Membangun Kebiasaan AI yang Berkelanjutan: Menghindari Burnout Sementara Maksimalkan Produktivitas

Kecerdasan buatan atau artificial intelligence semakin mudah dimasukkan ke dalam aktivitas profesional. AI dapat membantu menyusun kerangka tulisan, meringkas informasi, mengelompokkan data, mencari pola, menghasilkan alternatif ide, hingga mempercepat sejumlah pekerjaan administratif.

Kemampuan tersebut menciptakan peluang produktivitas yang besar. Namun, penggunaan AI yang semakin intensif juga menghadirkan tantangan baru. Ketika setiap pekerjaan dianggap dapat dipercepat dengan AI, pengguna dapat terdorong untuk terus mencoba alat baru, mengulang prompt, memeriksa keluaran, berpindah aplikasi, dan mengotomatisasi terlalu banyak proses sekaligus.

Akibatnya, teknologi yang seharusnya mengurangi beban justru dapat menambah beban kognitif dan kompleksitas pekerjaan.

Pendekatan yang lebih berkelanjutan bukan menggunakan AI sebanyak mungkin, melainkan menentukan kapan AI memberikan nilai nyata dan kapan pekerjaan lebih efektif diselesaikan secara langsung oleh manusia.

Prinsip human-in-the-loop menjadi penting dalam pendekatan tersebut. AI dapat membantu pada bagian tertentu dari proses, sementara manusia tetap memiliki tanggung jawab untuk menentukan tujuan, memberikan konteks, mengevaluasi keluaran, dan mengambil keputusan akhir.

Artikel ini membahas bagaimana membangun pola penggunaan AI yang lebih terukur agar produktivitas meningkat tanpa menciptakan ketergantungan pada otomatisasi atau ritme kerja yang sulit dipertahankan.

Daftar pembahasan:

• [Mengapa Penggunaan AI Perlu Dikelola](#mengapa-penggunaan-ai-perlu-dikelola)
• [Menentukan Pekerjaan yang Tepat untuk AI](#menentukan-pekerjaan-yang-tepat-untuk-ai)
• [Menerapkan Prinsip Human-in-the-Loop](#menerapkan-prinsip-human-in-the-loop)
• [Membangun Batas Penggunaan AI](#membangun-batas-penggunaan-ai)
• [Mengukur Produktivitas Secara Realistis](#mengukur-produktivitas-secara-realistis)
• [Mengelola Risiko dan Kualitas Hasil AI](#mengelola-risiko-dan-kualitas-hasil-ai)
• [Membangun Sistem AI yang Berkelanjutan](#membangun-sistem-ai-yang-berkelanjutan)

Mengapa Penggunaan AI Perlu Dikelola

Kemudahan mengakses AI dapat menciptakan asumsi bahwa semakin banyak proses yang menggunakan otomatisasi, semakin tinggi pula produktivitas. Kenyataannya tidak selalu demikian.

Setiap penggunaan AI memiliki biaya tidak langsung.

Pengguna perlu menyiapkan instruksi, memberikan konteks, membaca hasil, memeriksa kesalahan, melakukan revisi, dan terkadang mengulangi proses beberapa kali. Apabila waktu tersebut lebih panjang dibandingkan mengerjakan tugas secara langsung, penggunaan AI belum tentu menghasilkan efisiensi.

Fenomena ini dapat terlihat pada tugas sederhana. Seseorang mungkin menghabiskan 15 menit menyempurnakan prompt untuk pekerjaan yang sebenarnya dapat diselesaikan secara manual dalam lima menit.

Karena itu, ukuran keberhasilan sebaiknya bukan:

"Berapa banyak pekerjaan yang menggunakan AI?"

Pertanyaan yang lebih relevan adalah:

"Apakah penggunaan AI membuat hasil pekerjaan lebih cepat, lebih konsisten, atau lebih berkualitas?"

Stanford AI Index menyediakan laporan dan data mengenai perkembangan AI yang dapat digunakan untuk memahami perkembangan teknologi secara lebih luas melalui Stanford AI Index.

Beberapa tanda bahwa penggunaan AI mulai menjadi tidak efisien antara lain:

• Terlalu sering berpindah alat AI.
• Mengulang prompt tanpa tujuan yang jelas.
• Mengotomatisasi tugas yang jarang dilakukan.
• Menghabiskan lebih banyak waktu memeriksa daripada mengerjakan.
• Menggunakan AI hanya karena tersedia.
• Menambahkan terlalu banyak alat pada satu alur kerja.
• Tidak mengetahui apakah otomatisasi benar-benar menghemat waktu.

AI sebaiknya digunakan untuk mengurangi beban pekerjaan, bukan menciptakan lapisan pekerjaan baru yang lebih rumit.

Sumber: Stanford AI Index Report 2024 | https://ai.stanford.edu/resources/ai-index/

Menentukan Pekerjaan yang Tepat untuk AI

Tidak semua pekerjaan memiliki karakteristik yang sama. Sebelum menggunakan AI, pertimbangkan nilai yang dapat diperoleh dibandingkan waktu dan risiko yang muncul.

Mulai dari Tugas Berulang

AI sering lebih mudah diterapkan pada pekerjaan yang memiliki pola jelas dan dilakukan berulang.

Contohnya dapat berupa:

• Membuat kerangka awal dokumen.
• Mengelompokkan informasi.
• Mengubah format teks.
• Membuat beberapa alternatif judul.
• Merangkum catatan internal yang sesuai untuk diproses.
• Membantu menyusun daftar pemeriksaan.
• Membandingkan struktur beberapa dokumen.
• Menghasilkan draf awal untuk ditinjau manusia.

Sebaliknya, pekerjaan dengan konsekuensi tinggi membutuhkan pengawasan yang lebih ketat.

Gunakan pertanyaan berikut sebelum memasukkan AI ke dalam alur kerja:

1. Apakah tugas dilakukan berulang kali?
2. Berapa lama tugas membutuhkan waktu jika dikerjakan manual?
3. Apakah hasil AI mudah diverifikasi?
4. Apa dampaknya jika AI menghasilkan informasi yang salah?
5. Apakah data yang digunakan aman untuk dimasukkan?
6. Apakah manusia tetap dapat mengoreksi hasil?
7. Apakah proses benar-benar menjadi lebih sederhana?

Jika hasil AI membutuhkan pemeriksaan selama 20 menit sementara pekerjaan manual hanya membutuhkan 10 menit, otomatisasi tersebut mungkin belum memberikan manfaat.

Pendekatan ini membantu bisnis menghindari fenomena automation for automation's sake, yaitu menerapkan otomatisasi hanya karena teknologi tersedia.

Menerapkan Prinsip Human-in-the-Loop

Human-in-the-loop adalah pendekatan yang mempertahankan keterlibatan manusia pada bagian penting dalam sistem yang menggunakan AI.

Tujuannya bukan menghilangkan manfaat otomatisasi, tetapi memastikan bahwa pertimbangan manusia tetap hadir ketika konteks, kualitas, risiko, atau keputusan membutuhkan penilaian lebih lanjut.

Tentukan Titik Pemeriksaan Manusia

Tidak semua keluaran AI membutuhkan tingkat pengawasan yang sama.

Misalnya, AI yang digunakan untuk menghasilkan ide judul internal memiliki konsekuensi berbeda dibandingkan sistem yang membantu menilai informasi untuk keputusan penting.

Alur sederhana dapat berbentuk:

Input manusia → Proses AI → Pemeriksaan manusia → Revisi → Persetujuan → Penggunaan

Manusia dapat ditempatkan pada beberapa titik:

• Menentukan tujuan.
• Memilih data yang boleh digunakan.
• Menyusun instruksi.
• Memeriksa fakta.
• Mengevaluasi kualitas.
• Memeriksa bias atau konteks.
• Memberikan persetujuan akhir.
• Mengawasi hasil setelah diterapkan.

NIST menyediakan AI Risk Management Framework sebagai kerangka untuk membantu organisasi mempertimbangkan risiko AI. Referensi tersebut dapat dipelajari melalui NIST AI Risk Management Framework.

NIST mengorganisasi fungsi inti AI RMF dalam pendekatan Govern, Map, Measure, dan Manage, yang dapat membantu organisasi membangun proses pengelolaan risiko secara lebih sistematis.

Prinsip ini relevan karena penggunaan AI bukan hanya persoalan mendapatkan keluaran yang cepat. Organisasi juga perlu memahami konteks, risiko, batas kemampuan, dan mekanisme pengawasannya.

Sumber: NIST — AI Risk Management Framework | https://www.nist.gov/itl/ai-risk-management-framework

Membangun Batas Penggunaan AI

Produktivitas tidak hanya berkaitan dengan jumlah pekerjaan yang selesai. Cara seseorang bekerja juga perlu dapat dipertahankan dalam jangka panjang.

Jika pengguna terus membuka AI untuk setiap keputusan kecil, pekerjaan dapat berubah menjadi siklus tanpa akhir:

Prompt → Output → Revisi → Prompt baru → Output baru → Perbandingan → Revisi lagi

Tanpa batas yang jelas, seseorang dapat menghabiskan banyak waktu mengejar hasil yang sedikit lebih baik meskipun versi sebelumnya sebenarnya sudah memadai.

Terapkan Batas Praktis

Beberapa aturan sederhana dapat membantu:

• Tentukan tujuan sebelum membuka alat AI.
• Batasi jumlah iterasi untuk tugas sederhana.
• Gunakan satu alat utama jika sudah memenuhi kebutuhan.
• Hindari mencoba setiap fitur baru ketika sedang menyelesaikan pekerjaan penting.
• Kelompokkan tugas AI dalam sesi tertentu.
• Simpan prompt yang terbukti berguna.
• Hentikan iterasi ketika kualitas sudah memenuhi standar.

Misalnya, seseorang dapat menetapkan maksimal tiga iterasi untuk menghasilkan kerangka awal.

Jika setelah tiga iterasi hasil masih belum sesuai, mungkin lebih efektif melakukan penyuntingan manual daripada terus mengulang prompt.

Batas juga dapat diterapkan pada eksplorasi alat baru. Alih-alih mencoba setiap layanan yang muncul, evaluasi teknologi pada periode tertentu, misalnya ketika memang terdapat kebutuhan baru.

Produktivitas berkelanjutan membutuhkan titik berhenti. Tidak setiap keluaran perlu dioptimalkan tanpa batas.

Prinsip tersebut membantu mengurangi decision fatigue akibat terlalu banyak pilihan.

Mengukur Produktivitas Secara Realistis

Klaim bahwa AI meningkatkan produktivitas sebaiknya diuji menggunakan data yang relevan dengan pekerjaan pengguna.

Jangan hanya mengukur jumlah output.

Jika sebelum menggunakan AI seseorang menghasilkan tiga laporan berkualitas dalam sehari, sedangkan setelah menggunakan AI dapat menghasilkan enam laporan tetapi membutuhkan waktu tambahan untuk memperbaiki banyak kesalahan, peningkatan produktivitas sebenarnya perlu diperiksa lebih jauh.

Ukur Sebelum dan Sesudah

Mulailah dengan baseline sederhana.

Catat bagaimana pekerjaan dilakukan sebelum AI digunakan, kemudian bandingkan setelah AI dimasukkan ke proses.

Beberapa indikator yang dapat digunakan:

1. Waktu penyelesaian tugas.
2. Jumlah revisi.
3. Tingkat kesalahan.
4. Waktu pemeriksaan.
5. Jumlah pekerjaan yang selesai.
6. Konsistensi kualitas.
7. Biaya penggunaan alat.
8. Waktu pelatihan pengguna.

Sebagai contoh:

Proses manual:

• Pengerjaan: 45 menit.
• Pemeriksaan: 10 menit.
• Total: 55 menit.

Proses menggunakan AI:

• Persiapan prompt: 5 menit.
• Generasi: 2 menit.
• Pemeriksaan dan revisi: 20 menit.
• Total: 27 menit.

Dalam skenario tersebut terdapat penghematan waktu yang dapat diukur.

Namun jika proses AI membutuhkan 60 menit karena hasil harus diperbaiki berulang kali, teknologi tersebut belum memberikan peningkatan efisiensi untuk tugas tersebut.

OECD menyediakan berbagai informasi mengenai perkembangan dan kebijakan kecerdasan buatan melalui OECD Artificial Intelligence.

Pengukuran internal tetap penting karena manfaat AI dapat berbeda berdasarkan jenis pekerjaan, organisasi, pengalaman pengguna, dan sistem yang diterapkan.

Sumber: OECD — Artificial Intelligence | https://www.oecd.org/en/topics/artificial-intelligence.html

Mengelola Risiko dan Kualitas Hasil AI

Produktivitas yang meningkat tidak banyak berarti apabila hasil yang dihasilkan tidak dapat dipercaya.

Sistem AI dapat menghasilkan informasi yang tidak akurat, kehilangan konteks, atau memberikan jawaban yang terdengar meyakinkan meskipun membutuhkan verifikasi lebih lanjut.

Karena itu, proses pemeriksaan perlu disesuaikan dengan tingkat risiko.

Untuk materi internal dengan konsekuensi rendah, pemeriksaan sederhana mungkin mencukupi. Untuk informasi yang memengaruhi keputusan bisnis, keuangan, hukum, keselamatan, atau kepentingan publik, tingkat verifikasi yang diperlukan dapat jauh lebih tinggi.

Beberapa langkah pemeriksaan meliputi:

1. Periksa klaim faktual.
2. Buka sumber primer jika tersedia.
3. Pastikan angka sesuai dengan data asli.
4. Periksa apakah informasi masih relevan.
5. Identifikasi asumsi yang dibuat AI.
6. Pastikan konteks penting tidak hilang.
7. Libatkan ahli ketika konsekuensi kesalahan tinggi.

Pengguna juga harus memperhatikan informasi yang dimasukkan ke sistem AI.

Jangan memasukkan informasi rahasia, data pelanggan, kredensial, dokumen internal sensitif, atau materi lain tanpa memahami kebijakan organisasi dan layanan yang digunakan.

Regulasi AI juga terus berkembang. European Commission menyediakan informasi mengenai kerangka regulasi melalui Artificial Intelligence Act.

AI Act menggunakan pendekatan berbasis risiko untuk berbagai penggunaan AI. Organisasi yang menggunakan sistem AI di wilayah atau aktivitas yang relevan perlu memahami kewajiban yang berlaku terhadap mereka, bukan mengandalkan asumsi umum.

Sumber: European Commission - Artificial Intelligence Act | https://digital-strategy.ec.europa.eu/en/policies/artificial-intelligence-act

Membangun Sistem AI yang Berkelanjutan

Setelah menemukan penggunaan AI yang efektif, langkah berikutnya adalah mengubah eksperimen menjadi proses kerja yang dapat dipertahankan.

Tidak perlu mengotomatisasi seluruh organisasi sekaligus.

Mulailah dari beberapa proses yang memiliki manfaat jelas, dokumentasikan hasilnya, kemudian evaluasi sebelum memperluas penggunaan.

Sistem sederhana dapat dibangun melalui tahapan berikut:

1. Identifikasi tugas yang berulang dan memakan waktu.
2. Tentukan baseline sebelum menggunakan AI.
3. Uji AI pada ruang lingkup terbatas.
4. Tetapkan titik human-in-the-loop.
5. Dokumentasikan prompt dan prosedur yang berhasil.
6. Ukur hasil berdasarkan waktu, kualitas, biaya, dan kesalahan.
7. Evaluasi secara berkala apakah sistem masih memberikan manfaat.

Organisasi juga dapat membuat klasifikasi penggunaan AI.

Misalnya:

Risiko rendah: brainstorming, format dokumen, atau ide awal.

Risiko menengah: ringkasan informasi internal atau analisis yang masih diperiksa manusia.

Risiko tinggi: penggunaan yang dapat memengaruhi hak, keselamatan, keuangan, kepatuhan, atau keputusan penting.

Semakin tinggi risikonya, semakin kuat kebutuhan terhadap dokumentasi, pengawasan, pengujian, dan persetujuan manusia.

NIST AI Risk Management Framework dapat digunakan sebagai salah satu referensi untuk membangun pendekatan pengelolaan risiko. Sementara OECD Artificial Intelligence menyediakan sumber mengenai AI dan kebijakan yang lebih luas.

Untuk organisasi yang beroperasi atau menyediakan sistem pada konteks yang tercakup regulasi Eropa, informasi Artificial Intelligence Act dari European Commission dapat digunakan untuk memahami kerangka regulasi yang berlaku.

Yang tidak kalah penting adalah memberi ruang bagi manusia untuk bekerja tanpa AI.

Kemampuan berpikir, menulis, menganalisis, dan mengambil keputusan secara mandiri tetap memiliki nilai. AI sebaiknya memperluas kemampuan tersebut, bukan membuat pengguna merasa setiap pekerjaan mustahil dilakukan tanpa bantuan sistem.

Kebiasaan AI yang berkelanjutan pada akhirnya memiliki tiga karakteristik utama:

• Berguna: teknologi menyelesaikan masalah nyata.
• Terukur: manfaatnya dapat dibandingkan dengan biaya dan waktu.
• Terkendali: manusia tetap memahami dan mengawasi proses penting.

Tujuan penggunaan AI bukan memaksimalkan jumlah otomatisasi, tetapi memaksimalkan nilai yang diperoleh tanpa kehilangan kontrol atas pekerjaan.

Dengan pendekatan tersebut, organisasi dan individu tidak perlu mengejar setiap tren AI yang muncul. Fokus dapat diarahkan pada teknologi yang benar-benar mengurangi pekerjaan repetitif, mempercepat analisis, meningkatkan konsistensi, atau membantu manusia membuat keputusan yang lebih terinformasi.

Produktivitas jangka panjang tidak dibangun melalui penggunaan AI tanpa batas. Produktivitas dibangun melalui pemilihan tugas yang tepat, batas penggunaan yang jelas, pengawasan manusia, verifikasi hasil, dan evaluasi yang konsisten.

Ketika prinsip tersebut diterapkan, AI dapat menjadi alat kerja yang membantu manusia menyelesaikan pekerjaan dengan lebih efektif tanpa mengubah setiap aktivitas menjadi proses otomatis yang semakin kompleks.