Laporan Produktivitas Anthropic Diuji: Jam Agen AI, Nasib Pekerja, dan Klaim yang Melampaui Data

Pemeriksaan sumber: 24 Oktober 2026, WITA. Artikel ini membedakan temuan penelitian, keterangan perusahaan, kritik pihak luar, dan analisis redaksi. Contoh hitungan diberi label sebagai ilustrasi, bukan data internal yang berhasil kami peroleh.

Ada jarak yang besar antara AI membantu seseorang menyelesaikan pekerjaan dan AI menggantikan orang itu. Ada pula jarak antara lebih banyak kode dikirim, perangkat lunak menjadi lebih berguna, perusahaan memperoleh keuntungan, dan lapangan kerja menyusut. Perdebatan tentang Anthropic menjadi penting justru karena beberapa jarak itu mudah dilompati dalam satu judul.

Laporan perusahaan patut diperiksa dengan serius. Perusahaan memiliki akses ke aktivitas internal yang sulit dilihat peneliti luar. Namun, akses istimewa terhadap data tidak membuat setiap kesimpulan mengenai masa depan kerja otomatis benar. Tugas pembaca adalah menguji apakah ukuran, pembanding, dan cakupan kesimpulannya saling cocok.

Pemeriksaan ini menemukan alasan kuat untuk menolak pembacaan yang terlalu jauh: jam mesin tidak sebanding langsung dengan jam manusia; porsi rekrutmen bukan jumlah pekerja; kategori percakapan bukan pencatatan seluruh waktu kerja; dan hasil pada perusahaan pengembang AI tidak langsung berlaku bagi seluruh ekonomi. Pada saat yang sama, penelitian lain memang menunjukkan manfaat nyata AI untuk tugas tertentu. Mengkritik promosi berlebihan tidak memerlukan penyangkalan terhadap manfaat tersebut.

Kesimpulan awal kami jelas: laporan Anthropic merupakan bahan penelitian yang berguna, dengan keterbatasan penting untuk penafsiran kausal dan generalisasi. Bukti publik yang diperiksa belum cukup untuk menetapkan adanya pemalsuan data atau manipulasi yang disengaja. Tuduhan seperti itu membutuhkan pembuktian berbeda dari menunjukkan metrik yang lemah atau narasi yang terlalu optimistis.

1. Apa sebenarnya yang sedang dipersoalkan?

Liputan Guardian menyebut Julián Posada dan Dylan Baker mempertanyakan independensi serta gambaran kerja dalam laporan. ^[4] Untuk menilai keberatan semacam itu, kita perlu memisahkan pertanyaan yang sering tercampur: apakah data yang disajikan benar, apakah indikatornya mengukur hal yang dijanjikan, apakah perubahan disebabkan AI, dan apakah hasilnya berlaku di tempat lain.

Sebuah grafik dapat benar secara aritmetika tetapi tidak menjawab pertanyaan yang dibawa judul. Misalnya, jumlah keluaran dapat naik ketika ukuran setiap keluaran mengecil. Angka itu tetap nyata, tetapi belum menunjukkan kenaikan manfaat dengan besaran yang sama. Sebaliknya, metrik sederhana kadang cukup berguna untuk memulai penyelidikan, selama pembuatnya tidak mengklaim bahwa ukuran tersebut sudah merangkum seluruh pekerjaan.

Kepentingan komersial juga perlu ditempatkan secara tepat. Produsen AI memperoleh manfaat ketika publik percaya alatnya bernilai. Kepentingan itu memberi alasan meminta keterbukaan mengenai metode dan batas kesimpulan. Ia tidak membuktikan bahwa setiap peneliti perusahaan berbohong, bahwa seluruh hasilnya tidak berguna, atau bahwa kritik otomatis lebih benar karena datang dari luar.

Standar yang masuk akal berlaku dua arah. Pihak yang menyatakan AI sudah menggantikan pekerja perlu menunjukkan perpindahan tugas, perubahan kebutuhan tenaga, serta hasil akhirnya. Pihak yang menyatakan semua manfaat hanya pemasaran juga perlu menghadapi eksperimen yang menemukan peningkatan kinerja. Riset yang serius tidak memilih ambang pembuktian berdasarkan posisi yang paling kita sukai.

Dalam artikel ini, istilah hype dipakai untuk menggambarkan ketidakseimbangan antara keluasan janji dan kekuatan bukti. Istilah manipulasi data mempunyai muatan berbeda: mengubah, menyembunyikan, atau merekayasa informasi secara menyesatkan. Menemukan penjelasan alternatif terhadap kenaikan produktivitas belum membuktikan tindakan tersebut. Pembedaan ini menjaga kritik tetap tajam sekaligus dapat dipertanggungjawabkan.

Yang dipertaruhkan adalah keputusan nyata: perekrutan junior, penilaian kinerja, biaya alat, keselamatan produk, dan kesempatan belajar. Jika sebuah ukuran keliru dibaca, kerugiannya dapat menimpa orang yang tidak pernah ikut menyusun presentasi investor. Karena itu, kehati-hatian terhadap istilah bukan sikap lunak terhadap perusahaan. Ia adalah bagian dari menuntut bukti yang relevan dengan akibat keputusan.

2. Tiga laporan yang tanggal dan pertanyaannya berbeda

Halaman primer How employment is changing at Anthropic bertanggal 16 Oktober 2026. ^[1] Pada hari yang sama terbit laporan ekspektasi mengenai masa depan AI. ^[2] Keduanya perlu dibedakan dari studi perusahaan yang diterbitkan 2 Desember 2025, berdasarkan survei dan wawancara pada Agustus tahun itu. ^[3]

Tanggal publikasi, tanggal pengumpulan data, dan tanggal peristiwa merupakan tiga hal berbeda. Sebuah penelitian yang terbit bulan ini dapat memakai data yang berakhir bertahun-tahun sebelumnya. Itu tidak membuatnya salah, tetapi menentukan pertanyaan yang dapat dijawab. Ketika alat berubah cepat, pembaca perlu mengetahui generasi teknologi yang benar-benar diuji.

Kesalahan kronologi juga dapat menghasilkan perubahan semu. Kita tidak dapat membandingkan dua angka survei seolah berasal dari panel orang yang sama jika sampel, rumusan pertanyaan, atau cakupan pekerja berbeda. Angka kedua yang lebih tinggi bisa mencerminkan perubahan komposisi responden, perubahan definisi, atau perubahan perilaku. Semua kemungkinan itu perlu dipisahkan sebelum menyimpulkan arah perkembangan.

Ada manfaat praktis dari menyusun urutan dokumen. Pembaca dapat melihat apakah sebuah kekhawatiran baru muncul setelah kritik publik atau sudah diakui dalam penelitian perusahaan sebelumnya. Kita juga dapat memeriksa apakah narasi pemberitaan mengikuti pembaruan metode, atau masih mengulang temuan lama yang kondisi pengujiannya sudah berubah.

Artikel ini memakai tanggal yang tercantum pada sumber primer ketika menentukan identitas laporan. Tautan awal yang mengarah ke berita peretasan PHP tidak dipakai sebagai dasar klaim produktivitas. Perbedaan topik tersebut penting: bukti otomatisasi dalam operasi siber tidak membuktikan besaran manfaat ekonomi di kantor, meskipun kedua perdebatan sama-sama memakai istilah agen AI.

3. Kamus kecil: tugas, pekerjaan, keluaran, dan nilai

Sebuah pekerjaan merupakan kumpulan kegiatan, tanggung jawab, hubungan, dan keputusan. Menulis potongan program bisa menjadi salah satu tugas pengembang. Menentukan perilaku produk, menyelesaikan perbedaan kebutuhan, memelihara layanan, dan menjelaskan konsekuensi perubahan merupakan tugas lain. Mengotomatisasi sebagian kegiatan tidak langsung menghapus seluruh paket tanggung jawab tersebut.

Keluaran adalah sesuatu yang dihasilkan: kode, dokumen, respons pelanggan, kontrak yang diproses. Hasil mengacu pada perubahan yang terjadi karena keluaran: masalah pelanggan selesai, layanan lebih andal, atau risiko berkurang. Nilai menambahkan penilaian mengenai manfaat relatif terhadap biaya dan tujuan. Ketiganya dapat bergerak dengan kecepatan berbeda.

Bayangkan sebuah tim menghasilkan dua kali lebih banyak rancangan fitur, tetapi pengguna hanya memerlukan satu perbaikan kecil. Produksi rancangan meningkat, sementara manfaat tambahan mungkin rendah. Sebaliknya, sebuah keputusan menghapus fitur berbahaya bisa menghasilkan lebih sedikit kode sekaligus mencegah kerugian besar. Contoh tersebut menunjukkan mengapa aktivitas yang terlihat belum mencakup seluruh kontribusi.

Kerangka SPACE menempatkan produktivitas pengembang dalam beberapa dimensi, termasuk kinerja, aktivitas, komunikasi, kepuasan, serta efisiensi dan aliran kerja. Penulisnya menolak penggunaan satu metrik sebagai representasi lengkap. ^[5] Kerangka itu tidak memberi rumus ajaib untuk menjumlahkan semuanya, tetapi menyediakan pengingat agar aspek yang mudah dihitung tidak menyingkirkan aspek yang menentukan mutu.

Dalam konteks agen, kita juga perlu membedakan bantuan, delegasi, dan tanggung jawab. AI dapat menghasilkan draf hampir seluruhnya, sementara manusia tetap memeriksa keputusan yang membuat draf itu layak digunakan. Porsi pengetikan yang berpindah ke mesin tidak selalu sama dengan porsi pengetahuan atau risiko yang berpindah. Persentase otomatisasi harus menyebut kegiatan apa yang menjadi penyebutnya.

Pemisahan istilah ini membantu pembaca menghadapi judul yang terlalu padat. Ketika ada klaim kenaikan produktivitas, pertanyaan pertama bukan apakah kita menyukai AI, melainkan apa yang diukur dan dibandingkan dengan apa. Jawaban yang jelas sering langsung mempersempit perdebatan dari pertarungan keyakinan menjadi pertanyaan empiris yang dapat diuji.

4. Data internal berharga karena rinci, tetapi batas aksesnya nyata

Penelitian perusahaan bisa menghubungkan jejak penggunaan alat dengan aktivitas kerja yang tidak tersedia di survei publik. Kelebihannya adalah kedekatan pada proses. Namun, pembaca luar perlu menilai seberapa banyak definisi, prosedur pembersihan, dan hasil pemeriksaan yang dibuka. Transparansi bukan hanya menyediakan gambar; ia juga menjelaskan bagaimana gambar itu terbentuk.

Menggabungkan catatan aktivitas dan wawancara dapat memperkaya penjelasan mengenai cara kerja. Nilai setiap jenis bahan berbeda. Log dapat menunjukkan bahwa suatu sesi terjadi, tetapi tidak selalu menjelaskan tujuan organisasi. Wawancara dapat mengungkap pengalaman dan mekanisme, tetapi tidak dengan sendirinya mengukur seberapa umum pengalaman tersebut di seluruh perusahaan.

Pertanyaan auditnya dapat dibuat konkret. Siapa yang masuk sampel? Apakah pegawai yang keluar tetap terlihat? Bagaimana pekerja baru diperlakukan? Apakah sesi gagal dicatat bersama sesi berhasil? Apakah kerja vendor tercakup? Apakah indikator keluaran telah berubah cara pengumpulannya? Jawaban atas pertanyaan ini lebih berguna daripada penilaian umum bahwa data internal pasti kaya atau pasti bias.

Keterbatasan akses tidak harus diselesaikan dengan memublikasikan percakapan pribadi atau kode rahasia. Alternatifnya antara lain kamus variabel, data agregat yang memadai, kode analisis yang dapat diperiksa, audit di lingkungan aman, serta penjelasan mengenai bagian yang tidak dapat dibuka. Privasi dan keterujian memerlukan rancangan, bukan pilihan salah satu secara mutlak.

Satu laporan juga dapat menjalankan beberapa fungsi sekaligus: penelitian, komunikasi kebijakan, penjelasan budaya kerja, dan promosi kemampuan produk. Fungsi ganda tersebut membuat penandaan jenis klaim menjadi semakin penting. Bagian deskriptif dapat kuat, sementara saran untuk seluruh pasar kerja jauh lebih spekulatif. Kita perlu menguji masing-masing bagian, bukan memberi satu nilai benar atau salah untuk seluruh dokumen.

Batas yang kami pertahankan adalah tidak mengaku telah mengaudit data privat. Artikel ini memeriksa bahan terbuka dan kelayakan inferensinya. Jika ada penilaian mengenai analisis yang sebaiknya ditambahkan, itu merupakan usulan pengujian. Ia tidak berarti kami sudah menjalankan ulang regresi perusahaan atau menemukan hasil rahasia yang bertentangan.

5. Porsi rekrutmen junior turun: temuan penting, pertanyaan berikutnya berbeda

Anthropic melaporkan porsi perekrutan teknis junior turun dari 27% menjadi 9%. ^[1] Perubahan komposisi seperti itu relevan bagi akses masuk profesi. Namun, ia belum menjawab apakah jumlah junior yang direkrut turun dengan besaran sama, apakah jumlah keseluruhan perekrutan berubah, atau mengapa komposisinya bergeser.

Perusahaan yang sedang membangun fungsi baru dapat merekrut banyak staf senior untuk menyiapkan struktur organisasi. Porsi junior akan turun meskipun perekrutan junior bertahan. Perusahaan juga dapat memperlambat semua rekrutmen, tetapi mengurangi jalur pemula lebih dalam. Kedua keadaan menghasilkan cerita tenaga kerja yang berbeda dan membutuhkan pembilang serta penyebut untuk dibedakan.

Perspektif pelamar juga berbeda dari perspektif pegawai yang sudah bekerja. Kesempatan kerja dapat menyempit melalui posisi yang tidak pernah dibuka, bukan hanya melalui surat pemutusan kerja. Menghitung PHK saja dapat melewatkan perubahan penting pada pintu masuk karier. Sebaliknya, penurunan porsi junior pada satu perusahaan tidak langsung menunjukkan bahwa seluruh pelamar di semua industri mengalami kondisi sama.

Pertanyaan mengenai mekanisme membutuhkan informasi tambahan: perubahan standar perekrutan, kebutuhan pengalaman, anggaran, pertumbuhan produk, serta tugas yang dialihkan ke alat. Keterangan manajer membantu memahami alasan keputusan, tetapi keputusan yang dikaitkan dengan AI oleh pelakunya tetap perlu dibandingkan dengan kondisi bisnis lain. Orang dapat menjelaskan keputusan kompleks menggunakan satu alasan yang paling menonjol.

Untuk menilai dampak jangka panjang, kita perlu mengikuti apa yang terjadi pada orang yang tidak masuk perusahaan tersebut. Apakah mereka memperoleh pekerjaan setara di tempat lain, menerima upah lebih rendah, mengambil pekerjaan berbeda, atau menunda masuk pasar kerja? Data satu perusahaan tidak melihat semua jalur tersebut. Dampak organisasi dan dampak sosial mempunyai batas pengamatan berbeda.

Temuan tentang komposisi rekrutmen karena itu layak menjadi alarm untuk penyelidikan, tanpa diubah menjadi bukti tunggal penggantian manusia. Respons yang tepat adalah membuka statistik aliran masuk yang lebih lengkap, menjelaskan perubahan kebutuhan keterampilan, dan memeriksa apakah jalur pembentukan pengalaman masih tersedia. Judul tentang pekerjaan masa depan seharusnya berangkat dari pertanyaan-pertanyaan tersebut.

6. Persentase bisa menipu tanpa ada satu angka pun yang dipalsukan

Ilustrasi aritmetika, bukan data Anthropic: perusahaan A merekrut 100 orang, termasuk 27 junior. Pada periode berikutnya ia merekrut 300 orang, termasuk 27 junior. Porsi junior turun dari 27% menjadi 9%, sedangkan jumlah junior tetap 27. Jika rekrutmen total berikutnya hanya 100, porsi 9% berarti sembilan junior. Persentase yang sama dapat menyembunyikan jumlah yang sangat berbeda.

Perubahan dari 27% menjadi 9% merupakan penurunan 18 poin persentase. Secara relatif, porsinya menyusut sekitar dua pertiga. Dua penyebutan itu benar secara hitungan, tetapi mengomunikasikan hal berbeda. Mengatakan turun 18% tanpa menjelaskan satuan dapat membuat pembaca memahami besaran yang keliru.

Kekeliruan serupa terjadi saat membaca komposisi pegawai aktif. Jumlah pada satu waktu merupakan hasil perekrutan, keluarnya pegawai, perpindahan fungsi, dan perubahan jenjang. Junior yang dipromosikan menjadi senior mengurangi porsi junior tanpa menjadi korban kehilangan kerja. Namun, promosi pegawai lama tidak menyelesaikan pertanyaan apakah kesempatan bagi angkatan baru menyempit.

Pembaca dapat meminta tabel yang memisahkan stok dan aliran. Stok adalah jumlah pegawai menurut jenjang pada tanggal tertentu. Aliran mencakup perekrutan, promosi, perpindahan, dan keluar selama periode. Dengan pemisahan ini, organisasi tidak dapat memakai kenaikan total pegawai untuk otomatis menepis masalah rekrutmen pemula, atau memakai penurunan satu porsi untuk menyatakan seluruh tenaga menyusut.

Contoh ini juga menunjukkan mengapa dugaan manipulasi harus hati-hati. Penyajian persentase dapat dipilih karena relevan dengan pertanyaan komposisi. Masalah muncul ketika bahasa di sekitarnya mengundang kesimpulan mengenai jumlah yang tidak disajikan. Kritik yang tepat meminta angka pelengkap dan memperbaiki kalimat kesimpulan. Tuduhan bahwa penyusunnya sengaja menyembunyikan jumlah membutuhkan bukti tambahan mengenai tindakan dan konteksnya.

7. Jam agen enam banding satu bukan enam pekerja pengganti

Rasio enam banding satu memakai runtime agen dan asumsi 40 jam kerja pegawai per minggu; penantian di atas 30 menit dikeluarkan. ^[1]

Perbedaan definisi itu menentukan interpretasi. Jam manusia merupakan alokasi waktu seseorang. Jam agen dapat dijumlahkan dari banyak proses yang berjalan bersamaan. Menjalankan sepuluh proses selama satu jam menghasilkan sepuluh jam proses, meskipun satu orang mengawasinya pada jam kalender yang sama. Penjumlahan tersebut berguna untuk mengukur aktivitas komputasi, tetapi tidak langsung menunjukkan tenaga manusia yang tidak lagi diperlukan.

Ilustrasi: satu analis mengirim sepuluh agen untuk menelusuri pilihan yang sama. Semua bekerja selama satu jam, lalu hanya satu hasil dipakai. Sistem mencatat sepuluh jam runtime. Untuk menilai manfaat, kita perlu mengetahui mutu hasil terpilih, waktu pengawasan, biaya sepuluh percobaan, dan waktu yang dibutuhkan analis tanpa alat. Sembilan jalur yang tidak dipakai mungkin tetap bernilai sebagai eksplorasi, tetapi tidak boleh dihitung seolah sepuluh keputusan berguna telah selesai.

Asumsi jam manusia juga perlu diperhatikan. Jika jam aktual berbeda dari asumsi tetap, rasio berubah walaupun aktivitas agen sama. Perbandingan antardepartemen dapat turut dipengaruhi jenis pekerjaan dan cara alat digunakan. Departemen yang banyak melakukan komputasi paralel tidak otomatis lebih produktif secara bisnis daripada departemen yang lebih banyak bernegosiasi dengan pelanggan.

Rasio ini tetap dapat menyampaikan sesuatu yang penting: organisasi menjalankan lebih banyak aktivitas mesin relatif terhadap kapasitas perhatian manusia. Konsekuensi organisasionalnya dapat berupa kebutuhan untuk memilih, menyaring, dan mengoordinasikan hasil. Namun, untuk menerjemahkannya menjadi substitusi pekerja, dibutuhkan hubungan tambahan antara runtime, keluaran layak pakai, kebutuhan tenaga, dan biaya total.

Bagi pembuat kebijakan, satuan yang sebanding lebih berharga daripada rasio yang dramatis. Pertanyaan yang layak adalah berapa pekerjaan dengan standar mutu tertentu dapat selesai per jam tenaga dan per rupiah biaya. Jam proses merupakan salah satu masukan untuk menjawabnya. Ia belum menjadi jawaban tentang jumlah orang yang akan kehilangan nafkah.

8. Paralelisme membuat pekerjaan lebih cepat sekaligus pengukuran lebih sulit

Dalam kerja berurutan, waktu penyelesaian sebuah tugas sering cukup mudah dicatat. Dalam kerja paralel, seorang pegawai dapat menunggu satu agen sambil memeriksa agen lain, menghadiri rapat, atau melakukan pekerjaan berbeda. Mengalokasikan seluruh waktu tersebut ke satu tugas akan melebihkan biaya. Mengalokasikan hanya waktu mengetik prompt akan mengecilkan biaya pengawasan dan pemulihan konteks.

Karena itu, pengukuran sebaiknya membedakan tiga lapisan: waktu kalender sampai pekerjaan selesai, waktu aktif manusia, dan jumlah runtime mesin. Waktu kalender penting bagi pelanggan yang menunggu. Waktu manusia penting bagi kapasitas tenaga. Runtime mesin penting bagi biaya komputasi dan skala proses. Tidak ada alasan ketiganya harus turun atau naik bersama.

Ilustrasi redaksi: tugas yang dahulu memerlukan empat jam manusia dapat selesai dalam dua jam kalender dengan enam jam agen dan satu jam manusia. Itu dapat menjadi hasil yang sangat baik jika mutunya setara dan biayanya masuk akal. Tetapi jika tugas tersebut membutuhkan lima jam pemeriksaan tambahan pada hari berikutnya, catatan sesi awal akan memberi gambaran yang berbeda dari biaya keseluruhan.

Ada pula pekerjaan yang baru mungkin dilakukan setelah komputasi menjadi murah. Dalam keadaan ini, pembandingnya bukan selalu waktu manusia yang nyata-nyata dahulu dihabiskan. Sebagian keluaran mungkin tidak akan dibuat tanpa AI. Nilainya bisa tinggi, tetapi menyebut seluruh waktu hipotetis untuk membuatnya secara manual sebagai penghematan aktual akan melebihkan pengurangan beban yang benar-benar terjadi.

Pengukuran yang berguna mengikuti pekerjaan sampai mencapai kondisi selesai yang disepakati. Apakah hasilnya hanya draf, sudah ditinjau, sudah digunakan, atau sudah bertahan beberapa waktu tanpa kegagalan? Titik akhir yang berbeda menghasilkan estimasi berbeda. Tim perlu memilih titik akhir berdasarkan tujuan, bukan berdasarkan tahap yang paling mudah memberi angka besar.

Kesulitan ini tidak unik pada Anthropic dan tidak berarti pengukuran mustahil. Ia berarti desain penelitian harus mengikuti perubahan proses kerja. Ketika alat berpindah dari pelengkap pengetikan menjadi sistem yang mengerjakan banyak cabang sekaligus, pencatatan waktu yang dahulu memadai perlu diperbarui. Kejujuran metodologis dimulai dari mengakui perubahan satuan tersebut.

9. Lebih banyak commit dapat berarti lebih banyak pekerjaan, atau pekerjaan yang dipotong berbeda

Commit adalah satuan penyimpanan perubahan kode. Ukurannya bergantung pada kebiasaan tim, alat, dan kebijakan peninjauan. Satu perubahan besar dapat disimpan sebagai satu commit atau banyak commit kecil. Karena itu, kenaikan jumlah commit tidak memiliki konversi tetap menjadi kenaikan fungsi, manfaat pengguna, atau kualitas perangkat lunak.

Menjadikan commit sebagai indikator awal tetap masuk akal apabila kebiasaan pencatatannya relatif stabil dan hasilnya diperiksa dengan ukuran lain. Masalahnya adalah ketika alat AI sekaligus mengubah kebiasaan memecah pekerjaan, membuat tes, atau menyimpan perubahan. Dalam keadaan itu, indikator dapat bergerak karena perubahan proses pencatatan, bukan hanya karena kenaikan kapasitas menyelesaikan masalah.

Jumlah baris kode memiliki keterbatasan berbeda. Program yang lebih ringkas kadang lebih baik, sementara tambahan besar dapat sekadar kode hasil generasi atau pengulangan. Menghapus kode yang tidak perlu bisa mengurangi beban pemeliharaan. Penilaian produktivitas yang menghukum pengurangan kode akan mendorong perilaku yang bertentangan dengan tujuan menjaga sistem tetap sederhana.

Analisis yang lebih kuat menghubungkan perubahan kode dengan pekerjaan yang diterima pengguna atau pemilik layanan. Misalnya, apakah persoalan yang ditugaskan selesai, apakah pengujian relevan berhasil, apakah perubahan dapat dirawat, dan apakah layanan tetap stabil. Tidak semua ukuran itu dapat digabung menjadi satu skor, tetapi kombinasi mereka mencegah satu indikator aktivitas memonopoli kesimpulan.

Perlu pula memisahkan volume dari komposisi. Tim mungkin menghasilkan lebih banyak tes, dokumentasi, atau prototipe. Keluaran tersebut dapat bernilai walaupun tidak langsung menambah fitur. Sebaliknya, lebih banyak fitur belum tentu prioritas yang tepat ketika sistem membutuhkan perbaikan keandalan. Produktivitas selalu berkaitan dengan tujuan pekerjaan, bukan hanya jumlah benda yang dapat dihitung.

Pelajaran bagi pembaca laporan cukup praktis: mintalah nama indikatornya, jangan hanya label produktivitas. Kalimat bahwa suatu ukuran aktivitas meningkat memberikan ruang untuk penilaian. Kalimat bahwa kemampuan ekonomi meningkat dengan besaran identik menuntut pembuktian yang lebih luas. Ketepatan istilah membantu kita menghargai perubahan nyata tanpa memberi makna yang tidak diukur.

10. Kualitas perangkat lunak tidak selesai diperiksa ketika kode tidak dibatalkan

Proksi mutu Anthropic mencakup penghapusan dalam 90 hari, pembatalan commit, dan penanda kode atau tes. ^[1] Itu lebih informatif daripada menghitung keluaran saja. Namun, proksi yang teramati tidak mencakup seluruh cara sebuah perubahan dapat bermasalah.

Sebuah bug dapat muncul hanya pada kondisi langka, pada pelanggan tertentu, atau setelah interaksi dengan perubahan lain. Kelemahan keamanan bisa belum diketahui selama masa pengamatan. Struktur yang sulit dirawat mungkin baru terasa ketika tim lain perlu mengubahnya. Tidak adanya pengembalian perubahan dalam suatu jendela waktu karena itu belum merupakan sertifikat bahwa semua dimensi mutu setara.

Di sisi lain, perubahan yang dihapus tidak selalu buruk. Kode dapat dihilangkan karena kebutuhan produk berubah, sebuah eksperimen berakhir, atau rancangan yang lebih sederhana ditemukan. Menggunakan setiap penghapusan sebagai kesalahan juga berisiko memberi penilaian keliru. Proksi perlu diuji terhadap contoh yang telah ditinjau, supaya maknanya tidak hanya diasumsikan.

Perbandingan mutu yang lebih kuat dapat memadukan audit buta pada sampel perubahan, pengujian yang relevan dengan kebutuhan, kejadian produksi, biaya pemeliharaan, serta dampak pengguna. Setiap pendekatan punya kelemahan: audit membutuhkan waktu, insiden jarang, dan hubungan suatu masalah dengan satu commit bisa kabur. Justru karena tidak ada ukuran sempurna, memakai beberapa sudut lebih masuk akal.

Ada persoalan keterlambatan yang harus dijelaskan. Laporan cepat membantu merespons teknologi yang bergerak, tetapi sebagian dampak membutuhkan waktu untuk terlihat. Kita tidak harus menunggu bertahun-tahun sebelum menyampaikan hasil awal. Kita perlu menyebut jendela pengamatan dan berjanji memperbarui kesimpulan ketika informasi yang tertunda mulai tersedia.

Batas yang tepat berbunyi bahwa pada indikator dan masa pengamatan tertentu, penelitian tidak menemukan perbedaan tertentu. Pembacaan bahwa AI sudah terbukti menghasilkan perangkat lunak sama aman dan sama mudah dirawat di segala keadaan jauh lebih luas. Kritik terhadap lompatan tersebut tidak menghapus temuan awal; ia menjaga temuan itu berada pada ukuran yang benar-benar diperiksa.

11. Anthropic sudah mencoba pembanding, sehingga kritik ‘hanya sebelum dan sesudah’ kurang tepat

Pembandingnya 192 pengembang pengadopsi dan 74 bukan pengadopsi, dengan pengendalian individu serta bulan; adopsi tidak acak. ^[1] Ini perlu disebut agar kritik tidak menyerang rancangan yang lebih sederhana daripada rancangan yang sebenarnya dipakai.

Mengikuti orang yang sama membantu mengurangi pengaruh perbedaan yang relatif tetap, seperti pengalaman dasar atau kebiasaan kerja. Membandingkan bulan yang sama membantu mengurangi pengaruh perubahan yang dialami perusahaan secara bersamaan. Kedua langkah ini memperbaiki perbandingan, tetapi tidak otomatis menghilangkan perubahan yang berbeda antarorang pada saat adopsi.

Misalnya, seorang pengembang dapat mulai memakai alat ketika proyek besarnya memasuki tahap implementasi. Kenaikan keluaran kemudian mencerminkan campuran alat baru dan perubahan tahap proyek. Pengendalian identitas orang tidak menghapus perubahan tahap tersebut, karena tahapnya berubah sepanjang waktu. Pengendalian bulan perusahaan juga tidak menghapusnya jika hanya sebagian pengembang mengalami peralihan yang sama.

Ada pula kemungkinan arah keputusan berbalik. Orang yang sudah melihat kesempatan menghasilkan lebih banyak keluaran bisa lebih terdorong mencoba agen. Dalam kasus itu, adopsi tidak sepenuhnya mendahului peluang. Menunjukkan bahwa hasil naik sesudah penggunaan merupakan bagian penting bukti, tetapi belum cukup jika proses pemilihan pengguna berhubungan dengan kenaikan yang akan terjadi.

Penilaian yang adil menyatakan dua hal bersamaan: perusahaan melakukan lebih dari sekadar menempelkan dua angka, dan kesimpulan kausalnya tetap membutuhkan asumsi. Menyebut pengendalian statistik tidak relevan akan meremehkan upaya metode. Menyebutnya jaminan sebab-akibat akan meremehkan masalah pemilihan. Kekuatan penelitian berada pada seberapa masuk akal asumsi tersebut serta seberapa banyak pengujian pendukungnya.

Untuk pembaca nonteknis, inti pertanyaannya sederhana: apakah orang pembanding memberi gambaran yang layak tentang apa yang akan terjadi pada pengguna jika alat tidak diadopsi? Jika jawabannya belum pasti, estimasi tetap informatif tetapi perlu dibaca dengan ketidakpastian yang sesuai. Grafik yang rapi tidak dapat menggantikan jawaban atas pertanyaan tersebut.

12. Bagaimana menguji sebab-akibat tanpa menjadikan istilah statistik sebagai mantra?

Dalam desain perbandingan perubahan, kita mencoba memperkirakan apa yang tidak terlihat: keadaan pengguna alat jika mereka tidak memakai alat itu. Penelitian Callaway dan Sant’Anna menjelaskan bagaimana adopsi pada waktu berbeda perlu dianalisis dengan perhatian pada kelompok, periode, serta asumsi perkembangan pembanding. ^[7] Kerangka umum ini bukan bukti bahwa regresi Anthropic pasti salah.

Salah satu pemeriksaan penting adalah pola sebelum adopsi. Jika kelompok yang kemudian memakai alat sudah bergerak lebih cepat sebelum alat dipakai, sebagian perbedaan sesudahnya mungkin melanjutkan pola lama. Jika sebelumnya tampak serupa, keyakinan terhadap pembanding dapat meningkat. Namun, kesamaan yang terlihat pada beberapa periode juga tidak membuktikan bahwa semua perubahan berikutnya pasti disebabkan perlakuan.

Pengujian lain dapat mengubah definisi awal adopsi, membedakan pengguna ringan dan berat, mengikuti jenis tugas, serta memeriksa hasil yang seharusnya tidak langsung berubah. Kepekaan hasil terhadap pilihan tersebut membantu memahami seberapa rapuh kesimpulannya. Analisis yang stabil pada beberapa spesifikasi masuk akal lebih meyakinkan daripada satu angka yang dipilih tanpa penjelasan.

Dalam adopsi bertahap, peneliti juga perlu menjelaskan siapa menjadi pembanding bagi siapa. Menggunakan kelompok yang sudah lama memakai alat sebagai pembanding kelompok baru dapat menimbulkan masalah bila manfaat berubah mengikuti pengalaman. Pemeriksaan yang relevan meliputi estimasi menurut kelompok waktu adopsi dan perkembangan dampak setelah adopsi. Pembaca perlu melihat penerapan sebenarnya sebelum menyatakan masalah tersebut terjadi pada satu laporan tertentu.

Eksperimen acak dapat membantu, tetapi mempunyai batas operasional. Orang mungkin tidak mengikuti penugasan, berbagi hasil dengan rekan, atau memilih tugas berbeda ketika mengetahui alat tersedia. Eksperimen perlu mencatat kepatuhan, perpindahan informasi, dan perubahan mutu hasil. Label acak meningkatkan kekuatan rancangan pada pertanyaan tertentu; ia tidak menghapus kebutuhan memahami lingkungan kerja.

Hasil audit metode yang baik berupa peta keyakinan: bagian mana cukup kuat, asumsi mana masih berat, dan data tambahan apa yang paling membantu. Tujuannya tidak harus menghasilkan vonis tunggal. Ketika keputusan ketenagakerjaan mempunyai akibat besar, pemisahan keyakinan seperti ini lebih berguna daripada mengubah kata korelasi menjadi ejekan atau kata eksperimen menjadi stempel tanpa batas.

13. Angka 22% mengukur kategori sesi, bukan seluruh waktu kerja

Angka 22% pada laporan utama adalah porsi sesi interaktif yang tergolong meta-work, berdasarkan pengodean otomatis atas 2.000 ringkasan percakapan. Angka pembandingnya 10%. Kategorinya mencakup pekerjaan merencanakan, meninjau, dan mengelola agen. ^[1] Itu tidak setara dengan catatan bahwa pekerja memakai 22% seluruh waktunya untuk membetulkan kesalahan AI.

Perbedaannya dapat dijelaskan melalui satuan. Sesi adalah unit interaksi, sementara jam adalah unit waktu. Sepuluh sesi pendek dapat memakan waktu lebih sedikit daripada satu sesi panjang. Jika penelitian menghitung porsi sesi, pembaca tidak boleh diam-diam mengubah setiap sesi menjadi durasi yang sama. Terlebih lagi, aktivitas di luar alat tidak otomatis muncul dalam catatan percakapan.

Kategori pengelolaan juga lebih luas daripada koreksi kesalahan. Menyusun spesifikasi, membuat dashboard, memilih hasil, dan membangun alur peninjauan merupakan kegiatan berbeda. Sebagian mungkin biaya tambahan penggunaan agen. Sebagian dapat menggantikan koordinasi yang dahulu dilakukan melalui saluran lain. Tanpa pemetaan kegiatan sebelum dan sesudah, seluruh kategori itu tidak dapat dianggap beban baru yang sama sekali tidak menghasilkan nilai.

Ada pertanyaan valid mengenai ketepatan pengodean otomatis. Bagaimana kategori didefinisikan? Apakah ringkasan satu baris menyimpan konteks cukup? Apakah pengode manusia memeriksa sampel? Bagaimana ketidaksepakatan ditangani? Pertanyaan itu berlaku bagi analisis percakapan perusahaan maupun penelitian luar yang memakai model untuk mengklasifikasikan pekerjaan.

Jika ringkasan menyebut memperbaiki alur agen, kegiatan sebenarnya dapat mencakup desain sistem, debugging, atau sekadar mengubah instruksi. Kategori yang terlalu lebar akan mengaburkan mekanisme. Sebaliknya, kategori yang sangat rinci dapat sulit diklasifikasikan konsisten. Rancangan pengukuran perlu menyeimbangkan detail dan keandalan, serta menunjukkan contoh yang cukup untuk menilai batas antarjenis kegiatan.

Koreksi terhadap angka ini sangat menentukan judul. Penelitian memberi alasan membahas tumbuhnya pekerjaan mengelola alat. Ia belum menyediakan satu persentase tunggal beban koreksi manusia secara keseluruhan. Jika media ingin menyatakan bahwa pekerjaan memeriksa kesalahan melonjak tajam, diperlukan ukuran yang memang membandingkan waktu atau volume koreksi dengan definisi yang konsisten.

14. Membaca keluaran, menunggu jawaban, dan berpikir bukan kegiatan yang sama

Tumpukan teks dapat menjadi beban nyata, tetapi jumlah kata yang dihasilkan alat tidak sama dengan jumlah kata yang dibaca manusia. Seseorang dapat meminta ringkasan, memeriksa bagian tertentu, atau membuang hasil yang tidak relevan. Perkiraan waktu membaca seluruh keluaran merupakan ukuran potensi tuntutan perhatian, bukan otomatis catatan waktu yang benar-benar dihabiskan.

Penantian sesi juga perlu dipisahkan dari penantian pekerja. Agen yang menunggu masukan manusia mungkin sedang tidak aktif sementara manusia mengerjakan hal lain. Manusia yang menunggu keluaran agen juga dapat melakukan tugas lain atau kehilangan fokus. Kedua jenis penantian mempunyai konsekuensi berbeda dan tidak dapat disimpulkan hanya dari satu persentase waktu sesi.

Kerangka DevEx menyoroti tiga unsur yang membantu membaca masalah ini: umpan balik, beban kognitif, dan keadaan fokus. ^[6] Sebuah alat dapat mempercepat keluaran teknis tetapi menambah interupsi, keputusan kecil, dan perpindahan konteks. Untuk menilai pengalaman kerja, kita perlu mengetahui apakah kecepatan baru membantu tujuan atau justru memindahkan hambatan ke perhatian manusia.

Ilustrasi redaksi: seorang pengembang menerima lima pemberitahuan hasil agen dalam satu jam. Masing-masing hanya memerlukan pemeriksaan dua menit. Total pemeriksaan langsung sepuluh menit, tetapi pekerjaan yang terputus mungkin memerlukan waktu tambahan untuk dipahami kembali. Mengukur durasi membaca saja akan melewatkan biaya perpindahan konteks; menganggap seluruh jam hilang juga berlebihan.

Kemampuan memilih apa yang tidak perlu diperiksa menjadi penting. Namun, pemilihan itu harus mengikuti risiko, bukan semata keinginan mempertahankan angka kecepatan. Hasil dengan dampak kecil dan mudah dibatalkan dapat diperlakukan berbeda dari perubahan pada sistem penting. Pengawasan yang efektif menempatkan perhatian pada keputusan yang paling membutuhkan pengetahuan dan pertanggungjawaban.

Pembicaraan tentang manusia sebagai hambatan mudah terdengar seolah nilai manusia hanya terletak pada menyetujui mesin lebih cepat. Dalam praktik, sebagian penundaan merupakan proses yang diperlukan untuk memperjelas tujuan, menyelesaikan konflik, dan menolak perubahan yang keliru. Mengurangi waktu menunggu bermanfaat ketika yang dihilangkan adalah gesekan yang tidak perlu. Menghilangkan pertimbangan penting justru dapat merusak hasil.

15. Apakah beban pemeriksaan benar-benar meningkat? Bukti survei terbaru perlu dibaca utuh

Survei Atlassian 2026 terhadap lebih dari 1.500 praktisi memberi gambaran campuran: 87% pengembang mengatakan AI membantu mengirim pekerjaan lebih cepat; 49% melaporkan empat jam atau lebih per minggu untuk meninjau keluaran, memperbaiki prompt, dan kegiatan terkait. Sebanyak 75% merasa tanggung jawab memvalidasi mutu dan keselamatan meningkat. ^[17]

Temuan tersebut mendukung pembahasan bahwa penggunaan AI membawa pekerjaan pengawasan yang perlu dihitung. Namun, cakupan kategorinya tetap penting. Memperbaiki prompt tidak selalu sama dengan memperbaiki bug; meninjau keluaran tidak selalu menunjukkan bahwa keluaran salah. Pemeriksaan mutu sudah menjadi bagian pengembangan perangkat lunak sebelum AI digunakan.

Survei yang mencatat durasi saat ini juga belum otomatis mengukur tambahan bersih terhadap masa sebelumnya. Untuk mengatakan beban bertambah sekian jam, kita perlu mengetahui berapa waktu pemeriksaan lama yang berkurang atau berpindah. Pengawasan agen dapat menambah pekerjaan baru sekaligus mengurangi pencarian informasi, penulisan awal, atau pemeriksaan berulang lainnya.

Atlassian merupakan penyedia perangkat kerja dan AI, sehingga kepentingan komersialnya juga perlu dicantumkan. Kita tidak dapat menolak data perusahaan pertama karena menjual AI lalu menerima survei perusahaan kedua tanpa pertanyaan yang sama. Yang relevan adalah cara sampel dipilih, rumusan pertanyaan, batas laporan diri, dan apakah angka digunakan sesuai definisinya.

Hasil yang terlihat bertentangan dapat sama-sama masuk akal. Seseorang dapat merasa lebih cepat menyelesaikan tugas individual sekaligus mengalami alur tim yang tetap rumit. Kecepatan menulis tidak menghapus antrian persetujuan, kebutuhan pelanggan yang belum jelas, atau koordinasi rilis. Menyebut kedua pengalaman itu bukan kebingungan responden; justru menunjukkan bahwa produktivitas mempunyai beberapa tingkat.

Tindakan yang layak bagi perusahaan adalah membuat pengawasan terlihat dalam perencanaan kapasitas. Jika waktu peninjauan diperlukan untuk menghasilkan produk yang dapat dipercaya, waktu itu harus dihitung sebagai pekerjaan. Menuntut keluaran lebih banyak sambil memperlakukan pemeriksaan sebagai kegiatan tambahan yang tidak diakui akan merusak ukuran produktivitas dan dapat mendorong orang melewati kontrol yang diperlukan.

16. Biaya koreksi harus dipisahkan dari biaya membangun kemampuan baru

Tidak semua kerja tambahan menunjukkan teknologi gagal. Pelatihan, integrasi, dan penyusunan standar dapat menjadi investasi awal yang menghasilkan manfaat kemudian. Sebaliknya, menyebut setiap kesulitan sebagai investasi tidak boleh menjadi alasan menunda penilaian tanpa batas. Organisasi perlu memisahkan biaya transisi yang diperkirakan menurun dari beban operasional yang akan terus ada.

Salah satu cara adalah mencatat pekerjaan berdasarkan penyebabnya. Apakah manusia memperbaiki jawaban salah, memperjelas kebutuhan yang memang belum jelas, mengintegrasikan keluaran benar ke sistem, atau membangun alat pengawasan yang dapat dipakai berulang? Kategori tersebut membantu menentukan apakah solusi yang diperlukan adalah model lebih baik, dokumentasi, perubahan proses, atau keputusan untuk membatasi otomatisasi.

Ilustrasi biaya, bukan hasil penelitian: tim menghabiskan 20 jam menyiapkan alur agen yang kemudian menghemat dua jam pada setiap pekerjaan. Jika alur dipakai 30 kali dan tidak memerlukan biaya lain, penghematan kotor 60 jam dan selisih waktu 40 jam. Jika setiap pemakaian memerlukan satu jam koreksi tambahan, selisihnya tinggal sepuluh jam. Tanpa memisahkan biaya tetap dan biaya berulang, kedua alur dapat tampak sama dalam demonstrasi awal.

Biaya yang dipindahkan ke tim lain harus tetap masuk penilaian. Sebuah kelompok dapat terlihat lebih efisien karena mengirim lebih banyak pekerjaan yang belum lengkap ke peninjau, bagian hukum, atau tim operasi. Produktivitas lokal naik, tetapi biaya sistem tidak selalu turun. Batas organisasi pada dashboard seharusnya tidak menjadi batas perhitungan manfaat.

Keputusan yang lebih jujur menyebut kapan investasi diharapkan kembali dan bukti apa yang dipakai untuk menilai perkembangannya. Jika manfaat tidak muncul, proses dapat diperbaiki atau dihentikan. Jika manfaat muncul pada sebagian jenis pekerjaan, adopsi dapat difokuskan di sana. Menolak penggunaan universal bukan penolakan terhadap teknologi; itu cara menggunakan sumber daya sesuai bukti.

17. Studi Anthropic 2025 sudah memperlihatkan jarak antara bantuan dan delegasi penuh

Studi terdahulu menyurvei 132 pengembang serta peneliti dan melakukan 53 wawancara. Responden melaporkan penggunaan Claude pada 60% pekerjaan dan kenaikan produktivitas 50%, tetapi umumnya hanya dapat mendelegasikan sepenuhnya 0–20% pekerjaan. Angka-angka itu merupakan laporan diri pada periode tertentu, bukan pengukuran otomatis seluruh jam kerja. ^[3]

Lihat grafik penelitian dan keterangannya

Jarak antara penggunaan luas dan delegasi penuh memberi petunjuk penting. Alat dapat hadir pada banyak kegiatan sambil tetap memerlukan pengarahan dan verifikasi. Mengatakan seseorang memakai AI untuk sebagian besar tugas tidak berarti sebagian besar tanggung jawabnya telah berpindah. Pertanyaan survei tentang kehadiran alat dan pertanyaan tentang penyelesaian mandiri tidak mengukur hal yang sama.

Penelitian lama juga membantu melihat mengapa generalisasi harus hati-hati. Pegawai pembuat alat mungkin memiliki akses awal, pengetahuan penggunaan, dukungan rekan, dan lingkungan yang sangat mendukung eksperimen. Keadaan tersebut dapat memperbesar manfaat. Di sisi lain, pekerja ahli pada sistem kompleks dapat menghadapi batas yang tidak terlihat pada tugas sederhana. Arah perbedaannya perlu diukur, bukan diasumsikan selalu menguntungkan atau merugikan.

Ada nilai pada pengalaman subjektif. Orang dapat menjelaskan bagian kerja yang terasa lebih ringan, lebih menarik, atau lebih terputus. Pengalaman itu penting bagi kesejahteraan dan desain alat. Namun, perkiraan mengenai seberapa lama tugas akan memakan waktu tanpa alat adalah penilaian kontrafaktual. Tanpa pembanding yang dapat diamati, ketepatan besarannya perlu diuji.

Membandingkan studi ini dengan laporan baru juga menuntut konsistensi. Kita tidak dapat menyebut kenaikan suatu persentase sebagai percepatan yang pasti jika pertanyaannya berubah dari waktu yang dibantu menjadi volume keluaran, atau jika kelompok responden berbeda. Catatan perubahan metode justru membantu menentukan apakah perkembangan yang terlihat merupakan perubahan perilaku atau perubahan cara bertanya.

Penilaian yang adil memberi kredit pada perusahaan ketika memublikasikan ketegangan yang tidak selalu nyaman bagi pemasaran. Akan tetapi, pengakuan keterbatasan di bagian rinci tidak membenarkan pihak lain mengabaikannya dalam ringkasan. Ketika hasil dibawa ke diskusi pekerjaan dan investasi, batas yang menentukan interpretasi harus ikut dibawa, bukan ditinggalkan pada lampiran.

18. METR menemukan perlambatan pada 2025: kuat untuk konteksnya, terbatas untuk dunia

Eksperimen METR mengacak akses AI pada 246 tugas yang dikerjakan 16 pengembang berpengalaman di proyek yang mereka kenal. Dengan alat awal 2025, akses AI membuat penyelesaian rata-rata 19% lebih lama. Para pengembang justru memperkirakan diri mereka lebih cepat. ^[8] Hasil ini menunjukkan mengapa perasaan terbantu dan kecepatan terukur perlu dibedakan.

Lihat grafik penelitian dan keterangannya

Kekuatan rancangan terletak pada pembanding yang diatur untuk tugas nyata dalam lingkungan tertentu. Namun, jumlah pengembang kecil dan lingkungannya khusus. Pengalaman mendalam pada repositori lama dapat memberi manusia keunggulan konteks yang tidak mudah ditangkap alat. Hasilnya tidak dapat dipindahkan begitu saja ke pemula, proyek baru, atau model yang belum tersedia pada waktu pengujian.

Penelitian tersebut juga tidak membuktikan penggunaan alat sama sekali tidak memberi manfaat. Orang dapat memperoleh kenyamanan, bantuan memulai, atau pengetahuan yang bernilai di luar ukuran durasi tugas. Itu perlu diukur tersendiri. Kesalahan terjadi ketika manfaat yang berbeda dipakai untuk menyangkal hasil waktu, atau ketika hasil waktu dipakai untuk menyangkal seluruh jenis manfaat.

Dalam pemberitaan, penelitian dengan hasil mengejutkan mudah menjadi kutipan permanen. Padahal, teknologi dan pola penggunaan berubah. Riset awal tetap bernilai sebagai dokumentasi mengenai apa yang terjadi pada kondisi pengujian tertentu. Untuk menggunakannya sebagai dasar keputusan sekarang, kita perlu memeriksa pembaruan, perbedaan alat, serta kemiripan tugas yang akan diputuskan.

Ada pelajaran bagi pengelola perusahaan: jangan mengganti pengukuran dengan keyakinan pengguna, tetapi jangan pula mengabaikan pengalaman pengguna. Ketika keduanya berbeda, perbedaan itu merupakan bahan penyelidikan. Apakah orang menilai kenyamanan sebagai kecepatan? Apakah mereka mengerjakan pekerjaan tambahan yang tidak masuk ukuran? Apakah waktu koreksi tidak terasa sebagai biaya? Jawaban membutuhkan rancangan yang memisahkan komponen tersebut.

Hasil METR karena itu berguna untuk menolak klaim bahwa AI pasti mempercepat setiap pekerjaan pemrograman. Ia tidak cukup untuk mendukung klaim kebalikannya bahwa semua pengembang pasti diperlambat. Masing-masing kesimpulan universal jauh melampaui jenis tugas, peserta, dan alat yang diacak dalam penelitian tersebut.

19. Pembaruan METR 2026 justru memperingatkan bahwa rancangan lama mulai kehilangan sasaran

Pada 24 Februari 2026, METR menjelaskan bahwa eksperimen lanjutannya menghadapi seleksi peserta dan tugas: sebagian orang tidak ingin bekerja tanpa AI, sementara penggunaan agen paralel menyulitkan pencatatan waktu. Peneliti menilai hasil barunya lemah untuk menentukan besaran manfaat saat itu dan merancang pendekatan lain. ^[9]

Ini contoh penting tentang bagaimana praktik ilmiah seharusnya berubah ketika lingkungannya berubah. Menemukan masalah pada eksperimen lanjutan tidak menghapus hasil eksperimen awal. Ia menjelaskan mengapa prosedur serupa tidak otomatis menjawab pertanyaan baru dengan mutu yang sama. Konsistensi metode berarti menjaga kesesuaian rancangan dengan pertanyaan, bukan menolak semua perubahan prosedur.

Seleksi peserta mempunyai implikasi yang mudah dipahami. Jika orang yang paling merasa terbantu menolak masuk kelompok tanpa AI, sampel akhir dapat kehilangan pengguna yang paling bernilai bagi pertanyaan penelitian. Namun, keyakinan mereka tentang manfaat belum merupakan pengukuran manfaat itu sendiri. Seleksi dapat membuat estimasi tidak mewakili populasi tanpa memberi kita angka pengganti yang pasti.

Seleksi tugas menambah lapisan lain. Seorang pengembang mungkin mau mengacak pekerjaan tertentu tetapi tidak pekerjaan yang menurutnya sangat mudah dengan AI. Sampel tugas kemudian menjadi bagian terpilih dari pekerjaannya. Estimasi yang akurat untuk tugas terpilih tetap dapat berbeda dari pengaruh alat terhadap keseluruhan pekerjaan. Peneliti perlu menjelaskan populasi sasaran yang benar-benar masih tercakup.

Persoalan paralelisme yang dibahas sebelumnya muncul kembali. Jika seseorang mengerjakan tugas lain ketika agen berjalan, durasi satu aktivitas tidak sama dengan tenaga yang dicurahkan. Melarang multitasking bisa membuat eksperimen rapi tetapi menjauh dari praktik kerja yang ingin diteliti. Mengizinkannya membutuhkan pencatatan yang lebih rumit. Pilihan rancangan selalu membawa pertukaran antara kendali dan kemiripan lingkungan nyata.

Bagi pembaca, sikap yang tepat adalah mengikuti pembaruan itu bersama temuan awal. Mengutip hanya hasil yang mendukung posisi kita akan memberi gambaran yang timpang. Keterbukaan peneliti mengenai kelemahan baru merupakan alasan menilai mutu proses penelitian, bukan kesempatan mengubah ketidakpastian menjadi kepastian bahwa manfaatnya pasti sangat besar atau pasti tidak ada.

20. Survei METR terbaru membedakan ‘lebih cepat’ dan ‘lebih bernilai’

Survei METR pada Februari–April 2026 melibatkan 349 pekerja teknis. Responden melaporkan median perubahan nilai kerja sekitar 1,4–2 kali, sementara perkiraan perubahan kecepatannya lebih tinggi. Peneliti menekankan bahwa jawaban kontrafaktual tersebut dapat meleset dan bahwa angka survei tidak sama dengan hasil eksperimen. ^[10]

Lihat grafik penelitian dan keterangannya

Perbedaan nilai dan kecepatan membantu membaca keluaran yang baru mungkin dibuat. Membuat sebuah dashboard sepuluh kali lebih cepat tidak berarti keseluruhan kontribusi seseorang naik sepuluh kali. Dashboard tersebut mungkin hanya bagian kecil dari tujuan proyek. Sebaliknya, alat yang sedikit mempercepat tugas kritis dapat bernilai besar jika tugas itu menentukan keputusan penting.

Ilustrasi redaksi: pekerjaan A dahulu memerlukan sepuluh jam tetapi hanya menghasilkan manfaat kecil; AI menguranginya menjadi satu jam. Pekerjaan B memerlukan dua jam dan menentukan apakah produk aman dikirim. Mempercepat A secara dramatis tidak menghapus kebutuhan B. Menjumlahkan seluruh waktu hipotetis yang dihemat tanpa mempertimbangkan prioritas akan membuat keuntungan terlihat lebih besar daripada peningkatan hasil yang dialami organisasi.

Survei dapat menanyakan nilai, tetapi responden tetap perlu membayangkan keadaan tanpa alat. Penilaian itu sulit ketika jenis pekerjaan ikut berubah. Orang mungkin membandingkan hasil sekarang dengan versi masa lalu yang lebih sederhana, atau membayangkan pekerjaan manual yang sebenarnya tidak akan pernah dipilih. Pertanyaan yang rinci membantu, tetapi tidak sepenuhnya menghilangkan keterbatasan kontrafaktual.

Bukti yang lebih lengkap menggabungkan pengamatan penggunaan, penilaian mutu, hasil eksperimen, dan informasi organisasi. Setiap sumber menutup sebagian titik buta sumber lain. Tidak ada alasan survei harus dibuang karena subjektif, atau eksperimen harus diterima tanpa memperhatikan siapa yang bersedia ikut. Kekuatan kesimpulan datang dari kesesuaian berbagai jenis bukti, termasuk saat mereka tidak sejalan.

Perdebatan Anthropic akan lebih berguna jika bergeser ke pertanyaan ini: nilai apa yang bertambah dan siapa yang menerimanya? Waktu yang terasa lebih cepat dapat menjadi manfaat bagi pekerja, perusahaan, pelanggan, atau kombinasi ketiganya. Mengidentifikasi penerima manfaat serta biaya yang tersisa membantu mengubah pembicaraan dari perlombaan persentase menjadi evaluasi perubahan kerja yang sebenarnya.

21. Bukti manfaat nyata: eksperimen pengembang berskala lebih besar

Penelitian Cui dan rekan menganalisis tiga eksperimen perusahaan yang mencakup 4.867 pengembang. Estimasi pilihan mereka menunjukkan kenaikan 26,08% tugas selesai bagi pengguna yang terpengaruh penugasan akses, dengan galat baku sekitar 10,3 poin persentase. Studi ini memperhatikan kepatuhan penggunaan; angka tersebut bukan janji bahwa setiap pengembang akan mendapat kenaikan identik. ^[11]

Hasil positif ini penting agar kritik terhadap satu laporan tidak berubah menjadi penolakan terhadap seluruh bidang. Randomisasi akses menyediakan pembanding yang berbeda dari memilih pengguna sesudah mereka mengadopsi alat. Namun, akses bukan penggunaan yang sempurna. Ketika sebagian orang yang diberi akses tidak memakai alat, peneliti perlu membedakan dampak penawaran akses dari dampak penggunaan pada kelompok yang responsif terhadap penawaran.

Besarnya sampel juga perlu dibaca dengan tepat. Ribuan peserta meningkatkan peluang mengamati variasi, tetapi tidak menjadikan semua pekerjaan terwakili. Tugas, lingkungan perusahaan, periode, dan jenis alat tetap menentukan batas. Rata-rata gabungan dapat menutupi perbedaan antarperusahaan atau antarjenjang pengalaman. Mengetahui siapa yang mendapat manfaat paling besar sering lebih berguna daripada mengulang satu angka pusat.

Galat baku mengingatkan bahwa estimasi mempunyai ketidakpastian. Angka dengan dua desimal bukan tanda hasilnya diketahui sampai dua desimal dalam dunia nyata. Penyajian yang jujur memberikan ukuran ketidakpastian dan menjelaskan bagaimana estimasi diperoleh. Memotong bagian itu membuat hasil ilmiah terdengar seperti spesifikasi produk yang dijamin.

Temuan tersebut juga tidak menjawab sendiri keputusan jumlah pegawai. Peningkatan kemampuan menyelesaikan tugas dapat digunakan untuk mengurangi jam kerja, menambah proyek, memperbaiki mutu, atau mengurangi kebutuhan merekrut. Pilihan perusahaan dan kondisi permintaan menentukan jalurnya. Produktivitas tugas merupakan satu mata rantai, sementara dampak tenaga kerja membutuhkan pengamatan lanjutan.

Pelajaran terpenting adalah bahwa dua studi dapat memberi hasil berbeda tanpa salah satu harus curang. Pengembang berpengalaman di repositori yang sangat dikenal dan pengembang pada beberapa perusahaan bukan populasi yang sama. Alat, periode, jenis keluaran, dan rancangan juga berbeda. Tugas riset adalah menjelaskan variasi tersebut, bukan memaksa seluruh bukti menjadi satu slogan.

22. Dukungan pelanggan dan penulisan profesional: hasil kuat pada tugas yang terdefinisi

Versi jurnal penelitian Generative AI at Work mengamati 5.172 agen dukungan pelanggan dan menemukan kenaikan rata-rata 15% masalah terselesaikan per jam. Manfaat lebih besar terlihat pada pekerja kurang berpengalaman; pekerja paling berpengalaman menunjukkan pola mutu yang lebih campuran. ^[13] Ini hasil pada alur dukungan tertentu, bukan angka bagi seluruh pekerjaan kantor.

Pada eksperimen penulisan profesional Noy dan Zhang, akses ChatGPT menurunkan waktu pengerjaan rata-rata 40% dan meningkatkan penilaian mutu 18%. ^[12] Tugas serta cara penilaiannya ditentukan dalam penelitian. Hasil ini menunjukkan bahwa manfaat dapat diukur, sekaligus mengingatkan bahwa kenaikan pada tugas terbatas belum sama dengan perubahan keseluruhan pekerjaan yang berisi banyak kegiatan lain.

Kedua penelitian membantu memperjelas mengapa struktur tugas penting. Ketika tujuan, bahan masukan, dan ukuran penyelesaian cukup jelas, peneliti lebih mudah membandingkan hasil. Pada pekerjaan yang keberhasilannya bergantung pada hubungan jangka panjang atau konsekuensi yang tertunda, pengukuran menjadi lebih sulit. Kesulitan itu tidak berarti manfaat lebih kecil, tetapi membuat ketepatan klaim memerlukan rancangan berbeda.

Untuk pekerja baru, bantuan dapat mempercepat akses pada pengetahuan yang sebelumnya tersedia melalui pengalaman atau rekan. Namun, peningkatan kinerja saat alat tersedia tidak identik dengan peningkatan kemampuan mandiri. Perusahaan yang ingin membangun tenaga ahli perlu mengukur keduanya. Kinerja hari ini dan pembentukan keahlian masa depan merupakan tujuan yang berkaitan tetapi tidak sama.

Hasil positif juga dapat memengaruhi distribusi pekerjaan dengan beberapa cara. Jika layanan menjadi lebih murah, permintaan dapat meningkat. Jika organisasi mempertahankan volume yang sama, kebutuhan tenaga dapat berubah. Jika mutu membaik, pelanggan mungkin memilih jenis layanan berbeda. Hubungan dari tugas menuju tenaga kerja memerlukan informasi tentang permintaan, harga, dan keputusan organisasi.

Karena itu, riset yang mendalam tidak menganggap bukti manfaat sebagai gangguan terhadap kritik pemasaran. Bukti tersebut justru membuat kritik lebih tepat sasaran. Masalahnya adalah lompatan dari manfaat terukur pada kondisi tertentu menuju janji universal, bukan keberadaan manfaat itu sendiri. Dengan pembedaan ini, pembaca dapat mengakui kemajuan sekaligus menolak klaim yang terlalu jauh.

23. AI sebagai rekan kerja: eksperimen tim tidak otomatis menjadi resep mengurangi anggota

Eksperimen The Cybernetic Teammate melibatkan 776 profesional P&G. Pada tugas yang diuji, individu dengan AI dapat menyamai kinerja tim tanpa AI. ^[14] Temuan ini membuka pertanyaan penting tentang pembagian keahlian dan rancangan tim. Ia tidak langsung membuktikan satu orang dapat menggantikan seluruh fungsi dua orang sepanjang hubungan kerja yang berkelanjutan.

Tugas yang dilakukan dalam eksperimen mempunyai awal, bahan, dan titik penilaian. Tim nyata juga menyimpan pengetahuan, menjaga kesinambungan ketika anggota absen, membagi tanggung jawab, serta mendeteksi perubahan kebutuhan. Jika sebuah perusahaan ingin mengubah ukuran tim berdasarkan hasil tugas, ia perlu memeriksa fungsi-fungsi tambahan tersebut, termasuk risiko yang tidak muncul pada satu sesi pengujian.

AI dapat memberi seseorang akses pada sudut pandang yang dahulu memerlukan rekan dari fungsi lain. Itu manfaat yang masuk akal untuk diteliti. Namun, memperoleh saran teknis dan memperoleh persetujuan orang yang bertanggung jawab bukan hal identik. Sebuah rekomendasi dapat menjelaskan pilihan, sementara penyelesaian konflik tujuan memerlukan kewenangan, hubungan, dan keputusan yang dapat ditagih akibatnya.

Rancangan tim juga menentukan bagaimana kesalahan ditemukan. Dua manusia tidak otomatis selalu lebih baik; mereka dapat sepakat pada kesalahan yang sama. Manusia dan alat pun dapat saling menguatkan jawaban keliru jika pemeriksaan tidak independen. Pertanyaan yang lebih tepat adalah apakah cara kerja baru menambahkan pemeriksaan yang bermakna atau hanya menghasilkan persetujuan yang tampak berbeda.

Dalam menilai keputusan staffing, organisasi sebaiknya menguji keluaran lintas waktu: mutu, kecepatan respons, beban anggota, kesinambungan pengetahuan, dan ketergantungan pada satu orang. Penghematan yang terlihat pada satu pekerjaan dapat hilang jika orang yang tersisa menjadi titik kegagalan tunggal. Sebaliknya, pembagian baru bisa memberi manfaat besar bila benar-benar mengurangi gesekan dan mempertahankan kontrol penting.

Penelitian tim karena itu mendukung eksperimen organisasi yang terukur. Ia belum menyediakan pembenaran universal untuk mengganti rekan dengan alat. Keputusan yang bertanggung jawab menerjemahkan temuan melalui pengujian pada jenis pekerjaan yang relevan, lalu mengamati akibat yang lebih luas daripada skor sebuah tugas.

24. Batas kemampuan AI tidak rata: tugas yang tampak sama sulit bisa memberi hasil berlawanan

Penelitian Navigating the Jagged Technological Frontier, yang versi jurnalnya terbit Maret 2026, menguji 758 pekerja pengetahuan. Pada rangkaian tugas dalam kemampuan alat, pengguna AI menyelesaikan lebih banyak pekerjaan dan lebih cepat. Pada tugas kompleks di luar batas tersebut, pengguna AI lebih jarang menghasilkan solusi benar. ^[15]

Gagasan batas yang tidak rata membantu menghindari kesalahan sederhana. Kita sering menilai kesulitan berdasarkan pengalaman manusia: tugas A terasa sulit, tugas B terasa mudah. Model dapat memiliki pola kemampuan berbeda. Karena itu, keberhasilan mengerjakan satu tugas rumit tidak membuktikan alat akan benar pada tugas yang menurut manusia lebih sederhana.

Dalam pekerjaan nyata, beberapa tugas juga saling tergantung. Kesalahan kecil pada asumsi awal dapat menyebar ke rangkaian keluaran yang tampak rapi. Peninjau yang hanya memeriksa bentuk akhir dapat melewatkan titik asal masalah. Evaluasi sebaiknya menelusuri apakah alat menggunakan fakta dan tujuan yang benar, bukan hanya apakah jawabannya lengkap serta tersusun meyakinkan.

Ada pula persoalan mengenali batas secara dinamis. Pembaruan model dapat memperbaiki sebagian kemampuan dan mengubah perilaku lain. Tim tidak cukup membuat satu daftar tugas boleh dan tidak boleh untuk selamanya. Mereka perlu pengujian berulang yang berhubungan dengan tugas sendiri, catatan perubahan alat, dan mekanisme menghentikan penggunaan ketika hasil menyimpang.

Untuk menilai klaim produktivitas, campuran tugas menjadi sangat penting. Sebuah kelompok yang memilih kegiatan paling sesuai dengan model dapat memperoleh hasil tinggi. Kelompok lain yang menanggung tugas integrasi sulit mungkin melihat hasil berbeda. Tanpa informasi komposisi pekerjaan, perbandingan rata-rata dapat memberi kesan bahwa perbedaan berasal dari orang atau alat saja.

Implikasinya bagi kritik Anthropic adalah meminta batas penggunaan yang lebih jelas, bukan menuntut satu angka berlaku pada segala keadaan. Jika manfaat terutama muncul pada jenis kegiatan tertentu, penemuan itu tetap berharga. Justru rincian mengenai kapan alat membantu dan kapan memerlukan perhatian lebih besar yang paling berguna untuk keputusan kerja.

25. DORA: kecepatan individu harus diuji pada sistem pengiriman perangkat lunak

DORA 2025 menggambarkan AI sebagai penguat kondisi organisasi: sistem kerja yang baik membantu manfaat muncul, sementara kelemahan lama dapat ikut membesar. Ringkasan penelitiannya mengaitkan adopsi AI dengan keluaran pengiriman yang lebih tinggi sekaligus persoalan kestabilan. Ini hubungan survei, bukan hasil mengacak semua perusahaan untuk memakai AI. ^[16]

Temuan seperti itu tidak bertentangan dengan seseorang merasa menulis lebih cepat. Alur pengiriman terdiri dari penetapan kebutuhan, implementasi, peninjauan, pengujian, persetujuan, dan operasi. Mempercepat satu tahap dapat menambah antrian pada tahap berikutnya. Manfaat akhir ditentukan pula oleh kapasitas bagian yang menerima pekerjaan tersebut.

Ilustrasi redaksi: tim implementasi menaikkan produksi dari sepuluh menjadi 20 perubahan per minggu, sementara peninjau hanya mampu memeriksa 12. Pada minggu pertama, delapan perubahan menunggu. Jika keadaan berlanjut, tumpukan bertambah meskipun penulis kode terlihat sangat produktif. Solusinya dapat berupa perbaikan mutu masukan, pembagian tugas, perubahan prioritas, atau peningkatan kapasitas peninjauan. Membuat implementasi lebih cepat lagi belum tentu menyelesaikan masalah.

Kestabilan juga menentukan nilai kecepatan. Mengirim lebih banyak perubahan kecil dapat membantu mengurangi risiko jika pengujian dan pemulihan baik. Sebaliknya, volume yang meningkat tanpa kemampuan memahami akibatnya dapat memperbesar gangguan. Angka pengiriman tidak mempunyai arah moral atau teknis yang tetap; maknanya berasal dari hubungan dengan mutu dan tujuan layanan.

Karena DORA terkait ekosistem perusahaan teknologi, pembaca tetap perlu memeriksa kepentingan, sampel, dan metode sebagaimana pada Anthropic. Kesamaan penting antarsumber bukan bahwa semuanya independen dari bisnis, melainkan bahwa beberapa hasil mengingatkan kita untuk melihat organisasi secara utuh. Menggunakan satu survei vendor untuk membatalkan seluruh bukti vendor lain tanpa standar yang konsisten akan melemahkan kritik.

Untuk perusahaan, ukuran yang lebih berguna menggabungkan pengalaman pengembang dengan hasil layanan. Orang yang merasa lebih ringan bekerja dapat menjadi tanda perbaikan. Pelanggan yang menerima layanan lebih stabil juga penting. Ketika kedua ukuran bergerak berbeda, organisasi perlu menjelaskan perbedaan itu, bukan memilih angka yang paling mudah ditampilkan pada presentasi.

26. Penelitian Morgan Frank: tren sebelum ChatGPT mengubah cara membaca cerita PHK

Pracetak Frank dan rekan, direvisi 16 Oktober 2026, menggunakan catatan asuransi pengangguran bulanan serta data lintasan pendidikan dan pekerjaan. Mereka menemukan pemburukan risiko pada pekerjaan terpapar AI sudah dimulai awal 2022, sebelum ChatGPT dirilis. Penulis memperingatkan bahwa tanggal peluncuran tersebut dapat menjadi eksperimen alamiah yang keliru untuk mengidentifikasi seluruh kesulitan pasar kerja. ^[18]

Poin metodologisnya bukan bahwa AI mustahil memengaruhi pekerjaan. Jika perbedaan sudah berjalan sebelum sebuah peristiwa, kita harus berhati-hati menyebut seluruh perbedaan berikutnya sebagai akibat peristiwa itu. Ada faktor lain yang mungkin mendahului atau berjalan bersamaan. Besarnya sumbangan masing-masing membutuhkan analisis, bukan sekadar garis vertikal pada grafik.

Hubungan waktu tetap penting, tetapi tidak cukup. Penyebab harus sesuai urutan kejadian, sementara urutan kejadian saja belum membuktikan penyebab. Sebuah sektor dapat mengalami perubahan permintaan, pendanaan, atau komposisi bisnis yang kebetulan berdekatan dengan peluncuran teknologi. Jika faktor tersebut lebih banyak menimpa pekerjaan yang disebut terpapar AI, perbandingan sederhana akan mencampur pengaruhnya.

Data yang berbeda juga menangkap orang yang berbeda. Klaim asuransi pengangguran tidak mencakup seluruh bentuk kehilangan penghasilan. Profil karier dapat berubah cara pelaporannya. Catatan pendidikan memberi informasi berharga tentang lulusan, tetapi tidak otomatis mewakili semua pekerja. Penilaian terhadap kesimpulan harus mengikuti batas setiap sumber data, termasuk pada penelitian yang mengkritik narasi teknologi.

Kertas kerja ini juga perlu diberi status yang tepat sebagai pracetak. Keterbukaan naskah memungkinkan pembaca memeriksa alasan dan metode, sementara proses kritik ilmiah masih dapat mengubah hasil. Menyebutnya temuan yang layak dipertimbangkan berbeda dari menyebut perdebatan sudah selesai. Status publikasi bukan pengganti penilaian isi, tetapi memberi konteks tentang tahap pengujiannya.

Dalam artikel tentang Anthropic, bukti ini berfungsi membatasi lompatan dari cerita satu perusahaan menuju penyebab semua kesulitan pekerja teknis. Kita tetap perlu memeriksa perubahan yang terjadi setelah AI menyebar, tetapi dengan pembanding dan tren awal yang layak. Menambah konteks ekonomi tidak berarti menepis kecemasan pekerja; ia membantu mencari penyebab dan respons yang lebih tepat.

27. Bukti yang mengkhawatirkan bagi pekerja muda tetap harus dihadapi

Revisi Agustus 2026 penelitian Stanford Canaries in the Coal Mine menyebut pekerjaan usia 22–25 pada okupasi terpapar berada 19% di bawah lintasan jika mengikuti kelompok kurang terpapar. Penulis menekankan pola deskriptif, keterbatasan pembanding, dan tidak menemukan penggantian pekerjaan luas di seluruh ekonomi. ^[19] Angka tersebut bukan persentase seluruh pekerja muda yang terbukti dipecat oleh AI.

Penelitian Census September 2026 pada lulusan perguruan tinggi juga menemukan perbedaan hasil menurut paparan jurusan. Estimasi tersesuaikan untuk kelompok paling terpapar menunjukkan peluang kerja awal lebih rendah lima poin persentase dan penghasilan awal satu kuartal penuh lebih rendah 13%. ^[23] Satuan dan kelompoknya berbeda dari data payroll Stanford, sehingga kedua angka tidak boleh dijumlahkan menjadi ukuran korban.

Dua studi tersebut memberi alasan serius memeriksa pintu masuk profesi. Perubahan dapat muncul lewat berkurangnya kesempatan merekrut orang baru, bahkan ketika pegawai berpengalaman masih bertahan. Ketika hanya total pekerjaan yang dilihat, kerugian pada angkatan masuk tertentu dapat tertutup pertumbuhan kelompok lain. Gambaran agregat yang tenang tidak menjamin semua kelompok aman.

Namun, paparan teknologi tetap bukan penggunaan aktual yang sama pada setiap tempat. Ukuran paparan biasanya menilai tugas atau pekerjaan yang berpotensi dipengaruhi. Organisasi berbeda dapat mengadopsi alat dengan cara dan kecepatan berbeda. Untuk menghubungkan hasil karier dengan penggunaan tertentu, peneliti membutuhkan informasi mengenai adopsi, perubahan tugas, serta pembanding yang menangani kecenderungan awal.

Perbedaan hasil penelitian juga bisa muncul karena waktu dan populasi. Lulusan yang baru mencari pekerjaan, pegawai yang masuk sampel payroll, serta penerima klaim pengangguran mempunyai jalur pengamatan berbeda. Menyebut satu hasil membatalkan yang lain tanpa memeriksa cakupannya dapat menghilangkan informasi yang justru penting. Kecocokan dan ketidakcocokan antardata harus dijelaskan sebelum memilih kesimpulan.

Sikap yang adil terhadap pekerja muda adalah mengakui risiko yang terlihat sambil menolak kepastian palsu mengenai penyebab tunggal. Respons kebijakan dapat mulai disiapkan ketika bukti mengarah pada kerentanan, tanpa mengklaim semua hubungan sebab-akibat sudah terselesaikan. Yang diperlukan adalah pemantauan yang lebih baik dan perlindungan jalur belajar, bukan janji bahwa semua akan baik-baik saja atau ramalan bahwa seluruh profesi akan hilang.

28. Denmark, Federal Reserve, dan lowongan kerja: mengapa hasilnya tidak seragam?

Humlum dan Vestergaard menghubungkan survei sekitar 25.000 pekerja Denmark dengan catatan administratif sampai Desember 2024. Mereka menemukan efek rata-rata pada penghasilan dan jam kerja yang mendekati nol, dengan ketepatan yang menyingkirkan efek rata-rata lebih besar dari 2% pada ukuran tersebut. Meski demikian, isi pekerjaan sudah berubah. ^[20]

Peneliti Federal Reserve Crane dan Soto, pada Maret 2026, menemukan pertumbuhan pekerjaan yang intensif pemrograman melambat setelah pengenalan ChatGPT; pekerjaan tersebut masih tumbuh, dengan laju jauh lebih rendah. Analisisnya mencoba membedakan kejutan pekerjaan dari perlambatan industri. Itu kertas kerja penulis, bukan keputusan resmi bank sentral tentang penyebab setiap PHK. ^[21]

Analisis New York Fed pada Mei 2026 memakai lowongan dan menunjukkan penurunan relatif pada pekerjaan lebih terpapar sudah berlangsung sebelum peluncuran ChatGPT. Penulis juga tidak menemukan perbedaan junior–senior yang mendukung cerita sederhana bahwa AI sendiri menjelaskan perlambatan lowongan pemula. ^[22]

Ketidakseragaman ini masuk akal jika perubahan terjadi melalui beberapa jalur. Perusahaan dapat mengubah tugas lebih dulu, kemudian perekrutan, dan baru belakangan jam atau penghasilan. Institusi pengupahan, permintaan, dan komposisi industri dapat memengaruhi kapan dampaknya terlihat. Tidak ada alasan seluruh ukuran harus bergerak pada bulan yang sama.

Batas waktu data juga sangat penting. Artikel penelitian yang dipublikasikan pada 2026 dapat mengamati penggunaan alat sampai 2024. Ia memberi informasi tentang tahap awal, bukan pengukuran langsung model terbaru. Sebaliknya, data terbaru dengan pembanding lemah tidak otomatis lebih meyakinkan hanya karena tanggalnya dekat dengan hari ini. Ketepatan waktu dan kekuatan identifikasi perlu dinilai bersama.

Hasil yang matang bukan satu pemenang di antara lembaga. Ia berupa peta: tugas berubah pada sejumlah tempat, manfaat produktivitas dapat terukur, risiko bagi pemula terlihat pada beberapa data, sementara atribusi penyebab dan skala agregat masih diperdebatkan. Peta tersebut lebih rumit daripada slogan penggantian manusia, tetapi lebih berguna untuk menentukan apa yang harus diukur berikutnya.

29. Keyakinan staf Anthropic tentang masa depan bukan hasil pengukuran otomatisasi

Laporan ekspektasi Oktober 2026 membandingkan 1.334 responden internal dengan 10.980 orang dewasa AS pada survei Agustus. Sampel publik dibobot, sedangkan sampel internal tidak. Perkiraan median staf mengenai porsi kerja membangun model frontier yang dilakukan AI adalah 51% saat itu, 80% pada akhir 2027, dan 95% pada 2030. Penulis menyebutnya pandangan pribadi responden. ^[2]

Lihat grafik penelitian dan keterangannya

Menyajikan perkiraan tersebut sebagai hasil audit kemampuan akan mengubah jenis buktinya. Orang yang dekat dengan teknologi dapat memiliki informasi khusus, tetapi juga berbagi budaya, insentif, dan kerangka pikir tertentu. Kedekatan dapat menambah pengetahuan sekaligus memengaruhi keyakinan. Kita tidak dapat menentukan arah ketepatan hanya berdasarkan tempat mereka bekerja.

Survei keyakinan tetap berharga. Ekspektasi memengaruhi keputusan investasi, pilihan karier, dan strategi organisasi. Jika dua kelompok memperkirakan masa depan berbeda, penelitian dapat menelusuri apakah perbedaannya berasal dari pengalaman penggunaan, asumsi adopsi, atau pandangan mengenai hambatan sosial. Nilainya terletak pada pemetaan keyakinan, tanpa perlu menyamarkannya sebagai kejadian yang sudah terbukti.

Perbedaan pembobotan juga relevan. Sampel yang dibobot untuk mendekati penduduk dewasa mempunyai tujuan representasi berbeda dari jajak pendapat internal. Membandingkan kedua kelompok dapat menjawab bagaimana pandangan mereka berbeda, tetapi tidak berarti keduanya merupakan sampel dari populasi yang identik. Menambah jumlah responden tidak menghilangkan perbedaan sasaran tersebut.

Istilah pekerjaan yang dilakukan AI pun harus dipahami melalui pertanyaan surveinya. Apakah responden membayangkan pengetikan, pengujian, pengawasan, atau nilai kontribusi? Orang yang berbeda dapat memberi jawaban berbeda karena menafsirkan unit yang tidak sepenuhnya sama. Penelitian yang baik membuka rumusan pertanyaan agar pembaca mengetahui apa yang sebenarnya diminta.

Dalam peliputan, perbedaan antara data saat ini dan dugaan masa depan perlu terlihat sejak kalimat pertama. Kemampuan pada 2030 belum dapat diukur sebagai kenyataan hari ini. Menyatakan siapa yang memperkirakan apa, pada tanggal berapa, dengan ketidakpastian bagaimana, memberi pembaca informasi tanpa mengubah keyakinan menjadi jaminan teknologi.

30. Dari produktivitas kantor menuju GDP: mata rantainya panjang

Model Acemoglu dalam The Simple Macroeconomics of AI menghubungkan dampak agregat dengan bagian tugas yang dipengaruhi dan penghematan biaya pada tugas tersebut. Estimasi rendah dalam naskahnya bergantung pada asumsi serta bukti saat disusun. ^[26] Itu argumen ekonomi yang dapat diperiksa, bukan pembuktian bahwa kemajuan masa depan mustahil lebih besar.

Tinjauan OECD juga menempatkan hasil penelitian produktivitas dalam beragam konteks tugas dan organisasi. ^[27] Perbedaan antara hasil eksperimen dan pertumbuhan ekonomi bukan tanda bahwa salah satu ukuran pasti palsu. Manfaat dapat terhambat oleh proses adopsi, investasi pelengkap, perubahan permintaan, atau kenyataan bahwa tugas yang terbantu hanya bagian terbatas dari seluruh kegiatan.

Ilustrasi redaksi: jika suatu tugas menggunakan sepersepuluh waktu kerja dan alat memangkas durasinya setengah, pengurangan waktu total awal adalah 5%, dengan asumsi semua hal lain tetap. Untuk menyebut peningkatan seluruh organisasi 50%, dibutuhkan pengaruh pada bagian lain atau mekanisme tambahan. Hitungan sederhana ini tidak meramalkan ekonomi; ia menunjukkan mengapa penyebut menentukan besaran klaim.

Penghematan waktu juga tidak otomatis menjadi kenaikan produksi bernilai sama. Kapasitas yang bebas perlu diarahkan ke kegiatan yang dibutuhkan. Jika permintaan rendah atau bagian lain menjadi hambatan, manfaat dapat muncul sebagai kenyamanan, mutu lebih baik, atau waktu luang, bukan tambahan penjualan. Semua itu mungkin berharga, tetapi tidak semuanya tercatat dengan cara yang sama dalam ukuran ekonomi.

Ada pula perbedaan antara nilai bagi perusahaan dan nilai bagi masyarakat. Sebuah alat dapat meningkatkan kemampuan bersaing satu perusahaan dengan mengambil pelanggan perusahaan lain. Pendapatannya naik, sementara tambahan total produksi lebih kecil. Sebaliknya, perbaikan kesehatan atau akses informasi dapat memberi manfaat yang tidak sepenuhnya tertangkap oleh pendapatan penjual alat.

Karena itu, laporan satu laboratorium AI tidak cukup untuk menetapkan nasib GDP, pengangguran nasional, atau seluruh profesi. Ia dapat menjadi petunjuk tentang kemungkinan mekanisme. Untuk menilai skala agregat, diperlukan data adopsi yang lebih luas, biaya nyata, perubahan mutu, serta respons permintaan dan tenaga kerja. Menjaga mata rantai tersebut tetap terlihat membantu membedakan riset ekonomi dari presentasi yang sekadar mengalikan angka paling menarik.

31. Paparan menurut ILO: seperempat pekerjaan berpotensi berubah, bukan seperempat pasti hilang

Indeks ILO–NASK 2025 menempatkan sekitar seperempat pekerja dunia pada pekerjaan dengan suatu tingkat paparan GenAI. Kategori paparan tertinggi mencakup 3,3% pekerjaan global. Penelitian menggabungkan penilaian tugas dan masukan manusia serta model; ia mengukur potensi pengaruh, bukan menghitung PHK yang telah terjadi. Penulis menilai transformasi pekerjaan lebih mungkin daripada otomatisasi seluruh pekerjaan. ^[24]

Lihat grafik penelitian dan keterangannya

Paparan berarti alat berpotensi menyentuh sebagian kegiatan dalam sebuah pekerjaan. Pengaruhnya dapat berupa bantuan, perubahan susunan tugas, atau substitusi kegiatan tertentu. Untuk mengetahui hasil tenaga kerja, kita masih memerlukan informasi mengenai penggunaan aktual, biaya, kualitas, kebutuhan manusia, serta respons perusahaan dan pelanggan.

Laporan Anthropic mengenai pasar kerja pada Maret 2026 juga membedakan kemampuan teoretis dengan penggunaan teramati. ^[25] Pemisahan tersebut penting karena demonstrasi bahwa model mampu mengerjakan tugas tidak berarti setiap perusahaan dapat langsung menerapkannya. Data, integrasi, aturan akses, biaya perubahan proses, serta tanggung jawab tetap menjadi bagian keputusan.

Indeks paparan juga bergantung pada klasifikasi pekerjaan dan cara tugas dinilai. Tugas yang sama dapat dilakukan dengan kondisi sangat berbeda di dua negara. Sebuah kegiatan administratif pada perusahaan besar mungkin sudah terdigitalisasi, sementara kegiatan serupa di tempat lain masih bergantung pada dokumen dan hubungan lokal. Potensi teknis tidak boleh diubah menjadi jadwal otomatisasi yang seragam.

Untuk Indonesia, pendekatan yang lebih berguna adalah menghubungkan klasifikasi tugas dengan data tenaga kerja dan adopsi lokal. Kita perlu mengetahui siapa yang memakai alat, untuk kegiatan apa, pada organisasi dengan kondisi bagaimana, serta hasil yang dialami. Menyalin persentase global menjadi jumlah orang Indonesia yang akan kehilangan kerja akan menghasilkan ketepatan semu.

Karena itu, angka paparan sebaiknya menjadi alat menentukan prioritas pengukuran dan persiapan. Ia membantu mengidentifikasi jenis kegiatan yang perlu diteliti, jalur pelatihan yang mungkin relevan, dan kelompok yang perlu didengar. Menggunakannya sebagai hitungan korban yang sudah pasti terjadi justru menghilangkan fungsi analitisnya.

32. Keahlian junior: hasil pekerjaan hari ini dapat dibayar dengan kesempatan belajar yang hilang

Eksperimen Anthropic mengenai pembelajaran pustaka Python Trio menemukan nilai kuis rata-rata 50% pada kelompok berbantuan AI dan 67% pada kelompok tanpa bantuan. Selisihnya 17 poin persentase, bukan otomatis penurunan relatif 17%. Perbedaan waktu pengerjaan tidak signifikan secara statistik. Cara memakai bantuan juga berkaitan dengan hasil pembelajaran yang berbeda. ^[32]

Penelitian ini penting karena berasal dari perusahaan yang sama dan menunjukkan bahwa pertanyaan manfaat mempunyai beberapa ukuran. Hasil tugas saat alat tersedia, pemahaman setelah tugas, dan kemampuan memeriksa kesalahan bukan tujuan yang identik. Sebuah sistem dapat membantu menghasilkan jawaban sambil mengurangi kesempatan seseorang mempraktikkan langkah yang membentuk pemahamannya.

Kita tetap harus menjaga batas. Eksperimen belajar alat baru dalam waktu singkat tidak membuktikan semua pengguna AI kehilangan keahlian jangka panjang. Untuk menilai keahlian profesional, dibutuhkan pengamatan lebih lama, berbagai jenis tugas, dan pemeriksaan saat bantuan tersedia maupun tidak tersedia. Temuan awal memberi alasan merancang pelatihan dengan hati-hati, tanpa mengubahnya menjadi diagnosis seluruh generasi pengembang.

Analisis redaksi: jika tugas awal karier semakin banyak dikerjakan agen, perusahaan perlu menjelaskan bagaimana pemula akan memperoleh pengalaman yang dahulu datang dari tugas tersebut. Jawabannya tidak cukup berupa permintaan agar semua orang langsung memiliki penilaian senior. Penilaian dibentuk melalui praktik, umpan balik, tanggung jawab bertahap, dan kesempatan memahami kegagalan.

Salah satu rancangan yang layak diuji memisahkan mode produksi dan mode belajar. Pada produksi berisiko rendah, alat dapat dipakai untuk mempercepat keluaran dengan kontrol yang sesuai. Pada pembelajaran, peserta dapat diminta menjelaskan rancangan, memprediksi perilaku, menguji asumsi, dan menyelesaikan bagian tertentu tanpa bantuan. Tujuannya mengamati pemahaman, bukan sekadar melarang alat atau menghitung banyaknya prompt.

Biaya pelatihan perlu masuk perhitungan adopsi. Organisasi yang menghemat tugas pemula hari ini tetapi kehilangan jalur pembentukan tenaga ahli mungkin memindahkan biaya ke masa depan atau ke perusahaan lain. Itu hipotesis organisasi yang perlu diukur, bukan kepastian bahwa setiap otomatisasi merusak pembelajaran. Pertanyaan utamanya adalah apakah proses baru sengaja menjaga kemampuan yang kelak diperlukan untuk mengawasi alat.

33. Penelitian berpikir kritis tidak boleh diubah menjadi klaim ‘AI menurunkan kecerdasan’

Penelitian Microsoft Research dan rekan yang dipublikasikan pada CHI 2025 menyurvei 319 pekerja pengetahuan. Kepercayaan lebih tinggi pada GenAI berhubungan dengan lebih sedikit upaya berpikir kritis yang dilaporkan, sedangkan keyakinan terhadap kemampuan diri mempunyai hubungan berbeda. ^[33] Ini laporan pengalaman dan hubungan statistik, bukan tes yang membuktikan turunnya kecerdasan setiap pengguna.

Pembedaan tersebut penting karena kalimat yang dramatis dapat memperkuat kesalahan yang sedang kita kritik. Jika kita menolak pembacaan berlebihan pada survei produktivitas perusahaan, kita juga harus menolak pembacaan berlebihan pada survei kekhawatiran. Metode yang sama tidak boleh tiba-tiba dianggap mengukur sebab-akibat hanya karena kesimpulannya terasa lebih sesuai dengan posisi kita.

Ada alasan praktis meneliti perubahan upaya berpikir. Alat yang memberikan jawaban meyakinkan dapat mengubah bagian mana dari tugas yang diperhatikan manusia. Sebagian upaya mungkin berkurang karena pekerjaan rutin memang dipermudah. Sebagian dapat berpindah ke pemeriksaan, integrasi, atau penentuan apakah hasil relevan. Untuk menilai akibatnya, kita perlu mengetahui upaya mana yang berkurang dan apakah hasil akhirnya membaik.

Tanggung jawab pengawasan juga harus disertai kemampuan dan waktu. Menetapkan manusia sebagai pihak terakhir yang menyetujui hasil tidak otomatis menciptakan pemeriksaan bermakna. Jika orang tersebut tidak memahami bahan, menerima terlalu banyak keluaran, atau tidak dapat menolak rekomendasi, pengawasan dapat menjadi formalitas. Desain kerja perlu memastikan peninjau memiliki konteks, kewenangan, dan kesempatan untuk menemukan kesalahan.

Di sinilah pembicaraan tentang manusia sebagai hambatan perlu diperbaiki. Sebagian pekerjaan manusia memang dapat dipercepat melalui alat yang lebih baik. Tetapi kegiatan menilai tujuan, konsekuensi, dan mutu bukan sekadar waktu tunggu yang harus dihapus. Organisasi perlu membedakan gesekan yang tidak perlu dari pertimbangan yang melindungi hasil.

Ukuran yang lebih jujur menguji kemampuan seseorang menjelaskan keputusan, mengenali keluaran salah, serta menangani keadaan yang tidak dicakup contoh. Penilaian semacam itu membantu menentukan kebutuhan pelatihan. Ia memberi hasil yang lebih berguna daripada mempermalukan pengguna karena memakai AI atau memuji mereka hanya karena penggunaan alatnya tinggi.

34. Hitungan biaya yang lebih jujur: kapan otomatisasi benar-benar menguntungkan?

Manfaat ekonomis sebaiknya dibandingkan dengan biaya seluruh proses: langganan atau inferensi, integrasi, pelatihan, peninjauan, pemeliharaan, dan akibat kegagalan. Tidak semua komponen mudah diperkirakan, tetapi mengabaikan yang sulit bukan alasan menyebut biaya nol. Organisasi dapat menggunakan rentang asumsi dan memperbaruinya setelah pengalaman nyata terkumpul.

Simulasi redaksi, bukan biaya Anthropic atau rekomendasi pembelian: sebuah pekerjaan manual memerlukan sepuluh jam. Dengan agen, waktu menyusun masukan satu jam, meninjau dua jam, mengintegrasikan satu jam, dan rata-rata perbaikan lanjutan satu jam. Total manusia menjadi lima jam, sehingga penghematan waktu bersih lima jam. Itu jauh lebih kecil daripada klaim sembilan jam yang hanya menghitung penulisan masukan, tetapi tetap dapat menjadi manfaat besar.

Jika biaya tenaga ilustratif Rp100.000 per jam, penghematan waktu ekuivalen Rp500.000. Misalkan biaya alat dan alokasi integrasi per pekerjaan Rp150.000, selisih ekuivalennya Rp350.000 sebelum memperhitungkan risiko dan manfaat mutu. Angka tersebut memakai asumsi yang sengaja sederhana. Ia tidak mengatakan gaji semua pekerja dapat dihemat secara tunai sebesar itu.

Perbedaan antara kapasitas dan penghematan tunai perlu ditekankan. Pegawai bergaji bulanan tidak otomatis dibayar lebih sedikit ketika satu tugas lebih cepat selesai. Organisasi mungkin memperoleh kapasitas tambahan untuk pekerjaan lain. Untuk mengubahnya menjadi pengurangan biaya tunai, diperlukan perubahan pada lembur, kontrak, perekrutan, atau keputusan staffing. Itu keputusan terpisah dengan konsekuensi tersendiri.

Risiko juga dapat mengubah hasil. Pada tugas yang salahnya mudah diketahui dan murah dibatalkan, pemeriksaan ringan mungkin cukup. Pada keputusan berdampak besar, biaya validasi dan kemungkinan kerugian perlu dipertimbangkan lebih serius. Nilai rata-rata yang tampak positif tidak otomatis membuat setiap jenis penerapan layak. Rincian proses lebih berguna daripada klaim bahwa satu alat selalu mengembalikan investasi dengan rasio tertentu.

35. Mengapa laboratorium AI tidak dapat menjadi miniatur seluruh Indonesia?

Laboratorium pengembang model, perusahaan perangkat lunak, bank, sekolah, biro administrasi, dan usaha kecil memiliki teknologi serta tujuan berbeda. Akses data, tingkat digitalisasi, biaya tenaga, kebutuhan pelanggan, dan ruang kesalahan memengaruhi manfaat adopsi. Hasil dari organisasi yang dibangun di sekitar AI dapat menjadi contoh kemungkinan, tanpa menjadi ramalan yang siap ditempel pada semua tempat kerja.

BPS Provinsi Aceh, dalam publikasi Februari 2026 yang juga memuat tabel pembanding nasional, mencatat TPT Indonesia 4,68%. ^[29] Angka ketenagakerjaan seperti ini tidak mengidentifikasi berapa bagian yang disebabkan AI. Menghubungkan perubahan tingkat pengangguran nasional langsung dengan cerita satu perusahaan Amerika membutuhkan bukti yang tidak disediakan oleh kedua sumber tersebut.

Komunikasi Microsoft mengenai Work Trend Index Indonesia 2026 mengklasifikasikan 33% pekerja Indonesia dalam kelompok pengguna AI lanjutan pada penelitiannya. ^[30] Angka komunikasi vendor ini perlu dibaca bersama definisi responden dan kategori penelitiannya. Ia tidak boleh otomatis diperlakukan sebagai pengukuran semua orang yang bekerja, termasuk kelompok yang mungkin tidak tercakup dalam survei.

Analisis untuk konteks lokal: ukuran yang relevan bagi usaha kecil dapat berupa waktu menyiapkan penawaran, ketepatan pencatatan, atau layanan pelanggan. Bagi pengembang, ukuran dapat meliputi pekerjaan yang diterima, kestabilan produk, dan pembelajaran. Bagi layanan publik, akses, ketepatan, keterjelasan keputusan, serta penanganan keluhan dapat sama pentingnya dengan jumlah dokumen yang diproses.

Bahasa dan konteks lokal juga perlu masuk evaluasi. Keluaran yang tampak lancar dapat mengandung salah istilah, salah maksud pelanggan, atau asumsi yang tidak sesuai lingkungan pengguna. Pengujian pada tugas berbahasa lain tidak cukup menggantikan pengamatan pada kebutuhan sebenarnya. Menilai alat melalui pengalaman lokal bukan sikap tertutup; itu syarat membuat keputusan yang relevan.

Karena itu, respons yang masuk akal bagi organisasi Indonesia adalah uji terbatas dengan ukuran yang jelas, pelatihan, dan pencatatan biaya pengawasan. Meniru janji tenaga kerja tanpa memeriksa struktur pekerjaan sendiri dapat menghasilkan pembelian mahal atau pengurangan kapasitas yang keliru. Mengabaikan seluruh perkembangan juga berisiko melewatkan manfaat. Keputusan sebaiknya mengikuti hasil pada tugas yang benar-benar dikerjakan.

36. Menjaga jalur junior tanpa berpura-pura pekerjaan tidak berubah

Kekhawatiran paling mendasar bukan hanya berapa posisi pemula tersedia bulan ini, tetapi bagaimana seseorang bisa menjadi ahli ketika sebagian tugas awal diotomatisasi. Banyak keterampilan sulit ditumbuhkan melalui penjelasan singkat. Orang perlu melihat akibat pilihan, menerima koreksi, memperbaiki kesalahan, dan memahami mengapa suatu solusi yang tampak benar ternyata tidak cocok.

Organisasi dapat menilai jalur tersebut secara sengaja. Apakah junior masih memperoleh tugas yang mengajarkan konsep? Apakah mereka dapat bertanya kepada senior? Apakah peninjauan menjelaskan alasan, atau sekadar menerima dan menolak hasil? Apakah penilaian kinerja menghargai pemahaman dan kemampuan menangani keadaan baru, atau hanya volume keluaran dengan bantuan alat?

Ada peluang memakai AI untuk pembelajaran yang lebih baik. Alat dapat membantu menjelaskan konsep, memberi contoh, atau mendukung latihan. Namun, rancangan perlu memastikan peserta tetap berpikir dan memeriksa. Kemampuan menghasilkan jawaban benar dengan bantuan tidak boleh menjadi satu-satunya bukti penguasaan. Pengujian mandiri pada bagian yang relevan membantu mengetahui apa yang benar-benar dipahami.

Perusahaan juga perlu menghindari paradoks tuntutan pengalaman. Mengurangi tugas pemula sambil menuntut semua pelamar sudah memiliki penilaian matang memindahkan biaya pembentukan keahlian ke pihak lain. Dalam jangka pendek, perusahaan mungkin bisa merekrut ahli dari pasar. Dalam jangka panjang, ketersediaan ahli bergantung pada adanya tempat orang memperoleh pengalaman. Besar dan waktu pengaruhnya perlu diteliti, tetapi mekanismenya layak diperhatikan sejak sekarang.

Respons tidak harus mempertahankan setiap tugas lama. Sebagian kegiatan memang membosankan atau tidak lagi berguna. Yang perlu dipertahankan adalah kesempatan membangun kompetensi yang masih dibutuhkan, dengan tugas yang relevan pada proses baru. Pelatihan dapat berubah bersama teknologi, sambil tetap menguji pemahaman dan pertanggungjawaban.

Bagi pekerja muda, nasihat yang lebih berguna daripada sekadar memakai AI sebanyak mungkin adalah belajar menjelaskan keputusan, memverifikasi hasil, memahami konteks, dan menunjukkan kontribusi pada tujuan nyata. Nasihat itu tidak menjamin pekerjaan atau menghapus hambatan pasar. Ia memusatkan pembelajaran pada kemampuan yang dapat diuji, sementara institusi tetap bertanggung jawab menyediakan jalur masuk yang masuk akal.

37. Seperti apa penelitian perusahaan yang lebih meyakinkan?

Pertama, definisikan pertanyaan sebelum memilih grafik. Apakah yang ingin diketahui waktu tugas, keluaran bermutu, pengalaman pekerja, biaya organisasi, atau kebutuhan tenaga? Satu rancangan dapat mencakup beberapa ukuran, tetapi perlu menyebut ukuran utama dan alasan memilihnya. Dengan begitu, hasil yang paling menarik setelah pengumpulan data tidak otomatis menjadi satu-satunya kesimpulan yang diumumkan.

Kedua, tentukan kondisi selesai dan masa pengamatan. Draf yang dihasilkan, pekerjaan yang diterima, dan perubahan yang sudah digunakan merupakan titik akhir berbeda. Tambahkan pemeriksaan lanjutan yang cukup untuk menangkap sebagian dampak tertunda. Jika penelitian masih awal, jelaskan batasnya dan kapan pembaruan akan dilakukan.

Ketiga, pilih pembanding yang sesuai dan jelaskan asumsi. Randomisasi dapat membantu ketika layak, sedangkan penelitian observasional dapat memanfaatkan variasi waktu, kelompok, dan kondisi. Tidak perlu berpura-pura semua pertanyaan dapat diacak. Yang penting adalah menunjukkan mengapa pembanding dianggap masuk akal dan analisis apa yang dilakukan untuk memeriksa kerapuhannya.

Keempat, hitung pekerjaan yang kurang terlihat. Peninjauan, perbaikan, pelatihan, koordinasi, penanganan kegagalan, dan pemeliharaan tidak boleh hilang hanya karena terjadi di tim lain atau setelah sesi alat berakhir. Pisahkan biaya tetap dan berulang, serta bedakan waktu kalender, waktu aktif manusia, dan runtime mesin.

Kelima, buka ruang untuk pemeriksaan pihak lain. Kode analisis, definisi variabel, hasil menurut kelompok, dan data agregat yang memadai dapat membantu tanpa mengorbankan rahasia pribadi. Jika akses penuh tidak mungkin, pemeriksa independen dapat bekerja dalam lingkungan terkendali. Jelaskan siapa membayar pemeriksaan, bagian mana diperiksa, dan keterbatasan yang masih tersisa.

Peninjauan mutu juga perlu mengurangi pengaruh pengetahuan tentang asal keluaran. Jika layak, pemeriksa dapat menilai sampel hasil tanpa diberi tahu mana yang memakai AI, dengan rubrik yang sama dan konteks tugas yang cukup. Setelah penilaian, asal keluaran dapat dibuka untuk analisis. Ini usulan rancangan, bukan keterangan bahwa penelitian yang dibahas sudah memakai prosedur tersebut. Tujuannya mencegah prasangka terhadap alat ikut menentukan skor yang kemudian disebut objektif.

Jangan hanya mengikuti pekerjaan yang akhirnya selesai. Tugas yang dibatalkan, ditinggalkan, atau dialihkan ke manusia dapat menjadi bagian penting biaya penggunaan. Jika hanya keberhasilan yang masuk tabel, rata-rata akan menjawab pertanyaan tentang hasil yang lolos seleksi, bukan semua pekerjaan yang dicoba. Catatan kegagalan perlu menyebut penyebab sejauh dapat diketahui, tanpa otomatis menganggap setiap pembatalan sebagai kesalahan alat.

Terakhir, tentukan bagaimana temuan langka tetapi berat diperlakukan. Sampel kecil dengan sedikit masalah belum membuktikan risiko rendah untuk jutaan penggunaan. Sebaliknya, satu kejadian buruk belum cukup mengukur tingkat kegagalan semua penggunaan. Penelitian perlu menyatakan ukuran sampel, lama paparan, jenis kerugian, dan ketidakpastian. Untuk keputusan penting, informasi tentang konsekuensi dan kemampuan memulihkan keadaan dapat sama relevannya dengan persentase keberhasilan rata-rata.

Kerangka NIST untuk GenAI memberi konteks pengelolaan risiko sepanjang penggunaan dan evaluasi sistem. ^[28] Ia bukan aturan hukum kerja Indonesia dan bukan rancangan eksperimen produktivitas siap pakai. Namun, gagasan menghubungkan pengukuran, risiko, dan tanggung jawab relevan ketika perusahaan ingin memakai hasil penelitian untuk mengubah pekerjaan manusia.

38. Siapa memperoleh manfaat, siapa menanggung biaya?

Kenaikan produktivitas tidak menentukan sendiri pembagian hasil. Perusahaan dapat menambah laba, menurunkan harga, meningkatkan upah, mengurangi jam, memperluas layanan, atau mengubah jumlah pegawai. Pilihan tersebut dipengaruhi pasar dan keputusan organisasi. Mengatakan teknologi meningkatkan kapasitas belum menjawab apakah pekerja menikmati kehidupan kerja yang lebih baik.

Pekerja yang sudah berada di perusahaan dan orang yang belum diterima juga mempunyai kepentingan berbeda. Kebijakan pemindahan internal dapat membantu pegawai yang tugasnya berubah, tetapi tidak otomatis membuka kesempatan bagi pelamar baru. Pemilikan saham dapat memberi bagian keuntungan kepada sebagian pegawai, tetapi tidak menjamin akses bagi pekerja kontrak atau mereka yang tidak pernah direkrut.

Pengawasan AI dapat pula memindahkan tanggung jawab tanpa memindahkan kewenangan. Jika seseorang diwajibkan menyetujui banyak keluaran tetapi tidak memiliki waktu atau hak menolak, organisasi menempatkan risiko pada pihak yang tidak dapat mengendalikannya. Perubahan peran perlu diikuti perubahan kapasitas, pelatihan, penilaian kinerja, dan jalur eskalasi.

Ada biaya di luar perusahaan: pendidikan, pencarian kerja, perpindahan tempat tinggal, atau penyesuaian penghasilan. Tidak semua biaya tersebut harus dibebankan ke satu teknologi, tetapi klaim keuntungan sosial perlu mempertimbangkannya. Penilaian yang hanya memakai penghematan biaya perusahaan dapat mengabaikan beban yang dipindahkan ke pekerja dan rumah tangga.

Analisis redaksi: diskusi yang lebih jujur meminta perusahaan menjelaskan bagaimana manfaat dibagi dan bagaimana pihak terdampak dilibatkan. Penjelasan tersebut tidak menggantikan bukti produktivitas. Ia menjawab pertanyaan berbeda yang sama pentingnya: ketika kemampuan organisasi meningkat, keputusan apa yang dibuat terhadap manusia yang bekerja di sekitarnya?

Pembahasan ini juga mencegah dua kepastian palsu. Teknologi yang bermanfaat tidak otomatis adil dalam penerapannya. Penerapan yang tidak adil tidak otomatis membuktikan teknologi tidak menghasilkan manfaat. Memisahkan kedua penilaian membantu masyarakat menuntut hasil yang lebih baik tanpa harus memalsukan keadaan teknis atau mengabaikan akibat sosial.

39. Putusan audit: kritik kuat, vonis manipulasi belum terbangun

Yang dapat dipertahankan dari pemeriksaan ini adalah bahwa perusahaan memublikasikan perubahan aktivitas dan komposisi kerja yang layak diteliti. Beberapa ukuran membutuhkan penjelasan lebih ketat ketika diterjemahkan menjadi produktivitas ekonomi atau penggantian manusia. Hasil penelitian pembanding menunjukkan manfaat dan kerugian yang bergantung pada tugas, alat, pengalaman, serta cara kerja.

Kritik paling kuat tidak perlu dimulai dengan menuduh data palsu. Ia dapat menunjukkan bahwa satuan tidak sebanding, indikator terlalu sempit, pembanding membutuhkan asumsi, atau kesimpulan meluas melampaui sampel. Kritik seperti itu dapat diuji dan dijawab. Jika perusahaan membuka informasi tambahan yang memperkuat hasil, penilaian harus diperbarui. Jika ditemukan ketidaksesuaian, ruang kritik juga menjadi lebih konkret.

Hal yang sama berlaku pada klaim bahwa pemeriksaan kesalahan manusia meningkat tajam. Ada alasan dan bukti survei untuk meneliti beban pengawasan. Namun, ukuran sesi pengelolaan, perkiraan waktu membaca, dan waktu memperbaiki bug tidak dapat digabung menjadi satu angka seolah semuanya mengukur kegiatan identik. Judul yang mengabaikan perbedaan ini akan mengulangi masalah yang sedang dipersoalkan.

Ukuran keberhasilan adopsi yang paling layak adalah hasil bermutu yang bertahan, dengan biaya dan tanggung jawab yang diketahui. Banyaknya aktivitas mesin dapat menjadi bagian informasinya. Jumlah orang yang tidak direkrut dapat menjadi akibat yang perlu diperiksa. Keduanya harus dihubungkan melalui bukti, bukan hanya melalui cerita masa depan yang terdengar meyakinkan.

40. Metode, batas akses, dan informasi yang masih diperlukan

Artikel ini memeriksa sumber terbuka yang tersedia sampai 24 Oktober 2026. Bahan utamanya mencakup laporan perusahaan, penelitian eksperimental, kertas kerja ekonomi, dokumen lembaga publik, serta satu liputan kritik sebagai pintu masuk. Tanggal pengumpulan data dan status publikasi dipisahkan sejauh informasinya tersedia. Ringkasan temuan tidak dianggap sebagai pengulangan independen hasil penelitian.

Kami tidak memperoleh data pegawai privat, menjalankan ulang seluruh regresi, mewawancarai pekerja yang dikutip sumber lain, atau memeriksa catatan keuangan internal Anthropic. Oleh karena itu, artikel tidak menyatakan telah membuktikan motif individu, ketepatan semua data dasar, atau hubungan kausal yang tidak ditunjukkan sumber. Penjelasan mengenai analisis tambahan merupakan usulan audit dan sintesis redaksi.

Contoh hitungan sengaja diberi label simulasi. Mereka membantu memperlihatkan bagaimana penyebut, biaya pengawasan, dan kapasitas memengaruhi kesimpulan. Angkanya bukan kebocoran data perusahaan, perkiraan gaji profesi tertentu, atau rekomendasi keputusan investasi. Pembaca dapat mengganti asumsi untuk memahami mengapa hasil berbeda pada organisasi berbeda.

Informasi lanjutan yang paling berguna meliputi jumlah perekrutan menurut jenjang, definisi tugas, ketepatan klasifikasi, biaya peninjauan lintas tim, hasil mutu yang tertunda, dan analisis pembanding yang dapat diperiksa. Data dari perusahaan pengguna di luar pengembang model juga penting untuk menilai generalisasi. Lebih banyak grafik tidak akan menggantikan kekurangan pada hubungan bukti tersebut.

Tangkapan layar produk dan grafik berasal dari publikasi sumber yang ditautkan serta diberi kredit. Demo produk menjelaskan alur penggunaan AI, bukan bukti langsung hasil studi produktivitas. Grafik lama dilabeli dengan periode dan sumbernya; gambar tidak dipakai berulang sebagai pengisi halaman. Tidak ada foto kantor atau pekerja buatan AI yang ditampilkan sebagai dokumentasi kejadian.

Pertanyaan yang perlu terus dibawa pembaca adalah sederhana: apa yang benar-benar berubah, siapa yang mengukurnya, dengan pembanding apa, dan siapa yang menanggung akibatnya? Jawaban yang terbuka dapat membantu penggunaan AI yang bermanfaat sekaligus membatasi keputusan yang bertumpu pada narasi berlebihan. Kejujuran media terletak pada mempertahankan perbedaan itu, termasuk ketika hasil akhirnya kurang dramatis daripada judul awal.

Sumber dan dokumen pemeriksaan

1. Anthropic / Wilmers, Catipon, Massenkoff, McCrory — How employment is changing at Anthropic, 16 Oktober 2026

   Laporan internal utama. Observasi perusahaan dan estimasi dengan adopsi tidak acak; bukan eksperimen penggantian seluruh pekerjaan.

2. Anthropic / Sacher dkk. — The AI expectations gap, 16 Oktober 2026

   Survei ekspektasi Agustus 2026. Pandangan responden dibedakan dari pengukuran kemampuan dan prakiraan resmi.

3. Anthropic — How AI is transforming work at Anthropic, 2 Desember 2025

   Studi terdahulu; pengumpulan data Agustus 2025. Bukan sampel dan periode laporan Oktober 2026.

4. The Guardian — Kritik laporan Anthropic, 23 Oktober 2026
5. Forsgren dkk. / Microsoft Research / ACM Queue — The SPACE of Developer Productivity, 2021

   Kerangka produktivitas multidimensi; aktivitas tidak cukup sebagai metrik tunggal.

6. Noda, Storey, Forsgren, Greiler / ACM Queue — DevEx: What Actually Drives Productivity, 2023

   Salinan naskah pada situs penulis. Umpan balik, beban kognitif, dan flow.

7. Callaway dan Sant’Anna — Difference-in-Differences with Multiple Time Periods, 2021

   Landasan metodologis adopsi bertahap; bukan audit khusus data Anthropic.

8. Becker dkk. / METR — Experienced open-source developer productivity, 10 Juli 2025

   RCT awal 2025, dengan lingkup pengembang, tugas, dan alat tertentu.

9. Becker dkk. / METR — Changing our Developer Productivity Experiment Design, 24 Februari 2026

   Pembaruan penting tentang seleksi peserta dan tugas serta kesulitan mengukur agen paralel.

10. Joel Becker / METR — Self-Reported Impact of Early-2026 AI, 11 Mei 2026

    Survei persepsi membedakan perubahan kecepatan dan nilai; tidak diperlakukan sebagai RCT.

11. Cui, Demirer, Jaffe, Musolff, Peng, Salz — The Effects of Generative AI on High-Skilled Work

    Naskah Juni 2025 pada situs penulis; versi jurnal Management Science 2026, DOI 10.1287/mnsc.2025.00535.

12. Noy dan Zhang / Science / MIT — Experimental evidence on productivity effects, 2023

    Versi jurnal Science 2023. Waktu dan mutu tugas penulisan dibedakan dari hasil keseluruhan pekerjaan.

13. Brynjolfsson, Li, Raymond / Quarterly Journal of Economics — Generative AI at Work, 2025

    Hasil versi jurnal memakai 5.172 agen dukungan dan kenaikan rata-rata 15%; tidak dicampur dengan angka draf lama.

14. Dell’Acqua dkk. / Organization Science — The Cybernetic Teammate, 2026

    Eksperimen profesional P&G; versi kertas kerja juga tersedia sebagai NBER w33641. Kinerja tugas tidak langsung menjadi keputusan staffing.

15. Dell’Acqua dkk. / Organization Science — Navigating the Jagged Technological Frontier, 11 Maret 2026

    Versi jurnal dari penelitian yang beredar sejak 2023. Manfaat berbeda menurut posisi tugas terhadap kemampuan alat.

16. DORA / Google Cloud — State of AI-assisted Software Development 2025

    Dibaca bersama ringkasan DORA 2025. Asosiasi survei dan dukungan vendor dinyatakan; statistik 2024 tidak dilabeli sebagai hasil 2025.

17. Atlassian — State of Developer Experience Report 2026

    Survei lebih dari 1.500 praktisi. Tinjauan keluaran dan koreksi prompt tidak disamakan seluruhnya dengan pembetulan bug.

18. Frank, Javadian Sabet, Simon, Bana, Yu — AI-exposed jobs deteriorated before ChatGPT, v2, 16 Oktober 2026

    Pracetak. Risiko pengangguran, profil karier, dan kurikulum; bukti tren sebelum peluncuran penting untuk klaim sebab-akibat.

19. Brynjolfsson, Chandar, Chen / Stanford Digital Economy Lab — Canaries in the Coal Mine, revisi 12 Agustus 2026

    Versi terbaru yang diperiksa mencakup data sampai Juni 2026. Penulis menyebut pola deskriptif, bukan estimasi kausal.

20. Humlum dan Vestergaard / Brookings — Still waters, rapid currents, 6 Oktober 2026

    Penjelasan penelitian oleh penulis. Data administratif Denmark berakhir Desember 2024 meskipun artikelnya terbit 2026.

21. Crane dan Soto / Federal Reserve FEDS — AI and Coder Employment, Maret 2026

    Kertas kerja peneliti, bukan posisi resmi Board. Menilai perlambatan pertumbuhan pekerjaan pemrograman.

22. Audoly, Guerin, Topa / Federal Reserve Bank of New York — Do Job Postings Show Early Labor-Market Effects of AI?, 14 Mei 2026

    Lowongan berbeda dari pekerjaan terisi. Analisis tren sebelum dan sesudah peluncuran ChatGPT.

23. Orr, Tucker, Warren / US Census Bureau — Graduating into Disruption, September 2026

    Kertas kerja CES-26-56 berbasis catatan administratif lulusan; hasil regresi tidak menjadi angka nasional universal.

24. Gmyrek dkk. / ILO dan NASK — Generative AI and Jobs: A Refined Global Index, 20 Mei 2025

    Indeks paparan potensi tugas, bukan hitungan PHK yang sudah terjadi. Gambar 20 dipakai dengan kredit ILO, CC BY 4.0.

25. Massenkoff dan McCrory / Anthropic — Labor market impacts of AI, 5 Maret 2026

    Membedakan kemampuan teoretis dan penggunaan teramati; cakupan Claude perlu diperhitungkan.

26. Daron Acemoglu / MIT / Economic Policy — The Simple Macroeconomics of AI

    Model dengan asumsi tertentu, bukan ramalan yang sudah terkonfirmasi. Naskah Oktober 2024; publikasi jurnal 2025.

27. OECD Artificial Intelligence Papers No. 39 — Effects of generative AI on productivity, innovation and entrepreneurship, Juni 2025

    Tinjauan penelitian dan batas generalisasi. Pandangan penulis kertas kerja tidak dinyatakan sebagai sikap seluruh negara OECD.

28. NIST — Generative Artificial Intelligence Profile, 26 Juli 2024

    NIST AI 600-1, panduan sukarela pengelolaan risiko; bukan ketentuan hukum ketenagakerjaan Indonesia.

29. BPS Provinsi Aceh, melalui Disnakermobduk Aceh — Keadaan Ketenagakerjaan Aceh Februari 2026, 5 Mei 2026

    Publikasi BPS termasuk tabel pembanding provinsi dan Indonesia. Tidak mengidentifikasi pengaruh AI terhadap pengangguran.

30. Microsoft Source Asia — Work Trend Index Indonesia, 30 Juni 2026

    Survei dan komunikasi perusahaan; persentase responden tidak otomatis mewakili semua pekerja termasuk sektor informal.

31. Geist, desainer identitas Anthropic — Anthropic brand case study

    Sumber foto arsip tim dan aktivitas kantor Anthropic. Fotografi Aaron Wojack; bukan dokumentasi penelitian Oktober 2026.

32. Shen dan Tamkin / Anthropic — How AI assistance impacts coding skills, 29 Januari 2026

    Eksperimen belajar pustaka baru. Selisih 50% versus 67% dihitung 17 poin persentase; hasil singkat tidak dianggap diagnosis seluruh profesi.

33. Anthropic — Newsroom dan aset identitas resmi

    Sumber simbol resmi Anthropic untuk thumbnail, termasuk tautan press kit perusahaan.

34. Anthropic — Use Claude Code in VS Code

    Sumber tangkapan layar editor, percakapan dengan agen, serta pemeriksaan perubahan dan izin penyuntingan.

35. Anthropic — Redesigning Claude Code on desktop for parallel agents, 14 April 2026

    Sumber demo resmi antarmuka desktop untuk menjelaskan sesi kerja paralel dan review kode.

36. Anthropic — Put Claude to work on your computer, 23 Maret 2026

    Sumber demo Dispatch: instruksi dari ponsel dan pelaksanaan tugas di komputer. Dokumentasi produk, bukan bukti hasil studi tahun 2025.