Ketika mulai meneliti sesuatu, kita cenderung menginginkan lebih banyak bahan. Kita membaca artikel, mengumpulkan angka, mencari pendapat ahli, dan meminta AI membuat ringkasan. Rasanya seolah-olah lebih banyak informasi seharusnya membuat penilaian kita lebih dapat diandalkan. Tentu saja, jika bahan yang kita miliki terlalu sedikit, kita dapat melewatkan fakta penting. Namun, bertambahnya bahan tidak sama dengan memahami pertanyaan. Bahkan setelah membaca sepuluh sumber, jika masing-masing tetap terpisah, mungkin masih belum jelas apa yang sebenarnya perlu kita nilai.
Misalkan kita meneliti suatu wilayah yang memperkenalkan bentuk transportasi baru. Kita dapat mengumpulkan banyak angka: jumlah pengguna, biaya, waktu perjalanan, dampak lingkungan, keselamatan, dan lainnya. Namun, tidak ada satu angka pun yang menentukan maknanya sendiri. Sekalipun penggunaan meningkat, penting untuk mengetahui apakah pengguna hanya berpindah dari bentuk transportasi lain atau apakah orang yang sebelumnya tidak dapat bepergian kini memperoleh akses. Sekalipun biaya turun, penilaiannya berubah jika wilayah layanan menjadi lebih kecil. Penelitian tidak hanya memerlukan pengumpulan fakta, tetapi juga pemeriksaan hubungan di antara fakta-fakta tersebut.
AI dapat sangat mengurangi waktu yang diperlukan untuk menemukan bahan dan menata isinya. Ini merupakan keuntungan penting bagi penelitian. Pada saat yang sama, ketika peringkasan menjadi lebih cepat, beberapa sumber dapat dipadatkan menuju kesimpulan yang serupa sehingga perbedaan di antara mereka menjadi kurang terlihat. Bahkan sumber tentang topik yang sama tidak dapat begitu saja digabungkan jika berbeda dalam wilayah, periode waktu, kondisi, atau metode pengukuran. Kualitas penelitian tidak hanya bergantung pada kemampuan memadatkan informasi, tetapi juga pada apakah kita dapat mengidentifikasi perbedaan mana yang memengaruhi pertanyaan.
Melihat hubungan juga mengubah makna bukti yang berlawanan. Ketika menemukan satu hasil yang berbeda dari pandangan kita, kita dapat mengabaikannya sebagai pengecualian. Namun, jika kita bertanya, “Mengapa hasil yang berlawanan muncul dalam kondisi ini?”, sebuah pertanyaan baru muncul. Bukti yang berlawanan tidak sekadar menghalangi sebuah kesimpulan; bukti itu dapat menunjukkan kepada kita sejauh mana kesimpulan tersebut berlaku. Penelitian bukan hanya menumpuk informasi ke arah yang sama. Penelitian juga mencari perbedaan kondisi yang berada di balik hasil-hasil yang berbeda.
Yang dapat kita harapkan dari AI di sini bukan sekadar “menemukan lebih banyak bahan yang relevan”. AI juga dapat memisahkan bukti yang mendukung suatu klaim dari bukti yang menentangnya, membandingkan kondisi ketika hasil berubah, dan menunjukkan hubungan yang belum dikonfirmasi. Namun, hubungan tersebut tidak otomatis menjadi benar. Manusia tetap perlu memeriksa sumber, populasi, periode waktu, dan metode pengukuran, serta menentukan apakah informasi yang dihubungkan oleh AI benar-benar menjawab pertanyaan yang sama.
Seiring penelitian berlangsung, pertanyaan awal dapat berubah. Kita mungkin memulai dengan bertanya, “Apakah metode ini bekerja?” lalu menemukan bahwa pertanyaan yang sebenarnya adalah, “Untuk siapa, dan dalam kondisi apa, metode ini bekerja?”. Ini bukan kegagalan penelitian. Melihat hubungan di antara potongan informasi telah menunjukkan bahwa pertanyaan awal terlalu kasar. Penelitian yang baik tidak memaksakan jawaban kembali ke pertanyaan pertama; bila perlu, penelitian memperbarui pertanyaan itu sendiri.
Inilah juga alasan Sai＊aus Labo memperlakukan pengetahuan melalui hubungan. Alih-alih mengisolasi sebuah artikel sebagai jawaban yang sudah selesai, artikel tersebut dapat dihubungkan dengan pertanyaan lain, bukti tandingan, kondisi, dan pengetahuan yang diperoleh kemudian. Dengan demikian, ketika penelitian baru dimulai, artikel sebelumnya dapat digunakan bukan sekadar dengan mengulanginya, melainkan dengan memeriksa “apa yang telah berubah dari pemahaman kita sebelumnya”. Nilai pengetahuan tidak hanya terletak pada fakta bahwa pengetahuan itu disimpan, tetapi juga pada keterbukaannya untuk dipertimbangkan kembali melalui pertanyaan berikutnya.
Penelitian dimulai dengan mengumpulkan informasi, tetapi tidak harus berakhir di sana. Dengan memeriksa hubungan antara fakta, antara bukti dan bukti tandingan, antara hasil dan kondisi, serta antara pertanyaan masa lalu dan pertanyaan masa kini, informasi bergerak mendekati pengetahuan yang dapat mendukung penilaian. Ketika AI membuat pengumpulan semakin cepat, tempat di mana pemikiran manusia dibutuhkan bergeser dari jumlah sumber menuju makna hubungan. Kedalaman penelitian berubah bukan hanya berdasarkan seberapa banyak yang kita kumpulkan, tetapi juga berdasarkan hubungan apa yang kita temukan.
Bukan jawaban. Pemahaman.