Hasil kerja individu dengan AI sering terlihat bagus. Tetapi produktivitas tim tidak sekadar penjumlahan dari kecepatan tiap orang. Waktu yang dihemat satu orang bisa berubah menjadi pekerjaan review bagi rekannya.
Artikel ini membahas dampak AI terhadap produktivitas tim, dari kualitas hasil sampai biaya yang jarang masuk laporan.
Temuan Laporan DORA 2024
Laporan DORA 2024 dari Google Cloud meneliti ribuan profesional teknologi. Produktivitas dan kepuasan kerja individu meningkat.
Namun, kinerja pengiriman perangkat lunak justru turun. Kenaikan adopsi AI sebesar 25% dikaitkan dengan penurunan throughput 1,5% dan penurunan stabilitas 7,2%. Sebanyak 39% responden hanya memiliki sedikit atau tidak ada kepercayaan pada kode buatan AI.
Penjelasan laporan itu cukup sederhana. AI memudahkan orang menulis lebih banyak kode dalam batch yang lebih besar. Batch besar membawa risiko lebih tinggi.
Workslop: Hasil Rapi yang Tidak Berisi
Istilah workslop dipopulerkan peneliti BetterUp Labs dan Stanford lewat artikel Harvard Business Review 2025. Maksudnya, konten buatan AI yang tampak rapi tetapi tidak membantu pekerjaan maju. Contohnya laporan yang format-nya bagus, tetapi analisisnya kosong.
Datanya cukup konkret:
- 40% pekerja menerima workslop dalam sebulan terakhir.
- Tiap kasus memakan rata-rata 1 jam 56 menit untuk dibereskan.
- Estimasi biayanya sekitar $186 per karyawan per bulan.
Pada perusahaan dengan 10.000 karyawan, angka itu setara lebih dari $9 juta per tahun. Selain itu, lebih dari separuh penerima menilai pengirimnya kurang kompeten.
Beban Review Naik ke Atas
Survei Founder Reports menemukan 57% manajer pernah memperbaiki atau mengulang pekerjaan rekan yang terlalu bergantung pada AI. Pada level VP dan C-suite, angkanya 63%. Sebagai pembanding, di kalangan individual contributor angkanya 38%.
Selain itu, 77% pekerja mengaku mengecek hasil kerja rekan berbantuan AI lebih teliti dibanding kerja manusia sepenuhnya. Jadi, biaya review ikut naik.
Sisi Biaya yang Sering Terlambat Disadari
Biaya AI sendiri juga bisa naik tanpa terasa. Laporan Zylo 2026 mencatat belanja aplikasi berbasis AI naik 108% secara tahunan. Sebanyak 78% pemimpin TI melaporkan tagihan tak terduga dari model harga berbasis konsumsi.
Penyebabnya antara lain langganan yang dibeli unit bisnis sendiri, serta biaya inferensi yang naik seiring pemakaian. Di banyak perusahaan, tidak ada satu titik keputusan yang menyetujui kenaikan itu.
Jadi, untuk menilai AI secara jujur, hitung tiga hal sekaligus: kecepatan, kualitas, dan biaya. Cara mengukurnya ada di artikel berikutnya.
Pelajari Selengkapnya di buku Stay Human Stay In Charge – Transformasi AI di Korporasi yang bisa didapatkan di http://asosiasi.ai/store
Referensi:
1. https://optscale.ai/blog/business-impact-of-ai-adoption
2. https://founderreports.com/ai-productivity-statistics/
3. https://www.youtube.com/watch?v=HpgjB4ZA7E0&t=788s
4.https://www.youtube.com/watch?v=_IKB4h9e4NA&t=1101s
