Analisis OpenAI terhadap 800.000 pesan ChatGPT yang dikirim oleh para profesional di AS menunjukkan bahwa hampir satu dari enam perintah terkait pekerjaan kini meminta model tersebut untuk menangani tugas-tugas yang secara tradisional merupakan ranah pekerjaan lain. Jika tugas penulisan dan peringkasan rutin dikeluarkan, angkanya melonjak menjadi 43,5%. Pergeseran ini sudah mulai mengubah cara karyawan menghabiskan hari mereka, dan hal ini paling berdampak pada perusahaan terkecil, di mana setiap keahlian tambahan dapat memangkas waktu tunggu spesialis selama berminggu-minggu.

Mengapa angka-angka ini penting

Studi tersebut menemukan bahwa permintaan lintas departemen terkonsentrasi pada fungsi-fungsi tertentu. Pemasaran dan teknik memimpin kelompok ini, dengan kueri terkait pemasaran muncul dalam 8,9% pesan dari peran lain—tingkat tertinggi dalam kumpulan data tersebut. Seorang tenaga penjual mungkin meminta ChatGPT untuk menghitung angka customer-lifetime-value yang biasanya ditangani oleh seorang analis data, sementara seorang pemasar dapat memperbaiki tautan yang rusak atau menyesuaikan SEO on-page sebelum melibatkan seorang insinyur.

Bagi pemilik bisnis kecil, efeknya lebih terasa. Pemilik bisnis kini menyusun catatan tinjauan hukum, menjalankan prakiraan keuangan cepat, dan melakukan analisis ad-hoc yang sebelumnya memerlukan pengacara atau CFO. Dalam tim yang terdiri dari dua hingga lima orang, 18,9% tugas yang dihasilkan AI berada di luar peran inti karyawan, dibandingkan dengan 16,3% di perusahaan dengan lebih dari seratus staf. Perhitungannya sederhana: perusahaan besar dapat meneruskan permintaan tersebut ke rekan kerja yang berdedikasi; usaha kecil harus menyelesaikan masalah itu sendiri.

Sisi positifnya: kecepatan dan serah terima yang lebih tajam

Ketika seorang karyawan menghasilkan analisis tahap awal atau ringkasan hukum kasar, serah terima kepada spesialis menjadi lebih cepat dan lebih terfokus. Spesialis menerima pernyataan masalah yang lebih jelas, data yang dipersiapkan dengan lebih baik, dan lebih sedikit email bertema "tolong jelaskan apa yang Anda butuhkan". Hal ini memangkas waktu tunggu, mengurangi gesekan internal, dan meningkatkan kualitas permintaan.

Apa yang berisiko

Studi ini tidak mengklaim bahwa AI akan membuat para ahli menjadi usang. Studi ini membingkai teknologi tersebut sebagai penanggap lini depan yang membawa masalah lebih dekat ke sumbernya.

Bagaimana perusahaan dapat beradaptasi

  • Petakan titik keputusan – Identifikasi di mana sebuah permintaan biasanya terhenti dan uji apakah AI dapat menghasilkan draf pertama yang dapat digunakan.
  • Tentukan batasan wewenang – Nyatakan hasil mana yang memerlukan persetujuan dari profesional yang berkualifikasi.
  • Latih keahlian baru – Tawarkan pembelajaran mikro (micro-learning) tentang cara memberikan perintah (prompting), menafsirkan saran AI, dan mengenali kemungkinan kesalahan.
  • Ukur dampak – Pantau waktu yang dihemat pada proses serah terima dibandingkan dengan kenaikan tingkat kesalahan atau pengerjaan ulang.

Organisasi kecil vs. besar: jalur yang berbeda

Batas berikutnya

Data OpenAI menangkap sebuah praktik yang berkembang pesat. Seiring dengan model yang menjadi lebih andal dan spesifik domain, pangsa tugas lintas departemen kemungkinan akan meningkat. Organisasi yang memperlakukan AI hanya sebagai alat produktivitas, alih-alih sebagai katalis untuk desain ulang alur kerja, berisiko tertinggal. Mereka yang merancang ulang proses sekarang—memutuskan keputusan mana yang tetap dilakukan manusia dan mana yang dapat diperkuat AI—akan memperoleh siklus yang lebih cepat dan tim yang lebih gesit.

Intisari: AI sudah memindahkan respons pertama ke asal masalah, terutama di bisnis kecil di mana setiap kemampuan tambahan mengurangi penundaan. Keuntungan sebenarnya bukan datang dari mengganti nama pekerjaan, melainkan dari memikirkan kembali siapa melakukan apa, dan di mana mesin dapat mengambil peran dengan aman.