Banyak kantor sudah memakai AI untuk menulis, merangkum, sampai membantu coding. Harapannya jelas: kerja jadi lebih cepat dan tim punya waktu untuk hal yang lebih penting.
Tapi kenyataannya tidak selalu begitu. Di beberapa tempat, AI membuat kerjaan lambat. Tim terasa sibuk, tapi hasilnya tidak ikut naik.
Kenapa bisa begitu? Yuk, kita lihat datanya dulu.
Kenapa AI Bisa Membuat Kerjaan Lambat?
Mari mulai dari sebuah studi yang cukup mengejutkan. Lembaga riset nirlaba METR meneliti developer berpengalaman yang memakai AI coding assistant di proyek yang sudah mereka kenal.
Sebelum studi, para developer ini yakin AI akan mempercepat kerja mereka sekitar 24%. Hasilnya justru kebalikannya. Waktu pengerjaan tugas naik 19%.
Yang lebih menarik, setelah selesai pun mereka masih merasa jadi sekitar 20% lebih cepat. Jadi ada jarak besar antara rasa cepat dan kenyataannya.
Perlu dicatat, studi ini memotret AI awal 2025 dengan 16 developer di proyek open source yang mereka kuasai. METR sendiri menyebut hasilnya tidak bisa digeneralisasi ke semua situasi. Tapi polanya patut kita waspadai.
Harvard Business Review juga punya temuan serupa. Artikel terbaru mereka menyebut AI tidak mengurangi pekerjaan, tapi justru membuatnya makin padat.
Stanford punya istilah untuk ini. Profesor Bob Sutton menyebut hambatan kecil yang diam-diam memperlambat kerja sebagai “friction”. Nah, tiga tanda berikut adalah friction yang paling sering muncul saat AI masuk kantor.
Tanda 1: AI Brain Fry karena Terlalu Sering Mengawasi AI
Bayangkan kamu harus mengecek hasil AI setiap saat. Setiap jawaban perlu dibaca, dikoreksi, lalu disetujui.
Inilah yang terjadi pada developer di studi METR. Waktu mereka banyak habis untuk memeriksa dan memperbaiki saran AI. Menurut peneliti, saran AI sering mendekati benar, tapi belum persis seperti yang dibutuhkan.
Efeknya bukan cuma soal waktu, tapi juga energi. Studi Harvard menyebut proses mengawasi AI bisa meningkatkan kelelahan mental hingga 12%. Kondisi ini dikenal sebagai “AI brain fry”.
Salah satu pemicunya adalah instruksi yang kurang spesifik. Hasil AI jadi melenceng, sehingga kita terus memantau dan menyetujui ulang.
Data dari Zylos Research menguatkan hal ini. Hanya sekitar 30% kode yang disarankan AI akhirnya diterima. Sisanya harus dibuang atau diperbaiki.
Cukup Libatkan Manusia di Momen Penting
Lalu bagaimana memastikan AI tetap sesuai tujuan? Di sinilah peran manusia jadi penting.
Menurut Harrison Chase, CEO LangChain, manusia memang perlu dilibatkan agar pekerjaan tetap terkendali. Tapi bukan berarti kita harus memeriksa setiap langkah.
Dengan AI agent yang bekerja di latar belakang, kita cukup terlibat di momen yang paling krusial. Contohnya, memeriksa email sebelum dikirim. Itu jauh lebih penting daripada mengawasi setiap kali AI melakukan pencarian.
Fokuskan perhatian pada keputusan yang berdampak besar, bukan pada detail kecil.
Tanda 2: Mengabaikan Sistem Kolaborasi Tim
Tanda kedua lebih sulit terlihat. Setiap orang merasa kerjanya lebih ringan, tapi tim secara keseluruhan tidak bergerak lebih cepat.
Glean Work AI Institute mensurvei 6.000 pekerja digital. Sebanyak 75% merasa lebih produktif karena AI. Rata-rata, AI mengotomatiskan sekitar 11 jam kerja per minggu.
Namun hanya 13% yang melihat performa organisasi benar-benar membaik. Jadi ke mana perginya jam-jam yang dihemat itu?
Rebecca Hinds, penulis di Inc., menjelaskan jawabannya lewat konsep “coordination neglect”. Istilah ini dicetuskan Chip Heath dan Nancy Staudenmayer pada tahun 2000. Artinya, kita sering meremehkan waktu dan tenaga untuk mengoordinasikan pekerjaan.
AI memang bisa mempercepat pekerjaan individu. Tapi format dan alur kerja tiap anggota tim bisa berbeda. Akibatnya, kolaborasi tetap tersendat.
Satu orang cepat menyelesaikan bagiannya. Lalu tim butuh waktu lebih lama untuk menyatukan semuanya.
Rancang Ulang Sistem Sesuai Pekerjaan Tiap Tim
Jensen Huang, CEO Nvidia, punya pandangan yang relevan. Menerapkan AI bukan berarti memakai satu cara kerja yang sama untuk semua tim.
Setiap sistem perlu dirancang ulang sesuai pekerjaannya. Tentukan apa inputnya dan apa output yang diharapkan. Lalu pastikan hasilnya benar-benar membantu tim menyelesaikan pekerjaan.
Tanda 3: Berpindah-Pindah Tools Tanpa Memahami Keunggulannya
Coba hitung berapa aplikasi AI yang dipakai tim kamu. Satu untuk menulis, satu untuk riset, satu untuk meeting, satu lagi untuk desain.
Mencoba tools baru memang seru. Tapi kalau asal berpindah-pindah, fokus mudah buyar. Apalagi kalau penggunaannya tidak terstruktur dan tidak terukur.
Analisis yang dikutip Zylos Research menyebut sekitar 47% waktu developer habis untuk komunikasi dan koordinasi. Aktivitas ini sering luput dari pengukuran. Beban context switching pun jadi tinggi.
Zylos juga mencatat bahwa kebanyakan tim hanya menggunakan 15–25% waktunya secara aktif. Sisanya dihabiskan untuk menunggu.
Jadi masalahnya bukan di jumlah tools. Masalahnya ada pada pemakaian yang tidak jelas arahnya.
Pilih Sedikit Tools, Tapi Kenali Fungsinya
Kembali ke prinsip Jensen Huang tadi. Mulailah dari pekerjaannya, bukan dari tools-nya.
Tanyakan dulu apa yang ingin dihasilkan. Baru pilih alat yang paling pas untuk itu. Dengan begitu, pemakaian tools jadi lebih terstruktur dan lebih mudah diukur.
Cara Menerapkan Solusinya di Kantor
Tiga tanda tadi sebenarnya punya satu benang merah. AI membuat kerjaan lambat bukan karena AI-nya buruk, tapi karena cara kita memakainya belum tepat.
Kamu bisa mulai dari langkah sederhana ini:
-
Tulis instruksi AI sespesifik mungkin supaya hasilnya tidak perlu dikoreksi berulang kali.
-
Tentukan titik persetujuan manusia hanya di langkah yang berdampak besar.
-
Samakan format dan alur kerja antar anggota tim.
-
Rancang sistem AI sesuai kebutuhan tiap tim, bukan satu cara untuk semua.
-
Batasi jumlah tools, dan pastikan tiap tools punya tujuan yang jelas.
Penutup
AI tetap alat yang sangat membantu. Tapi tanpa pengaturan yang tepat, ia bisa menambah beban baru yang tidak terlihat.
Coba cek kembali kondisi di kantor kamu. Apakah ada salah satu dari tiga tanda tadi? Kalau ada, mulailah dari satu perbaikan kecil.
Bagaimana cara menerapkan solusi ini di perusahaan kamu?
Referensi
-
https://www.reuters.com/business/ai-slows-down-some-experienced-software-developers-study-finds-2025-07-10/
-
https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it
-
https://www.gsb.stanford.edu/insights/workplace-friction-how-make-right-things-easier-wrong-things-harder
-
https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/#motivation
-
https://hbr.org/2026/03/when-using-ai-leads-to-brain-fry
-
https://www.inc.com/rebecca-hinds/ai-is-making-workers-more-productive-so-why-arent-companies-performing-better/91390033
-
https://zylos.ai/research/2026-02-07-developer-productivity-metrics