Dulu ada satu rasa aman menjadi manager.
Lo pernah jadi junior.
Pernah mengerjakan task yang sekarang dikerjakan tim.
Jadi ketika orang membawa hasil, lo kira-kira tahu prosesnya.
Bisa lihat kalau ada yang aneh.
AI mengganggu pola itu.
Employee sekarang bisa menghasilkan output dengan workflow yang manager tidak pernah jalani.
Research agent.
Coding assistant.
Automation.
AI analyst.
Presentation tool.
Manager melihat hasil akhir.
Belum tentu tahu seberapa banyak dibuat manusia.
Belum tentu tahu model apa.
Belum tentu tahu apakah source dicek.
Tapi tetap harus mengambil keputusan:
Ini bagus?
Bisa dikirim?
Aman?
Siapa bertanggung jawab?
Inilah salah satu skill management paling penting di 2026.
Menilai kerja yang lo sendiri tidak kerjakan dengan cara yang sama.
Microsoft Work Trend Index 2026 menyebut ketika agent mengambil lebih banyak execution, manusia mendapatkan lebih banyak ruang untuk direct work, make calls, dan own outcomes. Dalam temuan Indonesia, critical thinking dan quality control bahkan muncul sebagai dua capability yang sangat ditekankan pengguna AI yang lebih maju.
Buat manager, implikasinya jelas.
Lo tidak perlu menjadi user tercepat.
Tapi harus menjadi evaluator yang jauh lebih baik.
Manager tidak bisa lagi menilai effort dari waktu
Dulu task yang terlihat berat biasanya memang makan waktu.
Report 30 halaman.
Code ribuan baris.
Deck 80 slide.
Sekarang AI bisa menghasilkan cepat.
Kalau manager masih menyamakan banyak output dengan banyak effort, penilaian gampang salah.
Employee yang sangat produktif mungkin selesai jam empat.
Employee lain menghasilkan banyak karena agent, tapi quality buruk.
Time spent tidak reliable.
Volume juga.
Manager harus pindah ke outcome.
Accuracy.
Decision usefulness.
Customer impact.
Maintainability.
Risk.
Rework.
Ini lebih sulit.
Tapi sebenarnya lebih sehat.
Kita seharusnya dari dulu menilai hasil, bukan penderitaan.
AI cuma memaksa perubahan.
“Kelihatan sibuk” makin nggak relevan.
Kantor harus move on dari theater of work.
Manager perlu tahu pertanyaan apa yang harus diajukan
Tidak harus membaca setiap prompt.
Tanya:
Apa source-nya?
Apa assumption?
Bagian mana yang AI kerjakan?
Apa yang lo verify?
Apa alternative?
Apa yang paling nggak pasti?
Kalau output salah, consequence?
Pertanyaan seperti ini menguji ownership.
Employee yang memahami hasil bisa jawab.
Orang yang copy-paste biasanya kesulitan.
Ini juga cara coaching.
Bukan policing AI.
Manager tidak perlu berubah menjadi detector.
“Ini kelihatan AI.”
Detection dari gaya semakin unreliable.
Lebih baik test reasoning.
Jelaskan.
Defend.
Show evidence.
Outcome.
Ini lebih fair.
Manager harus punya domain benchmark yang kuat
Kalau AI output makin polished, surface clue berkurang.
Domain knowledge jadi filter.
Manager finance tahu angka margin aneh.
Engineering manager tahu architecture nggak masuk akal.
Marketing leader tahu positioning generik.
Legal manager tahu nuance clause.
AI literacy tanpa domain tidak cukup.
Manager tetap harus expert enough.
Mungkin tidak mengerjakan task harian lagi.
Tapi punya mental model.
Ini challenge bagi manager yang sudah terlalu jauh dari craft.
AI bisa memperbesar gap.
Kalau manager hanya mengelola status dan meeting, dia kesulitan menilai mesin dan orang.
Future manager perlu kembali dekat ke substance.
Tidak harus hands-on setiap hari.
Tetap mampu membaca.
Bertanya.
Mendeteksi nonsense.
Management menjadi lebih intellectual, bukan kurang.
Quality criteria harus dibuat sebelum output datang
Kalau manager baru memutuskan “bagus” setelah melihat AI output, bias.
AI sangat persuasive.
Lebih sehat punya criteria.
Sebelum task:
Tujuan.
Audience.
Source.
Constraint.
Success metric.
Risk.
Kemudian output dinilai.
Ini seperti rubric.
Bukan bureaucracy.
Clarity.
Employee juga terbantu.
AI dapat instruction lebih baik.
Manager tidak perlu edit berdasarkan selera pribadi.
Criteria membuat delegation scalable.
Kalau team punya 10 agent workflow, manager tidak bisa review semuanya.
Standard perlu.
Brand guide.
Testing.
Policy.
Evaluation.
Manager mendesain definition of done.
Ini leadership.
Bukan prompt engineering.
Manager harus tahu kapan review manusia dibutuhkan
Tidak semua output sama.
Draft internal low-risk.
Bisa ringan.
Financial recommendation.
High review.
Customer communication.
Tergantung.
Code critical.
Strong.
Manager perlu risk-based review.
Kalau semua diperiksa detail, AI tidak memberi leverage.
Kalau tidak ada yang dicek, risk.
Ini balance.
Autonomy level.
Low-risk employee boleh menggunakan AI bebas dalam boundary.
High-risk perlu evidence dan approval.
Manager tidak harus membuat policy sendiri.
Company governance memberi framework.
Manager menerapkan context.
Ini membuat managerial judgement penting.
Rule universal jarang cukup.
AI membuat delegation lebih luas.
Manager menentukan batas.
Employee yang produktif dengan AI bisa sulit dibandingkan
Satu orang menghasilkan dua kali lebih banyak.
Apakah performance dua kali lebih baik?
Belum tentu.
Mungkin quality sama.
Maybe yes.
Mungkin mereka memakai automation yang bisa dipakai seluruh team.
Kalau workflow dishare, kontribusinya lebih besar dari output pribadi.
Manager perlu mengukur leverage.
Individual output.
Team improvement.
Knowledge sharing.
System building.
Ini berbeda dari performance system lama.
Employee yang membuat prompt library, evaluation, atau automation bisa menambah productivity 20 orang.
Jangan nilai hanya jumlah deliverable miliknya.
AI era memberi nilai besar pada multiplier.
Manager harus melihat.
Kalau tidak, orang menyimpan workflow sendiri karena sharing tidak dihargai.
Team kehilangan capability.
AI juga membuat employee bisa terlihat lebih senior
Output polished.
Research luas.
Vocabulary bagus.
Manager bisa terkecoh.
Sebelum memberi scope lebih besar, lihat reasoning dan reliability.
Apakah orang tahu limit?
Apakah bisa handle exception?
Apakah judgement konsisten?
Senior bukan orang yang paling bagus menghasilkan draft.
Senior adalah orang yang bisa dipercaya ketika kondisi nggak sesuai template.
AI cenderung bagus di template.
Jadi seniority signal harus bergerak.
Ownership.
Decision.
Risk.
Mentoring.
Customer.
System.
Ini juga berlaku ke fresh graduate.
Jangan terlalu cepat promoted hanya karena output AI impresif.
Tapi jangan tahan kalau capability memang nyata.
Assessment harus lebih baik.
Manager harus mengelola manusia dan digital worker sekaligus
Kalau employee punya agent, workflow team berubah.
Manager mungkin punya beberapa automation langsung.
Research agent.
Reporting.
Planning.
Customer triage.
Siapa owner?
Apa permission?
Apa metric?
Apa cost?
Manager mulai mengelola digital capacity.
Ini bukan berarti agent punya feelings atau career plan.
Justru berbeda.
Agent perlu monitoring.
Version.
Evaluation.
Access.
Human employee perlu coaching.
Trust.
Growth.
Motivation.
Manager harus bisa dua mode.
Jangan memperlakukan manusia seperti software.
Jangan memperlakukan software seperti manusia.
Ini terdengar obvious.
Bahasa “digital employee” kadang membuat batas kabur.
Accountability tetap pada manusia.
Manager perlu menjaga.
Tidak bisa memarahi agent saat salah lalu selesai.
Cari system cause.
Prompt.
Data.
Permission.
Model.
Workflow.
Human oversight.
Manager harus tahu kapan model salah dan kapan process salah
Output AI buruk bisa berasal dari banyak sumber.
Model.
Data.
Instruction.
Context.
Integration.
User.
Manager jangan langsung:
“AI nggak bisa.”
Atau:
“Karyawannya nggak bisa pakai.”
Diagnosis.
Apakah source salah?
Task terlalu ambiguous?
Model tidak cocok?
Human review kurang?
Ini systems thinking.
Future manager perlu sedikit literacy teknis.
Tidak perlu coding.
Tapi paham komponen.
Kalau nggak, mereka bergantung penuh pada AI team untuk setiap problem.
Decision lambat.
AI menjadi black box.
Manager tidak harus bisa memperbaiki mesin.
Harus bisa mengajukan diagnosis yang masuk akal.
Seperti manager sales tidak harus engineer CRM.
Tetap paham pipeline.
Manager juga perlu mengendalikan work inflation
AI membuat menghasilkan sesuatu murah.
Employee bisa memberi 20 opsi.
10 analysis.
5 deck.
Manager menjadi bottleneck review.
Jangan menerima semua.
Set criteria.
“Bawa tiga opsi.”
“Kasih recommendation.”
“Jangan hanya dump AI output.”
Ini penting.
Employee harus synthesize.
AI bukan alasan membanjiri atasan dengan output.
Manager menuntut thinking.
Bukan production.
Kalau tidak, hari manager habis membaca machine-generated material.
Productivity team naik.
Productivity manager turun.
Bottleneck pindah.
Good management mengatur information flow.
AI membuat itu lebih penting.
Trust tidak bisa diganti monitoring
Ada temptation.
Karena AI membuat kerja sulit dilihat, perusahaan ingin monitor.
Prompt logs.
Activity.
Screen.
Usage.
Hati-hati.
Transparency operational perlu.
Surveillance berlebihan merusak trust.
Manager seharusnya tidak perlu melihat setiap interaction.
Tetapkan expectation.
Output.
Disclosure untuk high-risk.
Audit sample.
Kalau employee trusted, beri autonomy.
Ini sama dengan management biasa.
AI tidak membatalkan trust.
Ia mengubah evidence.
Manager yang obses kontrol akan overwhelmed.
Ada terlalu banyak action.
Manager yang punya clear outcomes bisa scale.
Ini sejalan dengan konsep human agency Microsoft 2026.
Lebih banyak execution bisa didelegasikan.
Manusia fokus direction dan ownership.
Manager harus menjadi architect kerja.
Coaching skill justru makin penting
Kalau AI memberi feedback instant, apakah manager coaching kurang perlu?
Tidak.
AI bisa memberi suggestion.
Manager tahu context employee.
Career.
Team.
Politics.
Strength.
Opportunity.
Human coaching punya relationship.
Manager bisa membantu orang naik level dari user ke operator AI.
Bukan hanya:
“Pakai AI lebih banyak.”
Tapi:
“Bagian ini jangan otomatis dulu.”
“Lo sudah bagus di drafting, sekarang belajar verify.”
“Coba share workflow ke team.”
“Ambil decision sendiri untuk case ini.”
Manager mengembangkan judgement.
Ini semakin penting ketika routine apprenticeship hilang.
Kalau junior tidak lagi mengerjakan task dasar, manager harus sengaja menciptakan learning.
Coaching menjadi infrastructure talent.
Bukan soft extra.
Manager sendiri perlu hands-on secukupnya
Ada manager yang bilang:
“Gue nggak perlu belajar AI, team gue yang pakai.”
Risky.
Tidak perlu jadi expert.
Tapi pakai.
Rasakan.
Lihat failure.
Coba upload data non-sensitive.
Buat analysis.
Lihat hallucination.
Pahami workflow.
Kalau tidak pernah, expectation bisa absurd.
“Kan AI bisa.”
Kalimat paling dangerous dari orang yang hanya lihat demo.
Hands-on experience memberi calibration.
Manager tahu mana yang cepat.
Mana masih susah.
Ini membantu target.
Jangan sampai employee harus menjelaskan limitation tool setiap minggu.
Leader perlu baseline literacy.
Indonesia sudah cukup cepat adopsinya
Microsoft pada Juni 2026 melaporkan 33 persen pekerja Indonesia dalam survey mereka masuk kategori Frontier Professionals, lebih dari dua kali rata-rata global 16 persen. Sebanyak 72 persen pengguna AI Indonesia mengatakan mereka dapat menghasilkan pekerjaan yang tidak bisa mereka hasilkan setahun sebelumnya.
Ini berarti manager Indonesia akan semakin sering menghadapi output yang proses pembuatannya tidak familiar.
Tidak bisa menunggu.
Kalau employee capability naik cepat tapi manager assessment tetap lama, tension.
High performer merasa ditahan.
Low-quality AI output lolos.
Target salah.
Manager menjadi constraint.
Management transformation harus paralel dengan tool adoption.
Bukan belakangan.
Manager tidak perlu menjadi orang paling pintar di ruangan
Ini sebenarnya bukan hal baru.
Manager engineering tidak selalu coder terbaik.
Manager marketing tidak selalu copywriter terbaik.
Leadership sejak dulu berarti bisa mengelola orang yang lebih ahli di bidang tertentu.
AI memperluas.
Sekarang sebagian “expert capability” datang dari mesin.
Prinsip tetap.
Manager tidak perlu tahu cara menghasilkan semua output.
Mereka harus tahu apa outcome yang dibutuhkan, siapa yang accountable, bagaimana quality dinilai, dan kapan harus mempertanyakan.
Ini bisa membuat manager lebih fokus pada pekerjaan management sebenarnya.
Direction.
Priority.
Trade-off.
People.
Decision.
Bukan micro-execution.
Tapi transisi ini uncomfortable buat manager yang identity-nya berasal dari menjadi orang yang paling tahu cara mengerjakan.
AI bisa mengancam.
Mereka perlu adapt juga.
Output bukan akhir, keputusan adalah
Manager paling penting bukan editor akhir setiap dokumen.
Mereka menggunakan output untuk mengambil keputusan.
Apakah launch?
Approve?
Hire?
Invest?
Change?
AI bisa memberi lebih banyak informasi.
Manager harus menghindari illusion of certainty.
Lima halaman analysis tidak berarti data kuat.
Twenty citations tidak berarti conclusion benar.
Manager perlu bertanya:
Apa yang kita tahu?
Apa yang kita duga?
Apa uncertainty?
Apa downside?
Apa reversible?
Ini decision judgement.
Makin AI mempercepat analysis, semakin keputusan menjadi bottleneck.
Manager yang baik memindahkan organisasi dari output ke action.
Manager yang buruk membuat AI menghasilkan lebih banyak deck untuk meeting berikutnya.
Di era AI, perbedaan itu akan semakin terlihat.
Skill manager 2026 bukan mengerjakan semua pekerjaan tim lebih baik daripada tim.
Itu mustahil.
Skill-nya adalah menciptakan standar yang jelas, menilai evidence, menjaga accountability, memberi autonomy yang tepat, dan membangun orang yang bisa bekerja dengan mesin tanpa kehilangan judgement.
Karena kalau seorang manager hanya bisa menilai pekerjaan yang dia tahu cara membuat sendiri, kapasitasnya akan cepat habis.
Tim modern menghasilkan dengan tool yang berubah terus.
Manager yang bertahan adalah yang bisa mengatakan:
“Gue mungkin nggak membuat output ini seperti lo. Tapi gue tahu pertanyaan apa yang harus gue ajukan untuk memastikan kita berani berdiri di belakang hasilnya.”
Itu management.
AI cuma membuat definisinya kembali kelihatan.
Bacaan terkait
Artikel ini berada dalam Future of Work & Careers dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Explainer teknologi dan kebijakan digital.