Pernah membaca tulisan sendiri dari beberapa tahun lalu lalu bertanya, “Siapa yang berani banget menulis begini?” Setelah melihat nama penulisnya, ternyata kamu sendiri. Agak memalukan, tapi juga menarik.
Kalau catatan seperti itu terkumpul sampai ratusan atau ribuan, mungkinkah AI menjawab pertanyaan, “Dulu aku berpikir apa soal ini?” Mungkin, jika AI mencari tulisan yang relevan dan menunjukkan sumbernya. Itu bukan berarti AI menjadi dirimu.
Simpan alasan, bukan hanya keputusan
“Aku ingin pindah kerja” hanyalah kesimpulan. “Aku ingin punya lebih banyak waktu setelah pulang” menunjukkan pertimbangan saat itu. Tanggal dan situasi membuat perubahan pandangan lebih mudah dipahami.
Catatan, pengingat, dan kalender sudah lama membantu orang mengurangi beban mengingat. Penelitian membahas manfaat alat seperti ini, bukan klaim bahwa kepribadian bisa disalin ke blog.
Jangan minta AI menebak kenangan
Mulailah dari pertanyaan, cari artikel yang cocok, lalu minta AI menjelaskan jawabannya berdasarkan kutipan dan tanggal tulisan. Jawaban yang baik bisa membandingkan pandangan lama dengan pandangan yang muncul belakangan.
Kalau tidak ada catatannya, katakan tidak ada. Jawaban “Kamu sejak dulu pasti...” tanpa bukti terdengar akrab, tetapi sebenarnya hanya karangan.
Bukan Horcrux di Harry Potter
Buku harian Tom Riddle membuat masa lalu seolah berbicara lagi. Tulisan lama yang dibaca AI memang bisa terasa mirip, tetapi tidak ada jiwa yang tersimpan di sana. AI pun tidak tahu pasti apa yang akan kamu pilih besok.
Justru kamu bisa membantah dirimu yang dulu: “Saat itu aku percaya ini, sekarang tidak lagi.” Tandai informasi yang usang, jaga konteks lelucon, dan singkirkan data pribadi dari tulisan publik.
Ribuan tulisan bukan jalan menuju keabadian. Itu perpustakaan kecil untuk bertanya kepada diri sendiri di masa lalu, lalu memutuskan lagi hari ini.
- Risko & Gilbert (2016), Cognitive Offloading: https://doi.org/10.1016/j.tics.2016.07.002
- Clark & Chalmers (1998), The Extended Mind: https://doi.org/10.1093/analys/58.1.7
- Lewis et al. (2020), Retrieval-Augmented Generation: https://arxiv.org/abs/2005.11401
