Artikel ini berasal dari akun WeChat: Budongjing, penulis: Rust dari Budongjing Yeshu, judul asli: "Paradoks Zhang Wenhong di Era AI: Mengapa Semakin Sering Menggunakan AI, Semakin Merasa Diri Tidak Berharga?", gambar judul: Visual China Group
Beberapa hari yang lalu, saya melihat sebuah klip video pendek yang menampilkan Zhang Wenhong, Direktur Pusat Medis Penyakit Menular Nasional, berbicara pada Forum Gunung Tinggi Hong Kong tanggal 10 Januari. Dia dengan jelas menyatakan: "Saya menolak memperkenalkan AI ke dalam sistem rekam medis rumah sakit."
Alasannya, AI yang belum dilatih secara sistematis akan mengubah jalur pelatihan dokter secara fundamental, merusak atau merugikan kemampuan diagnosis independen yang harus dikuasai oleh dokter muda melalui pelatihan tradisional.
Zhang Wenhong menjelaskan, dirinya tentu saja menggunakan AI, meminta AI untuk memeriksa kasus terlebih dahulu. Namun yang krusial adalah, dengan pengalaman klinisnya selama lebih dari tiga puluh tahun, dia dapat langsung melihat di mana AI salah.
Masalahnya terletak pada dokter muda.
Jika seorang dokter sejak masa magang sudah mulai bergantung pada AI untuk kesimpulan diagnosis, melewatkan pelatihan pemikiran klinis yang lengkap, maka dia akan kehilangan selamanya kemampuan kunci: kemampuan untuk membedakan benar salahnya AI.
Ucapan Zhang Wenhong ini, dari sudut pandang pengguna AI biasa, mengungkapkan realitas yang sering disalahpahami, tentang keterampilan dan leverage di era AI.
Satu dua tahun terakhir, saya melihat sebuah "kecemasan kolektif" yang aneh.
Yang menarik, kecemasan ini bukan berasal dari mereka yang tidak paham teknologi, justru sebaliknya, lebih banyak berasal dari kelompok elit yang sudah terampil menggunakan AI: programmer, pengacara, analis, content creator.
Awalnya semua orang bersemangat mengira bahwa AI akan membuat mereka menjadi manusia super. Namun setelah perayaan efisiensi yang singkat, banyak yang jatuh ke dalam perasaan tidak berdaya yang lebih dalam:
Ketika AI dapat menyelesaikan 80% pekerjaan dengan biaya nol, apakah nilai 20% yang tersisa dari saya benar-benar dapat menopang martabat profesional saya?
Jika sebuah AI dapat menyelesaikan kode yang saya kerjakan dua minggu dalam hitungan menit; jika model besar dapat langsung menghasilkan laporan due diligence yang sempurna; jika gemini atau doubao memungkinkan orang tanpa dasar melukis menghasilkan karya tingkat master, jika gpt dapat "secara akurat" membaca laporan pemeriksaan kesehatan atau laporan pemeriksaan, di manakah sebenarnya parit pertahanan keterampilan manusia?
Sebelumnya, The Atlantic Monthly pernah menerbitkan artikel yang mengatakan kita sedang memasuki era de-skilling; tetapi sisi lain koinnya justru: AI tidak membuat keterampilan menjadi tidak berguna, ia memicu "inflasi keterampilan" yang hebat. Hanya saja keterampilan perlu didefinisikan ulang.
Di era di mana biaya eksekusi mendekati nol, AI adalah cermin yang menyoroti. Ia memperbesar tidak hanya efisiensi Anda, tetapi juga granularitas atau ketepatan kognisi Anda.
Anda merasa "tidak berguna", mungkin karena AI tanpa aman mengekspos sebuah fakta: pekerjaan yang Anda banggakan di masa lalu, sebagian besar hanyalah "memindahkan batu bata", adalah eksekusi, adalah "mendengar dan melakukan", bukan "berpikir", apalagi mengajukan pertanyaan dan memecahkan masalah.
Kebenaran keterampilan abad ke-21, tidak lagi tentang berapa banyak alat yang Anda pegang, tetapi tentang berapa banyak leverage asli dan nyata yang ada di kepala Anda. Kemampuan komprehensif "pengendalian makro + verifikasi mikro" adalah jaminan hidup sejati di era AI.
I. Paradoks Zhang Wenhong: 10 kali lipat dari 0 tetap 0
Ada pandangan yang luas beredar di Silicon Valley, tetapi sering disalahpahami.
Orang berkata: "AI adalah pengali produktivitas 10 kali lipat."
Makna matematis dari kalimat ini, lebih kejam dari arti harfiahnya.
Jika kemampuan Anda sekarang adalah 1, AI membuat Anda menjadi 10; jika Anda adalah 10, AI membuat Anda menjadi 100. Tetapi jika pemahaman dasar Anda tentang suatu bidang adalah 0, maka, 0 dikalikan 10, tetap 0.
Ini tepatnya inti kekhawatiran Zhang Wenhong: seorang dokter muda yang sejak masa magang bergantung pada AI, kemampuan penilaian klinisnya mungkin adalah 0. AI sehebat apa pun, 0 dikalikan angka berapa pun, hasilnya tetap 0.
Yang lebih menakutkan, "0" ini sendiri tidak tahu dirinya adalah 0.
Zhang Wenhong berkata dengan gamblang: "Dokter pemula tidak boleh hanya bisa mengandalkan AI untuk mengobati." Mengapa? Karena bahkan jika akurasi AI setinggi 95%, 5% kesalahan itu perlu diidentifikasi dan dikoreksi oleh dokter profesional.
Jika dokter sama sekali tidak memiliki kemampuan diagnosis independen, bagaimana dia menemukan kesalahan AI? Bagaimana menangani penyakit rumit yang tidak bisa ditangani AI?
Inilah yang saya sebut "Paradoks Zhang Wenhong", di satu tingkat, ini adalah masalah ayam atau telur dahulu. Tetapi di tingkat lain, ini menekankan, apakah manusia yang menggunakan alat, atau alat yang menggunakan manusia.
Ini mengungkapkan kebenaran lapisan pertama keterampilan di era AI:
Inti AI adalah "penyesuaian probabilitas", sedangkan nilai manusia terletak pada "penanggung konsekuensi".
Keterampilan yang kita bicarakan di masa lalu, sering mengacu pada eksekusi yang terampil, menghafal tata bahasa, mengingat pasal hukum, menguasai berbagai pintasan. Tetapi di era AI, keterampilan keras ini dengan cepat terdepresiasi, menjadi infrastruktur.
Yang menggantikannya, adalah kemampuan yang lebih tersembunyi, lebih langka: penilaian. Dan yang disebut penilaian adalah mengetahui konsekuensi jangka panjang dari tindakan sendiri.
Bayangkan sebuah场景: seorang insinyur senior dan seorang pemula sama-sama menggunakan AI untuk menulis kode.
Pemula hanya mendapatkan blok kode. Dia tidak dapat menilai apakah kode ini memiliki risiko arsitektur, tidak dapat memprediksi kinerjanya under concurrency ekstrem, bahkan tidak tahu apakah ini adalah solusi "jalan buntu".
Sedangkan insinyur senior melihat bukan kode, tetapi jalur. Dia tahu tugas apa yang harus diberikan kepada AI, tahu bagaimana menerima hasil, lebih tahu di link mana harus memperbaiki ketika AI melakukan kesalahan, dan AI pasti akan melakukan kesalahan.
Bagi pemula, AI adalah kotak hitam, hanya bisa berdoa agar mengeluarkan jawaban yang benar. Bagi ahli, AI adalah tim magang dengan energi tak terbatas, menunjuk ke mana memukul ke sana.
Dengan demikian, perbedaan antara ahli dan orang biasa di masa depan, terletak pada apakah Anda memiliki kemampuan "memverifikasi output AI".
Zhang Wenhong dapat langsung melihat di mana diagnosis AI salah, bukan karena intuisi misterius, tetapi "meta-ability" yang terakumulasi dari pengalaman klinis lebih dari tiga puluh tahun. Kemampuan ini, justru yang paling kurang dimiliki oleh dokter muda yang pelatihannya dilompati oleh AI.
Jadi, tanpa pengetahuan profesional yang mendalam sebagai pemberat, AI带来的 bukan efisiensi,而是 kekacauan yang mahal.
II. Mengapa prompt Anda selalu "agak kurang pas"?
Mengapa有些 orang dapat menggunakan AI untuk memecahkan masalah kompleks, sementara有些 orang hanya dapat menggunakannya sebagai chatbot?
Masalahnya bukan在于 Anda tidak会 menulis "mantra",而在于 entropi pemikiran Anda terlalu tinggi.
Baru-baru ini ada fenomena yang perlu diwaspadai: orang mulai mengalihdayakan pemikiran itu sendiri kepada AI.
Menghadapi masalah, tidak melakukan dekomposisi, langsung melemparkan kebutuhan yang berantakan seperti bubur kepada model, lalu marah pada output yang平庸: "AI ini根本 tidak berguna."
Sebenarnya, bukan AI yang bodoh,是你 yang tidak memikirkannya dengan jelas.
Model AI secanggih apa pun, pada dasarnya adalah mesin prediksi berdasarkan "konteks". Kualitas outputnya, sangat dibatasi oleh kualitas konteks input Anda. Inilah versi modern dari "Garbage In, Garbage Out" (Sampah Masuk, Sampah Keluar).
Keterampilan顶级 abad ke-21, berubah menjadi "ekspresi yang jelas" dan "pemikiran terstruktur".
Ahli sejati sebelum membuka dialog, di kepalanya sudah menyelesaikan deduksi yang ketat:
1. Mendefinisikan masalah: Apa sebenarnya矛盾 inti yang ingin saya selesaikan?
2. Membongkar logika: Dari beberapa子 tugas apa masalah besar ini terdiri? Apa hubungan ketergantungannya?
3. Menetapkan standar: Hasil seperti apa yang才算合格?
Misalnya, sebelum meminta AI membantu mengembangkan sebuah fungsi, apakah Anda sudah menjelaskan aliran data? Sebelum meminta AI menulis sebuah artikel, apakah Anda sudah membangun kerangka观点 yang unik?
Jangan berharap AI menyelesaikan pemikiran "dari 0 ke 1" untuk Anda.
AI pandai dalam,其实是 mengisi daging dan darah (dari 1 ke 100), tetapi "1" itu, wawasan inti, kerangka logika, harus Anda berikan.
Jika Anda tidak dapat menjelaskan dengan jelas ide Anda kepada rekan manusia, Anda juga tidak mungkin mendapatkan hasil yang memuaskan dari AI.
Menulis yang jelas adalah berpikir yang jelas.
Di masa depan, pemrograman dengan bahasa alami akan menjadi keterampilan umum. Tetapi ini tidak berarti pemrograman menjadi lebih mudah,而是 berarti presisi bahasa dan logika menjadi kode baru.
Jika pemikiran Anda kacau, AI hanya akan memperbesar kekacauan ini dengan efisiensi tinggi.
III. Keluar dari ruang gema informasi: Lebih dekat dengan esensi daripada 99% orang
Karena AI dilatih berdasarkan data masif manusia yang sudah ada, ia secara alami membawa cacat besar: konsensus yang平庸, yaitu regresi ke mean.
Anda bertanya kepada AI tentang pandangan kesehatan, keuangan, atau sejarah, kemungkinan besar akan memberikan jawaban "buku teks". Jawaban ini aman, benar, tetapi sering kali sangat平庸, karena mereka hanya mengulangi informasi dengan frekuensi kemunculan tertinggi di internet.
Ini mengarah pada dimensi ketiga: wawasan untuk membedakan yang palsu dari yang asli.
Pengetahuan (Knowledge) dan pemahaman (Understanding) adalah dua hal yang berbeda.
- Pengetahuan adalah Anda tahu "seharusnya melakukan ini";
- Pemahaman adalah Anda mengerti "mengapa harus melakukan ini, dan kapan tidak应该 melakukan ini".
Ini tepatnya kesenjangan mendasar antara Zhang Wenhong dan dokter muda.
Dokter muda melalui AI dapat secara instan memperoleh "pengetahuan", seperti hasil diagnosis, saran pengobatan, rencana perawatan. Tetapi Zhang Wenhong memiliki的是 "pemahaman": Dia tahu di mana batas pengetahuan ini, dalam kondisi apa harus打破常规, kapan "jawaban standar" yang diberikan AI adalah salah.
Di era kelebihan informasi ini, jika Anda hanya mendapatkan informasi melalui pendidikan填鸭式 dan rekomendasi algoritme, Anda pada dasarnya hanya mengulangi secara mekanis dalam "ruang gema" yang besar. Anda并不真正 memahami mekanisme kerja事物.
Untuk lebih pintar dari AI, kita perlu lebih dekat dengan esensi事物 (prinsip pertama) daripada 99% orang.
- Ingin memahami bisnis? Jangan hanya membaca buku terlaris dan akun公众号, pelajari arus kas, leverage, hubungan penawaran dan permintaan, dan keserakahan manusia.
- Ingin memahami kesehatan? Jangan hanya percaya pada pedoman berwibawa yang disebut-sebut, pelajari metabolisme, hormon, mekanisme biologis respons peradangan.
Ketika AI memberi Anda "saran standar", hanya mereka yang benar-benar memahami operasi sistem底层 yang dapat敏锐地 menemukan kelemahannya, atau dalam situasi khusus dengan tegas membatalkan saran AI.
Seperti kata Zhang Wenhong: Apakah akan disesatkan oleh AI, tergantung pada apakah kemampuan Anda自身 lebih kuat dari AI. Dan Anda tidak bisa比 pengetahuan dengan AI,只能比 pemahaman.
Keunggulan kompetitif di masa depan,属于 mereka yang berani mempertanyakan "data pelatihan". Anda perlu membangun sistem kognitif sendiri, sistem ini bukan hasil mencontek, tetapi Anda verifikasi sendiri melalui praktik, melalui loop umpan balik yang menyakitkan, melalui pemikiran independen.
AI adalah rata-rata pengetahuan seluruh umat manusia. Jika Anda ingin melampaui rata-rata, Anda tidak bisa hanya mengandalkan AI, Anda harus memiliki wawasan独到 yang tidak dapat dihasilkan AI melalui probabilitas statistik.
IV. Setelah nilai eksekusi归零: Dari yang bekerja ke yang menerima hasil kerja
Melihat lebih jauh, sejarah虽然 tidak berulang, tetapi selalu berima.
Tahun 1980-an, popularitas komputer曾 membuat akuntan dan pengacara saat itu panik. Sebelumnya, pengacara untuk mencari sebuah preseden, perlu mencari selama berhari-hari di tumpukan dokumen setinggi gunung. Munculnya teknologi retrievel elektronik, membuat pekerjaan ini瞬间 menjadi hitungan detik.
Apakah pengacara menganggur? Tidak. Sebaliknya, industri hukum menjadi lebih besar, lebih kompleks.
Karena retrievel menjadi mudah, harapan klien terhadap pengacara也随之提高. Orang tidak lagi membayar untuk "menemukan preseden", tetapi untuk "membangun strategi pembelaan unik berdasarkan preseden kompleks".
Demikian pula, ketika AI mengambil alih penulisan kode, generasi teks, diagnosis dasar, peran manusia sedang mengalami lompatan esensial:
Kita sedang berevolusi dari "pengrajin" menjadi "komandan"; dari "yang bekerja"升级到 "yang menerima hasil kerja".
Dulu, seorang insinyur yang baik mungkin membutuhkan 50% waktu untuk menulis kode, 50% waktu untuk memikirkan arsitektur. Sekarang, dia dapat menggunakan 90% waktu untuk memikirkan arsitektur, memahami bisnis, mengoptimalkan pengalaman, dan menyerahkan pekerjaan kode kepada AI (dan dia yang meninjaunya).
Ini berarti, batas atas kompleksitas pekerjaan terbuka.
Pengembang independen sekarang dapat menjalankan perusahaan yang sebelumnya membutuhkan tim sepuluh orang sendirian; seorang content creator yang paham dapat menghasilkan konten seminggu dalam sehari; seorang dokter senior (seperti Zhang Wenhong) dengan bantuan AI dapat menangani volume kasus yang sebelumnya tidak mungkin.
Inilah definisi baru "keterampilan" di era AI:
Ia不再是 "spesialisasi" satu dimensi,而是 kemampuan integrasi lintas dimensi.
Anda tidak perlu meletakkan setiap batu bata sendiri, tetapi Anda harus tahu struktur mekanik gedung, harus memiliki kemampuan estetika untuk memutuskan penampilan gedung, harus memiliki kecerdasan bisnis untuk memutuskan di mana membangun gedung paling berharga.
Kemampuan komprehensif "pengendalian makro + verifikasi mikro" inilah jaminan hidup sejati di era AI.
Dua kemampuan kunci yang ditekankan Zhang Wenhong, pada dasarnya adalah ini:
1. Menilai akurasi diagnosis AI (verifikasi mikro)
2. Mengobati penyakit rumit yang tidak dapat ditangani AI (pengendalian makro)
Dokter tanpa dua kemampuan ini,只能算是 "operator AI".
Kesimpulan: Hanya dengan naik dimensi,才能 menikmati kesenangan serangan降维
Kembali ke fenomena yang dibicarakan di awal: Mengapa semakin sering menggunakan AI, semakin merasa tidak berguna?
Karena AI merampas hak Anda untuk mendapatkan rasa pencapaian melalui "tenaga kasar".
Dulu, Anda menghabiskan waktu tiga hari untuk menyusun laporan yang indah, akan merasa sangat berharga; sekarang, AI dapat melakukannya dalam tiga detik, rasa nilai diri ilusi ini瞬间 runtuh.
Ini memang menyakitkan, tetapi juga是一种 pencerahan.
AI memaksa kita menghadapi masalah paling sulit itu: Selain eksekusi mekanis, di manakah nilai pemikiran sejati saya?
Bagi mereka yang tidak mau berpikir, ini adalah zaman terburuk. Mereka akan彻底 menjadi bawahan algoritme, bahkan tidak dapat menyadari bahwa mereka sedang ditelan oleh ruang gema informasi yang平庸.
Tetapi bagi mereka yang penuh rasa ingin tahu, memiliki kemampuan berpikir independen,渴望 meneliti esensi事物, ini adalah zaman terbaik dalam sejarah manusia:
- Semua门槛都降低了.
- Semua langit-langit都消失了.
- Anda memiliki tim penasihat dan eksekusi paling kuat dalam sejarah manusia, siaga 24 jam.
Zhang Wenhong bukan menentang AI, dia menentang penggunaan AI langsung tanpa membangun kemampuan dasar, mengalihdayakan pemikiran dan meta-kognisi kepada AI.
Dia sendiri menggunakan AI dengan sangat antusias, karena dia memiliki fondasi内功 tiga puluh tahun. AI baginya adalah seperti menambahkan sayap pada harimau; sedangkan untuk dokter muda tanpa内功, AI可能是 mencabut tunas untuk mempercepat pertumbuhan, minum racun untuk memuaskan dahaga.
Pada abad ke-21, keterampilan tidak akan hilang, tetapi akan mengalami pemurnian yang kejam.
Jangan mencoba berlomba "mengerjakan soal" dengan AI, pergilah berlomba "membuat soal" dengan AI.
Ketika Anda不再 menganggap AI sebagai alat untuk membantu Anda bermalas-malasan,而是 menganggapnya sebagai leverage super yang perlu Anda kendalikan, pandu, koreksi dengan kecerdasan sangat tinggi,
Yang Anda lihat melalui AI,就不再是 diri sendiri yang平庸,而是 seorang超级个体 yang diperkuat tanpa batas.
