Ada janji yang terdengar sangat enak sejak AI masuk kantor.
Pekerjaan selesai lebih cepat.
Berarti hidup lebih ringan.
Meeting lebih singkat.
Draft instan.
Research cepat.
Coding dibantu.
Mestinya jam kerja turun.
Nyatanya tidak selalu.
Sebuah studi delapan bulan pada perusahaan teknologi sekitar 200 orang yang dipublikasikan pada 2026 menemukan penggunaan generative AI justru mengintensifkan kerja. Employee bergerak lebih cepat, mengambil scope lebih luas, dan pekerjaan merembes ke lebih banyak bagian hari.
Ini bukan paradox kalau dipikir.
Ketika satu task menjadi murah, kita melakukan lebih banyak task.
AI mengurangi friction.
Organisasi lalu mengisi ruang kosong.
Yang tadinya dua jam untuk draft menjadi 20 menit.
Sisa waktu tidak otomatis jadi istirahat.
Bisa menjadi tiga draft lain.
Atau meeting.
Atau project baru.
Produktivitas naik.
Beban juga.
Kecepatan menciptakan ekspektasi baru
Ini terjadi pelan.
Minggu pertama:
“Wah, cepat banget.”
Bulan kedua:
“Harusnya memang bisa cepat.”
Standar berubah.
Apa yang dulu dianggap turnaround bagus sekarang dianggap lambat.
Client ikut.
Manager ikut.
Team ikut.
Employee sendiri ikut.
“Gue bisa selesaikan malam ini.”
Karena AI membuat starting mudah.
Tinggal buka.
Prompt.
Sedikit edit.
Work expands.
Tidak ada yang secara eksplisit bilang kerja lebih lama.
Tapi digital friction yang dulu memberi jeda hilang.
Penelitian 2026 tentang work intensification bahkan menemukan AI membuat orang memulai task yang sebelumnya ditunda atau diserahkan ke specialist karena sekarang terasa accessible.
Ini memberi autonomy.
Juga menambah scope.
Karyawan menjadi mini-department
Marketer bisa bikin design draft.
Analyst bisa code.
Developer bisa bikin documentation.
Manager bisa research sendiri.
AI menutup knowledge gap.
Bagus.
Tapi role boundary blur.
Dulu kalau bukan job lo, mungkin kirim ke orang lain.
Sekarang:
“Gue bisa coba pakai AI.”
Task tambahan masuk.
Coordination juga.
Specialist harus memperbaiki hasil orang yang partial.
Contoh legal.
Business user bikin contract draft pakai AI.
Legal tetap review.
Volume draft naik.
Legal workload naik.
AI meningkatkan productivity satu pihak.
Menambah rework pihak lain.
Ini work intensification yang tidak terlihat kalau dashboard hanya menghitung output.
Productivity metric lokal bisa menipu
Marketing menghasilkan 2x content.
Produktif?
Maybe.
Editor sekarang 3x sibuk.
Company total belum tentu.
Developer menghasilkan code lebih banyak.
QA overload.
Analyst bikin lebih banyak insight.
Manager punya lebih banyak hal untuk dibaca.
AI sering memindahkan constraint.
Beban berpindah ke reviewer dan decision-maker.
Jadi productivity harus dilihat end-to-end.
Bukan individu.
Kalau satu orang hemat dua jam tapi tiga orang lain butuh tambahan review, net gain berbeda.
Ini alasan workflow measurement penting.
AI bisa membuat local hero sekaligus system bottleneck.
Employee juga bisa meningkatkan target sendiri
Tidak semua pressure datang bos.
Ambitious people punya pattern.
AI bikin cepat.
Mereka merasa bisa ambil project lagi.
Kemudian lagi.
Calendar penuh.
Achievement naik.
Work identity makin kuat.
Danger.
Technology menghilangkan natural limit.
Dulu beberapa task sulit sehingga kita memilih.
Sekarang banyak terasa possible.
“Sekalian.”
Kalimat berbahaya.
Sekalian bikin analysis.
Sekalian bikin tiga opsi.
Sekalian research competitor.
Sekalian automate.
Scope creep pribadi.
AI membuat work expansion terasa produktif.
Sampai energy habis.
Human body tidak punya scaling yang sama dengan model.
Attention tetap terbatas.
Multitasking bisa memburuk
AI memungkinkan menjalankan banyak thread.
Sambil meeting, agent research.
Sambil email, code generating.
Sambil call, summary jalan.
Kita merasa parallel.
Otak tidak benar-benar parallel.
Attention switching.
Check output.
Return.
Context.
Notification.
Penelitian intensification 2026 menemukan peningkatan multitasking dan switching sebagai bagian pengalaman employee.
Ini perlu diperhatikan.
AI bisa mengurangi execution time tapi meningkatkan monitoring load.
Lo punya lima assistant digital.
Semua mengirim sesuatu.
Manager sekarang inbox.
Jika workflow tidak didesain, user menjadi dispatcher.
Productivity naik secara nominal.
Cognitive load naik.
Beban kerja digital baru.
Workday bisa memanjang karena “cuma sebentar”
Dulu task membutuhkan setup.
Buka laptop.
Cari file.
Mulai.
Sekarang dari HP:
“Coba gue minta AI bikin dulu.”
Jam 10 malam.
Cuma lima menit.
Output muncul.
Lo baca.
Edit.
Kirim.
Boundary bocor.
Karena barrier kerja rendah.
Ini mirip chat kerja.
Kemudahan komunikasi membuat kerja masuk rumah.
AI menambah.
Perusahaan perlu norm.
Tidak semua capability harus digunakan setiap saat.
Availability teknologi bukan expectation employee.
Manager perlu signal.
Tidak perlu balas malam.
Agent boleh jalan.
Manusia besok.
Async technology seharusnya meningkatkan flexibility, bukan memperpanjang workday.
Kalau culture-nya “karena AI cepat, semua harus cepat”, burnout.
Time saved harus punya tujuan
Kalau perusahaan deploy AI, tentukan bagaimana productivity gain digunakan.
Pilihan:
Volume.
Quality.
Customer speed.
Learning.
Reduced overtime.
New product.
Cost.
Jangan default volume.
Kalau semua saving otomatis diisi pekerjaan baru, employee akan menyimpulkan AI hanya alat menaikkan target.
Adoption menjadi defensif.
Sebagian company mungkin memang butuh volume.
Fair.
Jelaskan.
Sebagian bisa allocate:
20 persen saving untuk learning.
Atau process improvement.
Atau quality.
Tidak harus formal angka.
Prinsipnya, jangan biarkan efficiency hilang menjadi work inflation.
Management harus memilih.
Kalau tidak, demand akan mengisi ruang.
Parkinson’s Law versi AI.
Automation bisa menciptakan monitoring job
Agent melakukan task.
Human check.
Kalau agent belum reliable, review detail.
Sekarang ada pekerjaan baru.
Prompt update.
Exception.
Monitoring.
Evaluation.
Incident.
AI mengurangi production.
Menambah control.
Net workload tergantung maturity.
Saat awal, workload bisa naik karena double-run.
Old process tetap.
New process diuji.
Employee melakukan dua-duanya.
Ini normal sementara.
Masalah kalau temporary jadi permanen.
Setelah workflow terbukti, hapus old process.
Kalau tidak, transformation menumpuk.
AI plus manual.
No wonder orang capek.
Change management harus punya decommission plan.
Manager harus mengubah target setelah mengerti data, bukan hype
Salah satu kesalahan:
Beli AI.
Target naik 30 persen.
Belum tahu saving sebenarnya.
Task berbeda.
User berbeda.
Model berbeda.
KPMG dan PwC 2026 sama-sama menunjukkan AI value tidak merata dan sangat tergantung workflow redesign serta organizational maturity.
Jadi target harus evidence-based.
Pilot.
Measure.
Quality.
Bottleneck.
Then reset.
Jangan mengasumsikan semua role mendapat gain sama.
Content bisa cepat.
Negotiation tidak.
Coding tertentu cepat.
Architecture maybe tidak.
Admin high exposure.
Field work beda.
One-size productivity target malas.
Management harus memahami work.
Kalau tidak, AI menjadi excuse untuk squeeze.
Beban psikologis juga datang dari insecurity
Employee tahu AI makin capable.
Setiap kali tool membuat task mereka cepat, ada pikiran:
“Kalau ini bisa, gue masih dibutuhkan nggak?”
Pressure membuat orang ingin membuktikan value.
Ambil lebih banyak.
Kerja lebih lama.
Selalu update.
Ini mental load.
Perusahaan bisa membantu dengan clarity.
Role akan berubah bagaimana?
Skill apa dibutuhkan?
Apa training?
Apa expectation?
Silence menciptakan rumor.
Transparency lebih baik.
Tidak harus janji tidak ada perubahan.
Jujur.
“Task ini berkurang. Kita ingin memindahkan capacity ke ini.”
Orang bisa plan.
Uncertainty adalah stressor.
AI transformation juga people transition.
Quality time harus dilindungi
AI membuat first draft cepat.
Gunakan saving untuk thinking.
Jangan semua menjadi output tambahan.
Misalnya strategist.
Dulu 60 persen waktu research manual.
AI mengurangi.
Sisa jangan hanya dibuat tiga deck.
Pakai untuk customer interview.
Reflection.
Scenario.
Judgement.
Deep work.
Ini area manusia.
Jika semua waktu hemat diisi production, company gagal mengambil higher-order value.
Ironis.
AI seharusnya mengangkat orang dari routine ke thinking.
Tapi target volume bisa menarik kembali ke production.
Leadership menentukan.
Productivity bukan maximum busyness.
AI harus membantu memilih pekerjaan yang tidak perlu dilakukan
Ini mungkin antidote terbaik.
Setiap kali AI membuat task lebih mudah, tanya:
Perlu nggak task ini?
Karena easy task cenderung berkembang.
Report harian.
Summary semua meeting.
Analysis semua competitor.
Content semua channel.
Data berlimpah.
Attention tidak.
Perusahaan perlu deletion discipline.
Jangan generate hanya karena murah.
Information overload adalah beban.
AI bisa membuat.
AI juga bisa menyaring.
Gunakan untuk reduce.
“Dari 100 item, kasih lima yang perlu manusia.”
Itu leverage.
Bukan 100 output baru.
Measure sustainable productivity
Selain output, lihat:
Overtime.
After-hours activity.
Burnout survey.
Rework.
Queue.
Turnover.
Focus time.
Error.
Kalau productivity naik tapi overtime dan error juga naik, ada problem.
Maybe short-term push.
Not sustainable.
Human system punya limit.
Tech industry 2026 bahkan mulai melihat pembicaraan lebih terbuka tentang physical dan mental cost dari pace AI yang sangat tinggi.
Perusahaan biasa tidak perlu mengulang.
Productivity yang sustainable lebih valuable daripada sprint enam bulan lalu talent pergi.
AI tidak menghapus kebutuhan recovery.
Kapasitas manusia bukan cloud autoscaling.
Ada batas.
Pekerja juga perlu menetapkan boundary pribadi
Tidak semua tanggung jawab company.
Individu perlu belajar.
Jangan jalankan lima AI thread sekaligus hanya karena bisa.
Batch task.
Turn off notification.
Tetapkan finish.
Gunakan AI untuk mengurangi kerja, bukan mencari kerja tambahan terus.
Kalau selesai lebih cepat, tidak perlu merasa bersalah.
Tentu job expectation berbeda.
Tapi personal discipline matters.
Ambitious worker mudah masuk trap.
“Gue bisa lebih.”
Selalu.
Question:
Harus?
Career panjang.
Burnout mahal.
AI memberi leverage.
Leverage seharusnya memberi pilihan.
Bukan kewajiban menekan gas terus.
Produktivitas dan kesejahteraan bisa sama-sama naik
Tidak harus trade-off.
Ada studi 2026 pada pekerja Korea yang menemukan GenAI mengurangi working time rata-rata dalam sample mereka, sementara time saving tidak selalu menjadi output tambahan. Sebagian value muncul sebagai waktu lebih longgar di pekerjaan.
Ini juga value.
Tidak semua efficiency harus masuk GDP perusahaan.
Employee welfare matters.
Pekerja yang kurang capek bisa lebih kreatif.
Retention.
Quality.
Life.
Perusahaan mungkin tidak bisa monetisasi setiap menit.
Tidak apa.
Teknologi kerja idealnya memperbaiki kerja, bukan hanya angka.
Balance.
Jadi benar, AI bisa menaikkan produktivitas.
Banyak evidence.
Tapi tidak ada hukum bahwa productivity gain otomatis membuat beban turun.
Kalau organisasi mengisi setiap ruang kosong dengan task baru, beban malah naik.
Kalau role boundary melebar, naik.
Kalau review menumpuk, naik.
Kalau expectation speed naik, naik.
AI tidak menentukan bagaimana time saving dibagi.
Manusia dan perusahaan menentukan.
Mungkin pertanyaan terbaik setelah AI berhasil menghemat dua jam bukan:
“Kerjaan apa lagi yang bisa dimasukin?”
Tapi:
“Dua jam ini paling bernilai kalau dipakai untuk apa?”
Kadang jawabannya project baru.
Kadang learning.
Kadang quality.
Kadang pulang tepat waktu.
Productivity yang matang tahu bedanya.
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.