AI Kata Kerja Baru: Produktivitas atau Kekacauan?

Revolusi kita dalam kecerdasan buatan telah menghasilkan hasil yang tak terduga—sementara alat AI menawarkan janji pekerjaan yang lebih cepat dan lebih efisien, “kata-kata yang menggambarkan” di kantor modern telah berubah secara mendalam. Ini bukan hanya tentang kemampuan teknis; ini tentang budaya kerja yang sama sekali baru yang melibatkan jenis kecemasan dan stres yang berbeda.

Alat pemrograman AI seperti Claude Code dan Opus bukan hanya menjadi bantuan—mereka menjadi alat yang diharapkan yang mengukur keberhasilan dan kemampuan setiap karyawan. Tetapi kisah sebenarnya lebih rumit: sementara eksekutif puncak mengalami peningkatan produktivitas yang nyata, mayoritas tenaga kerja mengandalkan penghematan waktu kurang dari 2 jam per minggu, atau bahkan tidak sama sekali.

Bagaimana Para Eksekutif Menjadi ‘Pengadopsi Awal’ AI Coding

Revolusi dalam pemrograman AI dimulai dari atas. Chief Technology Officer Intuit, Alex Balazs, berbagi rutinitas paginya yang baru: dia mulai coding pukul 5 pagi, menggunakan agen AI untuk menghasilkan solusi yang selama bertahun-tahun tidak dia pelajari. “Seperti otak saya berubah,” katanya, merujuk pada saat dia mencoba Anthropic’s Opus 4.5 dan melihat bagaimana ini menyelesaikan tantangan rekayasa dalam 20 menit.

Antusiasme dari pimpinan ini menciptakan pesan kuat di organisasi: AI bukan pilihan, tetapi keharusan. CEO Arcade.dev, Alex Salazar, secara langsung meninjau seberapa jauh timnya menggunakan Claude Code, dan mengakhiri rapat dengan pengumuman bahwa “kalian belum cukup terlibat.” Strategi ini efektif—penggunaan alat AI perusahaan meningkat sepuluh kali lipat setelah inisiatif ini.

Manajer produk dan desainer di Intuit kini mengikuti “vibe coding”—pendekatan di mana mereka berinteraksi dengan AI untuk membuat prototipe kerja yang dapat mereka tunjukkan kepada insinyur. Secara kasat mata, ini memberdayakan. Secara kenyataan, ini menjadi lapisan harapan baru.

Pengukuran Baru: Dari Output ke ‘Jumlah Interaksi’

Perkembangan paling mengkhawatirkan adalah bagaimana perusahaan mengubah cara mengukur kinerja karyawan. Di DocuSketch, Wakil Presiden Produk, Andrew Wirick, berbagi metrik baru mereka: bukan hanya tentang kode yang selesai, tetapi tentang “jumlah interaksi” harian dengan alat AI.

“Semakin tinggi jumlahnya, semakin tinggi produktivitasnya,” asumsi implisitnya. Claude Code sendiri memberikan laporan mingguan kepada setiap insinyur, menunjukkan di mana mereka terjebak dalam percakapan tidak produktif dengan AI.

Masalahnya? “Kata-kata yang menggambarkan” ini menciptakan tekanan psikologis yang tidak terdengar. Wirick mengakui bahwa dia mengalami semacam dorongan compulsive: “Saya merasa harus melakukan lebih banyak interaksi setiap hari, bahkan sebelum tidur, saya masih memikirkan bagaimana membuat prompt lebih banyak.”

Sistem pengukuran ini menetapkan preseden—produktivitas tidak lagi diukur dari hasil, tetapi dari aktivitas.

Kelelahan AI: Tekanan Tak Terucap pada Insinyur

Studi UC Berkeley tentang organisasi dengan 200 karyawan mengungkap paradoks: meskipun AI mengambil sebagian besar pekerjaan teknis, jam kerja tidak berkurang—malah meningkat.

Istilah baru yang muncul untuk pengalaman ini adalah: “kelelahan AI,” “kecemasan adaptasi,” “takut usang terus-menerus.” Insinyur mengungkapkan kekhawatiran konstan bahwa mereka akan kehilangan terobosan berikutnya, dan setiap terobosan seolah selalu satu prompt lagi.

Data menunjukkan dengan jelas:

• 40% eksekutif tingkat C percaya mereka menghemat lebih dari 8 jam per minggu dengan AI
• 67% karyawan non-manajemen mengatakan mereka menghemat kurang dari 2 jam, atau bahkan tidak sama sekali
• Kesenjangan ini bukan kebetulan—ini adalah struktur

Paradoks Produktivitas: Lebih Banyak Kerja, Lebih Sedikit Makna

Para akademisi di Berkeley menyebut fenomena ini sebagai “task expansion”—ketika kolaborator non-teknis mulai menggunakan AI, insinyur menjadi bertanggung jawab untuk meninjau dan memelihara prototipe setengah jadi yang dibuat tim pemasaran dan manajer produk.

Hasilnya adalah tempat pembuangan besar dari apa yang disebut “busyware”: tweak kecil situs web tanpa keterlibatan pengguna, dashboard kustom dengan satu pengguna, prototipe yang ditinggalkan. Masing-masing memiliki justifikasi sah saat dibuat, tetapi kebanyakan berakhir sebagai utang teknis.

Balazs mengatakan bahwa produktivitas rekayasa meningkat 30% berdasarkan kecepatan kode, tetapi pertanyaan sebenarnya bukan lagi “Seberapa cepat kita bisa membuat?” melainkan “Kualitas apa yang kita hasilkan? Berapa banyak dari kode ini yang memiliki nilai jangka panjang?”

" Kata-kata yang menggambarkan" ini—productivity, efficiency, output—mulai memiliki makna baru yang jauh dari niat aslinya. Efisiensi bukan lagi tentang melakukan pekerjaan bermakna lebih cepat. Ini tentang melakukan lebih banyak pekerjaan, sekadar.

Titik Refleksi: Produktivitas sebagai Pengganti Tujuan

Saat kita terus menavigasi revolusi AI, pertanyaan penting bukanlah “Bagaimana kita memaksimalkan alat AI?” melainkan “Bagaimana kita menjaga pekerjaan bermakna di tengah obsesi terhadap produktivitas?”

“Kata-kata yang menggambarkan” yang mengelilingi kita—vibe coding, kelelahan AI, task expansion, busyware—adalah gejala dari perubahan budaya yang lebih dalam. Pengukuran keberhasilan kita menjadi tidak selaras dengan nilai-nilai kita yang sebenarnya.

Masa depan tidak terlihat dari coding yang lebih cepat atau lebih banyak interaksi. Masa depan terlihat dari bagaimana kita merancang ulang hubungan kita dengan pekerjaan—bagaimana kita merebut kembali ruang untuk produktivitas yang berorientasi pada tujuan, bukan sekadar tampilan aktivitas produktivitas.