Hujan dan Air Mata–Mei 1968 & Mei 1998

Tiga puluh tahun sebelum Peristiwa Mei 1998 di Indonesia, di Prancis, hujan dan air mata menjadi metafora yang hidup dalam gerakan sosial mahasiswa. Tembang Rain and Tears dari Aphrodite’s Child, meski apolitis, ditafsirkan sebagai simbol penderitaan kolektif. Hujan di Paris 1968 bukan sekadar fenomena alam; ia hadir bersama gas air mata yang digunakan aparat untuk membubarkan demonstran. Air mata manusia bercampur dengan air mata kimia, membentuk lanskap emosional yang penuh luka.

Sejarah memang kerap berulang, walau tak pernah persis sama. Ungkapan ini mengingatkan kita bahwa masyarakat manusia sering kembali pada pola yang serupa: gejolak, harapan, dan tragedi. Mei 1968 di Prancis dan Mei 1998 di Indonesia adalah contoh yang mencolok—keduanya memperlihatkan bagaimana rakyat, khususnya mahasiswa dan pekerja, bangkit melawan sistem yang dianggap tidak adil. Di Paris, “hujan dan air mata” lebih bersifat simbolis—gas air mata, luka, dan jejak emosional dari benturan dengan aparat. Di Jakarta, ia menjadi kenyataan yang tragis—ribuan nyawa melayang, keluarga hancur, dan trauma yang masih bergema hingga kini.

Pengulangan itu tampak dalam siklus: idealisme muda berhadapan dengan kekuasaan yang mengakar, penderitaan kolektif menjadi pemicu perubahan, dan paradoks abadi bahawa kemajuan sering menuntut pengorbanan. Namun setiap peristiwa membawa teksturnya sendiri—warisan Prancis lebih bersifat budaya dan intelektual, sementara Indonesia melahirkan reformasi politik. Keduanya menegaskan bahawa hujan dan air mata bukan sekadar metafora, melainkan realitas yang berulang dalam perjuangan manusia demi martabat dan kebebasan. 

Di Jakarta 1998, hujan juga turun di tengah kerusuhan. Namun, air mata di sana bukan semata oleh gas air mata, melainkan oleh kehilangan nyawa, hancurnya harapan, dan runtuhnya kepercayaan pada rezim yang telah berkuasa puluhan tahun. Hujan dan air mata, dalam dua konteks berbeda, menjadi bahasa universal penderitaan. Paris 1968 berbicara tentang kebebasan intelektual, Jakarta 1998 tentang kebebasan politik dan ekonomi.

Hujan di Prancis membawa aroma revolusi budaya: mahasiswa menuntut perubahan sistem pendidikan, buruh menuntut hak kerja, seniman menuntut kebebasan berekspresi. Air mata mereka adalah air mata idealisme. Sementara itu, hujan di Jakarta 1998 membawa aroma asap ban terbakar, gedung-gedung dijarah, dan ketakutan massal. Air mata rakyat adalah air mata penderitaan ekonomi dan trauma sosial.

Kesamaan keduanya adalah hujan yang menyamarkan air mata. Di Paris, hujan musim semi menutupi tangisan mahasiswa. Di Jakarta, hujan tropis menutupi tangisan ibu-ibu yang kehilangan anak. Perbedaan keduanya adalah konteks: di Prancis, air mata lahir dari benturan ideologi; di Indonesia, air mata lahir dari benturan krisis ekonomi dan otoritarianisme.

Hujan dan air mata mengajarkan bahwa penderitaan kolektif selalu mencari simbol. Lagu di Prancis menjadi simbol, sementara di Indonesia simbol itu adalah jeritan rakyat di jalanan. Dalam filosofi eksistensial, hujan dan air mata adalah tanda keterbatasan manusia. Kita tidak bisa mengendalikan langit, kita tidak bisa menahan air mata. Keduanya adalah pengingat bahwa manusia rapuh.

Mei 1968 menunjukkan bahwa air mata bisa menjadi energi perubahan. Demonstrasi mahasiswa memicu reformasi sosial, meski tidak langsung mengganti rezim. Mei 1998 menunjukkan bahwa air mata bisa menjadi energi revolusi. Tangisan rakyat memaksa penguasa turun, membuka jalan bagi demokrasi baru. Hujan di Prancis menjadi latar romantis bagi revolusi budaya. Hujan di Jakarta menjadi latar tragis bagi revolusi politik.

Air mata mahasiswa Prancis adalah air mata harapan. Air mata rakyat Indonesia adalah air mata kehilangan. Namun keduanya sama-sama membuktikan: air mata tidak pernah sia-sia. Ia adalah benih perubahan. Hujan dan air mata juga mengingatkan bahwa penderitaan kolektif selalu bersifat ambivalen. Ia bisa melahirkan solidaritas, tapi juga bisa melahirkan trauma.

Di Prancis, solidaritas antara mahasiswa dan buruh menciptakan kekuatan besar. Di Indonesia, solidaritas antara mahasiswa dan rakyat menciptakan momentum reformasi. Tetapi trauma tetap ada. Di Prancis, banyak yang merasa revolusi gagal. Di Indonesia, banyak yang merasa reformasi belum menuntaskan luka. Hujan dan air mata adalah simbol siklus sejarah. Mereka datang, mereka pergi, tetapi jejaknya tetap ada.

Tembang Rain and Tears menjadi pengingat bahwa kesedihan adalah bagian dari hidup. Peristiwa Mei 1998 menjadi pengingat bahwa kesedihan bisa mengubah sejarah. Hujan di Prancis adalah hujan yang menyuburkan ide-ide baru. Hujan di Indonesia adalah hujan yang menyuburkan demokrasi baru. Air mata di Prancis adalah air mata generasi muda yang menolak status quo. Air mata di Indonesia adalah air mata rakyat yang menolak penindasan.

Keduanya menunjukkan bahwa hujan dan air mata adalah bahasa universal perlawanan. Filosofisnya, hujan adalah eksternalitas, air mata adalah internalitas. Keduanya bertemu dalam ruang publik ketika penderitaan menjadi kolektif. Mei 1968 dan Mei 1998 adalah dua cermin sejarah: satu di Barat, satu di Timur. Keduanya menunjukkan bahwa manusia tidak bisa hidup tanpa hujan dan air mata.

Hujan dan air mata adalah tanda bahwa sejarah selalu basah oleh penderitaan. Tetapi dari basah itu lahir kehidupan baru. Di Prancis, lahir kebebasan budaya. Di Indonesia, lahir kebebasan politik. Hujan dan air mata adalah paradoks: mereka menyakitkan, tetapi juga menyuburkan. Dalam konteks Prancis, hujan dan air mata melahirkan seni baru, musik baru, filosofi baru. Dalam konteks Indonesia, hujan dan air mata melahirkan sistem politik baru, kebebasan pers, dan ruang demokrasi.

Hujan dan air mata adalah bahasa yang tidak pernah usang. Setiap generasi akan mengalaminya, dalam bentuk berbeda. Mei 1968 dan Mei 1998 adalah bukti bahwa sejarah selalu berulang dalam simbol yang sama. Hujan dan air mata adalah simbol penderitaan sekaligus harapan. Mereka mengingatkan bahwa manusia tidak bisa menghindari kesedihan. Tetapi manusia bisa mengubah kesedihan menjadi energi.

Di Prancis, energi itu adalah revolusi budaya. Di Indonesia, energi itu adalah revolusi politik. Hujan dan air mata adalah tanda bahwa perubahan selalu lahir dari penderitaan. Tidak ada revolusi tanpa air mata. Tidak ada reformasi tanpa hujan penderitaan. Hujan dan air mata adalah bahasa yang melampaui kata-kata. Mereka adalah musik alam dan musik jiwa.

Tembang Rain and Tears adalah musik jiwa generasi 1968. Jeritan rakyat Indonesia adalah musik jiwa generasi 1998. Keduanya sama-sama melodi kesedihan. Tetapi melodi itu melahirkan harmoni baru. Hujan dan air mata adalah harmoni antara penderitaan dan harapan. Mereka mengingatkan bahwa hidup bukan hanya tentang matahari. Ada saat di mana kita harus menerima hujan. Ada saat di mana kita harus menerima air mata.

Tetapi dari hujan lahir pelangi. Dari air mata lahir kebijaksanaan. Mei 1968 dan Mei 1998 adalah pelangi setelah hujan, kebijaksanaan setelah air mata. Keduanya menunjukkan bahwa sejarah adalah siklus penderitaan dan harapan. Hujan dan air mata adalah simbol siklus itu. Mereka adalah pengingat bahwa manusia selalu belajar dari kesedihan. Dan pada akhirnya, hujan dan air mata bukanlah akhir, melainkan awal dari kehidupan baru—baik di Prancis 1968 maupun di Indonesia 1998.

Rain and Tears menjadi benang simbolik yang menghubungkan dua peristiwa besar dengan konteks berbeda: Mei 1968 di Prancis dan Mei 1998 di Indonesia. Keduanya ditandai oleh jalanan yang basah oleh hujan dan mata yang basah oleh air mata, namun warisan sejarahnya berbeda—Prancis melahirkan revolusi budaya dan intelektual, sementara Indonesia melahirkan reformasi politik yang penuh trauma.

Memang menarik sekali bila kita menyimak lirik Rain and Tears dalam konteks sejarah. Secara literal, lagu ini ditulis sebagai tembang cinta melankolis tentang kesedihan, kepura‑puraan, dan kerentanan hati. Namun, ketika ia dirilis pada tahun 1968, tepat di tengah gelombang demonstrasi mahasiswa di Prancis, banyak orang menafsirkannya sebagai cerminan suasana jalanan: hujan musim semi bercampur dengan gas air mata, tangisan bercampur dengan tuntutan kebebasan. Baris seperti “Rain and tears are the same” dan “But in the sun you’ve got to play the game” bisa dibaca bukan hanya tentang cinta, tetapi tentang tekanan sosial: di depan publik, para demonstran harus “bermain peran” sebagai yang kuat dan berani, meski hati mereka penuh ketakutan. Begitu pula, kalimat “You can pretend it’s nothing but the rain” terasa relevan dengan cara orang menyembunyikan penderitaan di balik simbol hujan. Kendati secara tekstual lagu ini bukan lagu politik, penerimaan publik menjadikannya semacam soundtrack emosional bagi gerakan Mei 1968. Hujan dan air mata dalam lirik itu seolah menyatu dengan hujan dan air mata nyata di jalanan Paris. Inilah yang membuatnya terasa lebih menggambarkan para demonstran ketimbang sekadar kisah cinta pribadi.

Resonansi Filosofis

Hujan dan air mata dalam kedua peristiwa ini menegaskan kerentanan manusia sekaligus kekuatan kolektif. Di Prancis, keduanya menyuburkan tanah intelektual, melahirkan filosofi baru tentang kekuasaan dan kebebasan. Di Indonesia, keduanya menyirami benih demokrasi, meski hasil panennya bercampur antara harapan dan kekecewaan.

Keduanya mengingatkan bahawa hujan dan air mata bukan sekadar tanda kesedihan, melainkan katalis perubahan. Mereka menutupi luka, tetapi juga membuka jalan bagi keberanian. Sejarah menunjukkan paradoks: penderitaan bisa melukai, tetapi juga bisa memperbarui.

Prancis, Mei 1968: Hujan, Air Mata, dan Revolusi Budaya

Gerakan ini bermula dari protes mahasiswa di Nanterre dan Sorbonne terhadap sistem pendidikan yang kaku, lalu berkembang menjadi pemogokan nasional yang melibatkan lebih dari 10 juta buruh. Hujan musim semi Paris bercampur dengan gas air mata, menciptakan lanskap “rain and tears” yang nyata.

Dampaknya, pemerintahan Charles de Gaulle terguncang meski tak tumbang. Namun, warisan Mei 1968 justru lebih kuat di ranah budaya dan intelektual. Dari sini lahir generasi pemikir seperti Michel Foucault, Pierre Bourdieu, Jacques Derrida, Gilles Deleuze, dan Jean Baudrillard, yang gagasannya mengubah arah filosofi, sosiologi, dan teori budaya. Slogan-slogan semisal “Sous les pavés, la plage!” (“Di bawah batu paving, ada pantai!”) dan “Il est interdit d’interdire!” (“Dilarang melarang!”) menjadi ikon semangat kebebasan.

Indonesia, Mei 1998: Hujan, Air Mata, dan Reformasi Politik

Di Indonesia, pemicu utamanya adalah krisis ekonomi Asia 1997–1998 yang menghancurkan stabilitas sosial. Mahasiswa dan rakyat turun ke jalan menuntut diakhirinya kekuasaan Presiden Soeharto yang telah berkuasa selama 32 tahun.

Jakarta kala itu diguyur hujan tropis, di tengah kerusuhan, pembakaran, dan penjarahan. Air mata rakyat bukan hanya karena gas air mata, tetapi juga karena kehilangan nyawa, trauma etnis, dan penderitaan ekonomi. Berbeda dengan Prancis, protes di Indonesia menghasilkan perubahan politik langsung: Soeharto mengundurkan diri pada 21 Mei 1998, menandai lahirnya era Reformasi.

Warisan Reformasi adalah pemilu bebas, kebebasan pers, dan ruang sipil yang lebih luas. Namun, demokrasi yang lahir masih bersifat prosedural. Oligarki bermunculan, korupsi tetap bertahan, dan etika demokrasi belum sepenuhnya mengakar.

Korban Jiwa

Dalam Mei 1968 di Prancis, korban jiwa relatif sedikit, sementara Mei 1998 di Indonesia menelan ribuan korban dengan luka sosial yang jauh lebih dalam. Perbedaan skala penderitaan ini memperlihatkan bagaimana simbol “hujan dan air mata” sungguh menjadi kenyataan tragis di Jakarta.

Korban Mei 1968 di Prancis

Gelombang demonstrasi mahasiswa dan buruh yang melibatkan jutaan orang memang mengguncang pemerintahan Charles de Gaulle, akan tetapi tak berujung pada pertumpahan darah besar. Bentrokan dengan polisi menghasilkan ratusan luka‑luka dan beberapa kasus kematian, namun jumlah korban jiwa tercatat relatif kecil dibandingkan skala aksi. Yang lebih menonjol adalah trauma sosial dan politik: rasa takut, represi aparat, serta pengalaman generasi muda menghadapi kekerasan negara. Mei 1968 dikenang bukan karena banyaknya korban tewas, melainkan karena dampak budaya dan intelektual yang lahir dari penderitaan kolektif.

Korban Mei 1998 di Indonesia

Sebaliknya, Reformasi 1998 di Indonesia meninggalkan luka yang jauh lebih dalam. Menurut laporan Tim Gabungan Pencari Fakta (TGPF), kerusuhan Mei 1998 di Jakarta saja merenggut 1.190 nyawa. Dari jumlah itu, 27 orang tewas akibat peluru aparat, termasuk empat mahasiswa Trisakti yang gugur pada 12 Mei 1998: Elang Mulia Lesmana, Heri Hertanto, Hafidin Royan, dan Hendriawan Sie. Sisanya meninggal karena terbakar dalam peristiwa penjarahan dan pembakaran massal. Selain korban tewas, tercatat 91 orang luka‑luka serta ratusan perempuan, terutama dari komunitas Tionghoa, mengalami kekerasan seksual.

Kerusuhan juga meluas ke berbagai kota lain seperti Solo, Lampung, Palembang, Surabaya, dan Medan. Skala penderitaan ini menunjukkan bahwa air mata rakyat Indonesia bukan sekadar simbol, melainkan kenyataan pahit yang menandai runtuhnya Orde Baru.

Refleksi

Perbandingan korban dalam dua peristiwa ini memperlihatkan kontras yang tajam. Prancis 1968 lebih banyak meninggalkan luka psikologis dan benturan ideologis, sementara Indonesia 1998 meninggalkan luka fisik, trauma etnis, dan kehilangan nyawa dalam jumlah besar. “Rain and Tears” dalam konteks Prancis adalah metafora, sedangkan di Indonesia, ia menjadi realitas tragis.

[English]

AI dan Berpikir Kritis: Prompt Engineering sebagai Jembatan

Artificial Intelligence (AI) kini hadir dimana-mana. Dari aplikasi peta yang memprediksi kemacetan, rekomendasi film di platform streaming, hingga chatbot yang menjawab pertanyaan sehari-hari. Andrew Ng menyebut AI sebagai “listrik baru” yang akan mengubah seluruh aspek kehidupan. Sama seperti listrik yang dulu menggerakkan revolusi industri, AI kini menjadi tenaga penggerak revolusi informasi.

Namun, kehadiran AI bukan berarti manusia bisa berhenti berpikir. Justru sebaliknya, semakin banyak keputusan yang dibantu mesin, semakin penting kemampuan kita untuk menilai, mempertanyakan, dan menyaring informasi. Inilah yang disebut berpikir kritis.

Berpikir kritis bukan sekadar kemampuan akademis, melainkan keterampilan hidup. Ia membantu kita membedakan fakta dari opini, menilai argumen, dan membuat keputusan yang lebih bijak. Dalam konteks AI, berpikir kritis menjadi penyeimbang: mesin memberi jawaban, manusia menilai apakah jawaban itu benar, relevan, dan bermanfaat.

Di sisi lain, muncul konsep baru bernama prompt engineering. Konsepsi ini merupakan seni merancang pertanyaan agar AI menghasilkan jawaban yang sesuai kebutuhan. Prompt engineering sebenarnya melatih kita agar berpikir kritis: bagaimana menyusun pertanyaan yang jelas, spesifik, dan tak bias. Dengan kata lain, AI mendorong manusia agar lebih teliti dalam bertanya, bukan sekadar menerima jawaban.

AI sebagai Literasi Baru

Membaca dan menulis kini terasa biasa. Padahal, berabad-abad lalu, hanya segelintir orang yang bisa melakukannya. Andrew Ng menyebut bahwa kemampuan menulis kode—khususnya untuk AI—sedang berkembang menjadi bentuk literasi baru. Jika kata-kata memungkinkan manusia berkomunikasi secara mendalam, maka kode memungkinkan kita berkomunikasi dengan mesin. Dan karena mesin semakin hadir dalam kehidupan sehari-hari, literasi ini menjadi semakin penting.

Literasi AI bukan sekadar membuat gim atau situs web, melainkan menggunakan data untuk menyelesaikan masalah nyata. Bayangkan seorang pemilik kedai pizza yang ingin tahu berapa banyak pizza Hawaii yang perlu disiapkan setiap minggu. Dengan model regresi sederhana, ia bisa memperkirakan permintaan, mengurangi waktu tunggu pelanggan, dan mengatur persediaan lebih efisien. Contoh kecil ini menunjukkan bagaimana literasi AI dapat meningkatkan kualitas hidup sehari-hari.

Perbedaan utama antara coding tradisional dan coding berbasis AI ada pada pendekatannya. Coding tradisional memberi tahu komputer langkah demi langkah yang harus dijalankan. Coding AI justru mengajarkan komputer untuk menemukan pola dari data. Pergeseran ini membuat literasi AI semakin berharga, sebab memungkinkan orang dari berbagai profesi—mulai dari kesehatan hingga pertanian—memanfaatkan wawasan dari data tanpa harus menjadi ahli pemrograman.

Di sinilah berpikir kritis berperan. Belajar menulis kode untuk AI saja tidak cukup; kita juga harus mampu mempertanyakan data, model, dan hasilnya. Mewakili kenyataankah dataset yang dipakai untuk menyulih? Bisa dipercayakah prediksi yang dihasilkan? Adakah bias tersembunyi? Tanpa berpikir kritis, literasi AI bisa menjadi sekadar rutinitas teknis yang menghasilkan jawaban meyakinkan di permukaan, tetapi rapuh di dalamnya.

Singkatnya, literasi AI tak semata keterampilan teknis. Ia merupakan cara pandang yang menggabungkan coding dengan pertanyaan, data dengan penilaian, serta otomatisasi dengan tanggung jawab manusia. Sama seperti literasi bahasa yang memperkaya masyarakat, literasi AI—bila dipandu oleh berpikir kritis—dapat memperkaya era digital kita.

Prompt engineering adalah seni menyusun pertanyaan atau instruksi agar sistem AI, seperti ChatGPT, memberikan jawaban yang relevan, jelas, dan sesuai kebutuhan. Pada dasarnya, AI akan merespons sesuai dengan apa yang kita tanyakan. Jika pertanyaan yang diajukan kabur, maka jawaban yang muncul pun bisa melenceng. Dengan prompt engineering, kita belajar merancang pertanyaan yang tepat sehingga hasil yang keluar lebih berkualitas.

Teknik ini sering melibatkan cara-cara tertentu. Misalnya, kita bisa memberikan instruksi yang sangat spesifik, semisal “Tuliskan ringkasan berita ini dalam satu paragraf”. Kita juga bisa meminta AI berperan sebagai sosok tertentu, misalnya “Sebagai guru sejarah, jelaskan Perang Dunia II”. Ada pula teknik menggunakan kata kunci untuk mengarahkan jawaban, seperti “Tulis puisi dengan kata kunci ‘cinta’”. Selain itu, ada pendekatan yang memastikan jawaban konsisten dengan konteks yang diberikan, sehingga hasilnya tak saling bertentangan.

Hubungan antara prompt engineering dan berpikir kritis sangat erat. Saat menyusun prompt, kita dituntut untuk merumuskan pertanyaan yang jelas, menentukan konteks yang tepat, serta mengevaluasi jawaban yang diberikan AI. Proses ini melatih kita untuk tak menerima jawaban begitu saja, melainkan menimbang apakah hasilnya sesuai instruksi, apakah ada kekeliruan, dan apakah perlu diperbaiki.

Dengan demikian, prompt engineering bukan sekadar trik teknis untuk “mengakali” mesin, melainkan latihan berpikir kritis dalam bentuk praktis. Kita belajar bertanya dengan lebih cerdas dan, pada akhirnya, jawaban AI pun menjadi lebih bermanfaat serta lebih dekat dengan kebutuhan nyata.

Mari kita bayangkan bagaimana prompt engineering bisa dipakai dalam kehidupan sehari-hari dengan cara yang mudah dipahami.

Dalam belajar, seorang pelajar sejarah hendak memahami Perang Dunia II. Bila ia hanya bertanya “Jelaskan Perang Dunia II”, jawabannya bisa terlalu luas dan membingungkan. Dengan prompt engineering, ia bisa menyusun pertanyaan seperti “Sebagai guru sejarah, jelaskan tiga penyebab utama Perang Dunia II dengan bahasa sederhana”. Hasilnya lebih terarah dan mudah dipahami.

Dalam pekerjaan, seorang karyawan yang sedang menulis laporan tentang perubahan iklim bisa saja meminta AI, “Tuliskan tentang perubahan iklim”. Jawaban yang muncul mungkin terlalu umum. Tetapi jika ia berkata “Buat ringkasan singkat tentang dampak perubahan iklim bagi rantai pasokan, ditujukan untuk para pemimpin bisnis”, maka AI akan menghasilkan teks yang lebih relevan dengan kebutuhan profesional.

Dalam hiburan, seseorang yang ingin membaca puisi bisa saja meminta “Tulis puisi”. Jawaban yang keluar bisa acak. Namun, dengan prompt engineering, ia bisa berkata “Tuliskan sebuah soneta tentang suasana malam musim panas dengan kata kunci ‘nostalgia’”. Hasilnya akan lebih sesuai dengan suasana hati dan keinginan pribadi.

Dalam dunia jurnalistik, prompt engineering juga punya peran penting. Seorang jurnalis tak cukup hanya meminta AI “Tuliskan berita tentang ekonomi”, karena hasilnya bisa terlalu umum dan tidak fokus. Dengan prompt engineering, ia bisa menyusun instruksi yang lebih tajam, misalnya: “Sebagai reporter ekonomi, buat ringkasan singkat tentang dampak inflasi terhadap harga pangan di Indonesia, dengan gaya bahasa netral dan informatif”. Hasilnya akan lebih sesuai dengan standar berita yang jelas, ringkas, dan tidak bias.

Selain itu, prompt engineering membantu jurnalis dalam verifikasi informasi. Misalnya, ketika ada klaim berbeda tentang jumlah korban suatu peristiwa, jurnalis bisa meminta AI: “Periksa konsistensi data dalam laporan ini dan tunjukkan bagian yang saling bertentangan”. Teknik ini mirip dengan self-consistency prompting, yang berguna untuk mendeteksi ketidaksesuaian dalam teks.

Prompt engineering juga bisa dipakai untuk menyusun pertanyaan wawancara. Seorang jurnalis dapat meminta: “Sebagai editor senior, buat daftar lima pertanyaan kritis untuk wawancara dengan seorang pakar energi tentang transisi ke energi terbarukan”. Dengan begitu, AI membantu menyiapkan kerangka wawancara yang lebih tajam dan relevan.

Intinya, dalam jurnalisme, prompt engineering bukan hanya alat teknis, tetapi juga latihan berpikir kritis. Ia melatih jurnalis untuk merumuskan pertanyaan yang jelas, menjaga objektivitas, dan memastikan informasi yang disajikan akurat serta bermanfaat bagi publik.

Dari keempat contoh ini, terlihat bahwa prompt engineering sebenarnya melatih kita agar berpikir kritis. Kita diajak berhenti sejenak, merumuskan apa yang benar-benar kita butuhkan, lalu menyampaikannya dengan jelas. Semakin cerdas kita bertanya, semakin baik pula jawaban yang diberikan AI—baik dalam belajar, bekerja, maupun sekadar bersenang-senang.

Berpikir Kritis dalam Pembelajaran AI

Belajar AI bukan sekadar menghafal rumus atau menguasai pustaka pemrograman. Yang lebih penting adalah tahu apa yang harus dipelajari, mengapa hal itu penting, dan bagaimana cara menggunakannya. Andrew Ng mengingatkan bahwa bidang AI sangat luas, dengan jumlah penelitian yang terbit jauh lebih banyak daripada yang bisa dibaca seseorang seumur hidup. Di sinilah berpikir kritis berperan: membantu kita memilih, memilah, dan menilai keterampilan yang benar-benar mendukung tujuan.

Sebagai contoh, seorang pemula mungkin tergoda langsung mempelajari kalkulus tingkat lanjut atau arsitektur neural network yang rumit. Namun, berpikir kritis mendorong kita untuk bertanya: Apakah pengetahuan ini memang saya butuhkan sekarang? Apakah ini akan membantu saya membangun proyek yang saya inginkan? Dalam banyak kasus, memahami dasar-dasar regresi linear, regresi logistik, atau decision tree justru lebih berguna di awal daripada mengejar tren penelitian terbaru.

Berpikir kritis juga penting saat menghadapi kesalahan. Ketika sebuah model tak bisa berjalan atau membuahkan hasil yang aneh, reaksi mudahnya adalah frustrasi. Tetapi seorang pemikir kritis akan berhenti sejenak dan bertanya: Apakah dataset yang dipakai bermasalah? Validkah asumsi yang digunakan? Adakah bias atau gangguan yang memengaruhi hasil? Kebiasaan bertanya seperti ini mengubah kesalahan menjadi peluang belajar yang lebih mendalam.

Selain itu, berpikir kritis membuat kita terhindar dari belajar secara pasif. Membaca halaman web atau tutorial secara acak memang terasa produktif, tetapi tanpa arah yang jelas, pengetahuan yang diperoleh sering terpecah-pecah. Seorang pembelajar kritis akan memilih kursus yang terstruktur, menilai kualitas sumber belajar, dan baru beralih ke penelitian tingkat lanjut setelah fondasi dasarnya kuat.

Singkatnya, belajar AI adalah perjalanan seumur hidup, dan berpikir kritis adalah kompas yang menjaga kita agar tetap berada di jalur yang benar. Dengan berpikir kritis, kita tak tenggelam dalam banjir informasi, melainkan membangun keterampilan yang relevan, bisa diterapkan, dan tahan lama di tengah perubahan yang cepat.

Menentukan Proyek AI yang Tepat

Membangun keterampilan AI saja tak cukup; yang lebih menentukan ialah bagaimana kita memilih proyek yang tepat untuk dikerjakan. Andrew Ng menekankan bahwa banyak orang terjebak pada pola pikir “Ready, Aim, Fire”—terlalu lama merencanakan sebelum benar-benar mencoba. Sebaliknya, pendekatan “Ready, Fire, Aim” sering lebih efektif: mulai dari proyek kecil, lalu belajar dan menyesuaikan di sepanjang jalan.

Di sinilah berpikir kritis menjadi kunci. Sebelum memulai proyek, kita perlu bertanya: Benar-benar pentingkah masalah ini? Cukupkah data yang tersedia? Apakah solusi AI akan memberi dampak nyata? Pertanyaan-pertanyaan ini membantu kita menghindari proyek yang sekadar “keren” secara teknis tetapi tak relevan dengan kebutuhan nyata.

Contohnya, sebuah perusahaan bisa saja tergoda membuat chatbot canggih hanya karena tren. Namun, berpikir kritis akan menilai: sungguhkah chatbot itu menyelesaikan masalah pelanggan, atau justru menambah kebingungan? Dengan cara ini, proyek AI tak hanya menjadi eksperimen teknologi, tetapi solusi yang memberi nilai tambah.

Selain itu, berpikir kritis membantu kita menilai risiko dan bias. Misalnya, jika data yang dipakai hanya berasal dari satu kelompok, hasilnya bisa berat sebelah. Seorang pemikir kritis akan menyadari hal ini dan mencari cara untuk memperbaiki dataset agar lebih adil dan representatif.

Singkatnya, menentukan proyek AI bukan sekadar soal ide kreatif, melainkan pula soal penilaian kritis. Dengan berpikir kritis, kita bisa memilih proyek yang relevan, realistis, dan berdampak nyata—baik untuk bisnis, pendidikan, maupun kehidupan sehari-hari.

AI sebagai Mitra, Bukan Pengganti Berpikir Kritis

Kecerdasan Buatan sering digambarkan seolah-olah bisa “berpikir” untuk kita. Namun kenyataannya, AI tak menggantikan penilaian manusia; ia justru melengkapinya. Mesin mampu memproses data dalam jumlah besar, menemukan pola, dan memberikan saran dengan sangat cepat. Tapi mesin tak bisa menentukan apa yang benar-benar penting, apalagi menimbang dampak etis atau sosial. Tanggung jawab itu tetap berada di tangan manusia.

Berpikir kritis memastikan AI menjadi mitra, bukan penguasa. Misalnya, ketika AI merekomendasikan sebuah pengobatan, keputusan akhir tetap ada pada dokter yang menilai apakah rekomendasi itu aman, sesuai, dan cocok bagi pasien. Begitu juga dalam bisnis, ketika AI menyarankan strategi, manajerlah yang harus menilai apakah rencana tersebut sejalan dengan nilai perusahaan dan tujuan jangka panjang.

Kemitraan ini berjalan baik ketika manusia dan AI memainkan keunggulan masing-masing. AI unggul dalam perhitungan, prediksi, dan otomatisasi. Manusia unggul dalam penalaran, empati, dan refleksi etis. Jika digabungkan, keduanya menjadi kombinasi yang kuat: AI menyediakan pilihan, manusia menentukan pilihan mana yang tepat.

Bahaya muncul saat kita terlalu bergantung. Jika kita menerima hasil AI tanpa berpikir kritis, kita bisa memperkuat bias, melewatkan kesalahan, atau mengambil keputusan tanpa konteks. Sebaliknya, jika kita mendekati AI dengan sikap bertanya—“Akuratkah ini? Berimbangkah ini? Bergunakah ini?”—maka AI berubah menjadi alat yang memperkaya, bukan melemahkan cara kita berpikir.

Singkatnya, AI seyogyanya dipandang sebagai rekan kerja. Ia dapat mempercepat pekerjaan, memperluas perspektif, dan memicu kreativitas. Namun berpikir kritislah yang memastikan semua manfaat itu digunakan dengan bijak, sehingga penilaian manusia tetap berada di pusat setiap keputusan.

Membangun Budaya AI dan Berpikir Kritis

AI tak semata soal teknologi, melainkan juga soal budaya. Agar AI benar-benar bermanfaat, sekolah, tempat kerja, dan komunitas perlu menumbuhkan kebiasaan menggunakan AI bersama dengan berpikir kritis. Tanpa budaya ini, AI bisa menjadi sekadar alat yang dipakai secara dangkal, bahkan berisiko menimbulkan bias atau kesalahan.

Di sekolah, budaya AI dan berpikir kritis bisa dibangun lewat pembelajaran yang mendorong siswa agar tak hanya menerima jawaban dari mesin, tetapi juga mempertanyakan dan menilai hasilnya. Misalnya, ketika AI memberikan ringkasan sejarah, guru bisa mengajak siswa membandingkan dengan sumber lain, lalu mendiskusikan apakah ringkasan itu lengkap dan akurat. Dengan cara ini, AI menjadi sarana latihan berpikir kritis, bukan pengganti guru.

Di tempat kerja, budaya ini berarti mendorong karyawan agar menggunakan AI sebagai alat bantu, bukan sebagai penentu tunggal. Seorang analis bisnis, misalnya, bisa memakai AI untuk membuat proyeksi pasar, tetapi tetap harus menilai apakah proyeksi itu realistis, sesuai data, dan relevan dengan strategi perusahaan. Budaya kritis ini menjaga agar keputusan bisnis tetap berbasis pada penilaian manusia.

Di komunitas, budaya AI dan berpikir kritis bisa diwujudkan lewat literasi digital. Masyarakat perlu diajak memahami bahwa tak semua jawaban AI benar atau netral. Dengan membiasakan diri bertanya “Masuk akalkah ini? Adakah sumber lain yang mendukung?”, komunitas menjadi lebih tangguh menghadapi berita bohong atau bias yang mungkin muncul dari sistem AI.

Singkatnya, membangun budaya AI dan berpikir kritis berarti menjadikan AI sebagai mitra yang memperkuat kemampuan manusia, bukan melemahkannya. Budaya ini memastikan bahwa teknologi dipakai dengan bijak, adil, dan bermanfaat bagi seluruh lapisan masyarakat.

Masa Depan AI dan Berpikir Kritis

Masa depan Kecerdasan Buatan tak ditentukan oleh algoritma yang lebih cepat atau kumpulan data yang lebih besar belaka. Masa depan itu akan dibentuk oleh bagaimana manusia mengintegrasikan berpikir kritis dalam penggunaan AI. Seiring berkembangnya teknologi, tantangan bukan sekadar apakah mesin bisa melakukan lebih banyak hal, tetapi apakah manusia tetap mampu mempertanyakan, menilai, dan mengarahkan kemampuan tersebut dengan bijak.

Dalam pendidikan, AI kemungkinan besar akan menjadi alat umum untuk pembelajaran yang lebih personal. Namun nilai sesungguhnya muncul ketika siswa diajar menguji jawaban AI, membandingkannya dengan sumber lain, dan merefleksikan ketepatannya. Dengan begitu, AI membantu menumbuhkan kemandirian berpikir, bukan sekadar konsumsi pasif.

Di tempat kerja, AI akan mengotomatisasi tugas rutin dan memberikan wawasan yang canggih. Tetapi berpikir kritis tetap menjadi pengaman agar kita tak bergantung secara membabi-buta. Manajer dan profesional perlu bertanya: Sesuaikah rekomendasi ini dengan nilai perusahaan? Bebas biaskah datanya? Apa dampak jangka panjangnya? Tanpa refleksi semacam ini, efisiensi bisa mengorbankan keberimbangan atau keberlanjutan.

Dalam masyarakat luas, AI akan memengaruhi politik, media, dan keputusan sehari-hari. Bahayanya, misinformasi atau bias bisa menyebar lebih cepat daripada sebelumnya. Budaya berpikir kritis—mempertanyakan sumber, menuntut transparansi, dan menilai konteks—akan sangat penting untuk melindungi nilai demokrasi dan kepercayaan sosial.

Singkatnya, masa depan AI tak bisa dipisahkan dari masa depan pertimbangan atau penilaian manusia. Mesin mungkin semakin kuat, tetapi berpikir kritis-lah yang memastikan teknologi digunakan dengan bijak. Kemitraan antara AI dan nalar manusia akan menentukan apakah teknologi menjadi kekuatan bagi kemajuan atau justru sumber perpecahan.

Kesimpulan: Menuju Literasi AI yang Kritis

Perjalanan kita dari literasi AI, prompt engineering, berpikir kritis, hingga pemilihan proyek menunjukkan satu benang merah: AI hanya akan bermanfaat jika digunakan dengan kesadaran dan penilaian yang matang. Literasi AI mengajarkan kita untuk memahami dasar-dasarnya, prompt engineering melatih kita untuk berkomunikasi dengan mesin secara efektif, sementara berpikir kritis memastikan kita tidak sekadar menerima jawaban, tetapi juga menilai, mempertanyakan, dan menyaringnya.

Dalam pembelajaran, AI bisa menjadi alat bantu yang mempercepat pemahaman, tetapi guru dan siswa tetap harus menguji hasilnya. Dalam pekerjaan, AI bisa mempercepat analisis dan otomatisasi, tetapi keputusan akhir tetap harus mempertimbangkan nilai, strategi, dan dampak jangka panjang. Dalam masyarakat, AI bisa memperluas akses informasi, tetapi literasi kritis diperlukan agar kita tidak terjebak dalam bias atau misinformasi.

Kesimpulannya, literasi AI yang kritis bukan hanya kemampuan teknis, melainkan juga sikap mental. Ia menuntut kita untuk selalu bertanya: Benarkah ini? Fair-kah ini? Bergunakah ini? Dengan sikap ini, AI menjadi mitra yang memperkuat kemampuan manusia, bukan menggantikannya.

Masa depan AI akan terus berkembang, tetapi masa depan manusia ditentukan oleh sejauh mana kita mampu menjaga berpikir kritis sebagai pusat dari setiap interaksi dengan teknologi. Dengan begitu, kita tak semata menjadi pengguna AI, melainkan pula pengarah yang memastikan teknologi ini membawa manfaat nyata bagi kehidupan.

Rujukan

• Ng, Andrew. Machine Learning Yearning. DeepLearning.AI, 2018.
• Russell, Stuart, and Peter Norvig. Artificial Intelligence: A Modern Approach. 4th ed., Pearson, 2020.
• Floridi, Luciano. The Ethics of Artificial Intelligence. Oxford University Press, 2021.
• Dignum, Virginia. Responsible Artificial Intelligence: Designing AI for Human Values. Springer, 2019.
• Mitchell, Melanie. Artificial Intelligence: A Guide for Thinking Humans. Penguin, 2019.
• Klein, Gary. Sources of Power: How People Make Decisions. MIT Press, 1998.
• Facione, Peter. Critical Thinking: What It Is and Why It Counts. Insight Assessment, 2015.
• Silver, Nate. The Signal and the Noise: Why So Many Predictions Fail – But Some Don’t. Penguin, 2012.

English