Berita AI menjelaskan apa yang bisa dilakukan alat baru, sedangkan orang yang benar-benar memakai AI dalam hidup sehari-hari bisa menunjukkan apa yang terjadi pada dirinya setelah itu, lalu mengubah kejutan tersebut jadi pertanyaan baru yang dicek dengan hasil riset.
Kalau sering membaca tulisan orang yang tiap hari menulis soal AI, kadang muncul dugaan yang agak usil:
"Jangan-jangan mereka terlalu sibuk menulis soal AI sampai di kehidupan sendiri malah jarang pakai AI?"
Tentu saja, ini tidak bisa dianggap fakta. Tidak ada data lengkap soal berapa jam setiap wartawan atau peneliti AI memakai AI dalam kehidupan pribadinya.
Tapi kalau dicari tahu, dugaan ini juga tidak sepenuhnya ngawur.
Wartawan dan pekerja kantoran memang sudah cukup banyak pakai AI. Hanya saja, pemakaiannya biasanya untuk bagian tertentu dari pekerjaan yang sudah ada, seperti mencari info, merangkum, membuat transkrip, menerjemahkan, dan mengoreksi tulisan.[1][2]
Yang penting di sini: sering bersentuhan dengan AI dan benar-benar membiarkan AI masuk ke hidup sendiri itu dua hal yang berbeda.
Perbedaan ini mengubah cara sebuah artikel dibuat.
1. "Penulis AI tidak pakai AI" itu salah, tapi pemakaiannya cukup sempit
Survei Reuters Institute terhadap 1.004 wartawan di Inggris menemukan 56% memakai AI untuk kerja minimal seminggu sekali, dan 27% memakai AI setiap hari untuk setidaknya satu tugas jurnalistik.[1]
Jadi bilang "wartawan tidak pakai AI" jelas salah.
Tapi coba lihat pemakaian teratas yang dilakukan minimal sebulan sekali: transkrip 49%, terjemahan 33%, cek tata bahasa dan koreksi 30%. Riset bahan berita 22%, cari ide 16%, menulis sebagian artikel 16%, dan menulis draf pertama artikel cuma 10%.[1]
Kontak dengan AI memang banyak. Tapi sebagian besarnya adalah fitur praktis di dalam proses membuat berita.
Di Jepang polanya mirip. Survei NIRA bulan Februari 2026 menunjukkan 27% pekerja rutin memakai AI generatif untuk kerja, dan 39% pernah memakainya setidaknya sekali. Pemakaian yang paling sering adalah cari informasi, menulis teks, merangkum, serta koreksi dan edit. Sementara itu, minta saran tindakan atau rencana, mengelola orang, dan membantu mengurus proyek semuanya di bawah 10%.[2]
Artinya, AI memang makin menyebar.
Tapi sering kali masih menyebar sebagai "satu fitur praktis di dalam pekerjaan".
Ini jauh berbeda dengan cara pakai yang menyambungkan AI ke semua hal: hidup, kerja, hobi, keputusan, riset, jadwal, otomatisasi, sampai hal-hal yang sedang dipikirkan.
2. Pakai AI untuk menulis soal AI beda dengan hidup bersama AI
Kalau pekerjaanmu menulis berita AI, hari seperti ini saja sudah kelihatan seperti pemakai berat:
Baca pengumuman fitur baru.
Suruh AI merangkum.
Suruh AI menerjemahkan artikel luar negeri.
Suruh AI menyusun kerangka artikel.
Suruh AI memperbaiki judul.
Suruh AI mengoreksi tulisan.
Ini jelas memakai AI.
Tapi dari awal sampai akhir, kamu memakai AI untuk membuat konten tentang AI.
Sebaliknya, orang yang memasukkan AI ke hidupnya mengarahkan AI ke dirinya sendiri.
Menentukan tujuan liburan. Mengotomatiskan pekerjaan. Mengubah cara belajar. Membandingkan barang sebelum beli. Mengatur cara memakai waktu. Menyelidiki pertanyaan seputar hobi. Lalu kalau perilakunya sendiri berubah, perubahan itu pun diminta dianalisis oleh AI.
Singkatnya, kamu pindah dari mengamati AI ke mengamati hidup yang sudah ada AI-nya.
Ini seperti beda antara membaca 100 catatan update dan benar-benar main game yang sudah di-update selama 100 jam.
3. Begitu AI masuk ke hidup, muncul efek samping yang tak terduga
Ini bagian yang paling penting.
Berita menulis apa yang sekarang bisa dilakukan AI.
Riset menulis berapa persen pekerjaan jadi lebih cepat.
Tapi kalau benar-benar dipakai berjam-jam setiap hari, muncul hal berikutnya:
Waktu kerja berkurang 40%. Tapi bukannya selesai lebih cepat, malah nambah kerjaan lagi.
Waktu menunggu hilang. Harusnya jadi lebih efisien, tapi waktu istirahat ikut hilang.
AI langsung menjawab. Eksplorasi jadi terlalu seru sampai kerja terasa seperti main game.
Tadinya batas pemakaian terasa mengganggu karena AI terlalu praktis, sampai sadar justru batas itulah yang memaksa kita istirahat.
Pertanyaan seperti ini jarang muncul hanya dari membaca catatan rilis.
Pertanyaan ini baru muncul kalau kamu benar-benar memakainya, perilakumu berubah, lalu kamu sadar, "Lho, kok aku jadi begini?"
Kalau sekadar mengenalkan kemampuan AI, informasi langsungnya dipegang perusahaan.
Tapi informasi langsung soal apa yang terjadi pada manusia setelah AI masuk ke hidupnya dipegang oleh orang yang memakainya.
4. Berita AI memberi jawaban, hidup bersama AI memunculkan pertanyaan baru
Ulasan berita AI biasa berangkat dari pertanyaan yang sudah ada:
"Apa yang berubah di model baru?"
"Bagaimana cara pakai fitur baru?"
"Berapa harganya?"
Yang dibutuhkan di situ adalah penjelasan yang rapi dan tepat.
Kalau hidup bersama AI, pertanyaannya muncul dari kehidupan nyata:
"Katanya hemat waktu, kok jam tidurku malah berkurang?"
"Apa aku pakai berlebihan biar uang langganannya nggak rugi? Atau memang karena seru saja?"
"Banyak juga penggemar game yang nggak pakai AI. Mungkin bedanya bukan gamer atau bukan, tapi suka eksplorasi atau nggak?"
Dengan membawa pertanyaan seperti itu ke riset, topik-topik yang tadinya terpisah, seperti kondisi larut dalam kegiatan (flow), efek pantul dalam pemakaian waktu, paradoks kebebasan, tugas yang belum selesai, dan rasa percaya pada kemampuan diri, tiba-tiba tersambung ke satu pengalaman yang sama.
Bukan membaca berita lalu mengenalkan riset.
Tapi karena ada kejadian aneh di dunia nyata, kamu mencari bantuan ke riset.
Di sini arah aliran informasinya jadi terbalik.
5. Siklusnya: alami sendiri → buat dugaan → cek riset → ubah kebiasaan → alami lagi
Kalau dirangkum dalam satu baris, polanya begini:
Tahu soal riset atau fitur baru → masukkan ke hidup → ketemu kejadian aneh → buat dugaan → cocokkan dengan riset yang sudah ada → ubah cara melakukannya → pakai lagi.
Tidak berhenti setelah artikel ditulis.
Kebiasaanmu sendiri ikut berubah.
Lalu setelah berubah, kamu dapat data baru lagi.
Misalnya kalau kamu ketemu masalah "hemat waktu pakai AI, tapi malah nambah kerjaan", langkah berikutnya bisa diubah jadi "tentukan dulu 3 target yang bikin hari ini dianggap berhasil, lalu kerjaan baru masuk daftar besok".
Setelah itu, cek apakah jam kerjamu benar-benar berkurang.
Kalau sudah sampai sini, tulisannya bukan sekadar cerita pengalaman dan bukan sekadar ringkasan jurnal.
Hidupmu sendiri jadi laboratorium kecil.
6. Ada metode riset yang mirip, tapi blog tidak perlu berlagak jadi jurnal ilmiah
Ada metode riset bernama autoetnografi, yaitu memakai pengalaman diri sendiri untuk memikirkan hubungannya dengan fenomena sosial yang lebih luas. Ini bukan sekadar autobiografi, tetapi menganalisis pengalaman pribadi dalam konteks sosial, budaya, dan kelembagaan.[3]
Tentu saja, menulis satu artikel blog tidak otomatis jadi autoetnografi resmi.
Tapi cara menghasilkan informasinya mirip: "amati apa yang terjadi padamu, hubungkan dengan pengetahuan dari luar, lalu pikirkan apa artinya".
Konsep lain yang dekat adalah "lead user" atau pengguna perintis dari riset inovasi.
Eric von Hippel menjelaskan bahwa pengguna yang merasakan suatu kebutuhan lebih awal dan lebih kuat daripada pasar umum, serta sangat diuntungkan kalau masalahnya terpecahkan, cenderung membuat solusinya sendiri dan kadang lebih dulu mengalami kebutuhan yang nantinya jadi umum.[4]
Lead User Innovation Handbook dari MIT tahun 2026 juga menjelaskan pengguna perintis sebagai "orang yang mengalami kebutuhan lebih dulu daripada kebanyakan orang dan membuat solusinya sendiri".[5]
Masalah yang lebih dulu dialami orang yang memasukkan AI habis-habisan ke hidupnya, seperti "terlalu praktis sampai nggak bisa berhenti", "makin banyak waktu buat mengecek hasil AI", atau "AI nggak pernah bikin nunggu, jadi manusianya nggak sempat istirahat", bisa saja nanti jadi hal yang umum.
Kalau dilihat begitu, pemakai berat AI bukan cuma orang yang duluan mencoba, tapi juga bisa jadi penguji yang lebih dulu menemukan bug kehidupan dengan AI di masa depan.
7. Artikel AI berbahasa Jepang kuat di cara pakai, contoh kasus, dan ulasan survei
Kalau melihat hasil pencarian bahasa Jepang per 8 September 2026, yang menonjol adalah artikel dan kumpulan contoh yang merangkum cara pakai, seperti "Pakai AI generatif untuk apa di kantor? 20 cara", "15 situasi menurut bidang usaha dan jabatan", dan "database 1.745 contoh pemakaian".[6][7][8]
Dari pihak lembaga riset, ada juga ulasan survei yang cukup berkualitas, seperti "lihat tingkat kematangan, bukan tingkat pemakaian" dan "hemat waktu tidak mengurangi total jam kerja".[9][10]
Tentu saja ini ada peminatnya.
Mudah menjawab pertanyaan pemula, "Bisa dipakai buat apa?", maupun pertanyaan perusahaan, "Bagaimana cara menerapkannya di kantor?"
Sebaliknya, dari hasil pencarian yang terlihat,
memasukkan AI secara mendalam ke beberapa bagian hidup → perilaku sendiri berubah → membuat pertanyaan sendiri dari efek samping itu → mengeceknya dengan riset
sebagai format yang terus dijalankan masih relatif jarang.
Blog pribadi dan situs seperti note punya pengalaman nyata. Lembaga riset punya hasil riset. Media AI punya informasi terbaru.
Sepertinya masih ada tempat kosong untuk benar-benar menyambungkan ketiganya dalam satu artikel.
Ini bukan hitungan seluruh hasil pencarian, melainkan dugaan redaksi dari pengamatan halaman hasil pencarian saat ini. Tapi sebagai arah untuk tampil beda, cukup jelas.
8. Kenapa tulisan seperti ini susah ditiru
Berita AI punya kelemahan besar.
Bahan bakunya sama.
OpenAI mengeluarkan pengumuman yang sama untuk semua orang. Google juga begitu. Jurnal pun bisa dibaca semua orang dalam PDF yang sama.
Akhirnya persaingannya jadi soal kecepatan, kemampuan menulis, grafik, merek, dan peringkat di Google (SEO).
Tapi tulisan tentang hidup bersama AI sebagian bahannya adalah kejadian yang benar-benar kamu alami sendiri.
Walaupun memakai AI yang sama,
- dipakai untuk apa
- urutan masalah yang muncul
- apa yang terasa janggal
- dugaan apa yang dibuat
- apa yang diubah
- apa yang terjadi setelah diubah
semuanya berbeda.
Pesaing bisa membaca jurnal yang sama.
Tapi untuk meniru momen "Kok aku masih kerja sampai pagi padahal katanya AI sudah menghemat waktu?", mereka harus benar-benar memakai AI dengan cara yang sangat mirip.
Aset kontennya bukan informasi, tapi rantai sebab-akibat dari pengalaman.
Ini kuat.
9. Kekuatan terbesarnya bukan bahan cerita, tapi cara menyambungkan
Kalau cuma pengalaman, jadinya buku harian.
Kalau cuma riset, jadinya artikel penjelasan.
Yang kuat adalah sambungan di antara keduanya.
Sesuatu terjadi.
Dari situ muncul pertanyaan sederhana.
Lalu kamu bawa riset dari bidang lain.
Tiba-tiba "hal-hal yang tadinya dikira tidak berhubungan" terlihat sebagai satu pola.
Waktu yang dihemat AI dan rasa larut saat main game.
Jawaban AI yang instan dan istirahat yang hilang.
Rasa ingin menjelajah dan rasa percaya diri memakai AI.
Batas pemakaian dan save point yang dipaksakan.
Sambungan antarbidang seperti ini jauh lebih mudah dibuat kalau berangkat dari pengalaman nyata.
Kamu bukan mencari cerita menarik demi menulis artikel. Kamu menjalani hidup, lalu muncul masalah menarik, dan itulah yang kamu tulis.
Urutannya terbalik.
10. Tapi kalau "terjadi padaku" dianggap "hukum dunia", tamat sudah
Tulisan seperti ini juga punya kelemahan yang jelas.
Pengalaman satu orang tetaplah pengalaman satu orang.
Yang terjadi pada orang yang suka eksplorasi belum tentu terjadi pada semua orang. Pemakai berat AI mungkin dari awal sudah berbeda kepribadian dan pekerjaannya dari pengguna biasa. Makin seru sebuah dugaan, makin besar godaan untuk cuma mencari riset yang mendukungnya.
Karena itu, minimal di dalam artikel perlu dipisahkan hal-hal berikut:
Pengamatan: apa yang benar-benar terjadi.
Dugaan: kenapa menurutmu itu terjadi.
Bukti dari luar: apakah hal serupa juga terlihat di tempat lain.
Bukti sebaliknya: apakah ada hasil yang berlawanan atau penjelasan lain.
Perubahan cara: lalu apa yang mau diubah dan dicoba.
Pengamatan ulang: apa yang terjadi setelah diubah.
Dengan ini saja, serunya pengalaman satu orang (N=1) tetap terjaga, dan kesalahan membesar-besarkan N=1 jadi berlaku untuk semua manusia bisa banyak dihindari.
11. Kesimpulan: jangan berhenti di membaca jurnal. Masukkan AI ke dunia nyata, dan kalau ada yang error, baca riset lagi
Berita AI ada nilainya.
Ulasan riset juga ada nilainya.
Daftar "20 cara pakai" juga ada peminatnya.
Tapi ada nilai lain yang berbeda:
memasukkan riset dan fitur baru AI ke dalam hidup sendiri, menangkap apa yang terjadi sebagai pengalaman langsung, membuat pertanyaan baru dari situ, mengeceknya dengan riset, lalu membawanya kembali ke hidup.
Bukan berarti wartawan tidak pakai AI. Malah mereka memakainya.
Hanya saja, "pakai AI untuk bikin artikel" dan "menjadikan seluruh hidup sebagai laboratorium AI" itu hal yang sangat berbeda.
Yang pertama membuatmu paham soal AI.
Yang kedua membuatmu paham soal bagaimana manusia berubah setelah AI masuk ke hidupnya.
Di situlah bedanya tulisan seperti ini.
Dengan kata lain:
Bukan menjelaskan berita AI. Tapi memasukkan AI ke dunia nyata, dan kalau ada yang error, baru baca riset.
Hidup adalah laboratorium.
Riset adalah wiki panduan game.
Dan artikel adalah tempat untuk mengubah catatan main itu jadi panduan yang bisa dipakai orang lain juga.
- Reuters Institute for the Study of Journalism. Neil Thurman, Sina Thäsler-Kordonouri, Richard Fletcher (2025). AI adoption by UK journalists and their newsrooms: surveying applications, approaches, and attitudes. Survey of 1,004 UK journalists reutersinstitute.politics.ox.ac.uk
- NIRA総合研究開発機構 (2026). 第4回デジタル経済・社会に関する就業者実態調査（速報） nira.or.jp
- O’Hara, S. (2018). Autoethnography: The Science of Writing Your Lived Experience. HERD, 11(4) doi.org
- von Hippel, E. (1986). Lead Users: A Source of Novel Product Concepts. Management Science, 32(7) mit.edu
- MIT OpenCourseWare (2026). Lead User Innovation Handbook ocw.mit.edu
- AI TopTier (2026). 生成AIを仕事で何に使う？利用ランキングと初心者向け活用法20選 ai-toptier.com
- Re:Imagines (2026). 生成AIの仕事活用術｜業種・職種別の使い方と業務効率化の具体例15選 reimagines.jp
- 生成AI活用普及協会 GUGA (2026). 生成AI活用事例データベース、2026年6月時点までの事例を追加・更新 guga.or.jp
- パーソル総合研究所 (2026). 「生成AIとはたらき方に関する実態調査」を発表 生成AIの活用で業務時間は平均16.7％削減 rc.persol-group.co.jp
- パーソル総合研究所 (2026). 利用率では測れない、職場での生成AI活用の実態 rc.persol-group.co.jp
