Ketika data masih sedikit, kita berhati-hati agar tidak terburu-buru menarik kesimpulan. Namun, ketika sejumlah besar angka dan catatan terkumpul, mudah muncul perasaan, “Dengan bahan sebanyak ini, jawabannya pasti sudah jelas.” Bertambahnya pengamatan tentu memperluas apa yang dapat kita ketahui. Tetapi bertambahnya jumlah data tidak sama dengan menjadikan maknanya tunggal. Penjelasan yang dapat diturunkan dari data yang sama berubah bergantung pada apa yang diukur, apa yang tidak diukur, dan periode mana yang diperiksa.
Sebagai contoh, misalkan waktu penggunaan suatu layanan meningkat selama satu bulan. Kita mungkin ingin menjelaskannya dengan mengatakan bahwa “kepuasan pengguna meningkat”. Namun, meskipun peningkatan waktu penggunaan dapat diamati, angka saja tidak menetapkan alasannya. Fitur baru mungkin lebih praktis, atau antarmuka mungkin menjadi lebih rumit sehingga membutuhkan waktu lebih lama untuk digunakan. Sekadar memisahkan perubahan yang diamati dari penjelasan atas perubahan tersebut secara substansial mengubah pertanyaan penelitian berikutnya.
Dalam penelitian, bergerak dari pengamatan menuju hipotesis memang diperlukan. Masalahnya bukan memiliki hipotesis, melainkan membiarkan suatu hipotesis tanpa disadari memperoleh kedudukan yang sama dengan fakta yang diamati. Begitu kita memutuskan “inilah penyebabnya”, kita menjadi lebih cenderung membaca data berikutnya dengan cara yang sesuai dengan penjelasan tersebut. Ruang untuk mempertimbangkan penjelasan lain menyempit, dan bukti yang bertentangan dapat diperlakukan sebagai pengecualian. Kepastian yang terlalu dini bukan hanya dapat mengakhiri investigasi, tetapi juga dapat membiaskan apa yang kita pilih untuk diamati selanjutnya.
Masalah ini menjadi semakin penting ketika AI mendukung penelitian dan investigasi. AI dapat menata sejumlah besar materi, menemukan kesamaan, dan dengan cepat menyajikan kemungkinan penjelasan. Kemampuan itu berguna, tetapi semakin mulus suatu penjelasan yang tertata, semakin mudah sebuah hipotesis tampak seperti kesimpulan yang sudah diverifikasi. Fakta bahwa AI telah memproses banyak informasi tidak berarti interpretasinya merupakan satu-satunya interpretasi. Volume pemrosesan dan tingkat kepastian suatu kesimpulan perlu dipertimbangkan secara terpisah.
Karena itu, berguna untuk memperlakukan pengamatan, interpretasi, hipotesis, dan hasil verifikasi sebagai tahap-tahap yang terpisah. Pengamatan menunjukkan apa yang dicatat; interpretasi menunjukkan bagaimana catatan itu dibaca. Hipotesis adalah salah satu kemungkinan penjelasan untuk beberapa pengamatan, dan verifikasi menguji sejauh mana kemungkinan tersebut didukung. Jika tahap-tahap ini tidak dicampur, bahkan ketika sebuah hipotesis kuat, pertanyaan “apa yang masih perlu diperiksa?” dapat tetap dipertahankan.
Mempertahankan suatu kesimpulan secara sementara tidak berarti menghindari keputusan tanpa batas waktu. Bergantung pada tujuan investigasi, tindakan mungkin harus dipilih dengan informasi yang terbatas. Bahkan saat itu, mengatakan “berdasarkan bukti saat ini, penjelasan ini paling kuat didukung” berbeda dari mengatakan “inilah satu-satunya kebenaran”. Mempertahankan sifat sementara memungkinkan penilaian diperbarui ketika bukti baru muncul. Tingkat kepastian harus sesuai dengan keadaan bukti.
Bagi manusia maupun AI, membiarkan beberapa bagian tetap tidak diketahui membutuhkan keberanian. Penjelasan yang lengkap memberi rasa tenang, tetapi nilai penelitian bukan terletak pada seberapa cepat ia menenangkan kita, melainkan pada seberapa baik sebuah penjelasan bertahan menghadapi kenyataan. Jika sebuah hipotesis akan runtuh ketika berhadapan dengan bukti yang bertentangan, lebih baik tidak menyembunyikan kemungkinan itu. Menjaga sesuatu tetap dapat diuji tidak membuat kesimpulan menjadi lemah; hal itu memperjelas dasar kekuatannya.
Ketika Sai＊aus mendukung investigasi, tujuannya juga bukan hanya menghasilkan satu kesimpulan dengan cepat dari sejumlah besar informasi. Jika dapat dibedakan apa yang diamati, di mana interpretasi ditambahkan, dan apa yang masih merupakan hipotesis, manusia dapat memilih apa yang perlu diperiksa selanjutnya. Kemampuan AI untuk menata informasi dapat digunakan bukan untuk menutup kesimpulan, melainkan untuk membuat jalan masuk menuju verifikasi terlihat.
Lebih banyak data tidak secara otomatis membuat kebenaran menjadi tunggal. Yang bertambah adalah bahan yang tersedia untuk memeriksa kenyataan. Asumsi dan interpretasi ikut masuk ke dalam cara penjelasan dibangun dari bahan tersebut. Karena itu, penelitian tidak menuntut kita meragukan data itu sendiri, melainkan agar kita tidak kehilangan jejak antara data dan kesimpulan. Dengan tidak terburu-buru menetapkan kesimpulan sebagai kenyataan dan menjaganya tetap terbuka untuk direvisi melalui verifikasi, kelimpahan informasi dapat diubah menjadi kedalaman pemahaman.
Bukan jawaban. Pemahaman.