Intinya dalam 5 detik
Makin jago AI membuat sesuatu, makin sedikit nilai kamu bergantung pada kemampuan mengerjakan semuanya sendiri.
Yang makin penting justru cepat sadar kalau ada yang nggak beres (“ini membosankan”, “nggak bakal ada yang klik ini”, “jalan sih, tapi nggak bikin pengin pakai”), menjelaskan alasannya, memberi AI tujuan dan batasannya, lalu menilai lagi hasil nyatanya.
Jadi, bukannya menulis semua kode sendiri, kamu memutar lingkaran ini:
sadar ada yang janggal → ngobrolin dengan AI → merancang dari 0 ke 1 → membuat → melihat hasil nyatanya → sadar lagi ada yang janggal
Dari luar, kelihatannya seperti bos yang kerjanya cuma ngomel.
Tapi selama kamu nggak mengatur sampai tiap piksel, itu bukan bos yang ribet mengurusi hal kecil. Kamu memegang tujuan dan standar kualitas. AI yang mencari cara dan mengerjakannya.
1. Awalnya dari halaman depan yang rapi tapi membosankan banget
Halaman depan sebuah situs menampilkan nama kategori dan jumlah artikel dalam barisan yang rapi.
Informasinya tertata. Nggak ada yang rusak. Semuanya bisa dijelaskan.
Tapi reaksi pertama begitu melihatnya:
“Duh, ini membosankan banget.”
Perasaan seperti ini merepotkan.
Ini bukan error yang jelas seperti tombol yang nggak bisa diklik. Tesnya lolos. Nggak ada aturan yang dilanggar. Tapi rasanya nggak pengin menyentuhnya.
Setelah ngobrol bolak-balik dengan AI chat, perasaan itu pelan-pelan bisa diungkapkan.
Pemilik situs memamerkan stok: “Hubungan: 98 artikel”, “Keputusan dan perbandingan: 78 artikel”. Padahal orang yang baru pertama datang nggak peduli soal stok. Yang ada di kepalanya:
“Ada yang seru buat aku sekarang nggak?” “Aku punya masalah ini, harus klik di mana?” “Lagi nggak nyari apa-apa, cuma pengin nemu sesuatu.”
Lalu seluruh masalahnya diserahkan lagi ke AI perencana yang khusus merancang dari nol. Halaman depan pun berubah dari gudang kategori jadi kartu-kartu bergaya pesan yang bisa dimasuki sesuai suasana hati atau kebutuhan.
Itu bukan sekadar merapikan tampilan (CSS).
Itu memikirkan ulang buat apa halaman depan ada.
2. Kerjaanmu mulai kelihatan seperti klien yang rewel
Begitu AI juga yang membuat, pekerjaan manusia jadi kelihatan aneh.
“Bagian ini kelihatan murahan.” “Penjelasannya benar, tapi nggak bikin pengin klik.” “Fiturnya ada, tapi pas dipakai rasanya jelek.” “Bisa dibikin lebih seru nggak?”
Kalau dibaca begitu saja, kedengarannya seperti klien paling menyebalkan.
Tapi ikut campur yang benar-benar berbahaya itu bentuknya lain:
“Jarak pinggirnya 12px.” “Kartunya harus 3 kolom.” “Kalimat ini taruh di sini.”
Itu manusia yang mengunci caranya.
Kali ini kebalikannya.
Manusia memegang penilaian: ini bagus nggak? Cocok dengan tujuan nggak? Apa yang bikin risih?
Cara memperbaikinya sebagian besar diserahkan ke AI perencana dan AI yang menulis kode.
Jadi si “klien rewel” ini sebenarnya merangkap pemilik produk, pemimpin redaksi, direktur kreatif, dan pemeriksa kualitas sekaligus.
Keyboard-nya makin sepi. Jabatannya malah makin berat.
3. Rasa janggal itu alarm yang bagus, tapi belum jadi perintah kerja
“Pokoknya nggak suka” itu penting.
Tapi langsung melemparnya ke AI yang menulis kode itu berisiko.
Bisa jadi cuma selera pribadi. Bisa jadi efek samping dari perbaikan di tempat lain. AI bisa saja menuruti keluhanmu mentah-mentah lalu merusak semuanya.
Karena itu, ngobrol dulu dengan AI chat sangat membantu.
Minimal, ubah perasaan itu jadi seperti ini:
- Gejala: apa yang kamu lihat sampai merasa “aduh”?
- Kemungkinan penyebab: kenapa terasa begitu?
- Pembaca: siapa yang sebenarnya terganggu?
- Tujuan: orang harus bisa melakukan apa?
- Batasan: apa yang nggak boleh rusak?
- Dianggap beres kalau: apa yang menunjukkan sudah lebih baik?
“Halaman depannya membosankan” berubah jadi:
“Kategori buatan situs terlalu menonjol, jadi pembaca baru susah mencari dari apa yang mereka mau. Kami ingin pintu masuk berdasarkan suasana hati atau kebutuhan, bukan jumlah artikel.”
Sekarang keluhan itu sudah bisa dipakai untuk merancang.
4. Ngobrolin bikin “selera aku” jadi dugaan yang bisa dicek
Kuncinya: jangan anggap perasaanmu pasti benar.
“Aku nggak suka” dan “ini jelek buat pengguna” itu dua hal yang berbeda.
Jadi kamu adu perasaan itu dengan riset, aturan desain yang sudah ada, contoh yang sebaliknya, dan data pemakaian yang nyata.
Misalnya kamu pecah begini:
“Nggak enak karena informasinya kebanyakan?” “Nggak enak karena disusun menurut cara pikir pemilik, bukan pembaca?” “Nggak enak karena orang yang nggak nyari apa-apa nggak punya pintu masuk?” “Bukannya pengunjung lama malah lebih cepat pakai daftar?”
Dengan langkah ini, insting kamu tetap hidup, tapi nggak sampai kebablasan.
Rasa janggal itu alarm.
Ngobrolin itu diagnosis.
Membuat itu pengobatan.
Jangan langsung lari ke ruang operasi begitu alarmnya bunyi.
5. “Bikin kayak IKEA atau Costco” bukan perintah asal, tapi mempersempit pencarian
Contoh yang konkret itu kuat.
Kalau cuma bilang “bikin lebih seru”, AI harus mencari di area yang terlalu luas.
Tapi kalau kamu bilang:
“Kayak jalan-jalan di toko besar, terus malah lihat barang yang tadinya nggak niat dibeli.” “Bukan daftar kategori, tapi sesuatu yang bikin kamu terus nemu hal baru sambil melihat-lihat.”
pengalaman yang kamu mau jadi jauh lebih jelas.
Yang penting bukan meniru tampilan toko itu.
Bukan meniru warna, jarak, atau bentuk kartunya, tapi naikkan satu tingkat:
“nemu hal yang nggak dicari” “muter-muter melihat-lihat” “pengin lihat yang berikutnya” “menunjukkan pengalaman, bukan gudang”
Contoh dipakai untuk menentukan arah, bukan mengunci jawabannya.
Dengan begitu, AI masih punya ruang untuk berpikir.
6. Pisahkan AI yang merancang dari nol dan AI yang mengerjakan
Untuk memperbaiki bug yang sudah ketahuan, nggak perlu rapat perencanaan besar setiap kali.
Cari penyebabnya, perbaiki, tes.
Tapi untuk pekerjaan yang lebih dekat ke 0 ke 1, seperti “bikin halaman depan seru dari akarnya”, ada gunanya lewat sekali dulu di AI perencana yang kuat sebelum mulai membuat.
Bagi perannya:
AI chat mengurai rasa janggal dan merumuskan apa yang dibutuhkan.
AI perencana dari nol mencari pilihan, struktur, dan rancangan pengalamannya.
AI yang menulis kode mengurus kode, tes, dan mengecek bagian lain nggak ikut rusak.
Manusia memegang tujuan, batasan, prioritas, dan keputusan akhir dipakai atau nggak.
Nggak perlu muter-muter di rapat AI yang cuma menghasilkan rencana.
Rencana baru ada nilainya kalau benar-benar jadi barang.
7. Riset bilang manusia + AI nggak otomatis jadi tim terbaik
Bagian ini penting.
Sebuah meta-analisis tahun 2024 di Nature Human Behaviour menggabungkan 106 eksperimen dan 370 ukuran efek yang langsung membandingkan manusia sendiri, AI sendiri, dan manusia yang bekerja bareng AI.[1]
Rata-rata, manusia + AI lebih baik daripada manusia sendirian.
Tapi kalau dibandingkan dengan yang lebih jago di antara keduanya, manusia atau AI, gabungannya rata-rata malah lebih buruk.
Menambahkan manusia di akhir nggak menjamin hasilnya jadi lebih kuat.
Selain itu, di tugas mengambil keputusan, hasil gabungannya cenderung turun, sedangkan di tugas kreatif gabungannya relatif lebih menjanjikan.
Jadi pertanyaan utamanya bukan “pakai AI atau nggak?”
Tapi:
Siapa mengerjakan bagian yang mana?
Bukan manusia menyetujui semuanya di akhir, bukan juga semuanya dilempar ke AI.
Cara membagi pekerjaan itulah yang menentukan hasilnya.
8. Kemampuan AI punya batas yang bergerigi
Eksperimen tahun 2026 yang terbit di Organization Science melibatkan 758 pekerja kantoran yang banyak pakai otak. Di 18 tugas yang masih dalam jangkauan kemampuan AI, orang yang memakai AI rata-rata menyelesaikan 12,2% lebih banyak tugas, 25,1% lebih cepat, dan kualitasnya juga lebih baik.[2]
Tapi di soal bisnis yang rumit di luar jangkauan kemampuan AI, peluang pengguna AI menjawab benar justru 19% lebih rendah.
Dua pekerjaan bisa sama-sama terlihat seperti “kerja otak”, tapi AI membantu di satu dan malah mengganggu di yang lain.
Inilah yang disebut “batas yang bergerigi”.
Jadi, alih-alih bilang
“AI kan pintar, serahkan saja”,
kamu bilang
“pekerjaan jenis ini untuk AI, bagian ini manusia yang menilai”.
Manusia: menangkap rasa janggal, menentukan tujuan, menimbang untung-rugi yang besar, menjaga semuanya tetap nyambung.
AI: mencari dalam jumlah besar, membuat alternatif, menulis, mengerjakan, dan pengecekan yang mekanis.
Setidaknya untuk sekarang, pembagian seperti ini yang paling masuk akal.
9. Riset mendukung pergeseran dari menulis draf pertama ke menyunting
Dalam eksperimen tahun 2023 di Science, 453 profesional mengerjakan tugas menulis. Yang memakai AI generatif rata-rata selesai 40% lebih cepat, dan nilai kualitasnya 18% lebih tinggi.[3]
Penelitian tahun 2025 di Quarterly Journal of Economics tentang layanan pelanggan memakai data nyata 5.172 petugas. Dengan bantuan AI, jumlah kasus yang beres per jam naik rata-rata 15%, dan dampaknya paling besar pada petugas yang masih kurang berpengalaman.[4]
Tentu saja, penelitian ini nggak membuktikan bahwa perusahaan bisa jalan sendiri asal bos bilang “kok janggal”.
Tapi ini cocok dengan arah yang lebih sederhana: kalau draf, pekerjaan rutin, membuat pilihan, dan menulis jadi lebih murah, orang bisa lebih banyak memakai waktunya untuk “mau bikin apa”, “mau pakai yang mana”, dan “apa yang aneh”.
Kemampuan turun tangan sendiri bukan jadi nggak penting.
Cuma, itu bukan lagi satu-satunya hal yang menghambat.
10. Jebakan terbesar: memperbaiki tiap keluhan sampai semuanya nggak nyambung
Perbaiki kartunya.
Perbaiki iklannya.
Perbaiki artikel terkaitnya.
Perbaiki pencariannya.
Masing-masing jadi lebih baik.
Tapi situsnya secara keseluruhan malah jadi berantakan.
Ini sering banget terjadi.
Menghapus rasa janggal satu per satu bisa bikin tiap bagian membaik tapi keseluruhannya memburuk.
Karena itu, sesekali kamu perlu mundur selangkah dan melihat dari atas:
“Siapa yang datang ke sini?” “Mereka datang mau ngapain?” “Langkah pertamanya apa?” “Kita mau mereka jalan-jalan ke mana?” “Mereka mau dibekali apa waktu pulang?” “Ada fitur yang sebenarnya lebih baik dihapus?”
Memperbaiki bagian dan mengecek gambaran besar adalah dua pekerjaan yang berbeda.
Lagi pula, manusia juga ikut terseret saran AI. Ada eksperimen yang menunjukkan lingkaran umpan balik di mana penilaian manusia dan AI saling memperkuat sampai biasnya makin besar.[5]
Jadi “AI juga setuju” bukan bukti.
Kembali ke riset, pemakaian nyata, contoh sebaliknya, dan kenyataan di luar.
11. “Bikin yang bagus aja” baru jalan kalau sudah punya pemahaman bersama
“Bikin yang bagus aja” sebenarnya perintah yang cukup berisiko.
Tanpa konteks, itu cuma untung-untungan, kayak gacha.
Tapi artinya berubah kalau hal-hal ini sudah sama-sama dipahami:
Tujuan Apa yang mau dibuat lebih baik?
Yang nggak diinginkan Apa yang sama sekali nggak mau terjadi?
Batasan Aturan, biaya, keamanan, atau kondisi operasional apa yang nggak boleh rusak?
Contoh acuan Pengalaman seperti apa yang dikejar?
Dianggap beres kalau Apa yang menunjukkan ini berhasil?
Kalau itu sudah menumpuk, “bikin yang bagus aja” jadi singkatan.
Itu bukan lepas tangan.
Itu memanggil banyak konteks bersama dalam beberapa kata.
Sama seperti tim manusia yang kompak, cukup bilang “kayak biasa” semua sudah paham.
Dengan AI, hal itu akhirnya mulai bisa jalan.
12. Kalau AI penulis kode tumbang, jangan biarkan seluruh proyek berhenti
Aplikasi AI penulis kode tiba-tiba mati.
Pas sebelum batas pemakaiannya di-reset.
“Padahal mau aku jejalin semua selagi masih bisa.”
Gangguan seperti ini diam-diam bikin sakit hati.
Tapi dari sini ada jawaban praktis:
Pisahkan antrean “berpikir” dan antrean “mengerjakan”.
Walaupun agen penulis kode lagi nggak bisa dipakai, kamu tetap bisa:
mengumpulkan rasa janggal, ngobrolin dengan AI, membuat dugaan penyebab, mengeceknya dengan riset, menentukan prioritas, menulis kapan sesuatu dianggap beres.
Sampai situ bisa jalan terus.
Begitu pulih, AI penulis kode nggak mulai mikir dari nol. Ia tinggal mengerjakan tugas yang sudah siap, dari atas ke bawah.
Satu layanan mati jangan sampai bikin otak seluruh tim ikut berhenti.
Ini memang menghemat biaya, tapi yang lebih penting, kamu tetap bisa jalan saat ada yang rusak.
13. Bos di era AI nggak perlu tahu semua jawaban
Setelah menjalankan lingkaran ini sekali, peran manusia terlihat jauh berbeda.
Kamu nggak harus bisa menulis semua kode.
Nggak harus bisa menggambar layar yang sempurna di percobaan pertama.
Nggak harus tahu solusinya.
Tapi kamu tetap memegang ini:
“Bukan ini.” “Alasannya begini.” “Siapa yang harus jadi lebih untung, dan dalam hal apa?” “Apa yang nggak boleh rusak?” “Usulan yang keluar boleh dipakai nggak?”
AI bisa mengeluarkan banyak sekali solusi.
Bisa juga mengerjakannya.
Bisa juga mengecek cukup banyak hal.
Tapi kalau keputusan soal “apa yang dianggap bagus” untuk produkmu ikut kamu serahkan juga, nggak ada lagi yang bisa dituju.
Jadi pekerjaan manusia bukan hilang, melainkan bergeser ke hulu dan makin padat.
Kalau pakai gaya bos zaman dulu, bukan
“Aku kerjakan semuanya sendiri.”
Tapi
“Bukan ini. Alasannya begini. Arahnya ke sana. Sisanya kerjakan dengan cara paling bagus.”
“Bikin yang bagus aja” akhirnya mulai jadi keahlian beneran.
Referensi (5)
[1] Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8, 2293–2303. https://doi.org/10.1038/s41562-024-02024-1
[2] Dell’Acqua, F., et al. (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 37(2), 403–423. https://doi.org/10.1287/orsc.2025.21838
[3] Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586
[4] Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044
[5] Glickman, M., & Sharot, T. (2025). How human–AI feedback loops alter human perceptual, emotional and social judgements. Nature Human Behaviour, 9, 345–359. https://doi.org/10.1038/s41562-024-02077-2
