Memangnya AI Udah Bisa Ngapain Sih?

Ini bukan daftar demo. Ini yang tiap hari beneran dilempar orang ke AI.

Membaca yang panjang. Kontrak, laporan tahunan, notulen rapat tiga jam, tumpukan jawaban survei.

Yang bikin beda itu pertanyaannya. Bilang “tolong ringkas” dan hasilnya hampir selalu hambar. Yang kepakai itu pertanyaan spesifik. Pasal denda keterlambatan ada di bagian mana. Siapa yang janji apa. Angka mana yang berubah dari versi bulan lalu. Ada nggak klausul yang bikin repot kalau kita mau berhenti di tengah jalan.

Ngerapiin yang berantakan. Notulen yang kamu ketik asal-asalan, jadi daftar tugas lengkap sama nama dan tenggatnya. Tiga ribu baris data yang formatnya campur aduk, jadi satu format. Rekaman jadi transkrip, transkrip jadi tema. Dua ratus keluhan pelanggan jadi sepuluh kelompok masalah.

Kerjaan model begini dulu makan satu sore penuh, dan nggak ada satu orang pun yang menikmatinya.

Draf pertama. Proposal, email yang susah ditulis, balasan komplain, kerangka presentasi, deskripsi lowongan, materi training.

Hasilnya jarang bisa langsung dipakai, dan menurut saya jangan sampai langsung dipakai. Tapi yang paling makan waktu itu justru memulainya, melototin layar kosong. Dan justru itu yang hilang. Otak kita jauh lebih cepat benerin yang udah ada daripada mulai dari nol.

Menjelaskan ulang. Tempel paragraf dari tim IT atau legal yang bikin kamu bingung, minta dijelaskan kayak ke orang yang nggak tahu apa-apa. Terus lanjutin satu pertanyaan lagi: kalau saya setuju sama ini, risikonya buat saya apa.

Ini pemakaian yang paling sering saya lihat, dan paling jarang diakui, soalnya nggak ada yang mau ngaku kurang paham isi dokumen yang dia tanda tangani sendiri.

Bahasa. Terjemahan yang nggak kaku, dua arah, dan nadanya bisa diatur. Bahan yang sama bisa jadi email formal ke klien Tokyo dan caption santai buat Instagram. Buat yang kerjanya lintas negara, ini aja udah kerasa tiap hari.

Nemenin mikir. Ini yang paling jarang disebut, dan menurut saya paling berharga. Kamu lagi mikirin satu keputusan, kamu tulis situasinya panjang-panjang, terus minta dia bikin daftar alasan kenapa rencana kamu bakal gagal.

Dia nggak dipakai buat memutuskan. Dia dipakai supaya kamu nemu titik lemahnya duluan, sebelum atasanmu yang nemu.

Kalau kamu pernah nyoba terus merasa biasa aja, saya hampir bisa nebak kejadiannya.

Buka ChatGPT, ketik satu kalimat pendek, keluar jawaban yang kedengarannya rapi tapi kosong, terus ditutup sambil mikir, “yah, gini doang…”

Masalahnya di cara kita memperlakukan dia. Kebanyakan orang pakai AI kayak mesin pencari: satu pertanyaan pendek, berharap satu jawaban benar. Padahal dia lebih mirip anak magang. Cepat, rajin, nggak kenal capek, dan baru masuk hari ini. Soal kantormu, dia nggak tahu apa-apa.

Kamu nggak akan nyuruh anak magang baru “bikinin proposal” terus hasilnya langsung dikirim ke klien. Pasti dikasih konteks dulu: contoh proposal yang dulu tembus, kliennya siapa, mereka pedulinya apa, formatnya yang biasa dipakai kantor. Terus dikoreksi dua kali.

Perlakukan AI persis begitu dan hasilnya beda jauh. Tiga hal yang paling nentuin:

• Bahan. Tempel dokumen aslinya, contoh hasil yang menurutmu bagus, data mentahnya. Jangan ngarep dia bisa nebak isi kepalamu.
• Konteks. Buat siapa, yang baca siapa, nadanya gimana, panjangnya berapa, apa yang harus dihindari.
• Putaran kedua. Jawaban pertama itu bahan mentah. Bilang bagian mana yang kurang, minta diperbaiki. Dua sampai tiga putaran itu wajar.

Contoh gampangnya. “Bikinin email follow up ke klien” hampir pasti keluar email generik yang nggak kelihatan datang dari kamu. Sekarang bandingin sama ini: ini email terakhir dari kliennya, ini balasan saya dua minggu lalu, ini yang sebenarnya saya mau, tolong tulis follow up yang tetap sopan tapi jelas bahwa kami butuh keputusan minggu ini.

Alat sama, waktu sama, hasilnya beda jauh.

Kelihatan sepele. Tapi jarak antara orang yang bilang AI biasa aja dan orang yang udah nggak mau balik ke cara lama, ya cuma di situ.

Angka dan sumber. Ini yang paling bahaya, justru karena paling meyakinkan. Minta data atau referensi, dan dia sanggup ngarang lengkap dengan detailnya: judulnya masuk akal, nama penulisnya beneran ada, tahun terbitnya pas.

Satu tim pernah nguji tiga belas model AI dengan minta ratusan ribu rujukan ilmiah. Separuhnya nggak pernah ada.^[1] Papernya nggak pernah ditulis siapa pun.

Aturan saya: apa pun yang berupa angka, nama, tanggal, atau kutipan, anggap salah sampai kamu buka sendiri sumbernya.

Konteks kantormu. Dia nggak tahu klien itu udah komplain dua kali bulan lalu. Nggak tahu orang yang kamu sebut lagi cuti. Nggak tahu kenapa proyek itu ditunda, apalagi bahwa alasannya politis dan sebaiknya nggak usah ditulis di mana-mana. Yang dia tahu cuma yang kamu kasih di kolom chat.

Dia setuju terus. Ini yang paling jarang dibahas dan paling bikin repot. Bilang rencanamu bagus, dia ikut bilang bagus. Coba tanya sebaliknya, kenapa rencana ini bakal gagal, dan dia jawab dengan sama meyakinkannya.

Dia lebih jago nyenengin daripada menilai. Jadi jangan pakai dia sebagai juri. Pakai dia sebagai lawan debat yang kamu suruh nyerang.

Hal yang butuh tanggung jawab. Udah ada produk AI khusus buat profesi tertentu, berbayar, dibikin perusahaan besar yang memang ahli di bidangnya. Waktu diuji pihak luar, produk sekelas itu pun masih salah di sebagian pertanyaan.

Kalau produk sespesifik itu aja masih meleset, keputusan yang risikonya kamu sendiri yang nanggung jelas belum pantas diserahkan ke chatbot umum.

Ini bagian yang paling jarang dibahas, dan menurut saya paling penting buat kamu.

Satu perusahaan software masang asisten AI buat 5.172 agen customer service-nya. Data setahun penuh dari situ lalu dipelajari ekonom dari Stanford dan MIT.^[2]

Orang yang paling baru, yang biasanya paling lama nyelesain satu keluhan, jadi sekitar 36 persen lebih cepat.

Orang yang paling senior, yang memang udah jago, hampir nggak berubah sama sekali.

Karyawan baru yang dibantu AI bisa nyelesaiin keluhan sebanyak karyawan yang udah berbulan-bulan di posisi itu.

Buat saya masuk akal sih. Orang berpengalaman itu sebagian besar menguasai pola. Kalimat mana yang bisa bikin pelanggan yang lagi marah jadi adem. Urutan pengecekan mana yang paling cepat nemu sumber masalahnya. Kapan harus naikin ke atasan. Pola kayak gitu memang yang paling gampang dipelajari mesin. Yang susah ditiru justru hal yang nggak ada di catatan mana pun, kayak tahu bahwa klien ini sensitif soal harga gara-gara tahun lalu pernah kecewa.

Jadi kalau nulis email rapi itu gampang buat kamu, ChatGPT terasa biasa aja. Kalau tiap mau kirim satu email kamu masih hapus-tulis-hapus-tulis setengah jam, dia terasa ajaib. Dua-duanya jujur, cuma orangnya memang berdiri di titik yang beda.

Tapi ada satu hal dari angka itu yang gampang salah tangkap.

Yang diukur di studi tadi tugas yang batasnya udah jelas: nyelesein satu keluhan pelanggan. Secepat apa pun kamu, satu tiket tetap satu tiket. Wajar kalau orang yang udah jago nggak bisa naik banyak di situ.

Beda ceritanya di kerjaan yang hasilnya bisa sebagus apa pun: nyusun strategi, bikin desain, ngerancang kampanye, nulis proposal.

AI itu jago bikin banyak, dan payah milih mana yang bagus. Dia sanggup ngeluarin sepuluh versi dalam lima menit. Yang bisa lihat bahwa versi ketujuh itu yang bener, dan sembilan sisanya sampah, cuma orang yang emang udah punya ukuran sendiri soal mana yang bagus.

Dan itu persis modal orang yang udah jago. Dia udah punya judgment dan selera yang dibangun bertahun-tahun, dan sekarang alatnya sanggup ngasih dia sepuluh pilihan tiap kali dia minta.

Jadi kalau kamu udah senior dan AI terasa biasa aja, kemungkinan besar kamu masih memakainya sebagai tukang ketik yang lebih cepat. Selisihnya baru kelihatan kalau AI-nya dipakai buat hal lain. Buat kerjaan yang selama ini kamu tunda karena kelamaan. Buat bikin lima versi strategi sekaligus lalu dibandingin. Buat bongkar data yang nganggur bertahun-tahun karena nggak ada yang sempat buka. Buat prototipe yang biasanya harus antre dulu ke tim lain.

Di situ angkanya bisa jauh di atas 36 persen.

Jadi dua-duanya benar. Orang yang baru mulai cepat jadi lumayan. Orang yang udah jago bisa naik jauh lebih tinggi lagi, asal mau ngubah cara kerjanya.

Ini reaksi yang paling sering saya dengar, dan kalimatnya biasanya persis begini:

“Kayaknya kerjaan gue nggak kepengaruh deh. Santai aja kali.”

Saya ngerti kenapa. Kalau kerjaanmu isinya ketemu orang, negosiasi, turun ke lapangan, atau ngurus tim, memang belum ada AI yang bisa gantiin itu. Sampai sekarang pun belum.

Tapi coba pecah dulu kerjaanmu jadi bagian-bagiannya.

Pekerjaan apa pun isinya hampir nggak pernah cuma satu kegiatan. Biasanya ada puluhan, dan cuma dua atau tiga yang beneran bikin kamu digaji. Sisanya penunjang: laporan, email, notulen, rekap, dokumen, penjelasan ke orang lain.

Dan sekarang biaya ngerjain bagian penunjang itu anjlok. Coba lihat, industri mana pun sama saja:

• Restoran. Balas review, susun jadwal shift, hitung food cost, bikin materi training pegawai baru, tulis deskripsi menu.
• Konstruksi. Laporan harian, korespondensi vendor, dokumen tender, rekap progres, notulen rapat lapangan.
• Klinik. Surat rujukan, ringkasan rekam medis, materi edukasi pasien, berkas klaim asuransi.
• Sekolah. Bikin soal, komentar rapor, materi ajar, surat ke orang tua murid.
• Toko. Deskripsi produk, balas chat pembeli, rekap penjualan mingguan.
• Pabrik. SOP, laporan produksi, laporan insiden, berkas audit.

Nggak satu pun dari itu “pekerjaan AI”. Tapi di semuanya ada setumpuk urusan baca, tulis, rapiin, dan cek.

Dan gambaran besarnya ada di situ. Di industri mana pun, selalu ada bagian yang butuh orang mikir. Ada yang harus dibaca sampai paham. Ada yang harus ditimbang sebelum diputuskan. Ada yang harus dijelaskan ulang ke orang lain dengan bahasa yang beda. Selama ini bagian itu mahal, karena cuma bisa dikerjakan orang terlatih, dan orang terlatih jumlahnya terbatas.

Sekarang sebagian besar kerjaan baca, tulis, dan rangkum itu bisa dibeli seharga langganan bulanan.

Kerjaanmu belum tentu hilang. Yang lebih mungkin terjadi, orang di sebelahmu yang ngerjain hal yang sama sekarang hemat satu jam tiap minggu. Atau juniormu, yang biasanya butuh dua tahun buat sampai ke levelmu, sekarang cuma butuh setahun.

Jadi kalau kamu merasa aman, itu masuk akal. Cuma coba cek lagi alasannya.

Soalnya waktu yang dihemat masih sedikit, dan langsung habis lagi di tengah hari kerja.

Di Denmark, efeknya diukur dengan rapi. 25.000 pekerja, di sebelas jenis pekerjaan yang paling banyak bersentuhan dengan AI, datanya dicocokkan dengan catatan gaji resmi. Rata-rata mereka hemat 2,8 persen waktu, sekitar satu jam seminggu. Pengaruhnya ke gaji dan jam kerja: nol.^[3]

Satu jam seminggu itu nyata. Tapi nggak ada orang yang naik gaji gara-gara satu jam.

Menurut saya sebabnya sederhana. Kebanyakan dari kita cuma memakainya buat tugas kecil yang berdiri sendiri. Satu email, satu ringkasan, satu draf. Waktu yang dihemat langsung habis lagi buat rapat, buat notifikasi, buat kerjaan lain yang udah antre.

Nggak ada satu pun langkah kerja yang benar-benar dihapus. Rapat mingguannya tetap ada. Laporannya tetap dibikin dengan format yang sama, dibaca orang yang sama, disetujui lewat jalur yang sama. Yang berubah cuma satu: sekarang laporan itu lebih cepat jadi.

Tim yang beneran ngerasain bedanya biasanya udah melakukan hal yang lebih nggak enak, yaitu berani mempertanyakan langkah mana yang sebenarnya udah nggak perlu ada. Itu pertanyaan politis, dan itu sebabnya jarang banget ditanyakan.

Pertanyaan ini paling enak dijawab lewat satu cerita dari sejarah listrik.

Tahun 1882 Edison nyalain pembangkit listrik komersial pertamanya di New York. Tujuh belas tahun kemudian, motor listrik masih menggerakkan kurang dari 5 persen mesin di pabrik-pabrik Amerika.^[4]

Masalahnya ada di pabriknya. Waktu itu satu mesin uap raksasa memutar satu poros panjang di sepanjang langit-langit, dan semua mesin di lantai terhubung ke poros itu lewat sabuk. Semua mesin harus berdiri dekat poros, dan urutannya ngikutin letak poros alih-alih urutan pekerjaan.

Waktu listrik masuk, pabrik nyabut mesin uapnya lalu masang motor listrik besar di posisi yang persis sama. Poros dan sabuknya dibiarkan menggantung seperti semula. Sumber tenaganya baru, pabriknya masih pabrik lama, dan hasilnya nyaris nggak berubah.

Butuh sekitar dua puluh tahun lagi sampai ada yang sadar bahwa kalau tiap mesin punya motor sendiri, mesinnya bisa ditaruh di mana aja. Lantai bisa ditata ngikutin urutan pekerjaan. Dinding bisa dipindah. Atap bisa dibuka, karena nggak ada lagi poros yang harus digantung di sana.

Setelah pabrik ditata ulang, laju produktivitas manufaktur Amerika naik lebih dari dua kali lipat.

Butuh empat puluh tahun dari pembangkit pertama sampai produktivitasnya benar-benar naik. Sebagian besar waktu itu habis buat satu hal: orang masang mesin baru di kerangka lama.

Menurut saya sekarang kita masih di tahap nyabut mesin uap. AI dipakai buat mempercepat langkah-langkah yang udah ada, dan itu wajar, karena itu yang paling gampang dan paling nggak nyakitin.

Jadi jawaban saya buat “emang penting banget”: penting, tapi dampaknya datang pelan, dan nggak lewat satu pengumuman besar. Yang berubah duluan biasanya hal-hal kecil, sampai suatu hari ada yang nata ulang lantai pabriknya, dan hasilnya baru kelihatan beda jauh.

ChatGPT dibuka buat umum November 2022. Kita baru masuk tahun keempat.

Cara tercepat buat berhenti nebak-nebak itu nyoba sendiri. Ini yang selalu saya saranin ke siapa pun yang nanya.

Pilih satu tugas yang kamu benci. Yang berulang, makan waktu, dan nggak butuh keputusan besar. Ngerapiin data, meringkas dokumen panjang, nyusun notulen jadi daftar tugas, bikin draf pertama yang selalu kamu tunda.

Kasih bahannya, jangan cuma perintahnya. Tempel dokumen aslinya. Tempel contoh hasil yang menurutmu bagus. Sebutin siapa yang bakal baca, dan hasilnya mau dipakai buat apa.

Jangan berhenti di jawaban pertama. Bilang bagian mana yang kurang, minta diperbaiki. Dua sampai tiga putaran itu wajar, dan biasanya baru di putaran kedua hasilnya kelihatan bagus.

Cek hasilnya baris per baris, sekali aja, sungguhan. Terutama angka, nama, dan tanggal. Kalau ada yang meleset, kamu langsung tahu batasnya di mana. Kalau nggak ada yang meleset, kamu juga tahu.

Sekali aja lakuin itu dengan serius, dan kamu punya jawabanmu sendiri buat pertanyaan di judul. Jawaban itu bakal jauh lebih berguna daripada apa pun yang lewat di timeline minggu ini, termasuk tulisan ini.