Ketika tim berkembang, pertanyaan "bagaimana kita bertukar pengetahuan" hampir selalu diselesaikan secara spontan: ada yang menulis di obrolan umum, ada yang membuat catatan, ada yang lebih suka berbicara pribadi. Sementara itu, aturan formal entah tidak dibuat sama sekali, atau hanya disalin dari tempat kerja sebelumnya. Karya baru di arXiv menunjukkan bahwa merancang aturan semacam itu secara manual mungkin bukan jalur yang paling efektif — setidaknya ketika menyangkut pencarian solusi secara kolektif.
Tentang apa sebenarnya ini
Kecerdasan kolektif — baik itu kelompok ilmiah, tim teknik, maupun komunitas pengembang — sangat bergantung pada proses transfer pengetahuan. Siapa yang berbagi informasi, apa isinya, kepada siapa, dan pada momen apa — semua itu menentukan seberapa cepat kelompok mencapai solusi. Proses semacam ini sebagian terbentuk dengan sendirinya, dari kebiasaan individu dan karakteristik kognitif para anggotanya, tetapi juga bisa ditetapkan secara sengaja dari atas.
Sejauh ini, penelitian tentang pengaruh transfer pengetahuan terhadap hasil kelompok berjalan terutama melalui kacamata struktur jaringan: mengubah siapa terhubung dengan siapa dan seberapa sering pertukaran terjadi. Pendekatan ini praktis, tetapi memiliki keterbatasan mendasar.
Masalah model jaringan
Jaringan, betapa pun kompleksnya, tidak mengetahui keadaan para anggotanya. Jaringan tidak dapat memutuskan "sampaikan hal ini sekarang juga, karena rekan kerja sedang terjebak pada subtugas yang tepat" atau "tahan informasi sampai kelompok mengumpulkan cukup konteks". Topologi menggambarkan saluran, tetapi bukan isi maupun momennya.
Dengan kata lain, model klasik menjawab pertanyaan "siapa dengan siapa", tetapi mengabaikan pertanyaan "apa dan kapan". Padahal justru dari yang kedua sering kali bergantung apakah pertukaran itu bermanfaat atau berubah menjadi kebisingan.
Protokol yang mempertimbangkan keadaan
Penulis karya "Discovering Adaptive Transmission Programs for Collective Innovation" mengusulkan untuk memformalkan aturan pertukaran sebagai program yang peka terhadap keadaan (state-aware programs). Program semacam itu merutekan informasi dan sumber daya berdasarkan situasi saat ini — apa yang diketahui agen tertentu, dalam keadaan apa kolektif secara keseluruhan berada.
Hal ini menggeser penekanan: alih-alih "menggambar graf hubungan", kita mendapatkan "menulis algoritma yang pada setiap momen memutuskan apa yang harus disampaikan kepada siapa". Tentu saja, algoritma semacam itu tidak bisa dirancang secara manual — ruang aturan yang mungkin sangatlah luas, dan intuisi di sini adalah penasihat yang buruk.
Bagaimana aturan yang cocok dicari
Untuk tugas penemuan kolektif, para peneliti menerapkan pencarian evolusioner, di mana arah pergerakan dipandu oleh model bahasa. Pada dasarnya, LLM berperan sebagai generator hipotesis: mengusulkan varian protokol, sementara mekanisme evolusioner memilih yang benar-benar meningkatkan hasil kelompok, dan menghasilkan generasi berikutnya berdasarkan protokol tersebut.
Simbiosis semacam ini bukan hal langka dalam karya-karya modern, tetapi di sini hasilnya yang penting: protokol yang ditemukan selama pencarian mengalahkan garis dasar standar dari literatur, dengan peningkatan produktivitas kolektif mencapai 37%. Ini bukan peningkatan kosmetik, melainkan perbedaan antara "tim bekerja seperti biasa" dan "tim bekerja jauh lebih baik" — dengan komposisi yang sama dan tugas yang sama.
Uji kejujuran
Angka yang indah mudah diperoleh secara kebetulan, karena itu para penulis melakukan ablasi — yaitu secara bergantian menghilangkan elemen-elemen tertentu dari protokol yang ditemukan. Hasil yang paling menunjukkan: jika topologi jaringan dan penjadwalan pertukaran dipertahankan, tetapi ketergantungan pada isi dan keadaan dihilangkan, keunggulannya hilang sepenuhnya.
Inilah argumen utama artikel tersebut. Peningkatan bukan berasal dari skema hubungan yang cerdik maupun jadwal yang beruntung, melainkan dari kepekaan terhadap apa yang terjadi di dalam diri para anggota dan kelompok. Ablasi memangkas penjelasan alternatif dan menyisakan satu.
Apakah ini bekerja di luar satu tugas
Hasil penting kedua adalah portabilitas. Protokol yang berevolusi tetap efektif ketika variasi domain berubah dan ketika populasi agen diganti. Dengan kata lain, aturan yang ditemukan tidak disesuaikan untuk skenario sempit tertentu, melainkan mencerminkan sesuatu yang lebih umum tentang bagaimana informasi sebaiknya didistribusikan dalam kelompok.
Apa artinya bagi tim nyata
Kesimpulan para penulis berbunyi: protokol transfer pengetahuan yang efektif dan dapat digeneralisasi dapat ditemukan in silico, yaitu dalam simulasi, bahkan sebelum protokol itu muncul dalam tim nyata. Ini membuka jalan menuju perancangan infrastruktur koordinasi yang dibantu AI — aturan, ritual, dan alat yang meningkatkan kecerdasan kolektif manusia, bukan menggantikannya.
Dalam praktiknya, ini bisa terlihat seperti:
- Aturan pertukaran tidak lagi bersifat universal. Alih-alih satu regulasi "semua menulis laporan pada hari Jumat", muncul skenario yang bergantung pada tahap pekerjaan dan apa yang sudah diketahui para anggota.
- Muncul kebutuhan akan keadaan. Agar protokol dapat bekerja, sistem perlu memahami siapa mengetahui apa dan di mana tersendat. Ini sudah menjadi persoalan alat — pelacak tugas, basis pengetahuan, sistem dokumentasi.
- Perancangan aturan menjadi tugas tersendiri. Bukan "menyalin dari tetangga", melainkan "menjalankan beberapa varian pada model dan melihat mana yang memberikan hasil terbaik".
Perlu dicatat: artikel ini diterbitkan di rubrik cs.AI di arXiv, dipresentasikan di CogSci 2026, dan versi yang diperluas, menurut para penulis, masih disiapkan. Ini adalah penelitian pada simulasi, bukan produk siap pakai yang bisa diterapkan besok di departemen berisi dua puluh orang. Transfer hasil ke organisasi nyata adalah tugas tersendiri dan tidaklah sederhana.
Singkatnya
Protokol pertukaran pengetahuan tidak perlu dirancang secara manual dan tidak perlu disalin dari orang lain. Protokol tersebut dapat dicari secara otomatis, jika aturan dievaluasi bukan berdasarkan keindahan skema hubungan, melainkan berdasarkan seberapa peka aturan itu terhadap keadaan para anggota. Dalam eksperimen, pencarian semacam itu menghasilkan peningkatan produktivitas kolektif hingga 37%, dan ablasi mengonfirmasi bahwa yang berperan adalah pertimbangan keadaan, bukan topologi atau penjadwalan. Untuk saat ini ini adalah hasil dalam simulasi — tetapi arahnya tampak menjanjikan.
