Kata robot diciptakan oleh penulis Ceko, Karel Čapek, yang menggunakannya dalam drama pada tahun 1921 yang berjudul R.U.R. untuk menggambarkan armada mesin cerdas. Dia menamai penemuannya berdasarkan kata Slavonic “rabota,” yang berarti kerja keras. Lebih jelasnya, rabota juga merupakan akar dari kata “rob,” atau slave/budak. Sangat menarik untuk dicatat bahwa saat ini, robot dan otomatisasi dapat menjanjikan untuk menghilangkan beberapa tugas berulang yang paling membosankan yang kami benci.

Ambil contoh telemarketing, misalnya, salah satu pekerjaan yang paling mirip budak di abad ke-21. Saya pikir cukup aman untuk berasumsi bahwa tidak ada seorang pun yang pernah bermimpi tentang karier di bagian telemarketing atau akan merindukannya jika pekerjaan ini hilang. Beruntung bagi kita semua, bahwa pekerjaan tersebut adalah pekerjaan yang kemungkinan besar akan hilang, menurut penelitian yang sangat baik dari Carl Benedikt Frey dan Michael A. Osborne, The Future of Employment: How Susceptible Are Jobs to Computerization. Mereka memeriksa 702 pekerjaan dan mengevaluasi tingkat risiko dari masing-masing tersebut.

Daftar dan peringkat yang cukup luas itu menarik untuk diperhatikan. Lebih penting lagi, penelitian ini mengidentifikasi tiga faktor yang berdampak pada tingkat risiko, yang lalu membuat kita untuk mulai berpikir tentang bagaimana otomatisasi akan berdampak pada bidang spesifik yang kita lakoni. Ketiga kriteria tersebut adalah: persepsi dan manipulasi, kecerdasan kreatif, dan kecerdasan sosial. Saya juga telah menambahkan ke dalam kerangka tersebut, konsep prediktabilitas. Singkatnya, pekerjaan yang paling mungkin menentang otomatisasi:

  1. Melibatkan kegiatan persepsi dan manipulasi yang kompleks;
  2. Memerlukan kemampuan untuk memunculkan ide-ide pintar, atau cara-cara baru untuk menyelesaikan masalah;
  3. Melibatkan negosiasi, persuasi, empati, dan kepedulian;
  4. Permintaan individu menjadi sangat mudah beradaptasi dengan berbagai konteks dan situasi

Ketertarikan saya tidak hanya dalam mengeksplorasi topik otomatisasi secara luas, tetapi juga melihat bagaimana kerangka kerja ini berlaku untuk berbagai profesi desain. Pemeriksaan secara cepat dari daftar di atas, yang terdengar sangat mirip dengan keahlian seorang desainer, mungkin membuat Anda percaya bahwa pekerjaan Anda aman. Kenyataannya sedikit lebih kompleks, jadi mari kita melihat setiap faktor dan menghubungkannya kembali dengan profesi desain secara khusus.

Persepsi dan manipulasi

Bagian dari tantangan otomatisasi ini dimulai dengan sistem persepsi, yang sebagian besar terkait dengan visi komputer 2D dan teknologi penginderaan spasial 3D, misalnya, pekerjaan yang hanya melibatkan pengenalan objek atau aspek objek ke pekerjaan yang melibatkan banyak ketangkasan jari halus atau manipulasi presisi benda-benda kecil yang bentuknya tidak beraturan. Pada tingkat yang lebih tinggi, tugas ketangkasan manual menggabungkan tantangan manipulasi mikro dengan gerakan fisik yang lebih luas, seperti membuka pintu, menaiki tangga, atau menumpuk satu set kotak. Jika Anda menggabungkan kedua tugas ini dan menambahkan tantangan bekerja di ruang fisik yang sempit, maka Anda memiliki pekerjaan yang sangat tangguh terhadap perpindahan. Pekerjaan pipa saluran air (plumbing) adalah salah satu contohnya. Satu lagi, yang tidak terlalu jelas adalah jalur perakitan mobil, sementara peralatan robot besar tampaknya melakukan sebagian besar pekerjaan, Anda masih melihat manusia melakukan berbagai tugas mikro-manipulasi di dalam kendaraan yang setengah jadi dan sempit.

Untuk desainer, persepsi visual adalah keterampilan yang penting, dan demikian juga manipulasi spasial bagi mereka yang membuat objek 3D. Anda mungkin dengan cepat menyimpulkan bahwa jika komputer belum dapat diandalkan dalam hal ini maka kami aman, pendapat Anda sebagian benar. Namun, dalam beberapa tahun terakhir, visi komputer dan sistem deep learning telah mendekonstruksi secara masif kumpulan data gambar 2D dan objek 3D, yang bekerja untuk memberi tahu perancang algoritmik tentang cara memanipulasi komposisi, bentuk, tekstur, dll.

Aplikasi Prisma, misalnya, makan malam pada Minggu malam dan pesta-pesta di halaman belakang tiba-tiba bisa terlihat seperti karya agung Van Gogh, bukan karena desain, tetapi oleh data. Alat-alat seperti itu akan mengganggu ilustrasi sebuah profesi, yang berpotensi mengurangi jam kerja yang melelahkan ke dalam pemrosesan perangkat lunak yang menumpahkan komposisi gambar dari objek apa pun, dalam gaya seni apa pun.

Dalam pendesainan web, kami memiliki Grid.io yang kontroversial (setidaknya di komunitas desain), yang dalam beberapa kasus muncul untuk mewujudkan komposisi fotografi dan tipografi berdasarkan parameter tingkat tinggi yang ditetapkan oleh desainer. Kombinasi dari sistem deep learning dengan pengkodean heuristik sederhana, aturan-aturan, praktek-praktek terbaik, dan prinsip-prinsip berarti bahwa banyak kegiatan persepsi yang dianggap oleh desainer sebagai “mata dan kerajinan” istimewa mereka, akan tergantikan oleh sistem AI cepat atau lambat.

Adapun untuk manipulasi 3D, teknik pencetakan 3D (3D printing) memungkinkan untuk membuat objek fisik yang jauh melampaui kemampuan yang dimiliki oleh pengrajin manusia yang terbaik sekalipun.

Kecerdasan kreatif

Area kedua yang termasuk sulit bagi teknologi AI adalah kecerdasan kreatif. Ini adalah kemampuan untuk menghasilkan ide-ide berharga dan mencari cara untuk menyelesaikan berbagai jenis masalah.

Dalam sebuah karya baru-baru ini, saya berbagi pemikiran tentang sifat kreativitas, atau kemampuan untuk membuat ide atau artefak yang baru dan berharga. Dengan membagi kreativitas melalui cara ini, menjadi jelas bahwa menaksir nilai (dalam arti luas) untuk suatu ide pada dasarnya merupakan penilaian subyektif. Nilai berubah dalam konteks, budaya lintas waktu, serta dengan identitas dan kepribadian individu yang berbeda. Itu sebabnya sikap dan preferensi untuk seni, musik, dan mode sangat bervariasi.

Dalam desain, ide yang berharga atau pintar mungkin juga merupakan hasil dari wawasan atau perspektif tertentu atas nama tim. Terobosan itu dapat dihasilkan dari penelitian dan pemahaman yang teliti, atau hanya dari perspektif sosial, bias filosofis, atau apa yang umumnya diidentifikasi sebagai “jenius” atau “bakat” individu. Ide-ide sangat tahan terhadap kodifikasi. Dalam bentuk awal mereka, mereka licin, sulit dipahami, dan sering merasa baik karena alasan yang tampaknya emosional. Seperti yang dipikirkan oleh banyak pemikir desain, desain yang hebat adalah tentang perburuan framing yang sempurna dari pertanyaan yang seperti datang dengan dengan diiringi jawaban yang berharga, yang membuat tantangan kodifikasi ide yang berharga menjadi lebih sulit.

Kemajuan dalam daya komputasi secara keseluruhan telah memungkinkan simulasi sehingga desain yang didorong oleh parameter serupa untuk objek dan bangunan dapat dibuat dan jutaan variasi berevolusi untuk menemukan hasil rekayasa yang optimal. Hal ini disebut dengan “desain generatif,” dan telah ada selama sekitar 30 tahun di berbagai fasilitas penelitian. Autodesk Dreamcatcher telah berada di garis depan dalam menunjukkan bukti awal konsep ide ini.

Perangkat aplikasi seperti Dreamcatcher membuat solusi baru, sebuah aspek kecerdasan kreatif, sangat rentan terhadap otomatisasi. Terutama di bidang visual, ada banyak teknik yang dikenal yang dapat diterapkan pada penciptaan hal baru. Komputer yang dilengkapi dengan pemahaman tujuan yang masuk akal dapat dengan mudah membuat variasi desain dalam jumlah besar, mencampur konten, teknik, prinsip, dan pola tanpa batas. Mereka juga dapat menganalisis teknik dan meniru ketika ada contoh data yang memadai.

Namun, hanya berfokus pada penciptaan hal-hal baru, adalah kecerdasan kreatif palsu. Sementara kecerdasan mesin akan menjadi alat yang semakin kuat, tampaknya sulit membayangkan komputer secara spontan menantang diri mereka sendiri dengan pertanyaan-pertanyaan kreatif, menghasilkan solusi kreatif, dan mengevaluasi nilai dari solusi tersebut untuk menemukan sesuatu yang optimal. Mengutip Picasso, “[Komputer] tetapi tidak berguna. Mereka hanya bisa memberi Anda jawaban.” Sesuatu yang mungkin bisa dijabarkan dengan kemampuan untuk merumuskan pertanyaan yang tepat pada manusia secara inheren.

Kecerdasan Sosial

Kecerdasan sosial adalah tentang pengenalan real-time emosi manusia. Ini menimbulkan serangkaian masalah yang sulit diatasi terkait dengan kompleksitas pengkodean perilaku sosial, budaya, dan emosional manusia. Mengkodifikasi “common sense” dan bagaimana indera dan pengalaman menginformasikan kesadaran tentang dinamika situasi, emosi, perilaku, dan konteks itu sulit diprogram. Contohnya berkisar dari jenis pemahaman dan prediksi interaksi fisik yang paling dasar, seperti bermain Jenga, hingga norma budaya yang halus, seperti etiket, kesopanan, tabu, dan kebenaran politik. Ini juga mencakup pemahaman tentang niat manusia, motivasi, emosi, dan tindakan. Dari perspektif engineering, ini semua merupakan tantangan tersendiri dan sulit.

Salah satu tes yang relevan dari kemampuan komputer untuk melakukan ini adalah Tes Turing. Diciptakan oleh Alan Turing pada tahun 1950, dengan maksud untuk menguji kemajuan dalam teknologi AI untuk melihat apakah komputer dapat menipu manusia untuk berpikir serta berkomunikasi dengan manusia lain dalam komunikasi berbasis teks. Pada 2014, dalam Tes Turing tahunan, Eugene Goostman, seorang chatbot yang berpura-pura menjadi bocah Ukraina berusia 13 tahun, meyakinkan sepertiga hakim bahwa ia adalah manusia nyata. (Karena Eugene mengklaim bahwa ia berusia dua belas tahun, dengan bahasa Inggris sebagai bahasa kedua, ia dapat meluncur dengan beberapa kerutan komunikasi.)

Namun, terlepas dari kemajuan yang sedang dibuat, pekerjaan yang membutuhkan kecerdasan sosial yang tinggi, seperti hubungan masyarakat, akting, atau penulisan komedi, tampaknya tidak mungkin digantikan oleh otomatisasi dalam waktu dekat.

Demikian pula, kecerdasan sosial adalah inti dari human-centered design. Kebanyakan desainer akan setuju bahwa desainer hebat memiliki kecerdasan sosial yang tinggi, dan pemahaman yang baik tentang budaya dan kemanusiaan. Lebih jauh, ketika kita dipanggil untuk merancang sesuatu yang memiliki konteks lintas-disiplin yang lebih kaya, kita hampir selalu dalam kondisi negosiasi dan persuasi.

Prediktabilitas

Tugas yang dapat diprediksi bukan hanya tugas yang diulang dalam beberapa putaran proses tanpa akhir. Jika pekerjaan Anda adalah sesuatu yang dapat dipecah menjadi flow chart, dengan serangkaian keputusan dan tindakan dari awal hingga selesai, maka pekerjaan Anda berpotensi sangat rentan terhadap otomatisasi. Selama sifat pengambilan keputusan dan tindakan dalam setiap langkah tidak melibatkan persepsi dan manipulasi yang kompleks, kecerdasan kreatif, atau kecerdasan sosial, mungkin tinggal menunggu diterapkannya otomatisasi saja.

Contohnya, sebuah mobil otonom yang menavigasi lalu lintas kota, dari satu tujuan ke tujuan lain. Di permukaan, ini akan tampak sangat kompleks dalam hal prediktabilitas. Namun, dari perspektif logika, masalah ini lebih bisa dipecahkan. Ada masalah yang jelas untuk menemukan jalan (bagaimana menuju ke sana menggunakan peta jalan yang terperinci); ada aturan jalan yang jelas; dan ada hambatan lingkungan yang mudah diukur untuk mengenali, memahami, dan bereaksi terhadapnya. Hanya kategori terakhir, persepsi dan reaksi terhadap hambatan lingkungan, yang melibatkan aktivitas persepsi kompleks. Di persimpangan yang kompleks dengan banyak jalur, jalur pejalan kaki, jalur sepeda, puing-puing berantakan, sinyal lalu lintas, dan hal-hal yang dikaburkan oleh kendaraan lain, menjadikan tantangan persepsi jadi cukup berat. Untuk membuat masalah menjadi lebih kompleks secara teknis, sistem tidak hanya harus “menemukan” posisi benda-benda ini, tetapi “memprediksi” pergerakan benda-benda ini relatif terhadap fisika kendaraan. Walaupun ini terdengar menakutkan, dan memang menakutkan, pengambilan keputusan dasar dan tindakan yang harus dijalankan oleh mobil masih sangat sederhana. Cobalah untuk tidak mengenai apa pun sembari mematuhi aturan jalan, dan bawa mobil dari titik A ke titik B .

Profesi desain yang berbeda berakar pada tradisi yang berbeda dan tingkat kepatuhan yang berbeda untuk menguraikan proses kreatif dan metode yang lebih sistematis dan dapat diprediksi. Di satu sisi, banyak profesi desain dapat dipecah menjadi serangkaian langkah. Di sisi lain, itu adalah konten dari setiap langkah pengambilan keputusan yang menentukan tingkat kerentanan terhadap otomatisasi. Jika kita melakukan brainstorming, langkah yang kita gunakan di hampir setiap proses desain, kita dapat melihat peran penting kreatif dan kecerdasan sosial bermain, dan bagaimana mereka membuat prediktabilitas hampir mustahil.

Apakah kita semua baik-baik saja?

Dari empat kriteria, kecerdasan sosial dan kecerdasan kreatif menonjol sebagai bidang yang paling sulit bagi para peneliti ilmu komputer untuk membuat kemajuan jangka pendek yang akan cukup baik untuk menggantikan sejumlah besar pekerjaan dalam jangka waktu lima hingga 15 tahun.

Entrepreneur (dan desainer) di bidang AI saat ini sedang sibuk mencari bagian pekerjaan atau seluruh pekerjaan yang memiliki skenario prediktabilitas yang relatif mudah. Ada ratusan contoh pekerjaan yang terlihat sangat rentan terhadap penggantian, dari posisi sekretaris hingga persiapan pajak, pegawai polis asuransi, penjamin asuransi, pegawai entri data, petugas pinjaman, analis kredit, bookkeeper dan akuntan, pegawai pengiriman dan penerimaan, pegawai administrasi, dan ratusan lainnya. Selama 10 tahun ke depan, kita akan semakin merasakan dampak dari pekerjaan ini sebagaimana kita menyaksikan pergantian pekerjaan yang belum pernah terjadi sebelumnya melalui peningkatan otomatisasi dan robot.

Sementara ada upaya untuk mengotomatiskan aspek persepsi dan kebaruan tertentu dari kreativitas dan desain, untuk beberapa dekade ke depan, saya pikir kita dapat menyimpulkan bahwa sebagian besar profesi desain mungkin cukup aman dari komputerisasi. Tetapi sebelum kita menghembuskan napas lega bersama-sama, mari kita bersikap realistis, profesi kita akan sangat dipengaruhi oleh AI. Mudah-mudahan di tulisan lanjutan akan bisa didapatkan bahan-bahan yang menunjukkan pengeksplorasian implikasinya ya.

*disadur dari banyak sumber

Photo by Lenin Estrada on Unsplash