Tugas yang dulu perlu enam jam, sekarang cuma kurang dari satu jam. Proses dua minggu kadang bisa selesai dalam satu sore.
Tapi, pekerja tidak dapat waktu mereka kembali.
Menurut para eksekutif, perusahaan-perusahaan malah menggunakan peningkatan produktivitas ini untuk meminta hasil kerja lebih banyak dari karyawan yang sama—mengubah beban kerja delapan jam jadi sesuatu yang jauh lebih besar.
Dulu kamu habiskan enam jam untuk itu. Sekarang cuma 40 menit. Tapi tidak ada yang menyuruh kamu pulang cepat. Kecemasan yang melanda korporat Amerika tentang kecerdasan buatan (AI) bukan seperti yang kamu pikir. Bukan soal mesin mengambil alih. Ini 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 sudah tertanam dalam cara perusahaan-perusahaan diam-diam meluncurkan alat AI. Sekarang ada Yasmeen Ahmad dari Google, eksekutif senior yang berhubungan dengan pelanggan untuk strategi cloud data. Dia orang yang dihubungi perusahaan Fortune 500 saat mereka ingin cari tahu cara memanfaatkan AI di infrastruktur data mereka. Dengan kata lain, dia mendengar bagaimana revolusi AI benar-benar terjadi di belakang layar, bukan cuma di rilis pers.
Dalam percakapan dengan Fortune, Ahmad bilang efisiensi yang luar biasa sudah terjadi dalam skala besar—tapi para eksekutif merahasiakannya. Contohnya perusahaan energi AES, yang mengubah proses audit dan entri data 14 hari jadi tugas yang sekarang cuma satu jam, katanya. Atau Dun & Bradstreet, raksasa data dan analitik, yang memangkas waktu number-crunching dari jam menjadi menit.
Banyak pemimpin perusahaan ragu-ragu untuk mengumumkan kemenangan ini. "Organisasi-organisasi agak sedikit, gugup, mungkin itu katanya," kata Ahmad kepada Fortune. Dalam percakapan privat dengan Google, dia bilang para eksekutif mengaku mereka sedang memikirkan keras implikasi dari semua efisiensi ini.
Kegugupan ini mencerminkan paradoks tentang lompatan besar dalam penghematan waktu yang ternyata sangat nyata. Tapi pertanyaan tentang apa yang menggantikan waktu itu belum terjawab.
dari Google
Keynes Sudah Bilang Ini 100 Tahun Lalu — dan Dia Juga Takut
Ekonom dan filsuf sudah pernah di sini sebelumnya. John Maynard Keynes terkenal meramal di tahun 1930-an bahwa pada 2030, minggu kerja 15 jam akan mungkin—lalu bertanya, dengan jelas gelisah, apa yang akan orang lakukan dengan semua waktu luang itu.
Baroness Dambisa Moyo, seorang ekonom yang jadi anggota dewan Starbucks dan di House of Lords Inggris, mengangkat kekhawatiran yang sama dalam percakapan baru-baru ini dengan Fortune. "Dia sebenarnya bilang, ‘apakah mereka akan merenungkan Tuhan?’" catatnya, menambahkan bahwa dia berbagi kekhawatiran Keynes tentang rasa tak berakar yang dimungkinkan oleh kemajuan AI. "Ada banyak negara di dunia sekarang ini di mana banyak pemuda tidak melakukan apa-apa," katanya, mengungkapkan kekhawatirannya. "Mereka tidak merenungkan Tuhan dengan cara yang kita inginkan."
"Aku mungkin lebih khawatir daripada Vinod Khosla tentang apa yang mungkin dilakukan kebijakan publik dan bagaimana rupa masyarakat," kata Moyo, merujuk pada investor legendaris yang baru-baru ini berbagi prediksinya dengan Pemimpin Redaksi Fortune Alyson Shontell.
dari Dambisa Moyo
Tim Harford dari Financial Times, yang disebut "Ekonom Undercover," menjelaskan ketegangan yang sama dari sudut pandang 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"—tapi juga merasa "lebih sibuk, lebih tertarik, atau kurang mampu untuk benar-benar lepas."
Penelitian ini sejalan dengan studi yang diterbitkan di Harvard Business Review yang menemukan pengguna awal AI justru merasa pekerjaan lebih intens, yang menurut beberapa pengamat efeknya hampir seperti vampir. HBR, nyatanya, menemukan lebih banyak 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" (otak gosong karena AI). Karyawan yang menghabiskan lebih banyak waktu memantau keluaran AI daripada membiarkan sistem berjalan mandiri mengalami 12% lebih banyak kelelahan mental dan kelebihan informasi yang jauh lebih besar, menyarankan bahwa alat yang seharusnya menghemat waktu juga bisa menciptakan lapisan kerja kognitif baru.
Harford menelusuri paradoks ini ke sejarah teknologi yang katanya membebaskan: email lebih cepat dari surat, tapi melahirkan "banyak pesan berkualitas rendah dan bernilai rendah yang merembes ke malam dan akhir pekan." PowerPoint berarti "profesional terampil dan bergaji tinggi mulai buang waktu membuat slide mereka sendiri dengan buruk."
Jadi, pertanyaannya bukan apakah AI mengembalikan enam jam Anda. Tapi apakah ada yang mengizinkan Anda menyimpannya.
Hari Kerja 8-Jammu Sekarang Jadi 2. Ini Datang 20 Jam Pekerjaan Baru
Mike Manos, kepala petugas teknologi di Dun & Bradstreet, bilang timnya menyelesaikan lebih banyak hal, lebih cepat. "Aku dapat pengurangan dari delapan jam jadi dua jam," katanya kepada Fortune, "tapi sekarang aku bisa dapat 20 jam kerja, karena pekerjaan datang… itu kembali ke produktivitas."
Alih-alih menyuruh pekerja pulang cepat, Manos bilang timnya cuma menyelesaikan lebih banyak. Siklus pengembangan produk yang diperkirakan 24 sampai 36 bulan selesai dalam enam bulan setelah timnya memasukkan kemampuan AI. Daripada mengurangi staf, dia menempatkan kembali pengembang itu ke proyek tambahan. "Ini bukan soal orang akan kehilangan pekerjaan, atau kamu akan mengecilkan tenaga kerja," katanya. "Ini tentang jadi lebih efisien dan, dalam kasus kami, masuk pasar lebih cepat." Lebih banyak kemampuan, layanan, dan fitur harus dikirim dalam kerangka waktu sejarah yang sama.
dari Dun & Bradstreet
Itu mencerminkan gambaran di Google sendiri. Ryan Salva, seorang pemimpin produk senior yang membantu meluncurkan GitHub Copilot sebelum bergabung ke Google sebagai Direktur Senior Produk, Pengembang & Pengalaman di pertengahan 2024, mengatakan kepada Fortune bahwa 50% kode Google sekarang ditulis oleh AI. Hal ini menghasilkan "peningkatan kecepatan lebih dari 10%" saat diterapkan pada puluhan ribu insinyur. CEO Google Sundar Pichai mengungkapkan angka ini dalam podcast dengan Lex Fridman di pertengahan 2025.
Patrick Ryan dari KPMG melaporkan perubahan serupa dalam rutinitasnya. Dia mengatakan kepada Fortune bahwa waktu untuk persiapan rapat eksekutif—yang dulu makan banyak waktu—turun sekitar 75% setelah menggunakan Gemini di KPMG. Dalam dua minggu, lebih dari 90% profesional KPMG diperkirakan sudah memakai alat ini.
Tim Walsh, Ketua dan CEO KPMG AS, setuju bahwa perusahaan sedang bekerja keras untuk mengurangi tugas dari enam jam jadi dua jam. Dia tidak melihat pengurangan jam kerja, malah ini kisah pertumbuhan. "Bisnis saya harus tumbuh. Saya lihat jumlah karyawan naik, bukan turun, karena ini," katanya. Walsh menekankan, "ini peluang besar."
dari KPMG
Realita dari tingkat eksekutif
Tidak semua orang mengalami kemenangan mudah. Profesor Wharton Peter Cappelli, yang mempelajari adopsi AI di perusahaan, mengatakan realitanya adalah "banyak kerja keras, sangat mahal, dan tidak langsung menghilangkan pekerjaan." Ambil contoh perusahaan Ricoh. AI membantu mereka tiga kali lebih efektif, tetapi dengan biaya tambahan $200,000 per bulan. Masih butuh karyawan karena banyak masalah harus ditangani, dan lebih sulit jika berasal dari AI.
Walsh dari KPMG setuju. "Menerapkan AI ke bisnis butuh waktu," katanya. Organisasi harus mengubah alur proses, membersihkan data internal, dan menyelaraskan semuanya. Perusahaan besar sudah melakukan ini selama dua tahun terakhir, dan masih banyak pekerjaan yang harus dilakukan.
Semua orang ‘bepergian ke barat’
Pemicu pergeseran produktivitas ini adalah evolusi apa yang disebut Google "awan data agen," di mana model AI tidak hanya menjawab tapi juga merencanakan dan mengeksekusi. Gemini 3 Google, misalnya, kini memiliki peran "berpikir."
Google tidak sendirian. OpenAI, Anthropic, dan Microsoft juga mengembangkan arah yang sama. Ryan Salva mengakui, "Kita semua tahu kita ‘bepergian ke barat’"—artinya seluruh industri memiliki visi yang sama tentang otonomi AI, meski jalurnya berbeda.
dari Google
Pekerjaan yang sudah hilang (Anda belum dengar)
Sektor di mana AI agen berdampak paling besar—dan implikasi untuk tenaga kerja paling terasa—adalah operasional layanan pelanggan. Eric Buesing dari McKinsey mengatakan bahwa perubahan yang dia amati dalam enam bulan terakhir adalah kualitatif, bukan hanya tambahan biasa.
Perbedaan yg kita lihat, bahkan dari enam bulan lalu, adalah organisasi mulai menjauhi percobaan kecil dengan AI generatif, di mana mereka menemukan penghematan waktu 5, 10, 15 detik,
dan melihat di mana agen AI bisa benar-benar mengotomatisasi bagian besar pekerjaan sepenuhnya sehingga mereka dapat membayangkan ulang bagaimana cara kerja dilakukan.
dari McKinsey
Bagian operasional di perusahaan asuransi, katanya, adalah contoh utama: membuat polis baru atau memproses pinjaman usaha kecil sekarang butuh banyak interaksi dengan pelanggan, petugas depan mencatat informasi, tim belakang mengambil keputusan, lalu petugas memberi tahu keputusannya. “Proses ini biasanya butuh percakapan sangat panjang atau banyak interaksi,” kata Buesing. “AI dapat melakukan fungsi itu lebih cepat, memeriksa riwayat pelanggan secara langsung saat pelanggan masih bicara dengan petugas depan, dan membantu manusia itu mengambil keputusan.”
Survei McKinsey pada 440 eksekutif operasi menemukan bahwa 60% atau lebih tugas dalam operasi pelanggan saat ini “berpotensi bisa ditangani oleh AI.” Tapi Buesing hati-hati memisahkan antara yang bisa ditangani dan yang bisa direalisasikan. “Apa yang bisa ditangani vs apa yang akan bisa direalisasikan, dan dalam jangka waktu berapa? Manusia tidak selalu beradaptasi secepat perkembangan teknologi,” katanya.
Agensu suara AI baru, yang enam bulan lalu masih terdengar “sangat robotik,” baru saja melewati batas tertentu. Waktu tundanya hampir tidak 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 mereka “tidak merasa dihakimi.”
Buesing mengatakan dia setuju dengan premis artikel Harvard Business Review tentang intensitas kerja. Begitu pembuatan agen AI berubah dari “proyek coba-coba” menjadi standar keluaran yang diharapkan perusahaan, para pekerja akan “terus harus membuat lebih banyak agen untuk mencoba memenuhi ekspektasi produksi,” katanya.
Kepala Ekonom ADP, Nela Richardson, dan koleganya Jay Caldwell memberikan perspektif lain. AI masuk ke tenaga kerja yang sudah, kata Caldwell, “cemas”—dan itu berisiko. “Penting bagi profesional HR saat ini bukanlah teknologinya,” ujarnya. “Tetapi lebih tentang bagaimana kita memimpin melalui teknologi itu. Bagaimana kita melibatkan tenaga kerja dalam transformasi ini?”
dari ADP
Jawabannya, saran Richardson, bukan menyembunyikan peningkatan produktivitas, tetapi berinvestasi secara terlihat pada orang-orang agar mereka siap. “Berinvestasi dalam peningkatan keterampilan bukan hanya strategi,” katanya. “Itu adalah penenangan. Itu perjanjian kepercayaan antara perusahaan dan pekerja.” Dia mengatakan perusahaan perlu menyesuaikan mentalitas baru tentang arti bekerja di era AI. “Kita perlu membantu membingkai ulang produktivitas bagi pekerja kita,” karena momen-momen penyelesaian tugas kecil akan dilahap efisiensi AI. “Bagi saya, ini beralih dari produktivitas berdasarkan volume pekerjaan ke nilai [pekerjaan], dan itu pergeseran besar dalam organisasi.”
Bagi Salva di Google, analogi yang lebih baik untuk posisi kita sekarang bukanlah email atau PowerPoint. Ini adalah lima tahap mengemudi otonom, dan kita baru mencapai tahap tiga atau empat. Janji sebenarnya, katanya, bukan AI membuat pekerjaanmu lebih cepat; tetapi AI mengubah bagian mana dari pekerjaan itu yang menjadi tanggungjawabmu. Dia mengatakan pengembang terbaik yang dia lihat saat ini tidak sedang mengetik—mereka “fokus pada arsitektur,” mendelegasikan eksekusi pada “sekelompok agen” yang berjalan paralel sementara mereka memegang gambaran besarnya. “Di situlah,” katanya, “produktivitas terjadi. Di situlah fokus dan aliran kerja terjadi.”
dari ADP
Di mana Salva berbeda dari beberapa pesaingnya adalah dalam bagaimana masa depan seharusnya dirasakan. “Jika kita mengoptimalkan untuk rentang perhatian pendek,” katanya, “yang benar-benar kita korbankan adalah momen Zen yang menyenangkan yang kamu dapatkan ketika kamu benar-benar fokus”—fokus mendalam yang dia yakini adalah tempat pekerjaan paling penting benar-benar diselesaikan. Dia mengatakan dia menghabiskan banyak waktu memikirkan bagaimana merancang alat yang mempertahankan keadaan itu bahkan saat mereka mendelegasikan pekerjaan mekanis ke sistem eksternal.
Gangguan sebenarnya bukan teknis. Ini budaya
Apa yang ditemukan Manos di Dun & Bradstreet adalah bahwa gangguan sebenarnya bukan teknis, melainkan budaya. “Pada akhirnya, revolusi AI akan berhasil ketika kamu benar-benar mengubah orang dan budaya orang untuk mengadopsi kerangka baru ini,” katanya. Dia pikir perusahaannya berhasil dalam adopsi AI karena pendekatannya berbeda. Mereka memperkenalkan AI secara bertahap, mulai dari kemenangan kecil: mengotomatisasi tugas berulang, seperti pengujian jaminan kualitas.
“Kami tidak langsung masuk dan berkata, ‘Semuanya pakai AI besok,'” katanya. “Kamu harus cukup lincah untuk bisa menari dan belajar dari apa yang ditunjukkan dan memperhatikan apa yang ditunjukkan.” Dia juga mengatakan tim yang berbeda mengadopsi dengan kecepatan berbeda, dan memberi ruang untuk itu memungkinkan kurva pembelajaran terbuka.
Buesing mengatakan dia melihat pola yang sama dalam pekerjaan kliennya. Organisasi sekarang sebagian besar “dalam pilot untuk skala, penskalaan, atau membangun rencana memperkenalkan AI agen”—tetapi sisi manusia dari persamaan itu tertinggal di belakang teknologi. “Gelombang itu akan datang,” katanya. “Dan saya pikir organisasi mungkin agak lambat dalam hal itu sekarang.”
Judul pekerjaan itu sendiri sudah berubah-ubah.
Buesing bilang dia sudah dengar perusahaan-perusahaan mencoba istilah seperti “advokat” atau “manajer perjalanan” untuk ganti label “agen” yang lama—sebagian karena itu jadi sangat ambigu di era agen AI, dan sebagian lagi karena peran manusia memang berubah jadi sesuatu yang baru.
Venki Padmanabhan, yang sekarang jadi manajer pabrik di perusahaan manufaktur di Ohio setelah karir global termasuk beberapa kali jadi direktur utama di India asalnya, ngomong ke Fortune bahwa dia sudah 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 mempekerjakan 1.100 karyawan yang sama selama 20 tahun sementara teknologi berkembang di sekitarnya. Para pekerja itu akhirnya hasilkan output bisnis delapan kali lipat. (Siemens sebut ini “pabrik masa depan” mereka.)
“Perusahaan yang paham cara membuka kecerdasan ini, libatkan karyawan mereka, gunakan pengetahuan tacit yang sudah mereka punya, lalu pakai AI akan menang secara luar biasa,” katanya.
Perusahaan yang hanya melakukan pemotongan, dia peringatkan, “akan peras nilai ekonomi dari pengetahuan yang AI punya dari praktik masa lalu mungkin untuk 10, 15 tahun. Tapi tidak ada pengetahuan baru yang dikembangkan karena manusia yang kembangkan pengetahuan, dan kemudian sumurnya akan kering.”
Jawaban jujurnya, seperti Manos simpulkan, adalah bahwa enam jam gratis yang kamu simpan dengan pakai AI tidak akan datang dalam waktu dekat. Yang datang adalah aperture yang melebar—lebih banyak masalah untuk diatasi, lebih banyak proyek untuk dikejar, versi pekerjaan yang lebih besar. “Pekerjaannya tidak akan hilang,” katanya. “Bagian-bagian pekerjaan mungkin hilang, tapi itu cuma artinya kita akan bisa tangani lebih banyak.”
Manos catat bahwa Dun & Bradstreet melacak pendiriannya ke sebelum Perang Saudara dan bertahan melalui iterasi bisnis sejak zaman Abraham Lincoln. Model bisnis mengatur data, dia tunjukkan, dulu terlihat sangat berbeda. “Cara mereka dulu lakukan adalah, naik kuda, pergi ke kota, cari tahu siapa pandai besi dan siapa pemilik toko kelontong, lalu mereka tulis dan masukkan ke buku.” Pekerjaannya sama sekarang dengan dulu, tapi semua kuda sudah hilang, semua lokasi berubah. Konteksnya berubah, tapi masih bekerja.
Apakah itu pembebasan atau treadmill yang diatur ke kecepatan lebih tinggi sedang menjadi pertanyaan tenaga kerja yang mendefinisikan dekade ini.