Pekerjaan yang dulu perlu enam jam, sekarang cuma butuh kurang dari satu jam. Proses dua minggu kadang bisa selesai dalam satu sore.
Tapi para pekerja tidak mendapat waktu luang mereka kembali.
Menurut para eksekutif, perusahaan malah menggunakan peningkatan produktivitas ini untuk meminta output lebih banyak dari karyawan yang sama—mengubah beban kerja delapan jam jadi jauh lebih besar.
Dulu kamu habiskan enam jam untuk itu. Sekarang cuma 40 menit. Tapi tidak ada yang mengizinkan kamu pulang lebih awal. Kecemasan yang melanda perusahaan di Amerika tentang kecerdasan buatan (AI) bukan seperti yang kamu bayangkan. Bukan tentang mesin mengambil alih. Tapi tentang apa yang terjadi pada karyawan setelah AI mengubah hari kerja delapan jam mereka jadi dua—dan bos masih mengharapkan mereka di meja kerja sampai jam pulang.
Ketegangan itu tertanam dalam cara perusahaan diam-diam meluncurkan alat AI. Sekarang ada Yasmeen Ahmad dari Google, eksekutif senior untuk strategi cloud data. Dialah yang dihubungi perusahaan Fortune 500 ketika mereka ingin mencari cara menerapkan AI pada infrastruktur data mereka. Dengan kata lain, dia mendengar bagaimana revolusi AI sebenarnya terjadi di belakang layar.
Dalam percakapan dengan Fortune, Ahmad mengatakan tingkat efisiensi yang mencolok sudah terjadi dalam skala besar—tapi para eksekutif menyimpannya diam-diam. Contohnya perusahaan energi AES, yang mengubah proses audit dan entri data 14 hari menjadi tugas yang sekarang cuma butuh satu jam, katanya. Atau Dun & Bradstreet, yang memangkas penghitungan angka dari berjam-jam jadi beberapa menit.
Banyak pemimpin perusahaan ragu-ragu mengumumkan keberhasilan ini. "Organisasi-agak, gugup, mungkin itu kata yang tepat," kata Ahmad kepada Fortune. Dalam percakapan pribadi dengan Google, para eksekutif mengakui mereka sedang memikirkan implikasi dari semua efisiensi ini.
Kegugupan ini mencerminkan paradoks tentang lompatan besar dalam penghematan waktu yang ternyata sangat nyata. Pertanyaan tentang apa yang menggantikan waktu itu belum terjawab.
hormat dari Google
Keynes Memprediksi Ini 100 Tahun Lalu — dan Dia Juga Takut
Ekonom dan filsuf sudah membahas ini sebelumnya. John Maynard Keynes terkenal memprediksi pada tahun 1930-an bahwa pada 2030, minggu kerja 15 jam akan mungkin—lalu bertanya, dengan kekhawatiran jelas, apa yang akan orang lakukan dengan semua waktu luang itu.
Baroness Dambisa Moyo, seorang ekonom yang menjadi anggota dewan Starbucks dan di House of Lords Inggris, mengangkat kekhawatiran yang sama baru-baru ini. "Dia sebenarnya berkata, ‘apakah mereka akan merenungkan Tuhan?’" catatnya, sambil menambahkan bahwa dia berbagi kekhawatiran Keynes tentang ketidakberakaran yang dimungkinkan oleh kemajuan AI. "Ada banyak negara di dunia saat ini di mana banyak pria muda tidak melakukan apa-apa," katanya, menyatakan kekhawatirannya. "Mereka tidak merenungkan Tuhan seperti yang kita inginkan."
"Saya mungkin lebih khawatir daripada Vinod Khosla tentang apa yang mungkin dilakukan kebijakan publik dan bagaimana masyarakat terlihat," kata Moyo.
hormat dari Dambisa Moyo
Tim Harford dari Financial Times, yang disebut "Ekonom Undercover," menjelaskan ketegangan yang sama dari perspektif pekerja dalam kolom baru-baru ini. Dia mengutip penelitian etnografi UC Berkeley yang menemukan pekerja teknologi yang menggunakan AI melaporkan "momentum dan rasa kemampuan yang berkembang"—tetapi juga merasa "lebih sibuk, lebih terbentang, atau kurang mampu untuk sepenuhnya memutuskan sambungan."
Penelitian ini sejalan dengan studi yang diterbitkan di Harvard Business Review yang menemukan pengguna awal AI merasa pekerjaan lebih intens, yang menurut beberapa pengamat efeknya hampir seperti vampir. Faktanya, HBR menemukan penelitian pelengkap seiring waktu, seperti studi Boston Consulting Group yang menemukan bahwa pekerja yang terus-menerus mengawasi banyak alat AI melaporkan tingkat kelelahan mental, kelebihan informasi, dan kelelahan dalam mengambil keputusan yang lebih tinggi—peneliti menyebutnya "AI brain fry."
Harford menelusuri paradoks ini ke sejarah teknologi yang konon membebaskan: email lebih cepat dari surat, tetapi melahirkan "banyak pesan berkualitas rendah dan bernilai rendah yang merembes ke malam dan akhir pekan." PowerPoint berarti "profesional yang sangat terampil dan dibayar mahal mulai membuang waktu membuat slide mereka sendiri dengan buruk."
Dengan kata lain, pertanyaannya bukan apakah AI mengembalikan enam jam untukmu. Tapi apakah ada yang mengizinkan kamu mempertahankannya.
Hari Kerja 8 Jam Anda Sekarang Jadi 2. Ini Datang 20 Jam Pekerjaan Baru
Mike Manos, kepala petugas teknologi di Dun & Bradstreet, mengatakan timnya menyelesaikan lebih banyak pekerjaan, lebih cepat. "Saya mendapat pengurangan dari delapan jam jadi dua jam," katanya kepada Fortune, "tapi sekarang saya bisa mendapatkan 20 jam pekerjaan, karena pekerjaan datang… ini kembali ke produktivitas."
Alih-alih mengizinkan pekerja pulang awal, Manos mengatakan timnya hanya menyelesaikan lebih banyak. Siklus pengembangan produk yang diperkirakan butuh 24 hingga 36 bulan diselesaikan dalam enam bulan setelah timnya menggabungkan kemampuan AI. Daripada mengurangi staf, dia mengalihkan pengembang itu ke proyek tambahan. "Ini bukan terlalu tentang orang akan kehilangan pekerjaan, atau kamu akan menyusutkan tenaga kerja," katanya. "Ini tentang menjadi lebih efisien dan, dalam kasus kami, masuk pasar lebih cepat."
hormat dari Dun & Bradstreet
Itu mencerminkan gambaran di Google sendiri. Ryan Salva, seorang pimpinan produk senior yang bantu luncurkan GitHub Copilot sebelum bergabung ke Google sebagai Direktur Senior Produk, Pengembang & Pengalaman di pertengahan 2024, ngasih tau Fortune bahwa 50% kode Google sekarang ditulis oleh AI. Ini hasilin "peningkatan kecepatan lebih dari 10%" ketika dikalikan di seluruh puluhan ribu insinyur. CEO Google Sundar Pichai ungkap angka ini di podcast dengan Lex Fridman pertengahan 2025.
Patrick Ryan dari KPMG laporkan perubahan serupa di rutinitasnya sendiri. Dia bilang ke Fortune bahwa waktu yang dihabiskan untuk persiapan rapat eksekutif—yang dulu makan "bagian besar" harinya—turun sekitar 75% setelah pakai Gemini di KPMG. Dalam dua minggu peluncuran, dia perkirakan lebih dari 90% profesional KPMG sudah gunakan alat ini.
Tim Walsh, Ketua dan CEO KPMG AS, setuju bahwa perusahaan-perusahaan sedang bekerja keras untuk mengurangi tugas dari enam jam jadi dua jam. Dia tidak lihat minggu kerja Keynesian terjadi, dan lihat ini sebagai cerita pertumbuhan. "Itu artinya saya bisa proses lebih banyak volume di bisnis saya," katanya. "Bisnis saya harus tumbuh dan akan tumbuh. Saya lihat jumlah karyawan saya naik, bukan turun, karena itu." Walsh akui bahwa "komposisi" pekerja akan berubah, tapi tekankan "ini peluang besar".
Tidak semua orang lihat kemenangan bersih seperti itu. Profesor Wharton Peter Cappelli, yang pelajari adopsi AI di perusahaan, sebelumnya bilang ke Fortune bahwa kenyataannya adalah "banyak kerja keras, sangat mahal, dan bukan pembunuh pekerjaan instan." Ambil contoh perusahaan layanan digital Ricoh. AI bantu mereka jadi tiga kali lebih efektif sementara kurangi jumlah peran jadi hanya tiga, tapi dengan biaya tambahan $200,000 per bulan. Ricoh konfirmasi angka ini ke Fortune.
Alasan perusahaan masih butuh karyawan, kata Cappelli, adalah karena "banyak masalah harus ditelusuri, dan lebih sulit ditelusuri jika berasal dari AI… jadi itulah hasilnya, tapi tidak murah, dan butuh waktu sangat lama." Headline yang umumkan PHK karena AI, tambahnya, patut diskeptis: "Jika Anda baca apa yang sebenarnya mereka katakan, mereka bilang, ‘Kami harap AI akan gantikan pekerjaan ini.’ Belum dilakukan. Mereka cuma berharap. Dan mereka bilang itu karena mereka pikir itu yang ingin didengar investor."
Walsh dari KPMG setuju dengan pendapat Cappelli, bilang bahwa "menerapkan AI ke bisnis butuh waktu." Organisasi harus "ulang semua alur proses," termasuk membersihkan data internal dan menyelaraskan alur data. Perusahaan besar sudah lakukan ini selama dua tahun terakhir, katanya, dan ini baru awal. "Masih banyak pekerjaan harus dilakukan sekitar ini."
Pendorong pergeseran produktivitas—di mana itu benar-benar terjadi—adalah evolusi dari apa yang Google sebut "agentic data cloud," di mana model AI tidak hanya jawab pertanyaan tapi juga bertindak sebagai perencana dan pelaksana. Gemini 3 Google, contohnya, sudah bergerak melampaui tanya jawab sederhana ke apa yang disebut Ahmad sebagai "peran berpikir."
Dia klaim modelnya bisa bikin rencana, lalu eksplorasi banyak pendekatan, evaluasi mereka, dan temukan jawaban terbaik untuk pelanggan.
Google tidak sendiri arah ini. OpenAI sudah buat dorongan serupa dengan produk Operator-nya, yang bisa jelajah web secara mandiri dan selesaikan tugas multi-langkah untuk pengguna. Fitur Computer Use Anthropic, tertanam di Claude, izinkan agen berinteraksi langsung dengan aplikasi desktop. Sementara itu, Microsoft sudah bangun Copilot Studio, lapisan agen perusahaan mereka sendiri, langsung ke cloud Azure-nya, berikan keuntungan distribusi di ribuan perusahaan yang sudah jalan di infrastruktur Microsoft.
Salva, yang habiskan satu dekade di Microsoft sebelum gabung Google, akui bahwa "kita semua tahu kita sedang ‘bepergian ke barat’"—artinya seluruh industri punya visi yang sama tentang otonomi AI, meski jalannya beda. "Kita semua coba capai tingkat otomatisasi yang sama. Kita punya implementasi dan alur kerja yang agak berbeda untuk itu."
Sektor di mana AI agen berdampak paling keras—dan di mana implikasi tenaga kerja paling terasa—adalah operasi pelanggan. Eric Buesing, partner McKinsey yang nasihati institusi keuangan dan asuransi tentang transformasi layanan, bilang ke Fortune bahwa perubahan yang dia amati dalam enam bulan terakhir adalah kualitatif, bukan hanya tambahan sedikit. Perbedaan yang kita lihat sekarang, bahkan dari enam bulan lalu, adalah organisasi mulai meninggalkan percobaan kecil dengan AI generatif, yang sebelumnya hanya menghemat 5, 10, 15, 20 detik. Sekarang mereka melihat bahwa agentic agent bisa mengotomasi bagian besar pekerjaan sepenuhnya, sehingga mereka benar-benar bisa memikirkan ulang cara kerja dilakukan.
Courtesy of McKinsey
Bagian back office perusahaan asuransi adalah contoh utama: membuat polis baru atau memproses pinjaman usaha kecil sekarang butuh banyak interaksi dengan pelanggan, petugas depan mencatat informasi, tim back office membuat keputusan, lalu petugas mengkomunikasikan keputusan itu kembali. Proses ini biasanya butuh percakapan sangat panjang atau banyak interaksi. AI bisa melakukan fungsi itu lebih cepat, memeriksa riwayat pelanggan secara real time saat pelanggan masih bicara dengan petugas depan, dan membantu manusia itu membuat keputusan.
Survei McKinsey terhadap 440 eksekutif operasi dan customer experience menemukan bahwa 60% atau lebih tugas dalam operasi pelanggan saat ini "berpotensi bisa ditangani oleh AI". Tapi harus dibedakan antara yang bisa ditangani dan yang benar-benar bisa diambil alih. Manusia tidak selalu beradaptasi secepat evolusi teknologi.
AI voice agent baru, yang enam bulan lalu masih terdengar sangat robotik, kini sudah melewati batas tertentu. Latency hampir tak terasa, dan agennya "terdengar santai, menyenangkan, ramah, bahkan sedikit bercanda". Bukti awal juga menunjukkan bahwa dalam konteks tertentu, seperti wawancara kerja tahap awal atau memesan obat sensitif, pelanggan lebih suka bicara dengan AI karena merasa "tidak dihakimi".
Buesing setuju dengan premis artikel Harvard Business Review tentang intensitas kerja. Ketika pembuatan agen AI beralih dari proyek sampingan menjadi baseline yang diharapkan perusahaan, pekerja akan "terus harus membuat lebih banyak agen untuk mencoba memenuhi ekspektasi produksi".
Ekonom kepala ADP Nela Richardson dan koleganya Jay Caldwell memberikan perspektif lain. AI masuk ke tenaga kerja yang sudah "cemas", dan itu berisiko. Tantangan bagi profesional SDM saat ini bukanlah tentang teknologinya, tapi tentang bagaimana memimpin melalui teknologi itu. Bagaimana kita mengajak tenaga kerja bersama dalam transformasi ini?
Courtesy of ADP
Jawabannya, menurut Richardson, bukan menyembunyikan peningkatan produktivitas, tapi berinvestasi secara jelas pada orang-orang agar mereka siap. "Berinvestasi dalam upskilling bukan hanya strategi. Itu adalah penenangan. Itu perjanjian kepercayaan antara perusahaan dan pekerja." Perusahaan perlu banyak menyesuaikan diri dengan mentalitas baru tentang makna bekerja di era AI. "Kita perlu membantu membingkai ulang produktivitas bagi pekerja kita," karena momen penyelesaian tugas kecil akan ditelan efisiensi AI. Ini pergeseran dari produktivitas berdasarkan volume kerja ke nilai kerja, dan itu pergeseran besar dalam organisasi.
Bagi Salva dari Google, analogi yang lebih tepat untuk posisi kita sekarang bukanlah email atau PowerPoint, tapi lima tahap mengemudi otonom. Kita baru sampai di tahap tiga atau empat. Janji sebenarnya bukan AI membuat pekerjaanmu lebih cepat, tapi AI mengubah bagian mana dari pekerjaan itu yang menjadi tugasmu. Developer terbaik saat ini tidak mengetik terus—mereka "fokus pada arsitektur", mendelegasikan eksekusi ke "sekelompok agen" yang berjalan paralel sambil mereka memegang gambaran besar di pikiran. Di situlah produktivitas dan fokus terjadi.
Courtesy of ADP
Di mana Salva berbeda dari beberapa pesaingnya adalah dalam bagaimana masa depan seharusnya terasa. "Jika kita mengoptimalkan untuk rentang perhatian pendek, yang kita korbankan adalah momen Zen menyenangkan saat kamu benar-benar fokus"—fokus mendalam yang ia yakini adalah tempat pekerjaan paling penting benar-benar dilakukan. Ia banyak berpikir tentang merancang alat yang mempertahankan keadaan itu sekaligus mendelegasikan pekerjaan mekanis ke sistem eksternal.
Gangguan sebenarnya bukan teknis. Tapi budaya
Yang ditemukan Manos di Dun & Bradstreet adalah bahwa gangguan sebenarnya bukan teknis, tapi budaya. "Pada akhirnya, revolusi AI akan berhasil ketika kamu benar-benar mengubah orang dan budaya orang untuk mengadopsi kerangka kerja baru ini." Perusahaannya berhasil dalam adopsi AI karena pendekatannya berbeda. AI diperkenalkan bertahap, mulai dari kemenangan kecil: mengotomasi tugas berulang, seperti pengujian quality assurance.
"Kami tidak langsung bilang, ‘Semuanya pakai AI besok.’ Kamu harus cukup lincah untuk menari dan belajar dari apa yang ditunjukkan, dan memperhatikan apa yang ditunjukkan." Tim yang berbeda juga mengadopsi dengan kecepatan berbeda, dan memberi ruang untuk itu memungkinkan kurva pembelajaran terbuka.
Buesing melihat pola sama dalam pekerjaannya dengan klien. Organisasi sekarang mayoritas "dalam tahap pilot untuk scale, scaling, atau membangun rencana memperkenalkan AI agentic"—tapi sisi manusia dari persamaan ini tertinggal dari teknologi. "Gelombang itu akan datang. Dan organisasi mungkin agak lambat menanggapi itu sekarang."
Judul pekerjaan itu sendiri sudah mulai berubah. Buesing bilang dia udah dengar perusahaan-perusahaan yang mencoba istilah seperti "advokat" atau "manajer perjalanan" untuk ganti label "agen" yang lama—sebagian karena jadi terlalu ambigu di zaman agen AI, dan sebagian karena peran manusia memang berubah jadi sesuatu yang baru.
Venki Padmanabhan, yang sekarang jadi manajer pabrik di perusahaan manufaktur di Ohio setelah karirnya keliling dunia termasuk beberapa kali jadi CEO di India asalnya, ngomong ke Fortune bahwa dia udah puluhan tahun pelajari potensi manusia di tempat kerja, dan dia punya pandangan sejarah yang lebih panjang. Contoh favoritnya adalah pabrik Siemens di Amberg, Jerman, yang pertahankan 1.100 karyawan yang sama selama 20 tahun sementara teknologi berkembang di sekitar mereka. Para pekerja itu akhirnya menghasilkan output bisnis delapan kali lipat. (Siemens nyebut ini "pabrik masa depan"-nya.)
"Perusahaan yang paham cara membuka kecerdasan ini, melibatkan karyawan mereka, gunakan pengetahuan diam-diam yang udah mereka punya, lalu pakai AI akan menang luar biasa," katanya.
Perusahaan yang cuma melakukan pemotongan, dia peringatkan, "akan peras nilai ekonomi dari pengetahuan yang AI punya dari praktik masa lalu mungkin untuk 10, 15 tahun. Tapi nggak ada pengetahuan baru yang dikembangkan karena manusia yang ngembangin pengetahuan, lalu sumurnya akan kering."
Jawaban jujurnya, seperti kata Manos, adalah bahwa enam jam luang yang kamu hemat dari pakai AI itu nggak akan dateng dalam waktu dekat. Yang akan datang adalah kesempatan yang lebih luas—lebih banyak masalah untuk diatasi, lebih banyak proyek untuk dikejar, versi pekerjaan yang lebih besar. "Pekerjaannya nggak akan hilang," katanya. "Bagian-bagian dari pekerjaan mungkin hilang, tapi itu cuma artinya kita akan bisa tangani lebih banyak."
Manos nandain bahwa Dun & Bradstreet dirintis sebelum Perang Saudara dan bertahan melalui iterasi bisnis sejak zaman Abraham Lincoln. Model bisnis mengatur data, dia tekankan, dulu terlihat sangat berbeda. "Caranya dulu adalah, naik kuda, pergi ke kota, cari tahu siapa pandai besinya dan siapa pemilik toko kelontongnya, lalu mereka tulis dan masukin ke buku." Pekerjaannya sama sekarang kayak dulu, tapi semua kudanya hilang, semua lokasinya berubah. Konteksnya berubah, tapi masih tetap berhasil.
Apakah itu pembebasan atau treadmill dengan kecepatan lebih tinggi, sedang jadi pertanyaan tenaga kerja yang mendefinisikan dekade ini.