Pertanyaannya bukan lagi "apakah kamu pakai AI?" — hampir semua orang sudah. Pertanyaan yang jauh lebih penting adalah: apakah kamu menggunakannya dengan baik?

Ini bukan soal prompt yang canggih atau workflow yang kompleks. Ini soal sesuatu yang lebih mendasar — apakah kita benar-benar berpikir kritis saat berkolaborasi dengan AI, atau justru semakin pasrah menerima apa pun yang keluar dari layar?

Pada 23 Februari 2026, Anthropic merilis jawaban empirisnya. Bukan survei opini, tapi analisis langsung dari 9.830 percakapan nyata dengan Claude di Claude.ai selama satu minggu penuh di Januari 2026. Hasilnya: ada kabar baik, ada kabar yang perlu kita waspadai bersama.

Apa Itu "AI Fluency" — dan Mengapa Kita Perlu Mengukurnya?

Sebelum bicara angka, kita perlu sepakati dulu definisinya. AI fluency bukan sekadar "mahir pakai AI." Ini tentang kemampuan berkolaborasi dengan AI secara efektif, efisien, etis, dan aman — sekaligus.

Untuk mengukurnya, Anthropic menggunakan 4D AI Fluency Framework yang dikembangkan bersama Prof. Rick Dakan (Ringling College of Art and Design) dan Prof. Joseph Feller (University College Cork). Framework ini mendefinisikan 24 perilaku spesifik yang mencerminkan kualitas kolaborasi manusia-AI.

Dari 24 perilaku itu, hanya 11 yang bisa diamati langsung dari percakapan di Claude.ai — seperti apakah pengguna mempertanyakan penalaran AI, mengecek fakta, atau mengidentifikasi informasi yang hilang. Sisanya, 13 perilaku lain, terjadi di luar percakapan: apakah kamu jujur soal peran AI dalam pekerjaanmu, apakah kamu memikirkan konsekuensi menyebarkan output AI ke publik, dan seterusnya.

Anthropic sendiri mengakui bahwa 13 perilaku yang tidak terukur itu mungkin justru yang paling penting. Tapi untuk laporan pertama ini, mereka fokus pada yang bisa diamati — dan hasilnya sudah cukup untuk membuat kita berhenti sejenak dan berpikir.

Kabar Baiknya: Mayoritas dari Kita Sudah Iterasi

Temuan pertama cukup menggembirakan. Dari seluruh sampel percakapan, 85,7% menunjukkan perilaku iteration and refinement — artinya pengguna tidak hanya menerima jawaban pertama lalu pergi. Mereka membangun percakapan lanjutan, memperbaiki, menggali lebih dalam, mendebat.

Dan ada korelasi yang sangat kuat di sini. Percakapan yang melibatkan iterasi menunjukkan rata-rata 2,67 perilaku fluency tambahan dibanding percakapan tanpa iterasi yang hanya 1,33. Lebih konkretnya:

Pengguna yang iterasi 5,6 kali lebih mungkin mempertanyakan penalaran Claude
Mereka 4 kali lebih mungkin mengidentifikasi konteks yang hilang dari jawaban AI

Terjemahannya sederhana: semakin kamu "ngobrol sungguh-sungguh" dengan AI — mendebat, memperbaiki, bertanya lanjutan — semakin kritis pula cara berpikirmu terhadap outputnya.

Ini pola yang sehat. Dan mayoritas pengguna sudah melakukannya secara natural.

Kabar yang Perlu Diwaspadai: The Discernment Gap

Di sinilah temuan yang lebih kompleks — dan lebih menarik secara intelektual.

12,3% percakapan dalam sampel menghasilkan artifact: kode program, dokumen, aplikasi interaktif, atau tools lain yang bisa langsung digunakan. Dalam percakapan seperti ini, pola perilakunya berubah cukup signifikan.

Di satu sisi, pengguna yang meminta artifact ternyata lebih teliti di awal. Mereka lebih sering:

Mengklarifikasi tujuan mereka (+14,7 poin persentase dibanding non-artifact)
Menentukan format output yang diinginkan (+14,5pp)
Memberikan contoh sebagai referensi (+13,4pp)
Melakukan iterasi lebih aktif (+9,7pp)

Kesannya: pengguna ini lebih serius, lebih terarah, lebih "fluent."

Tapi ada paradoks yang mengkhawatirkan. Meski direktif di awal, mereka justru lebih tidak kritis di akhir:

5,2 poin persentase lebih tidak mungkin mengidentifikasi konteks yang hilang
3,7pp lebih tidak mungkin mengecek fakta dalam output
3,1pp lebih tidak mungkin mempertanyakan penalaran model

Anthropic menyebut ini discernment gap — kesenjangan antara seberapa keras kamu mengarahkan AI versus seberapa kritis kamu mengevaluasi hasilnya.

Mengapa Ini Bisa Terjadi?

Anthropic menawarkan beberapa hipotesis, dan semuanya masuk akal:

Hipotesis 1 — Efek "Terlihat Selesai": Output berupa kode atau dokumen yang rapi secara visual memberi kesan sudah final. Kalau tampilannya profesional dan terstruktur, otak kita cenderung menerimanya sebagai produk jadi tanpa perlu dicek lebih jauh.

Hipotesis 2 — Evaluasi di Luar Percakapan: Pengguna mungkin tetap melakukan evaluasi — mereka menjalankan kodenya di terminal, mencoba aplikasinya sendiri, berbagi draft ke rekan kerja — tapi evaluasi itu tidak terekam dalam percakapan. Ini sebenarnya adalah keterbatasan metodologi yang diakui Anthropic sendiri.

Hipotesis 3 — Jenis Tugas yang Berbeda: Artifact conversations mungkin lebih banyak melibatkan tugas estetik (desain UI, template visual) di mana presisi faktual memang kurang krusial dibanding akurasi fungsional.

Ketiga hipotesis ini tidak saling mengeksklusikan. Mungkin ketiganya benar sekaligus, tergantung konteks.

"Sebagai AI model menjadi semakin mampu menghasilkan output yang terlihat sempurna, kemampuan untuk mengevaluasi output itu secara kritis — baik dalam percakapan maupun melalui cara lain — akan menjadi semakin berharga, bukan semakin tidak relevan." — Anthropic AI Fluency Index Report, 2026

Tiga Langkah Konkret untuk Meningkatkan AI Fluency Kamu

Berdasarkan temuan ini, Anthropic merangkum tiga area yang paling bisa ditingkatkan. Bukan rekomendasi abstrak — ini yang bisa langsung dipraktikkan:

1. Tetap di dalam percakapan — dan jadikan jawaban pertama hanya titik awal

Iterasi adalah prediktor terkuat dari semua perilaku fluency lainnya. Jadi ketika AI memberikan respons pertama, resist urge untuk langsung copy-paste. Tanya: apa yang kurang dari jawaban ini? Apakah ada asumsi yang salah? Bagian mana yang perlu diperdalam? Proses ini bukan hanya membuat output lebih baik — ia juga melatih kemampuan kritismu.

2. Justru saat output terlihat rapi, itu saatnya lebih waspada — bukan lebih santai

Ini counter-intuitive tapi penting. Ketika AI menghasilkan dokumen yang terstruktur indah atau kode yang berjalan mulus, itu bukan sinyal untuk berhenti berpikir. Justru sebaliknya: tanya ke diri sendiri — apakah faktanya akurat? Ada konteks yang hilang? Apakah logikanya benar-benar solid? Output yang tampak "selesai" justru paling berbahaya jika tidak dicek.

3. Atur aturan main dari awal — secara eksplisit

Hanya 30% percakapan yang menunjukkan pengguna secara eksplisit memberi tahu Claude bagaimana cara berinteraksi dengannya. Coba tambahkan instruksi seperti:

"Push back kalau asumsi saya salah"
"Jelaskan penalaranmu sebelum memberikan jawaban"
"Beritahu aku di mana kamu tidak yakin"
"Identifikasi informasi apa yang mungkin hilang dari jawabanmu"

Instruksi-instruksi ini mengubah AI dari mesin jawaban menjadi mitra berpikir — dan itulah mode yang paling produktif.

Keterbatasan yang Jujur — dan Mengapa Ini Penting

Satu hal yang membuat laporan ini kredibel adalah transparansinya tentang keterbatasan sendiri.

Sampel yang digunakan kemungkinan besar mencerminkan early adopters — pengguna yang sudah cukup nyaman dengan AI sehingga aktif di Claude.ai dalam percakapan multi-turn. Mereka belum tentu mewakili populasi umum yang baru mulai berkenalan dengan AI.

Data juga hanya dari satu minggu — tidak bisa menangkap perubahan musiman, longitudinal, atau dampak dari update model. Dan karena hanya mencakup Claude.ai, kita tidak tahu apakah pola yang sama berlaku di platform lain seperti ChatGPT atau Gemini.

Yang terpenting: 13 dari 24 perilaku fluency tidak bisa diukur sama sekali dari percakapan. Ini bukan kegagalan metodologi — ini adalah kejujuran tentang batas kemampuan observasi. Dan Anthropic berkomitmen untuk mengembangkan metode kualitatif di penelitian selanjutnya untuk menjangkau dimensi-dimensi yang tidak teramati ini.

AI Fluency Bukan Tentang Siapa yang Lebih "Pintar" Pakai AI

Laporan ini bukan ranking atau kompetisi. Ini adalah cermin — gambaran tentang bagaimana kita, sebagai pengguna AI, sebenarnya berperilaku versus bagaimana kita pikir kita berperilaku.

Dan temuan paling penting bukan angka-angkanya. Temuan paling penting adalah pertanyaan yang ia tinggalkan: semakin AI pandai membuat outputnya terlihat meyakinkan, rapi, dan selesai — apakah kemampuan kritis kita ikut bertumbuh, atau justru semakin terkikis?

Kalau kita jujur, jawabannya bukan otomatis "bertumbuh." Kemampuan kritis itu perlu dilatih secara sadar — setiap kali kita berinteraksi dengan AI.

Ingat: AI yang baik bukan yang menghasilkan jawaban terbaik. AI yang baik adalah yang membantumu berpikir lebih baik — tapi hanya jika kamu masih mau berpikir.

Referensi & Resources:

Anthropic (23 Feb 2026): "Anthropic Education Report: The AI Fluency Index" — anthropic.com
Anthropic: "4D AI Fluency Framework" oleh Prof. Rick Dakan & Prof. Joseph Feller — anthropic.skilljar.com
Anthropic (Jan 2026): "Economic Index: AI in the Workplace" — anthropic.com
Anthropic (2026): "Clio: Privacy-Preserving Analysis Tool" — anthropic.com
Anthropic Education Report: "How University Students Use Claude" — anthropic.com