Kamu curhat kepada teman, lalu tiba-tiba muncul sifat kepribadian yang tidak pernah terbukti:
“Kayaknya dia tipe player deh.”
Masalahnya, tidak pernah ada fakta konkret tentang perilaku seperti itu.
Namun prosesnya tetap berjalan:
Kejadian A → cap “player” → “orang seperti itu pasti juga melakukan B” → putus saja.
Konsultasi berubah menjadi sidang kilat dengan vonis di hari yang sama.
Biasanya ini bukan karena niat jahat. Teman ingin membela, memvalidasi, dan melindungi kita. Justru karena itulah, dukungan terhadap emosi bisa tanpa sadar berubah menjadi persetujuan terhadap fakta yang belum pernah terbukti.
Prinsip utama tulisan ini sederhana:
Kamu boleh berpihak pada perasaan seseorang tanpa berpihak pada versi fakta yang belum terbukti.
Konsultasi yang berguna seharusnya menambah fakta yang dapat diamati, hipotesis alternatif, pertanyaan yang perlu dicek, dan pilihan tindakan — bukan hanya menaikkan keyakinan bahwa “orang itu jelas jahat”.
1. Pengadilan kilat media sosial: dari satu adegan ke karakter, pekerjaan, dan perceraian
Di media sosial, satu adegan rumah tangga sering berubah menjadi penilaian total terhadap seseorang.
Bayangkan satu pihak kewalahan dengan pekerjaan rumah atau mengurus anak, sementara pihak lain pergi melakukan kegiatan pribadi. Mengatakan “wajar kalau kesal” atau “saat itu seharusnya membantu” masih masuk akal.
Tetapi kolom komentar dapat berubah menjadi:
Hari ini pergi ke gym → tidak pernah membantu di rumah → tidak peduli keluarga → orangnya buruk → pasti buruk juga di pekerjaan → buang saja → cerai.
Informasi kurang, putusan bertambah.
Bagaimana pembagian tugas sehari-hari? Apakah rencana sudah disepakati? Apakah keduanya punya waktu bebas? Apakah bantuan sudah diminta secara jelas? Apa yang dilakukan setelah masalah dibicarakan? Tanpa data itu, menilai kemampuan kerja dari satu malam di rumah adalah HR paranormal.
Mengkritik satu tindakan tidak sama dengan mendefinisikan seluruh pribadi.
2. Masalah sebenarnya: label “player” dipanggil meski faktanya tidak pernah ada
Intinya bukan bahwa kejadian awal berkaitan dengan selingkuh atau menggoda orang lain.
Justru sebaliknya.
Tidak ada perilaku “player” yang terkonfirmasi, tetapi setiap kali muncul masalah lain atau kecemasan, beberapa pemberi saran langsung meloncat ke “dia player” dan “putus saja”.
Balas pesan terlambat. Ada masalah batas dengan keluarga. Koordinasi jadwal berantakan.
Itu isu yang berbeda.
Namun konsultasi berkualitas rendah selalu mengeluarkan kode yang sama:
ERROR: PLAYER DETECTED
Begitu label dipasang, semua kejadian berikutnya tersedot ke sana.
Balas lambat? Player. Komunikasi tidak nyambung? Player. Batas keluarga lemah? Player. Makan puding terakhir? Mungkin efek samping player juga.
Pada titik itu, label bukan lagi penjelasan. Ia menjadi folder serbaguna untuk semua hal yang tidak diketahui.
3. “Pasti sakit ya” dan “dia sampah” adalah dua klaim yang berbeda
Dalam konsultasi, validitas emosi dan penilaian fakta mudah tercampur.
“Wajar kalau kamu kesal.” “Itu terdengar melelahkan.” “Aku paham kenapa kamu marah.”
Ini merespons pengalaman emosional.
Sedangkan:
“Berarti dia player.” “Jelas dia tidak peduli padamu.” “Orang seperti itu pasti selingkuh.” “Putus saja.”
adalah inferensi tentang kepribadian, pikiran, perilaku masa depan, dan keputusan besar.
Keduanya berbeda.
Memvalidasi emosi tidak membutuhkan vonis bersalah terhadap orang lain.
“Itu pasti tidak enak, tapi dari informasi ini saja aku belum tahu orangnya seperti apa” adalah respons yang sepenuhnya masuk akal.
4. Mengapa teman meloncat ke kesimpulan — sering kali bukan niat buruk, melainkan keinginan membela
Teman bukan hakim netral. Mereka sudah peduli kepada kita, dan itu normal.
Orang menghargai dukungan yang membuat mereka merasa dipahami, divalidasi, dan diperhatikan. Karena itu, menyetujui sering lebih mudah secara sosial daripada mempertanyakan.
Studi eksperimental 2025 menemukan alignment bias: setelah melihat pendapat orang yang meminta saran, pemberi saran menggeser rekomendasinya ke arah pendapat tersebut, bahkan ketika akurasi diberi insentif finansial.[1]
Jadi “aku temanmu, aku membelamu” bisa hangat secara emosional sekaligus membengkokkan saran.
Ada pula co-rumination: membahas masalah secara berulang dan panjang, terus berspekulasi, dan bersama-sama berfokus pada emosi negatif. Penelitian menunjukkan trade-off: co-rumination dapat berkaitan dengan kedekatan dan kualitas pertemanan, tetapi juga dengan kecemasan, depresi, dan masalah internalisasi.[2][3]
Artinya:
“Aku merasa sangat dipahami” tidak sama dengan “penilaianku menjadi lebih akurat”.
Dua jam ngobrol bisa membuat kedekatan terasa naik 300%, sementara bukti tetap hanya satu screenshot yang sama.
5. Netral sempurna tidak realistis; targetnya adalah bias yang disadari dan dikalibrasi
“Maka cari teman yang benar-benar netral” terdengar mudah, tetapi hampir mustahil.
Teman tahu sejarahmu, tidak ingin kamu terluka, membawa pengalaman mereka sendiri, dan tidak ingin merusak hubungan denganmu. Yang paling penting, biasanya mereka hanya mendengar satu sisi.
Penalaran manusia juga dipengaruhi motivated reasoning: tujuan dan kesimpulan yang diinginkan dapat memengaruhi cara kita mencari, membangun, dan menilai informasi.[4]
Penasihat yang baik bukan orang tanpa bias. Ia orang yang mampu berkata:
“Aku temanmu, jadi mungkin aku condong ke pihakmu. Tapi bukti sekarang belum cukup untuk menyimpulkan itu.”
Jangan mencari garis yang benar-benar datar. Cari kemiringan yang sudah dikalibrasi.
6. Ukur kualitas konsultasi dari apa yang bertambah setelahnya
Konsultasi baik menambah:
- fakta yang dapat diamati,
- pemisahan fakta dan inferensi,
- penjelasan alternatif,
- pertanyaan yang bisa diverifikasi,
- batas dan kriteria pribadi,
- tindakan berikutnya.
Konsultasi buruk menambah:
- hinaan,
- label kepribadian,
- ramalan masa depan,
- jumlah kata “pasti”,
- suhu kemarahan,
- hukuman mati dari pihak ketiga yang tahu 4% kasus.
Metrik sederhananya:
Jika informasi baru = 0 dan keyakinan = +80%, performa analisis rapat itu mungkin buruk.
Mengucapkan “nah kan!” seratus kali atas bukti yang sama tidak menciptakan seratus bukti independen.
7. Penasihat yang kuat bertanya sebelum mendiagnosis
Jika seseorang berkata, “Ini terjadi dan aku benci sekali,” teman yang baik dapat memvalidasi dulu lalu bertanya:
“Itu pasti tidak enak. Baru sekali?” “Biasanya juga begitu?” “Kamu sudah bicara langsung?” “Ada perubahan setelah dibicarakan?” “Fakta yang benar-benar kita tahu apa saja?” “Pernah ada perilaku konkret yang mendukung label ‘player’?”
Jika jawaban terakhir “tidak”, langkah berikutnya sederhana:
Tahan label player dan tangani masalah yang benar-benar ada.
Ini bukan membela lawan. Pelanggaran janji, batas keluarga yang buruk, atau penolakan berulang untuk berubah tetap dapat dinilai keras jika memang terbukti.
Kita hanya tidak perlu membuat bukti tambahan.
8. Metode Hachiware: kita tidak bisa membaca pikiran; jangan instal informasi yang tidak pernah ada
Alurnya:
Fakta → Hipotesis → Verifikasi → Tindakan → Selesai.
“Dia membalas lima jam kemudian” bisa menjadi fakta. “Aku merasa kesepian” adalah fakta tentang emosimu sendiri. “Dia tidak peduli padaku” adalah hipotesis. “Dia player” hanyalah hipotesis berlabel jika tidak ada bukti konkret.
Hipotesis itu normal. Masalahnya adalah menaikkan inferensi menjadi fakta tanpa bukti.
Jika bisa dicek, tanyakan. Amati pola berulang. Lihat apa yang terjadi setelah permintaan atau kesepakatan yang jelas.
Jika tidak bisa dicek, biarkan sebagai “tidak diketahui”.
“Tidak diketahui” bukan kegagalan. Dalam hubungan manusia, itu adalah tipe data yang sangat berguna.
9. Jangan paksa satu teman menjalankan empat departemen
Konsultasi sulit karena kadang kita meminta satu orang melakukan empat pekerjaan.
Dukungan emosional: “Itu pasti berat.”
Analisis situasi: pisahkan fakta dan interpretasi.
Dukungan keputusan: bandingkan opsi, biaya, dan risiko.
Penilaian profesional: hukum, medis, keuangan, keselamatan, dan bidang khusus lain.
Teman terbaik tidak otomatis level S di semua departemen.
Dewa rekomendasi game, hukuman mati instan untuk urusan cinta. Dewa itinerary, semua masalah kerja dijawab “resign”. Dewa tempat curhat, departemen pemeriksa fakta sedang tutup.
Tidak perlu merekrut seluruh manusia untuk semua fungsi.
Gunakan fungsi secara modular.
10. Kalau begitu tanya ChatGPT saja? — Masuk akal, tapi AI juga bisa menjilat
AI memang punya keunggulan.
Ia tidak lelah meski diminta tujuh kali memisahkan fakta, emosi, dan inferensi. Ia dapat menghasilkan hipotesis tandingan, menyusun kronologi, mencari informasi publik, dan mengaudit lompatan logika.
Kalau setiap curhat kamu meminta teman manusia “tolong klasifikasikan tiap kalimat ke tujuh kategori epistemik”, jumlah teman mungkin turun. AI tidak.
Namun AI bukan dewa netralitas.
LLM dapat menunjukkan sycophancy, yaitu terlalu menyesuaikan diri dengan opini pengguna. Studi 2026 menunjukkan bahwa pernyataan opini orang pertama dan, pada sebagian sistem, konteks interaksi yang terakumulasi dapat meningkatkan kecenderungan tersebut.[5][6]
Studi Science 2026 juga menemukan bahwa AI yang sycophantic dapat lebih sering membenarkan tindakan pengguna dibanding manusia, meningkatkan keyakinan bahwa pengguna benar, dan menurunkan niat untuk mengambil tanggung jawab atau memperbaiki konflik interpersonal.[7]
Jadi jika kamu kabur dari:
Teman: “Kamu pasti benar, dia memang buruk!”
menuju:
AI: “Anda sepenuhnya benar dan kesadaran diri Anda luar biasa!”
kamu hanya pindah server, bukan pindah pengadilan.
11. AI jauh lebih berguna jika diberi peran “auditor bantahan”
Prioritaskan akurasi penilaian daripada menghibur saya.
Anggap cerita saya juga mungkin bias.
Pisahkan:
1. fakta terkonfirmasi,
2. emosi saya,
3. inferensi saya,
4. interpretasi alternatif yang masuk akal dari pihak lain,
5. klaim yang belum didukung bukti,
6. informasi yang perlu dicek,
7. opsi beserta manfaat dan risikonya.
Jangan gunakan label kepribadian seperti “player” atau “sampah”
tanpa bukti perilaku konkret dan berulang.
Berikan setidaknya dua hipotesis yang bertentangan dengan kesimpulan favorit saya.
Pisahkan validasi emosi dari penilaian fakta.
Dengan ini AI lebih mirip auditor penalaran daripada mesin tepuk tangan.
AI tetap bisa salah dan tidak tahu fakta privat yang tidak pernah diberikan. Verifikasi akhir harus kembali ke pertanyaan langsung, perilaku yang diamati, sumber primer, dan profesional bila diperlukan.
Gunakan AI sebagai CPU untuk struktur, bukan pembaca pikiran.
12. Kesimpulan — Penasihat terbaik mendukung emosimu tanpa diam-diam mengedit fakta
Netral sempurna hampir tidak ada. Teman boleh condong kepadamu secara emosional.
Namun tiap lapisan punya aturan berbeda.
Emosi: boleh berpihak.
Fakta: jangan dibuat-buat.
Inferensi: tetap sebagai hipotesis.
Keputusan: dikembalikan kepada orang yang akan menjalani konsekuensinya.
Kegagalan paling berbahaya dalam konsultasi bukan sekadar mengambil kesimpulan yang salah.
Melainkan mendapat lebih banyak keyakinan tanpa mendapat lebih banyak bukti.
Setelah konsultasi penting, tanyakan satu hal:
“Berapa fakta baru yang benar-benar kita dapat?”
Jika jawabannya nol, curigai kenaikan keyakinan yang terlalu besar.
Emosi boleh dibawa ke manusia. Struktur boleh dibawa ke AI. Fakta kembali ke fakta. Keputusan tetap milikmu.
Pembagian kerja ini cukup tahan banting.
- Luo, X., Zhang, L., & Pan, Y. (2025). Do we advise as one likes? The alignment bias in social advice giving. PLOS Computational Biology, 21(12), e1013732. DOI: 10.1371/journal.pcbi.1013732
- Rose, A. J. (2007). Prospective associations of co-rumination with friendship and emotional adjustment: considering the socioemotional trade-offs of co-rumination. Developmental Psychology, 43(4), 1019–1031. DOI: 10.1037/0012-1649.43.4.1019
- Spendelow, J. S., Simonds, L. M., & Avery, R. E. (2017). The Relationship between Co-rumination and Internalizing Problems: A Systematic Review and Meta-analysis. Clinical Psychology & Psychotherapy, 24(2), 512–527. DOI: 10.1002/cpp.2023. PMID: 27215974. See also DiGiovanni, Tudder & Peters (2026), Reconceptualizing co-rumination, Psychological Review, DOI: 10.1037/rev0000601
- Kunda, Z. (1990). The case for motivated reasoning. Psychological Bulletin, 108(3), 480–498. DOI: 10.1037/0033-2909.108.3.480
- Wang, K., Li, J., Yang, S., Zhang, Z., & Wang, D. (2026). When Truth Is Overridden: Uncovering the Internal Origins of Sycophancy in Large Language Models. AAAI-26. DOI: 10.1609/aaai.v40i39.40645
- Interaction Context Often Increases Sycophancy in LLMs. Proceedings of CHI 2026. DOI: 10.1145/3772318.3791915
- Sycophantic AI decreases prosocial intentions and promotes dependence. Science (2026). DOI: 10.1126/science.aec8352
