AI untuk Produktivitas Kerja: Mulai dari Workflow, Bukan Tool
Sekarang hampir setiap minggu ada tool AI baru yang terlihat menarik.
Ada yang membantu menulis. Ada yang merangkum meeting. Ada yang membuat presentasi, mencari informasi, menganalisis data, sampai mengotomatisasi pekerjaan.
Masalahnya, semakin banyak tool yang kita gunakan belum tentu membuat pekerjaan semakin sederhana.
Kadang yang terjadi justru sebaliknya.
Kita membuat draft di satu aplikasi, menyalinnya ke aplikasi lain, memeriksa hasilnya di tool berikutnya, lalu kembali lagi ke dokumen awal untuk merapikannya.
Kelihatannya canggih.
Tapi kalau langkah kerjanya justru bertambah, apakah kita benar-benar menjadi lebih produktif?
Menurut saya, AI untuk produktivitas kerja sebaiknya tidak dimulai dari pertanyaan “tool apa yang harus saya pakai?”, tetapi “bagian pekerjaan mana yang perlu dibuat lebih sederhana?”
Table of Contents
AI Bisa Menghemat Waktu, Tapi Tidak Otomatis Mengubah Seluruh Cara Kerja
Ada penelitian menarik yang cukup relevan dengan persoalan ini.
Dillon, Jaffe, Immorlica, dan Stanton melakukan randomized field experiment selama enam bulan terhadap 7.137 knowledge worker di 66 perusahaan.
Sebagian peserta mendapat akses ke generative AI yang terintegrasi langsung dengan aplikasi yang sudah mereka gunakan untuk email, meeting, dan penulisan.
Pada paruh kedua eksperimen, sekitar 80% pekerja pada kelompok treatment yang menggunakan tool tersebut menghabiskan sekitar dua jam lebih sedikit per minggu untuk email.
Namun, peneliti tidak menemukan perubahan yang terdeteksi pada jumlah maupun komposisi keseluruhan tugas kerja akibat pemberian AI pada level individu.
Temuan ini menarik karena menunjukkan dua hal sekaligus.
AI memang dapat membantu menghemat waktu pada bagian pekerjaan tertentu.
Tetapi memberi seseorang tool AI tidak otomatis membuat keseluruhan workflow mereka berubah.
Itu sebabnya saya melihat produktivitas AI bukan hanya sebagai persoalan kemampuan model.
Desain workflow tetap penting.
Catatan: penelitian tersebut menggunakan tool AI yang terintegrasi dengan aplikasi kerja. Beberapa penulis bekerja di Microsoft ketika studi dilakukan dan Microsoft merupakan pembuat M365 Copilot. NBER mencatat bahwa Microsoft meninjau paper terkait isu privasi, sementara penulis tetap memiliki diskresi penuh terhadap hasil dan estimasi yang dilaporkan.
Masalahnya Sering Bukan karena tool AI, tetapi Workflow
Bayangkan satu pekerjaan sederhana: membuat rangkuman hasil meeting.
Workflow pertama:
Meeting → buka AI → upload catatan → copy hasil → buka dokumen → paste → rapikan → kirim.
Lalu kita menambah tool lain.
Meeting → transcriber → AI summarizer → document tool → AI editor → copy → paste → cek ulang → kirim.
Secara teknologi, tool-nya bertambah.
Namun belum tentu friksi dalam pekerjaan berkurang.
Setiap kali berpindah aplikasi, kita juga membawa konteks dari satu tempat ke tempat lain.
Ada file yang harus dipindahkan.
Ada prompt yang harus ditulis ulang.
Ada output yang harus diperiksa.
Dan tetap ada keputusan yang membutuhkan manusia.
Konsep AI workflow sendiri pada dasarnya adalah penggunaan teknologi AI untuk mengotomatisasi atau menyederhanakan aktivitas dalam suatu rangkaian proses. AI bisa melakukan, mengoordinasikan, atau membantu bagian dari proses tersebut, baik secara otomatis maupun bersama manusia.
Jadi tujuan akhirnya bukan menambah AI ke setiap langkah.
Tujuannya adalah mengurangi pekerjaan yang sebenarnya tidak perlu kita lakukan secara manual.
3 Pertanyaan Sebelum Menambah Tool AI
Sebelum mencoba tool baru, saya lebih suka mulai dari pekerjaan yang sudah ada.
Ada tiga pertanyaan sederhana yang bisa digunakan.
1. Apa yang Berulang?
Cari pekerjaan yang dilakukan berulang dengan pola yang relatif sama.
Misalnya:
- merangkum laporan,
- membuat draft email rutin,
- merapikan catatan meeting,
- mengelompokkan data,
- membuat format dokumen yang sama,
- memindahkan informasi dari satu sistem ke sistem lain.
Pekerjaan seperti ini biasanya merupakan kandidat yang lebih masuk akal untuk dibantu AI atau automation.
Bukan berarti semuanya harus diotomatisasi.
Tapi kita sudah punya masalah yang jelas untuk diselesaikan.
2. Bagian Mana yang Paling Makan Waktu?
Tidak semua bagian workflow mempunyai dampak yang sama.
Mungkin membuat draft hanya membutuhkan lima menit, tetapi mencari dan menyusun informasi membutuhkan jauh lebih lama.
Kalau begitu, mempercepat pembuatan draft belum tentu memberikan dampak terbesar.
Cari bottleneck-nya.
Dalam bahasa sederhana: bagian mana yang membuat pekerjaan terasa tersendat?
Baru setelah itu kita mencari teknologi yang relevan.
3. Setelah Menggunakan AI, Apakah Langkah Kerjanya Berkurang?
Ini pertanyaan yang menurut saya paling penting.
Bandingkan:
Sebelum AI
Masalah → proses manual → hasil.
Dengan:
Sesudah AI
Masalah → AI 1 → copy → AI 2 → paste → AI 3 → edit manual → aplikasi lain → hasil.
Kalau jalur kedua jauh lebih panjang, kita perlu mengevaluasi lagi.
AI seharusnya mengurangi friksi.
Bukan sekadar memindahkan pekerjaan manual ke rangkaian aplikasi baru.
Integrasi Bisa Lebih Penting daripada Jumlah Tool
Salah satu alasan studi tadi menarik adalah karena AI ditempatkan langsung di aplikasi kerja yang sudah digunakan peserta.
Ini berbeda dengan workflow yang mengharuskan pengguna terus berpindah platform.
Integrasi memungkinkan AI bekerja lebih dekat dengan konteks pekerjaan.
Contohnya secara umum:
Daripada:
email → copy → AI → copy → email,
workflow yang lebih sederhana dapat berupa:
email → AI terintegrasi → review → kirim.
Meeting
Daripada:
recording → download → upload → transcribe → AI → copy → document,
workflow bisa dibuat:
meeting → transkripsi/rangkuman otomatis → review → action items.
Dokumen
Daripada memindahkan draft berkali-kali, AI dapat digunakan pada bagian yang memang membutuhkan bantuan:
outline → draft → review manusia.
Perlu diingat bahwa AI juga bisa membuat kesalahan. Karena itu, hasil AI tetap perlu diperiksa, terutama untuk informasi faktual, keputusan penting, data sensitif, atau pekerjaan yang berdampak pada orang lain. IBM juga mencatat kebutuhan human review sebagai salah satu tantangan dalam implementasi AI workflow.
AI Automation Bukan Berarti Semua Harus Otomatis
Ketika mulai membahas workflow, kita mudah tergoda melompat ke automation.
Padahal tidak semua pekerjaan membutuhkan automation penuh.
Ada tiga level sederhana yang bisa dibedakan.
AI sebagai Assistant
Manusia tetap melakukan pekerjaan utama.
AI membantu mempercepat bagian tertentu.
Contoh:
- brainstorming,
- membuat outline,
- merangkum,
- memperbaiki struktur tulisan,
- membantu menganalisis informasi.
AI di Dalam Workflow
AI menjadi salah satu bagian dari proses.
Contoh:
Form masuk → AI mengelompokkan → manusia memeriksa → data diteruskan.
AI + Automation
Beberapa langkah dapat berjalan otomatis berdasarkan aturan tertentu.
Contoh:
Data masuk → proses → klasifikasi → notifikasi → pencatatan.
Semakin tinggi level otomatisasinya, semakin penting pula menentukan:
- input,
- kondisi,
- exception,
- validation,
- human approval,
- dan apa yang terjadi jika proses gagal.
Jadi automation bukan soal membuat manusia hilang dari workflow.
Dalam banyak kasus, justru kita perlu menentukan di bagian mana manusia tetap harus mengambil keputusan.
Jangan Mulai dari “Tool AI Terbaik”
Saya cukup sering melihat pertanyaan:
“AI apa yang terbaik untuk produktivitas kerja?”
Menurut saya, tidak ada satu jawaban yang cocok untuk semua orang.
Tool terbaik untuk seseorang yang banyak mengolah spreadsheet belum tentu sama dengan orang yang pekerjaannya banyak meeting.
Tool yang cocok untuk developer belum tentu tepat untuk tim administrasi.
Begitu pula tool untuk content creator belum tentu sama dengan workflow IT Support.
Karena itu urutannya sebaiknya:
Pahami pekerjaan → temukan masalah → tentukan kebutuhan → baru pilih tool.
Bukan:
Temukan tool baru → lalu cari pekerjaan yang bisa dilakukan dengannya.
Perbedaannya terlihat kecil.
Tapi pendekatan pertama membuat teknologi menjadi solusi.
Pendekatan kedua sering membuat teknologi menjadi pekerjaan baru.
Bagaimana Saya Mengevaluasi Tool AI?
Ketika mencoba sebuah tool baru, ada beberapa pertanyaan yang menurut saya lebih berguna daripada sekadar melihat daftar fitur.
Apakah benar-benar menghemat langkah?
Kalau sebelumnya lima langkah menjadi tiga, ada manfaat yang cukup jelas.
Seberapa mudah masuk ke workflow yang sudah ada?
Semakin banyak data dan konteks yang harus dipindahkan manual, semakin besar friksinya.
Apakah output masih membutuhkan banyak perbaikan?
Kalau waktu yang dihemat oleh AI habis untuk memperbaiki hasilnya, manfaat produktivitasnya perlu dievaluasi lagi.
Apakah pekerjaannya memang perlu menggunakan AI?
Ada masalah yang cukup diselesaikan dengan:
- template,
- spreadsheet,
- rule,
- shortcut,
- script sederhana,
- atau automation biasa.
Tidak semua masalah membutuhkan AI.
Dan justru itu salah satu prinsip yang menurut saya penting ketika berbicara tentang AI untuk produktivitas kerja.
Ukur Produktivitas dari Workflow, Bukan Jumlah AI
Mudah sekali merasa produktif karena kita mencoba banyak teknologi.
Dashboard bertambah.
Subscription bertambah.
Tab browser bertambah.
Tetapi ukuran yang lebih berguna adalah:
- apakah pekerjaan selesai lebih cepat?
- apakah langkah manual berkurang?
- apakah kesalahan berkurang?
- apakah informasi lebih mudah ditemukan?
- apakah pekerjaan berulang bisa disederhanakan?
- apakah kita punya lebih banyak waktu untuk pekerjaan yang membutuhkan pemikiran manusia?
Kalau jawabannya iya, AI sudah memberikan nilai.
Kalau tidak, mungkin yang perlu diperbaiki bukan model AI-nya.
Mungkin workflow-nya.
Kesimpulan: Workflow Dulu, Tool Belakangan
AI punya potensi besar untuk membantu pekerjaan sehari-hari.
Riset juga menunjukkan bahwa AI yang terintegrasi ke aplikasi kerja dapat memberikan penghematan waktu pada aktivitas tertentu. Namun hasil yang sama juga mengingatkan bahwa akses ke AI tidak otomatis mengubah seluruh pola pekerjaan seseorang.
Karena itu saya memilih prinsip sederhana:
Workflow dulu, tool belakangan.
Mulai dengan melihat pekerjaan.
Cari bagian yang berulang.
Temukan bagian yang paling makan waktu.
Lihat langkah mana yang sebenarnya bisa dihilangkan atau dipersingkat.
Baru setelah itu pilih AI yang tepat.
Karena pada akhirnya, AI terbaik bukan selalu yang paling canggih atau yang punya fitur paling banyak.
AI terbaik adalah yang membuat pekerjaan kita menjadi lebih sederhana.
Kalau Anda melihat workflow kerja hari ini, AI apa yang benar-benar paling sering dipakai dan memang terasa menghemat waktu?
Referensi
Dillon, E. W., Jaffe, S., Immorlica, N., & Stanton, C. T. (2025). Shifting Work Patterns with Generative AI. NBER Working Paper No. 33795. Revised November 2025. DOI: 10.3386/w33795.
American Economic Association. Shifting Work Patterns with Generative AI. American Economic Review: Insights, forthcoming.
IBM. What is AI Workflow Automation? Updated March 26, 2026.