Rahmawati Sukma Dewi
Mahasiswa AFI A3 Fakultas Ushuluddin dan Filsafat UIN Sunan Ampel Surabaya
Perkembangan kecerdasan buatan telah mengubah wajah produksi pengetahuan secara drastis. Jika sebelumnya penelitian sepenuhnya bertumpu pada kemampuan rasional manusia, kini proses tersebut melibatkan interaksi kompleks antara manusia, data, dan algoritma. Dalam konteks ini, kehadiran AI writing tools, big data, dan otomatisasi review literatur memang menawarkan efisiensi yang luar biasa, tetapi sekaligus menghadirkan tantangan serius terhadap posisi peneliti sebagai subjek otonom. Tulisan ini berargumen ketergantungan berlebihan pada teknologi berisiko mereduksi kedalaman berpikir kritis dan menggeser peran manusia dari pencipta pengetahuan menjadi sekadar kurator data.
Di satu sisi, tidak dapat kita dipungkiri bahwa teknologi berbasis algoritma memberikan manfaat signifikan dalam praktik akademik. Pengolahan big data memungkinkan analisis dalam skala besar yang sebelumnya tidak mungkin dilakukan secara manual. Begitu pula otomatisasi tinjauan literatur yang mampu mempercepat proses pencarian dan sintesis sumber ilmiah. Bahkan AI writing tools dapat membantu peneliti dalam menyusun struktur tulisan, memperbaiki tata bahasa, hingga mengembangkan ide awal. Efisiensi ini sejalan dengan temuan bahwa integrasi AI dalam penelitian mampu meningkatkan produktivitas dan kualitas teknis karya ilmiah (Erdawati et al., 2025).
Namun, di balik efisiensi tersebut, muncul persoalan epistemologis yang tidak sederhana. Ketika algoritma mulai mengambil alih proses analisis, seleksi informasi, hingga penyusunan narasi, maka muncul pertanyaan mendasar mengenai siapa sebenarnya subjek utama dalam produksi pengetahuan. Dalam banyak kasus, peneliti tidak lagi sepenuhnya mengendalikan proses berpikir, melainkan bergantung pada output yang dihasilkan oleh sistem berbasis probabilitas. Hal ini berpotensi menciptakan apa yang disebut sebagai “standardisasi nalar,” di mana keragaman perspektif intelektual direduksi menjadi pola-pola statistik yang seragam (Shabir, 2025).
Lebih jauh, penggunaan big data juga tidak lepas dari persoalan bias. Data yang dianalisis oleh algoritma pada dasarnya merupakan produk dari realitas sosial yang tidak netral. Oleh karena itu, hasil analisis yang dihasilkan tidak bisa dianggap sepenuhnya objektif, melainkan mencerminkan struktur kekuasaan dan kepentingan tertentu (Murrahman, 2025). Jika peneliti tidak memiliki kesadaran kritis terhadap hal ini, maka penelitian justru berisiko mereproduksi bias yang sudah ada dalam masyarakat.
Selain itu, otomatisasi review literatur juga menghadirkan tantangan tersendiri. Meskipun mampu mempercepat proses penyaringan dan sintesis artikel, teknologi ini lebih cenderung bekerja berdasarkan relevansi algoritmik yang dapat menciptakan “filter bubble.” Akibatnya, peneliti hanya terpapar pada literatur yang sejalan dengan pola tertentu, sehingga membatasi eksplorasi ide baru. Padahal, salah satu kekuatan utama penelitian ilmiah terletak pada kemampuan untuk berpikir di luar pola yang sudah ada (De La Torre-López et al., 2023).
Masalah lain yang tidak kalah penting adalah fenomena hallucination pada AI, di mana sistem menghasilkan informasi yang tampak meyakinkan tetapi tidak akurat. Hal ini menunjukkan bahwa teknologi tidak dapat sepenuhnya dipercaya tanpa verifikasi manusia. Bahkan penelitian menunjukkan bahwa masih terdapat tingkat kesalahan fakta yang cukup signifikan dalam output AI (Nature, 2023). Dalam konteks ini, peran peneliti sebagai subjek reflektif menjadi sangat penting untuk memastikan validitas dan keandalan informasi.
Tambahan yang perlu digarisbawahi adalah munculnya persoalan etika dan tanggung jawab akademik. Ketika AI ikut terlibat dalam penulisan karya ilmiah, muncul pertanyaan mengenai orisinalitas dan kepemilikan ide. Apakah karya tersebut sepenuhnya milik penulis, atau merupakan hasil kolaborasi manusia dan mesin. Fenomena ini juga berkaitan dengan meningkatnya kekhawatiran terhadap plagiarisme terselubung dan manipulasi sitasi, yang dapat merusak integritas akademik jika tidak diatur dengan jelas (Walters & Wilder, 2023). Oleh karena itu, transparansi penggunaan AI dalam penelitian menjadi hal yang tidak bisa ditawar lagi.
Selain itu, ketergantungan pada teknologi juga berpotensi menciptakan kesenjangan baru dalam dunia akademik. Tidak semua peneliti memiliki akses yang sama terhadap teknologi canggih, sehingga dapat memperlebar jarak antara institusi yang maju secara digital dan yang tidak. Dalam jangka panjang, kondisi ini dapat mempengaruhi distribusi pengetahuan global dan menciptakan dominasi kelompok tertentu dalam produksi ilmu pengetahuan (Fedriansyah, 2025).
Lebih dalam lagi, ada risiko terjadinya “kemalasan epistemik,” yaitu kondisi ketika peneliti cenderung menerima hasil dari AI tanpa proses verifikasi yang memadai. Kebiasaan ini dapat melemahkan kemampuan analisis, argumentasi, dan sintesis yang seharusnya menjadi inti dari aktivitas akademik. Jika dibiarkan, generasi peneliti ke depan berpotensi kehilangan kepekaan intelektual dalam membaca realitas secara kritis (Deep & Chen, 2025).
Di sisi lain, fenomena ini juga memunculkan kebutuhan akan redefinisi kompetensi akademik. Peneliti masa kini tidak cukup hanya menguasai metode penelitian konvensional, tetapi juga harus memiliki kemampuan literasi digital, pemahaman algoritma, serta kesadaran etis dalam penggunaan teknologi. Dengan kata lain, kompetensi intelektual kini bersifat hibrid, menggabungkan kemampuan manusiawi dengan pemahaman teknologis (Pratama et al., 2023).
Dari perspektif epistemologi kritis, fenomena ini dapat dipahami sebagai bentuk dekonstruksi terhadap konsep subjek otonom. Pengetahuan tidak lagi dihasilkan secara eksklusif oleh manusia, melainkan melalui jaringan interaksi antara berbagai aktor, termasuk teknologi. Dalam kerangka ini, algoritma bukan sekadar alat, tetapi juga aktor yang turut membentuk proses produksi pengetahuan. Konsekuensinya, otoritas epistemik tidak lagi sepenuhnya berada di tangan manusia (Uqba & Istiadah, 2024).
Namun demikian, bukan berarti teknologi harus ditolak. Justru sebaliknya, AI dan big data perlu diposisikan sebagai alat pendukung yang memperluas kapasitas manusia, bukan menggantikannya. Kunci utamanya terletak pada bagaimana peneliti mampu menjaga keseimbangan antara pemanfaatan teknologi dan refleksi kritis. Literasi digital dan etika penggunaan AI menjadi sangat penting agar peneliti tidak terjebak dalam ketergantungan yang berlebihan.
Dalam praktiknya, peneliti perlu tetap aktif dalam mengevaluasi hasil yang diberikan oleh algoritma. Proses interpretasi, kritik, dan pengambilan keputusan harus tetap berada di tangan manusia. Dengan demikian, teknologi dapat berfungsi sebagai mitra yang memperkuat, bukan melemahkan, peran intelektual manusia. Hal ini juga sejalan dengan pentingnya transparansi dan akuntabilitas dalam penggunaan AI dalam penelitian (Deep & Chen, 2025).
Pada akhirnya, transformasi digital dalam dunia akademik adalah keniscayaan yang tidak dapat dihindari. Namun, di tengah arus otomatisasi yang semakin kuat, penting untuk memastikan bahwa peneliti tidak kehilangan kedaulatan intelektualnya. Produksi pengetahuan tidak boleh semata-mata didasarkan pada kecepatan dan efisiensi, tetapi juga harus mempertimbangkan kedalaman refleksi dan integritas epistemologis.
Dengan demikian, tantangan terbesar di era AI bukanlah bagaimana menggunakan teknologi, tetapi bagaimana tetap menjadi manusia yang berpikir di dalamnya. Peneliti harus tetap menjadi subjek yang kritis, reflektif, dan bertanggung jawab, bukan sekadar operator dalam sistem algoritmik. Hanya dengan cara inilah ilmu pengetahuan dapat terus berkembang tanpa kehilangan makna dan nilai kemanusiaannya.
DAFTAR PUSTAKA
De La Torre-López, José, Aurora Ramírez, dan José Raúl Romero. 2023. “Artificial Intelligence to Automate the Systematic Review of Scientific Literature.” Computing 105(10) 2171-2194.
Deep, Promethi Das, dan Yixin Chen. 2025. “The Role of AI in Academic Writing Impacts on Writing Skills Critical Thinking and Integrity in Higher Education.” Societies 15(9) 247.
Erdawati, Gunawan Suryoputro, dan Ade Hikmat. 2025. “Impact of The Integration of Generative AI Automatic Corrective Feedback on Academic Writing Skills.” International Journal of Learning Teaching and Educational Research 24(5) 214-230.
Fedriansyah, Muhammad Aldrin. 2025. Analisis Kritik Filsafat Ilmu terhadap Implementasi Teknologi Pendidikan di Era Society 5.0.
Murrahman, Halim. 2025. Menjembatani Jarak Logika dan Etika Penerapan Big Data untuk Intervensi Action Research.
Pratama, Arya Satya, Suci Maela Sari, Maila Faiza Hj, Moh Badwi, dan Mochammad Isa Anshori. 2023. “Pengaruh Artificial Intelligence Big Data dan Otomatisasi terhadap Kinerja SDM di Era Digital.” Jurnal Publikasi Ilmu Manajemen 2(4) 108-123.
Shabir, Achmad. 2025. “Generative AI Writing Tools and Academic Writing in Higher Education A Systematic Review of Empirical and Review Studies.” Information Technology Education Journal 4(3) 543-557.
Uqba, M. Sholih Salimul, dan Istiadah. 2024. “Philosophy of Science in the Era of Big Data and Artificial Intelligence Challenges and Opportunities.” Al-Iqro’ 1(1) 102-111.
Walters, William H., dan Esther Isabelle Wilder. 2023. “Fabrication and Errors in the Bibliographic Citations Generated by ChatGPT.” Scientific Reports 13(1) 14045.
Nature. 2023. “Tools Such as ChatGPT Threaten Transparent Science Here Are Our Ground Rules for Their Use.” Nature 613(7945) 612.
