC menarik untuk dicermati, seperti yang dipetakan dalam studi komparatif yang dimuat di Nieman Lab pada 2026. Reuters memposisikan AI sebagai alat bantu yang tetap berada di bawah pengawasan jurnalistik, sementara BBC juga menggunakan AI dengan menekankan pengawasan dan tanggung jawab manusia. Keduanya sama-sama memakai AI, tetapi prinsip pentingnya tetap sama: penilaian editorial dan keputusan akhir tetap berada di tangan manusia, bukan mesin.

Lalu, apa artinya semua ini bagi kita yang bukan pemimpin redaksi Reuters atau BBC, tetapi tetap memakai AI setiap hari untuk bekerja?

Barangkali ini saatnya kita mulai bertanya pada diri sendiri, setiap kali membuka aplikasi AI: aku sedang menyelesaikan tugas atau sedang belajar sesuatu? Dua hal itu kadang susah dibedakan, tapi hasilnya akan jauh berbeda dalam lima tahun ke depan. Perusahaan yang cerdas akan mulai membedakan mana pekerjaan yang sudah cukup selesai dan mana pekerjaan yang justru harus dikerjakan susah payah dulu, demi kompetensi yang akan dibutuhkan nanti, saat AI-nya sendiri entah sudah berubah menjadi apa.

Skill decay bukan sesuatu yang terjadi secara otomatis begitu perusahaan menggunakan AI. Itu adalah pilihan yang lahir dari cara organisasi merancang jalur belajar bagi para anggotanya. Pertanyaannya bukan lagi apakah kita akan pakai AI, karena itu sudah selesai diperdebatkan. Pertanyaan yang lebih layak diajukan sekarang: kita sedang membangun kompetensi, atau justru diam-diam sedang meruntuhkannya?

—
AAn.