← Semua artikel

Ceritakan Anak Anda kepada Chatbot, dan Ia Hampir Selalu Menemukan Diagnosis

Para peneliti memberikan cerita 220 anak di klinik psikiatri kepada tiga model AI. Dengan kata-kata si anak sendiri, AI melewatkan sebagian besar masalah. Dengan kata-kata orang tua, AI menemukan diagnosis pada hampir semua anak, termasuk anak yang tidak punya diagnosis apa pun.

Terjemahan ini dibuat secara otomatis dan mungkin mengandung kesalahan.

Ceritakan Anak Anda kepada Chatbot, dan Ia Hampir Selalu Menemukan Diagnosis

Jam sebelas malam. Anak Anda yang berusia sembilan tahun akhirnya tertidur setelah satu malam lagi menangis gara-gara PR, dan Anda duduk sendirian dengan ponsel di tangan. Anda membuka chatbot dan mengetik tiga kalimat tentang hal yang membuat Anda cemas. Lalu Anda bertanya: ini sebenarnya apa?

Banyak orang tua pernah melakukan hal semacam ini. Sekarang sekelompok psikiater anak menguji jawaban apa yang muncul.

Mereka mengambil 220 anak sungguhan yang baru pertama kali datang ke klinik, lalu memberikan cerita anak-anak itu kepada tiga model AI yang paling dikenal. Anak yang sama, diceritakan dengan empat cara berbeda. Hasilnya tidak banyak bercerita tentang seberapa pintar mesin itu. Hasilnya lebih banyak bercerita tentang hal lain: jawabannya bergantung pada siapa yang bercerita.

Satu pertanyaan, dicatat kata demi kata

Studi ini dilakukan di dua rumah sakit universitas di Turki pada musim semi dan musim panas 2026. Semua anak yang datang ke klinik psikiatri anak untuk pertama kalinya diajak ikut, dari balita sampai remaja tujuh belas tahun. Usia rata-ratanya sembilan tahun.

Sebelum yang lain-lain dimulai, orang tua diberi satu pertanyaan terbuka: Keluhan apa yang membuat Anda datang ke sini hari ini? Si anak ditanya secara terpisah: Kenapa kamu datang ke sini hari ini? Apa yang paling mengganggumu?

Jawabannya dicatat sedekat mungkin dengan kata-kata aslinya. Setelah itu psikiater anak mengerjakan apa yang biasa dikerjakan psikiater anak: penilaian lengkap, berbincang dengan keluarga, pemeriksaan, dan pada akhirnya sebuah diagnosis, atau tanpa diagnosis.

Sesudahnya, para peneliti memberikan setiap kasus kepada model-model AI itu sebanyak empat kali. Sekali hanya dengan ucapan si anak. Sekali hanya dengan ucapan orang tua. Sekali dengan keduanya. Dan sekali lagi dengan keduanya ditambah catatan dokter, setelah semua kata diagnosis dihapus.

Hal pertama yang mencolok: betapa sedikitnya bahan yang tersedia.

Seberapa banyak bahan yang didapat AI dari tiap ceritaSatu kotak mewakili satu kata. Angkanya adalah panjang ucapan yang lazim pada kunjungan pertama.
  • Ucapan si anak sendiri9 kata
  • Ucapan orang tua32 kata
  • Anak dan orang tua46 kata
  • Anak, orang tua, dan catatan dokter122 kata
Median jumlah kata dalam teks berbahasa Turki yang diberikan kepada model. Separuh cerita anak-anak itu sendiri hanya sembilan kata atau kurang, dan beberapa anak tidak mengatakan apa-apa.

Sembilan kata. Sepanjang itulah biasanya ucapan seorang anak tentang alasan ia ada di sana. Ada yang tidak mengatakan apa-apa sama sekali. Orang tua berbicara kira-kira tiga kali lebih panjang, dan itu pun masih lebih pendek daripada paragraf ini.

Anak yang sama, empat jawaban berbeda

Model-model itu diminta melakukan dua hal: pertama, memutuskan apakah cerita ini memang terdengar seperti sebuah diagnosis, dan kalau ya, menyebutkan tiga diagnosis yang paling mungkin.

Seberapa sering dugaan pertama AI cocok dengan dokterBagian dari 220 anak yang dugaan teratasnya sama dengan diagnosis psikiater anak. Tiap pita membentang dari model terlemah sampai model terkuat di antara ketiganya.
  • Ucapan si anak sendiri36–44%
  • Ucapan orang tua66–69%
  • Anak dan orang tua69–72%
  • Anak, orang tua, dan catatan dokter79–83%
Persen. Dugaan dihitung benar bila berada dalam kelompok diagnosis yang sama dengan diagnosis dokter. Sumber: Kayış dan rekan (2026), Tabel 2.

Dengan ucapan si anak saja, dugaan pertama AI cocok dengan dokter pada kira-kira empat dari sepuluh kasus. Dengan ucapan orang tua, hampir tujuh dari sepuluh. Setelah catatan dokter ditambahkan, sekitar delapan dari sepuluh.

Ada dua hal yang patut diperhatikan.

Menambahkan ucapan anak ke ucapan orang tua hampir tidak mengubah apa-apa. Secara statistik, hasil model dengan keduanya tidak lebih baik daripada dengan ucapan orang tua saja.

AI mana yang dipakai nyaris tidak berpengaruh. Ketiga model itu adalah GPT-5.6 dari OpenAI, Gemini 3.5 Flash dari Google, dan Claude Sonnet 4.6 dari Anthropic. Ketiganya baru terlihat jelas berbeda ketika hanya mendapat ucapan si anak. Begitu orang tua ikut bersuara, selisihnya terlalu kecil untuk dibedakan dari kebetulan. Apa yang dimasukkan jauh lebih menentukan daripada mesin mana yang menerimanya.

Dua cara untuk keliru

Di sinilah studi ini jadi menarik. Dokter yang "benar 70 persen" bisa keliru dengan dua cara yang sangat berbeda: melewatkan anak yang sedang kesulitan, atau menempelkan label pada anak yang baik-baik saja. Para peneliti memeriksa keduanya.

Dua cara untuk keliruEmpat situasi yang sama, dipisah menurut keadaan anak yang sebenarnya. Pita membentang dari model terlemah sampai model terkuat.

Anak punya diagnosisSeberapa sering AI mengatakan ada sesuatu. 199 anak.

  • Ucapan si anak sendiri41–59%
  • Ucapan orang tua94–98%
  • Anak dan orang tua94–99%
  • Anak, orang tua, dan catatan dokter93–98%

Anak tidak punya diagnosisSeberapa sering AI mengatakan tidak ada apa-apa. 21 anak.

  • Ucapan si anak sendiri62–86%
  • Ucapan orang tua24–38%
  • Anak dan orang tua14–43%
  • Anak, orang tua, dan catatan dokter52–62%
Persen. Panel kanan hanya bertumpu pada 21 anak, jadi angkanya masih kasar. Sumber: Kayış dan rekan (2026), Tabel 5.

Ketika hanya mendengar si anak, AI terlalu berhati-hati. Pada kira-kira separuh dari semua kasus, ia menjawab bahwa tampaknya tidak ada masalah. Padahal 199 dari 220 anak itu memang punya diagnosis. AI melewatkan sekitar separuhnya.

Ketika mendengar orang tua, AI berbalik arah. Sekarang ia menemukan sesuatu pada hampir semua anak. Lebih dari sembilan dari sepuluh anak yang punya diagnosis berhasil ia tangkap.

Ia juga "menangkap" sebagian besar anak yang tidak punya diagnosis.

21anak pulang dari klinik tanpa diagnosis psikiatri apa pun
5–8di antaranya dinyatakan tidak bermasalah oleh AI ketika ia mendengar ucapan orang tua
11–13di antaranya dinyatakan tidak bermasalah setelah catatan dokter ditambahkan

Coba pikirkan artinya. Orang tua yang cemas menceritakan anaknya. Dokter, setelah penilaian lengkap, menyimpulkan bahwa ini masih dalam batas normal. AI, yang membaca ucapan orang tua yang sama, mengusulkan diagnosis untuk sebagian besar anak itu.

Ini tidak seaneh kedengarannya. Orang tua yang sudah membuat janji di klinik psikiatri sedang menceritakan sebuah masalah. Karena itulah mereka datang. Kata-katanya penuh kecemasan, dan AI menjawab kata-kata itu. Ia tidak melihat si anak bermain, tidak mendengar si anak berbicara, dan tidak mengajukan pertanyaan lanjutan yang bisa membuat kecemasan itu mengecil.

Mengapa sembilan kata tidak cukup

Mengapa cerita si anak sendiri jauh kurang berguna?

Sebagian karena anak-anak memang sedikit bicara. Tetapi itu juga bergantung pada apa masalahnya. Dari ucapan anak saja, model-model itu cukup baik menangani kecemasan dan masalah obsesif-kompulsif. Hal-hal itu terjadi di dalam diri, dan anak kadang bisa mengatakannya: Aku takut terus. Aku harus mengecek pintu.

ADHD, autisme, dan kesulitan berbahasa lain ceritanya. Anak tujuh tahun tidak akan berkata "aku sulit memusatkan perhatian di berbagai situasi". Orang-orang di sekitarnyalah yang melihat itu. Untuk diagnosis seperti ini, AI membutuhkan orang tua.

Usia juga berpengaruh, persis seperti yang bisa diduga. Setiap kali usia anak bertambah satu tahun, peluang AI menebak dengan benar dari ucapan si anak sendiri naik sekitar 16 persen. Remaja enam belas tahun bisa menggambarkan isi hatinya. Anak lima tahun menjawab "nggak tahu".

Bahkan ketika semua informasi sudah lengkap, ada hal-hal yang tetap sulit terlihat.

Apa yang ditangkap AI, dan apa yang terlewatDengan semua informasi tersedia: bagian anak dengan tiap diagnosis yang oleh AI ditempatkan di urutan pertama.
  • OCD83–92%
  • Autisme77–96%
  • ADHD78–81%
  • Kecemasan69–85%
  • Gangguan bahasa dan bicara58–78%
  • Depresi50–60%
  • Disabilitas intelektual15–23%
Persen, dari model terlemah sampai model terkuat. Kelompoknya kecil, dari 12 sampai 58 anak, jadi angkanya masih kasar. Sumber: Kayış dan rekan (2026), Tabel 4.

Depresi tertangkap pada sekitar separuh anak yang mengalaminya. Disabilitas intelektual hampir tidak pernah diusulkan, dan itu masuk akal: diagnosis ini ditegakkan lewat tes, bukan lewat cerita.

Apa yang tidak ditunjukkan studi ini

  • Sembilan dari sepuluh anak di sini punya diagnosis. Begitulah keadaan di klinik spesialis. Di antara anak-anak pada umumnya, sebagian besar tidak punya diagnosis apa pun. AI yang cenderung menemukan sesuatu akan jauh lebih sering keliru di sana. Langkah terakhir ini adalah penalaran kami, bukan sesuatu yang diukur dalam studi.
  • Hanya 21 anak yang tidak punya diagnosis. Angka-angka tentang mereka masih kasar, dan para peneliti sendiri mengatakannya.
  • Catatan dokter ditulis oleh dokter yang menegakkan diagnosisnya. Kata-kata diagnosisnya memang dihapus, tetapi catatan itu mungkin tetap mengarah ke jawaban yang benar. Jadi hasil terbaik itu bisa saja terlalu memuji AI.
  • Dokter bukan kunci jawaban yang sempurna. Setiap diagnosis ditegakkan oleh satu psikiater dalam praktik klinis sehari-hari, tanpa pendapat kedua.
  • Semuanya dalam bahasa Turki, dan ceritanya pendek-pendek. Percakapan panjang dengan chatbot di rumah adalah situasi yang berbeda, entah lebih baik atau lebih buruk.
  • Tidak ada yang mengukur apa yang terjadi sesudahnya. Studi ini membandingkan jawaban. Studi ini tidak mengikuti satu keluarga pun yang bertindak berdasarkan ucapan AI.

Kalau Anda orang tua yang memegang ponsel itu

Kesimpulan para peneliti sendiri bersahaja: model-model itu paling baik ketika memegang pengamatan seorang profesional, dan sering memberikan diagnosis kepada anak yang tidak memilikinya.

Dari situ, rasanya ada tiga hal yang wajar dikatakan. Ini pembacaan kami, bukan nasihat medis.

AI menjawab cerita Anda, bukan anak Anda. Kalau Anda menulis saat sedang cemas-cemasnya, Anda akan mendapat jawaban yang cocok dengan kecemasan Anda.

"Bisa jadi ini ADHD" dari sebuah chatbot adalah sinyal yang lebih lemah daripada kesannya. Dalam studi ini, model-model itu mengatakan hal semacam itu tentang sebagian besar anak yang orang tuanya khawatir, termasuk anak-anak yang menurut dokter spesialis tidak punya masalah apa pun.

Menuliskannya tetap berguna. Ucapan orang tua yang hanya 32 kata itu adalah informasi paling berharga di seluruh studi. Catatan tentang apa yang Anda lihat, kapan terjadinya, dan sudah berapa lama berlangsung adalah persis hal yang akan ditanyakan dokter umum, dokter anak, atau petugas UKS di sekolah.

Aturan yang sama berlaku untuk tes skrining di situs ini, termasuk tes ADHD dan autisme. Skor tinggi adalah alasan untuk berbicara dengan seseorang yang bisa menilai anak secara utuh. Skor itu tidak pernah menjadi diagnosis.

Anak dalam studi itu, yang hanya mengucapkan sembilan kata, tidak keliru. Begitu pula orang tua yang mengucapkan tiga puluh dua kata. Masing-masing menceritakan bagian yang bisa mereka lihat. Tugas menyatukan bagian-bagian itu tetap milik seseorang yang hadir di ruangan.

Sumber dan bacaan lanjutan

Ikuti tes

Di mana posisi skor Anda?

Ikuti tes Big Five yang gratis dan open source tanpa perlu mendaftar, lalu lihat profil Anda sendiri di lima sifat kepribadian.

Mulai tes Lihat semua tes

Baca selanjutnya