Kesenjangan literasi AI semakin melebar. Berikut cara mengatasinya.

Pelajari apa itu literasi AI dan cara membangunnya dengan praktik langsung, memeriksa sumber, dan mengevaluasi hasil AI dengan aman.

Graphic showing how an AI summary omitting “per user” from a $29 monthly price obscures a $290 monthly cost for 10 users, emphasizing the need to trace, verify, and then decide.

Apa itu literasi AI?

Melek AI berarti memiliki kemampuan untuk memahami cara kerja AI dengan cukup baik untuk menggunakannya secara efektif, mengenali batasan dan risikonya, serta membuat keputusan yang tepat tentang hasilnya. Kerangka Kerja Literasi AI dari Digital Promise menggambarkannya sebagai kombinasi dari memahami, menggunakan, dan mengevaluasi.

Tetapi bagian terpenting, yang memisahkan pemula dari ahli, adalah evaluasi. Sayangnya, hal ini sering kali mendapat sedikit perhatian praktis dalam pelatihan arus utama. Setelah lokakarya dua jam, hampir semua orang dapat menggunakan AI untuk menghasilkan respons yang tampak rapi terhadap suatu pertanyaan.

Namun, melek AI berarti seseorang memiliki kemampuan untuk mengetahui apakah respons tersebut:

  • Akurat
  • Selesai
  • Terkini
  • Relevan
  • Aman untuk ditindaklanjuti

Mengapa literasi AI penting saat ini

AI telah tersedia secara luas, tetapi dukungan dan pelatihan untuk mempelajari cara menggunakannya dengan baik lebih sulit ditemukan.

  • Sekitar 6,1 juta pekerja AS berada dalam pekerjaan dengan paparan AI yang tinggi dan kapasitas yang rendah untuk beradaptasi dengan transisi pekerjaan, kata penelitian terbaru dari peneliti Center for Governance of AI, Sam Manning
  • 38% mengatakan organisasi mereka telah mengadopsi AI, tetapi hanya 12% yang menggunakannya setiap hari, menurut survei Q4 2025 Gallup.

Kesenjangan antara akses ke AI dan penggunaan yang percaya diri tersebut menciptakan peluang bagi individu maupun bisnis untuk mendapatkan keunggulan dengan pelatihan literasi AI yang mencakup lebih dari sekadar mempelajari cara menulis prompt yang lebih baik.

Pada saat yang sama, McKinsey melaporkan bahwa permintaan akan kefasihan AI, yaitu kemampuan untuk menggunakan dan mengelola perangkat AI, tumbuh hampir tujuh kali lipat dari pertengahan 2023 hingga pertengahan 2025.

  • Pemberi kerja dengan jelas mengenali perlunya pelatihan literasi AI.
  • Pekerja ingin menguasai skill tersebut.

Namun, ada kekhawatiran ketika adopsi maksimum adalah satu-satunya metrik kesuksesan. Orang dapat belajar menggunakan AI dengan cepat, tetapi menjadi pengguna yang cermat dan mahir membutuhkan waktu dan latihan.

Evaluasi: skill yang paling penting

Banyak pelatihan AI menekankan pentingnya mengevaluasi hasil, tetapi tidak banyak menghabiskan waktu (jika ada) untuk membahas apa arti sebenarnya dari hal tersebut.

Dalam praktiknya, verifikasi AI memerlukan tiga perilaku utama:

  • Membaca dengan cermat
  • Mengajukan pertanyaan sulit
  • Meluangkan waktu untuk memeriksa ulang sumber, statistik, dan klaim.

Sebelum menindaklanjuti informasi yang diberikan AI, tentukan apakah informasi tersebut memenuhi kriteria berikut atau tidak:

  • Apakah hal tersebut dapat dilacak ke sumber yang kredibel?
  • Apakah hal tersebut tetap konsisten ketika bagian-bagian individualnya diperiksa?
  • Apakah informasi tersebut cukup terkini untuk relevan?

Meskipun tulisan yang dihasilkan AI mungkin terdengar rapi dan profesional, faktanya bisa jadi salah. AI dapat “berhalusinasi” dengan mengarang hal-hal sepenuhnya (Baca Cara Mengenali Halusinasi AI: 7 Peringatan Utama), menemukan informasi yang salah atau tidak lengkap, atau dengan salah memahami apa yang ditemukannya dan menarik kesimpulan yang salah.

Untuk mengevaluasi hasil apa pun, ikuti proses ini:

Lacak → Verifikasi → Putuskan.

Misalnya, minta AI untuk membuat draf perbandingan harga pesaing. Untuk mengevaluasi hasilnya:

  • Buka setiap halaman harga (lacak)
  • Periksa nama paket dan harga (verifikasi)
  • Catat apa yang salah atau dilewatkan oleh AI, dan buat koreksi yang diperlukan (memutuskan)

Berikut adalah beberapa contoh lain tentang cara mengevaluasi hasil AI.

Jenis klaim AI

Contoh klaim yang mungkin dibuat oleh AI

Hal yang harus diperiksa sebelum menggunakannya

Klaim faktual

“Administrasi Bisnis Kecil U.S. menawarkan hibah hingga $50.000 untuk bisnis ritel baru.”

Konfirmasikan apakah program tersebut benar-benar ada, persyaratan kelayakan, jumlah saat ini, tenggat waktu aplikasi, dan apakah itu hibah alih-alih pinjaman atau program lokal.

Kutipan atau referensi

“Survei Gallup 2025 menemukan bahwa 62% pelanggan lebih menyukai dukungan bertenaga AI.”

Buka sumber yang dikutip. Periksa apakah sumber tersebut nyata, terbaru, diatribusikan dengan benar, dan benar-benar mendukung statistik serta kata-kata yang akurat.

Pernyataan hukum atau regulasi

“Perusahaan Anda harus menyimpan catatan chat pelanggan selama tujuh tahun.”

Verifikasi yurisdiksi, industri, jenis catatan, dan aturan hukum saat ini dengan panduan otoritatif atau penasihat yang berkualifikasi. AI dapat meratakan persyaratan tingkat negara bagian, federal, internasional, atau khusus sektor menjadi satu aturan universal yang salah.

Panduan pajak atau keuangan

“Anda dapat mengurangi biaya penuh peralatan ini pada tahun Anda membelinya.”

Konfirmasikan tahun pajak yang relevan, entitas bisnis, jenis pembelian, batasan, dan perlakuan akuntansi dengan panduan IRS dan profesional pajak.

Perhitungan atau perkiraan

“Jika konversi naik sebesar 15%, pendapatan tahunan akan meningkat sebesar $180.000.”

Hitung ulang matematikanya dan teliti asumsinya: lalu lintas saat ini, tingkat konversi dasar, nilai pesanan rata-rata, churn, kapasitas penjualan, musiman, dan apakah “15%” berarti poin persentase atau pertumbuhan relatif.

Ringkasan dokumen sumber

“Kontrak mengizinkan pemutusan dengan pemberitahuan 30 hari.”

Baca klausul asli dan ketentuan yang tertaut. AI dapat menghilangkan pengecualian, persyaratan pemberitahuan, ketentuan pembaruan, pemulihan, atau definisi yang mengubah makna praktis.

Rekomendasi

“Anda harus mengotomatiskan persetujuan pengembalian dana untuk menghemat waktu staf.”

Tentukan apakah alur kerja tersebut dapat dibalik, apakah kesalahan dapat merugikan pelanggan atau keuangan, ambang batas persetujuan apa yang sesuai, dan siapa yang bertanggung jawab atas pengecualian. Rekomendasi yang terdengar masuk akal tetap memerlukan penilaian bisnis.

Mengapa sebagian besar pelatihan AI gagal membangun literasi

Hanya dalam beberapa tahun, AI telah berkembang dari teknologi khusus menjadi topik dan perangkat yang ada di mana-mana. Seiring pemimpin bisnis dan pemerintah berlomba-lomba mencari sumber daya pelatihan, vendor berlomba-lomba untuk menciptakannya. Permintaannya tinggi, tetapi keahliannya tipis, dan kualitas materi yang tersedia tidak selalu mengikutinya.

Hasilnya adalah teater pelatihan yang hampir tidak menyentuh permukaan topik penting, dan memberikan instruksi seragam yang disajikan sebagai satu acara tunggal. Waspadai pelatihan di mana:

  • Fokusnya adalah pada kebiasaan menggunakan perangkat dan cara menulis perintah (prompt). Lokakarya semacam itu mengajarkan kesadaran, tetapi bukan ketajaman analitis yang didapat dari keharusan menyelesaikan alur kerja yang sebenarnya.
  • Konten tidak mencakup pertanyaan yang lebih mendalam dan penting tentang kapan harus menggunakan AI, kapan tidak boleh menggunakannya, cara mengevaluasi hasil, atau cara menerapkan aturan perusahaan pada tugas nyata.
  • Waktu praktik yang tidak mencukupi, kurangnya instruksi khusus tugas, dan tidak adanya umpan balik tentang kinerja peserta atau hal yang dapat mereka tingkatkan.
  • Kehadiran adalah tujuannya, alih-alih kompetensi.

Cara membangun literasi AI yang sebenarnya

Untuk menjadi melek AI, orang memerlukan pelatihan langsung yang spesifik peran yang mengharuskan mereka menyelesaikan tugas aktual dalam alur kerja yang realistis. Dan mereka memerlukan waktu khusus untuk melakukannya.

  1. Pelatihan langsung memberikan praktik nyata yang membantu orang mempelajari apa yang harus dilakukan dalam berbagai situasi di lingkungan yang berisiko rendah. Ketika evaluasi dan koreksi menjadi bagian dari alur kerja, peserta belajar dari eksperimen dan kesalahan mereka sendiri maupun orang lain. Mulailah dengan mendaftar ke satu atau beberapa perangkat AI, bahkan pada tingkat gratis.
  2. Pelatihan khusus peran sangat penting karena memahami dan menilai hasil yang berbeda memerlukan skill yang berbeda. Orang yang belum pernah membuat spreadsheet tabel pivot akan kesulitan mengetahui apakah AI membuat yang bagus, atau cara mem-prompt-nya untuk melakukan pekerjaan yang lebih baik pada kesempatan berikutnya. Hal yang sama berlaku untuk mengevaluasi dokumen hukum, citra untuk situs web, ringkasan riset medis terbaru, atau output spesifik pekerjaan apa pun yang memerlukan beberapa pengetahuan latar belakang. Mulailah dengan mengidentifikasi beberapa tugas rutin yang dapat dilakukan dengan AI.
  3. Menugaskan tugas nyata membantu orang memahami bagaimana AI dapat membantu mereka melakukan pekerjaan mereka dan membangun skill yang mereka perlukan untuk menggunakannya. Mereka akan mempelajari tugas apa yang cocok untuk dilakukan AI sendiri, mana yang memerlukan lebih banyak pengawasan, dan apa yang selalu membutuhkan penilaian manusia, serta kapan dan bagaimana menjaga keamanan data pelanggan dan perusahaan yang rahasia. Pikirkan untuk mengatogerikan tugas sesuai dengan seberapa banyak tinjauan manusia yang dibutuhkannya. Contohnya:

AI dapat dilakukan sendiri

Seseorang harus meninjau

Seseorang harus bertanggung jawab

Draf awal, ringkasan dokumen, kategorisasi, prospek riset, pengumpulan data

Klaim, kutipan, bahasa yang berhadapan dengan pelanggan, perhitungan, komunikasi eksternal

Perekrutan, pembayaran, kontrak, keputusan hukum/pajak, akses dan penyimpanan data sensitif

  1. Waktu yang dilindungi adalah bagian akhir yang diperlukan untuk membangun literasi AI, setidaknya pada awalnya. Semua orang sibuk, yang selalu tampak seperti alasan bagus untuk terus melakukan hal-hal dengan cara lama alih-alih meluangkan waktu ekstra untuk mencoba menggunakan alat baru. Seperti banyak investasi bagus, waktu yang dihabiskan untuk pelatihan akan terbayar lebih dari cukup begitu orang-orang memahami cara terbaik bermitra dengan AI. Sisihkan waktu setiap hari atau minggu untuk dihabiskan, baik sendiri maupun berkelompok.

Tempat belajar

Ada banyak sumber daya yang tersedia secara online yang memberikan pelatihan dasar yang baik. Cari sumber daya yang meminta Anda menulis dan merevisi prompt, membandingkan output, memverifikasi klaim, mengidentifikasi konteks yang hilang, dan memutuskan kapan sebuah jawaban memerlukan peninjauan dari manusia. Berikut adalah beberapa tempat untuk memulai:

  • Chalmers University of Technology menawarkan Working and learning with generative AI, kursus online gratis yang memadukan belajar mandiri dengan sesi langsung opsional. Latihan disesuaikan dengan berbagai profesi, berfokus pada tugas kehidupan nyata, dan berkembang dari penggunaan individu yang efektif hingga delegasi tugas.
  • Generative AI for Everyone dari DeepLearning.AI adalah kelas online yang dipimpin oleh pionir AI Andrew Ng. Kelas ini memberikan gambaran umum tentang AI generatif, cara kerjanya, dan apa yang bisa dilakukannya. Kelas ini juga menawarkan latihan langsung untuk membantu Anda mempelajari dasar-dasar dan hal lebih mendalam.
  • Perplexity.ai juga dapat mendukung jenis pelatihan yang direkomendasikan oleh sumber daya ini, dan artikel ini: berlatih mengajukan pertanyaan realistis, memeriksa bukti di balik klaim faktual, membandingkan sumber, dan menyempurnakan pekerjaan dengan tinjauan manusia. Untuk hasil riset berbasis web, output mencakup kutipan tertaut yang memudahkan untuk melacak klaim, statistik, dan kutipan kembali ke sumbernya. Selain itu, kunjungi Perplexity Academy untuk koleksi video cara-cara singkat tentang topik dasar seperti praktik terbaik untuk menulis prompt, serta topik yang lebih ambisius seperti membuat alur kerja yang dapat digunakan kembali untuk tugas rutin dan menghubungkan Perplexity ke perangkat bisnis.

Untuk saran lebih lanjut tentang belajar mengevaluasi AI, unduh panduan kami tentang membangun kerangka kerja untuk kepercayaan, akurasi, dan pengawasan. Untuk informasi yang disesuaikan dengan berbagai industri dan tujuan, termasuk contoh kueri untuk tugas tertentu, jelajahi semua panduan kami di sini.

Literasi AI dibangun melalui latihan, dalam alur kerja aktual. Lokakarya mungkin membantu memulai berbagai hal, tetapi lokakarya bukanlah pengganti untuk melakukan pekerjaan nyata dalam alat AI, mengevaluasi output, memperbaiki kesalahan, dan menerapkan penilaian manusia. Dengan pelatihan langsung dan spesifik peran yang menyelesaikan tugas-tugas relevan dalam sesi yang dilindungi, AI akan mulai memberikan hasil yang mengesankan.

Pertanyaan yang sering diajukan

Apa arti dari literasi AI?

Literasi AI adalah kemampuan untuk memahami, menggunakan, mengevaluasi, dan membuat keputusan berdasarkan informasi tentang sistem AI dan outputnya. Hal itu lebih dari sekadar menulis prompt yang berhasil. Orang yang melek AI dapat mengenali di mana AI berguna, melindungi informasi sensitif, memeriksa klaim penting, memahami batasan jawaban, dan tahu kapan seseorang harus membuat keputusan akhir.

Apa contoh dari literasi AI?

Contoh literasi AI adalah menggunakan perangkat AI untuk membuat draf analisis pesaing, lalu membuka setiap sumber yang dikutip untuk memverifikasi harga, fitur produk, tanggal, dan kutipan sebelum menggunakan analisis tersebut dalam presentasi penjualan. Bagian terpenting dari literasi adalah kemampuan untuk menemukan apa yang perlu diperiksa, memvalidasinya terhadap bukti yang andal, dan merevisi atau membuang klaim yang tidak didukung.

Apa empat pilar literasi AI?

Kerangka kerja literasi AI menggunakan terminologi yang berbeda, tetapi model tiga bagian yang praktis adalah memahami, menggunakan, dan mengevaluasi. Orang yang melek AI memahami cara kerja AI dan di mana AI bisa gagal, menggunakannya secara efektif untuk tugas yang sesuai, dan dapat mengevaluasi output untuk akurasi, bias, kelengkapan, ketepatan waktu, dan risiko. Seringkali disertakan juga kemampuan untuk terlibat secara bertanggung jawab dengan melindungi data, mempertimbangkan orang yang terkena dampak penggunaan AI, dan mempertahankan akuntabilitas manusia. Evaluasi adalah bagian terpenting, dan yang memisahkan pengguna ahli dari pemula.

Bagaimana cara saya meningkatkan literasi AI saya?

Tingkatkan literasi AI dengan berlatih menggunakan pekerjaan nyata yang berisiko rendah. Tutorial sangat membantu, tetapi bukan pengganti praktik langsung. Pilih alat AI dan tugas yang dapat diulang, seperti meringkas dokumen, meneliti pesaing, atau mengatur catatan. Kemudian tinjau hasilnya dengan cermat dengan melacak asal informasi, memverifikasi fakta dan kutipan penting, serta memperbaiki kesalahan apa pun. Seiring waktu, bangun kebiasaan menentukan tugas mana yang dapat dibantu AI, mana yang memerlukan peninjauan manusia, dan mana yang harus diserahkan kepada manusia. Tujuannya adalah menggunakan AI dengan percaya diri, aman, dan dengan penilaian yang sehat.

Bagaimana Anda mengevaluasi hasil AI?

Mulailah dengan klaim yang paling penting. Periksa apakah sumber tersebut ada dan mendukung pernyataan yang tepat. Konfirmasikan bahwa nama, tanggal, produk, dan angka sudah benar dan disajikan secara akurat. Pastikan informasi tersebut terkini. Libatkan peninjau yang berkualifikasi untuk keputusan hukum, medis, keuangan, keamanan, ketenagakerjaan, atau keputusan penting lainnya. Kutipan yang dihasilkan AI dapat mempercepat prosesnya, tetapi kutipan tetap harus dibuka dan diperiksa.