Akhmad Rafa Risqi Mubarok
Mahasiswa Aqidan dan Filsafat Islam Fakultas Ushuluddin dan Filsafat
Universitas Islam Negeri Sunan Ampel Surabaya
Perubahan lanskap ilmu pengetahuan hari ini tidak lagi sekadar soal kemajuan teknologi, melainkan menyentuh fondasi terdalam tentang bagaimana manusia memahami kebenaran. Dulu, universitas dibangun di atas keyakinan bahwa manusia adalah pusat produksi pengetahuan—subjek yang berpikir, meragukan, dan menyimpulkan. Namun kini, dominasi kecerdasan buatan (AI) dan Big Data mulai menggeser posisi tersebut. Pengetahuan tidak lagi lahir semata dari refleksi rasional manusia, melainkan dari kalkulasi algoritmik yang bekerja dalam skala yang tak terjangkau kognisi manusia.(Bittle dan El-Gayar 2025)
Transformasi ini berjalan seiring dengan pergeseran dari sains berbasis teori menuju sains berbasis data. Jika sebelumnya ilmuwan merumuskan hipotesis untuk diuji, kini mesin justru menemukan pola dari data tanpa harus memahami sebab-akibatnya. Dalam praktiknya, algoritma mampu menghasilkan prediksi yang sangat akurat, tetapi sering kali tanpa penjelasan kausal yang dapat dipahami manusia (Egger dan Yu 2022). Di titik ini, pengetahuan mulai kehilangan dimensi reflektifnya.
Fenomena ini semakin menguat dengan hadirnya model bahasa besar seperti GPT yang mampu menulis, merangkum, bahkan menyusun argumen akademik. Mahasiswa dan peneliti kini tidak lagi sepenuhnya menjadi produsen teks, melainkan sering berperan sebagai editor dari hasil kerja mesin. Situasi ini menimbulkan pertanyaan serius: apakah pengetahuan yang dihasilkan masih mencerminkan proses berpikir manusia, atau hanya simulasi bahasa yang dihasilkan algoritma? (Ma dan Zhu 2026).
Di tengah kondisi tersebut, muncul krisis baru yang bersifat epistemologis. Subjek manusia yang dahulu menjadi pusat rasionalitas kini mengalami keterasingan. Proses berpikir yang seharusnya menjadi inti aktivitas akademik perlahan digantikan oleh otomatisasi. Ketergantungan pada AI membuat manusia kehilangan pengalaman intelektualnya sendiri yakni proses memahami, meragukan, dan menyimpulkan secara mandiri (Jose dkk. 2025).
Lebih jauh lagi, AI tidak lagi dapat dipahami sekadar sebagai alat bantu. Dalam banyak kasus, ia telah bertransformasi menjadi aktor epistemik entitas yang tidak hanya mengolah data, tetapi juga menghasilkan pengetahuan baru. Sistem seperti robot scientist bahkan mampu merancang eksperimen dan menyusun hipotesis tanpa intervensi manusia (Punziano 2025). Hal ini menandai pergeseran radikal dalam struktur produksi ilmu pengetahuan.
Perubahan ini juga berdampak pada metodologi penelitian. Dalam praktik tinjauan pustaka, misalnya, AI kini mampu mengelola ribuan referensi secara otomatis, menyusun sintesis, dan memetakan hubungan antar konsep. Efisiensi ini memang menguntungkan, tetapi sekaligus mengurangi keterlibatan kritis peneliti terhadap teks (Shin 2026) Pengetahuan menjadi cepat, tetapi dangkal.
Di sisi lain, muncul persoalan serius terkait integritas akademik. Kemampuan AI menghasilkan teks yang koheren membuat batas antara karya asli dan hasil mesin menjadi kabur. Sistem deteksi plagiarisme pun kesulitan membedakan keduanya, karena teks AI tidak menyalin, melainkan menciptakan ulang informasi (Bittle dan El-Gayar 2025). Ini menciptakan dilema baru dalam dunia pendidikan.
Namun problem yang lebih dalam bukan sekadar etika, melainkan eksistensi subjek manusia itu sendiri. Ketika manusia menyerahkan proses berpikirnya kepada mesin, ia secara tidak langsung melepaskan otonomi intelektualnya. Dalam jangka panjang, hal ini dapat mengarah pada apa yang disebut sebagai “kematian epistemik” yakni hilangnya peran manusia sebagai penghasil pengetahuan (Tsao dkk. 2025).
Krisis ini diperparah oleh fenomena yang disebut sebagai epistemic opacity. Sistem AI bekerja dalam “kotak hitam” yang tidak transparan, sehingga manusia tidak dapat memahami bagaimana suatu kesimpulan dihasilkan. Pengetahuan yang dihasilkan menjadi sulit diverifikasi secara rasional (Egger dan Yu 2022). Akibatnya, kepercayaan terhadap pengetahuan bergeser dari pemahaman menuju sekadar penerimaan.
Dalam konteks ini, kebenaran tidak lagi diukur dari kemampuan menjelaskan, melainkan dari kemampuan memprediksi. Selama hasilnya akurat, maka dianggap benar, meskipun prosesnya tidak dipahami. Paradigma ini mengancam tradisi ilmiah yang selama ini menekankan pentingnya penjelasan kausal (Ma dan Zhu 2026).
Dominasi algoritma juga menciptakan ilusi objektivitas. Data sering dianggap netral, padahal ia sarat dengan bias historis dan sosial. Ketika AI dilatih dengan data tersebut, ia tidak hanya mereproduksi bias, tetapi juga memperkuatnya (Jose dkk. 2025).Dengan demikian, pengetahuan yang dihasilkan tidak sepenuhnya bebas nilai.
Dalam dunia ekonomi, fenomena ini terlihat jelas pada perdagangan algoritmik. Sistem AI mampu mengendalikan pasar dengan kecepatan dan presisi yang melampaui manusia. Di sini, algoritma tidak hanya membaca realitas ekonomi, tetapi juga membentuknya (Punziano 2025). Manusia menjadi penonton dalam sistem yang ia ciptakan sendiri.
Situasi ini menunjukkan bahwa kita sedang memasuki era pasca-humanisme, di mana manusia bukan lagi pusat dari segala aktivitas intelektual. Pengetahuan diproduksi oleh jaringan algoritma yang kompleks, sementara manusia hanya berperan sebagai pengguna (Altmäe et al. 2023, 110). Ini adalah perubahan yang sangat fundamental.
Namun demikian, kondisi ini tidak harus berakhir dengan pesimisme. Justru di sinilah pentingnya rekonstruksi epistemologi. Dunia akademik perlu mengembangkan pendekatan baru yang mampu mengintegrasikan teknologi tanpa kehilangan refleksi kritik. AI harus diposisikan sebagai mitra, bukan pengganti.
Pada akhirnya, pertaruhan terbesar dari era ini bukanlah soal teknologi, melainkan tentang eksistensi akal manusia. Apakah manusia masih akan menjadi subjek yang berpikir, atau sekadar operator dari sistem yang lebih cerdas darinya? Jawaban atas pertanyaan ini akan menentukan masa depan ilmu pengetahuan itu sendiri.
Refeensi
Bittle, Kyle, dan Omar El-Gayar. 2025. “Generative AI and Academic Integrity in Higher Education: A Systematic Review and Research Agenda.” Information 16 (4): 296. https://doi.org/10.3390/info16040296.
Egger, Roman, dan Joanne Yu. 2022. “Epistemological Challenges: Is the Future Theory-Driven or Data-Driven?” Dalam Applied Data Science in Tourism, disunting oleh Roman Egger. Tourism on the Verge. Springer International Publishing. https://doi.org/10.1007/978-3-030-88389-8_2.
Jose, Binny, Anu Cleetus, Bindhu Joseph, Lumy Joseph, Benymol Jose, dan Amruth K. John. 2025. “Epistemic Authority and Generative AI in Learning Spaces: Rethinking Knowledge in the Algorithmic Age.” Frontiers in Education 10 (Agustus). https://doi.org/10.3389/feduc.2025.1647687.
Ma, Xiaojie, dan Wenlong Zhu. 2026. “Generative artificial intelligence in education: a comprehensive analysis based on bibliometrics.” Data Science and Management, Maret 27, 100181. https://doi.org/10.1016/j.dsm.2026.100181.
Punziano, Gabriella. 2025. “Adaptive Epistemology: Embracing Generative AI as a Paradigm Shift in Social Science.” Societies 15 (7): 205. https://doi.org/10.3390/soc15070205.
Shin, Donghee. 2026. “Automating Epistemology: How AI Reconfigures Truth, Authority, and Verification.” AI & SOCIETY 41 (2): 1553–59. https://doi.org/10.1007/s00146-025-02560-y.
Tsao, Jack, Danielle H. Heinrichs, dan Michael Camit. 2025. “Artificial intelligence and epistemic interoperability: towards a sympoietic approach.” Discourse: Studies in the Cultural Politics of Education 0 (0): 1–13. https://doi.org/10.1080/01596306.2025.2579702.
