Produktivitas bukan bonus yang jatuh dari langit

Produktivitas pada dasarnya berarti menghasilkan output lebih banyak dari input yang sama, atau menghasilkan output yang sama dengan input lebih sedikit.

Kalau satu tim marketing berisi lima orang bisa menghasilkan campaign dengan volume dan kualitas yang sebelumnya membutuhkan tujuh orang, secara bisnis ada productivity gain. Kalau satu customer service agent bisa menangani lebih banyak kasus karena AI membantu mencari jawaban dan menulis respons, ada gain. Kalau seorang programmer bisa mengirim fitur lebih cepat, ada gain.

Riset yang diterbitkan NBER pada Maret 2026, berdasarkan survei hampir 750 eksekutif perusahaan, menemukan bahwa lebih dari separuh perusahaan responden sudah berinvestasi pada AI. Dampak produktivitas yang dilaporkan positif tetapi tidak merata antarperusahaan dan sektor, dengan efek yang diperkirakan menguat sepanjang 2026.

Hal yang menarik justru kata “tidak merata” itu.

AI bukan mesin ajaib yang memberi semua perusahaan kenaikan produktivitas identik. Perusahaan dengan data rapi, workflow jelas, manajemen bagus, dan pekerja yang bisa menggunakan AI dengan efektif cenderung punya peluang menangkap value lebih besar dibanding organisasi yang cuma membeli banyak tools.

Di level individu juga sama. Eksperimen pada 2026 menunjukkan bahwa akses AI memang bisa menaikkan performa rata-rata, tetapi kemampuan berinteraksi dengan AI, memfilter hasil, dan memverifikasi jawaban ikut menentukan seberapa besar manfaatnya.

Jadi sejak awal saja, nilai AI sudah tersebar tidak rata.

Di kantor, productivity gain sering berubah jadi expectation gain

Bayangin lo kerja di sebuah agency di Kemang. Tahun lalu, satu proposal strategis mungkin butuh sehari penuh untuk riset, menyusun struktur, dan merapikan slide. Sekarang AI bisa membantu separuh proses itu.

Awalnya rasanya menyenangkan. Lo punya ruang bernapas. Pekerjaan yang membosankan berkurang.

Beberapa minggu kemudian, manajemen sadar bahwa proposal bisa selesai lebih cepat. Target berubah. Dulu satu proposal sehari, sekarang mungkin dua. Dulu deadline tiga hari, sekarang besok pagi. Dulu ada junior khusus bikin first draft, sekarang senior diminta langsung menyelesaikan karena “kan sudah ada AI”.

Produktivitasnya nyata. Tapi waktu yang diselamatkan tidak otomatis menjadi waktu luang pekerja. Ia bisa berubah menjadi output tambahan.

Debat ini bahkan terlihat terang-terangan di perusahaan teknologi global. Pada 2026 muncul pernyataan dari pimpinan teknologi Meta yang pada dasarnya mendorong agar peningkatan produktivitas dari AI dipakai untuk menghasilkan lebih banyak pekerjaan dan produk, bukan sekadar menjadi tambahan waktu libur.

Terlepas dari setuju atau nggaknya kita dengan posisi tersebut, itu memperlihatkan konflik ekonomi yang sangat jelas. Jika AI membuat pekerjaan lebih cepat, perusahaan akan bertanya bagaimana waktu yang tersisa dikonversi menjadi value baru.

Pekerja tentu punya pertanyaan berbeda: kalau kontribusi per orang naik drastis, apakah kompensasi dan kualitas hidup ikut naik?

Siapa punya bargaining power, dia lebih mungkin menikmati hasil

Distribusi productivity gain akhirnya banyak bergantung pada bargaining power.

Pekerja dengan skill langka, dampak bisnis yang mudah diukur, dan opsi pindah kerja yang kuat punya peluang lebih besar mengubah productivity gain menjadi kenaikan kompensasi. Mereka bisa menunjukkan bahwa dengan AI, output mereka naik dan nilai ekonominya naik.

Sebaliknya, pekerja yang tugasnya sangat standar dan gampang digantikan bisa mengalami situasi terbalik. AI meningkatkan produktivitas per orang, lalu perusahaan membutuhkan lebih sedikit orang untuk output yang sama. Dalam kondisi ini, gain terbesar bisa jatuh ke pemilik modal dan perusahaan, bukan pekerja.

Ini bukan fenomena baru. Teknologi selalu punya efek distribusi. Mesin industri, komputer, internet, software enterprise, dan otomatisasi sebelumnya juga meningkatkan produktivitas sambil mengubah posisi tawar berbagai jenis pekerjaan.

AI hanya mempercepat siklusnya karena menyentuh pekerjaan kognitif yang selama ini dianggap relatif aman.

Perusahaan juga belum tentu otomatis menikmati semuanya

Kita sering membayangkan kalau pekerja bisa lebih produktif, perusahaan pasti langsung cuan. Kenyataannya lebih messy.

AI punya biaya. Ada biaya subscription, API, cloud, data infrastructure, cybersecurity, training, compliance, integrasi, monitoring, dan waktu eksperimen. Kalau perusahaan membeli lima tool berbeda yang fungsinya tumpang tindih, produktivitas individual mungkin naik sedikit tapi biaya organisasi juga bertambah.

Lalu ada efek kompetisi.

Kalau semua agency bisa bikin proposal dua kali lebih cepat, keunggulan itu lama-lama menjadi baseline industri. Klien mulai mengharapkan delivery lebih cepat tanpa mau membayar dua kali lipat. Productivity gain akhirnya diteruskan ke pelanggan melalui harga yang lebih rendah atau service level yang lebih tinggi.

Hal serupa bisa terjadi di software. Kalau coding agent membuat biaya pengembangan fitur turun, perusahaan awalnya menikmati margin lebih besar. Tapi kalau pesaing juga mendapat efisiensi sama, tekanan kompetisi bisa membuat harga produk turun atau fitur makin banyak dengan harga tetap.

Jadi nilai AI bisa mengalir ke konsumen, bukan hanya perusahaan atau pekerja.

Yang menang bukan selalu orang yang memakai AI paling banyak

Ada kecenderungan absurd di beberapa kantor: jumlah penggunaan AI dianggap proxy untuk transformasi.

Tim diminta menggunakan chatbot. Perusahaan beli enterprise license. Semua orang bikin prompt. Lalu di akhir kuartal muncul slide yang bilang adopsi AI sudah tinggi.

Masalahnya, penggunaan belum tentu menghasilkan value.

Kalau AI mempercepat membuat dokumen yang sebenarnya nggak perlu dibuat, itu bukan produktivitas yang berarti. Kalau meeting transcript otomatis membuat orang menghasilkan lebih banyak ringkasan yang tidak pernah dibaca, output memang naik, value belum tentu. Kalau developer menghasilkan kode lebih cepat tapi bug dan maintenance ikut naik, keuntungan jangka pendek bisa hilang.

AI productivity harus diukur pada outcome, bukan volume aktivitas.

Untuk tim sales, outcome mungkin conversion atau revenue per rep. Untuk customer service, bisa resolution time, customer satisfaction, atau cost per resolved case. Untuk finance, bisa kecepatan closing dan akurasi. Untuk developer, bisa cycle time dengan kualitas tetap terjaga.

Kalau perusahaan cuma menghitung “berapa jam yang dihemat”, angka itu gampang menjadi fantasi karena jam yang katanya dihemat belum tentu benar-benar berubah menjadi output bernilai.

Produktivitas bisa memperlebar gap antarpekerja

Ada sisi lain yang jarang dibahas dalam presentasi AI perusahaan.

Dua orang diberi tool yang sama, hasilnya bisa sangat berbeda.

Orang pertama ngerti konteks pekerjaannya, tahu kapan output AI salah, punya taste, bisa memecah masalah, dan tahu cara memberi instruksi. AI membuat dia jauh lebih cepat.

Orang kedua belum punya fondasi kuat. Dia menerima output AI hampir mentah, tidak bisa mengecek kesalahan, dan semakin lama malah bergantung pada sistem. Secara kasat mata dia juga produktif karena dokumennya jadi lebih cepat. Tapi kualitas pengambilan keputusannya mungkin nggak berkembang.

Dalam jangka pendek, keduanya bisa terlihat sama-sama “AI-enabled”. Dalam jangka panjang, gap kemampuan bisa melebar.

Ada juga penelitian 2026 yang memperlihatkan sisi berbeda: pada tugas tertentu, AI justru dapat membantu peserta dengan pendidikan lebih rendah mengejar sebagian kesenjangan performa dibanding peserta berpendidikan lebih tinggi. Artinya efeknya nggak satu arah. AI bisa mempersempit gap pada satu situasi dan memperlebar gap pada situasi lain.

Itulah kenapa kebijakan perusahaan yang sekadar “semua harus pakai AI” terlalu simplistik.

Manajemen perlu melihat siapa yang mendapat leverage, siapa yang tersisih, dan siapa yang kehilangan kesempatan belajar karena pekerjaan dasar terlalu cepat diserahkan ke AI.

Fresh graduate berada di posisi paling tricky

Kalau lo fresh graduate di Jakarta tahun 2026, banyak tugas entry-level yang dulu menjadi tempat belajar sekarang bisa dilakukan AI.

Bikin first draft, merangkum dokumen, riset awal, formatting spreadsheet, membuat slide dasar, menulis email follow-up, bahkan membuat kode sederhana. Semuanya bisa dibantu sistem.

Dari perspektif perusahaan, ini efisiensi.

Dari perspektif karier, ada pertanyaan baru. Kalau junior tidak lagi mengerjakan pekerjaan dasar, dari mana mereka membangun judgment yang nanti dibutuhkan untuk mengawasi AI?

Perusahaan bisa menikmati output lebih tinggi hari ini sambil tanpa sadar mengurangi pipeline senior talent untuk tiga atau lima tahun ke depan.

Ini contoh klasik bahwa productivity gain jangka pendek belum tentu identik dengan value jangka panjang.

AI juga bisa mengubah pembagian nilai dalam satu industri

Coba lihat industri kreatif. Kalau produksi gambar, video, copy, dan desain awal menjadi lebih murah, brand mungkin bisa menghasilkan lebih banyak konten dengan budget sama. Agency harus bekerja lebih cepat. Freelancer menghadapi kompetisi baru. Platform AI menerima subscription. Konsumen kebanjiran konten.

Siapa yang menang?

Jawabannya bergantung pada posisi masing-masing. Brand dengan distribusi kuat mungkin diuntungkan. Kreator dengan identitas unik bisa memakai AI untuk meningkatkan skala. Pekerja yang menawarkan output generik bisa tertekan. Platform yang menyediakan model mendapat recurring revenue.

Produktivitas satu pihak bisa menjadi tekanan harga bagi pihak lain.

Hal yang sama berlaku di consulting, legal, software, customer service, marketing, dan banyak pekerjaan kantoran. AI tidak cuma mengubah berapa banyak output yang bisa dibuat. AI mengubah struktur biaya dan negosiasi nilai di seluruh rantai.

Perusahaan perlu menjawab pertanyaan yang selama ini dihindari

Kalau AI membuat satu orang mampu mengerjakan pekerjaan yang sebelumnya membutuhkan dua orang, apa yang perusahaan lakukan?

Ada beberapa opsi. Kurangi headcount. Pertahankan tim dan tingkatkan output. Kurangi jam kerja. Naikkan kualitas. Buka produk baru. Turunkan harga. Naikkan margin. Naikkan kompensasi pekerja paling produktif. Atau kombinasi semuanya.

Nggak ada satu jawaban universal.

Tapi pura-pura pertanyaan distribusinya tidak ada adalah cara cepat menciptakan resistensi terhadap AI. Karyawan akan membaca situasi dengan sederhana: kalau semua keuntungan efisiensi selalu masuk ke perusahaan sementara target dan beban kerja terus naik, mereka akan menganggap AI sebagai alat ekstraksi, bukan alat augmentasi.

Sebaliknya, perusahaan yang bisa membagi sebagian nilai melalui kompensasi, fleksibilitas, pengembangan skill, atau pekerjaan yang lebih meaningful punya peluang membangun adopsi yang lebih sehat.

Di level ekonomi nasional, pertanyaannya bahkan lebih besar

Kalau AI menaikkan produktivitas perusahaan Indonesia, pertumbuhan ekonomi bisa mendapatkan dorongan. Tapi distribusinya tetap penting.

Apakah gain terkonsentrasi di perusahaan besar yang mampu membeli compute dan data? Apakah UMKM juga mendapat akses? Apakah pekerja berpendapatan menengah ikut menikmati peningkatan produktivitas? Apakah platform global mengambil bagian terbesar melalui cloud dan subscription? Apakah muncul perusahaan lokal yang menciptakan teknologi dan intellectual property?

Karena itu, headline “AI meningkatkan produktivitas” sebenarnya baru separuh cerita.

Separuh lainnya adalah siapa yang memiliki teknologi, siapa yang menguasai data, siapa yang punya skill, siapa yang punya bargaining power, dan siapa yang menanggung risiko displacement.

Di kantor, efeknya akan terasa lebih sederhana. Deadline makin cepat. Output per orang naik. Beberapa pekerjaan hilang, beberapa pekerjaan berubah, dan beberapa orang mendapat leverage luar biasa.

AI memang bisa membuat kita menghasilkan lebih banyak.

Tapi ekonomi tidak pernah berhenti pada pertanyaan berapa banyak yang dihasilkan. Pertanyaan berikutnya selalu sama: setelah nilai baru itu tercipta, siapa yang mendapat bagian paling besar?