AI menulis artikel, membantu membuat aplikasi kecil, lalu menawarkan ide proyek berikutnya. Sementara itu, kita bisa menonton sesuatu sambil sesekali memeriksa hasilnya.
Seharusnya waktu luang bertambah, bukan? Aneh sekali: malam sudah tiba, tetapi daftar pekerjaan justru makin panjang.
Waktu yang berhasil dihemat itu sebenarnya pergi ke mana?
1. Produktivitas naik bukan berarti kita otomatis lebih cepat selesai bekerja
Bayangkan dulu delapan jam hanya cukup untuk membuat sepuluh artikel. Dengan AI, dalam delapan jam yang sama kita bisa membuat seribu. Angka ini hanya contoh rekaan, bukan hasil pengukuran.
Waktu yang dipakai tetap sama. Hasil kerja meningkat seratus kali lipat.
Jadi, mengatakan peningkatan itu tidak berguna karena kita masih bekerja delapan jam berarti mencampuradukkan dua hal: menyelesaikan tugas lebih cepat dan menggunakan sisa waktunya untuk mengerjakan lebih banyak tugas.
Sebelum ada AI pun, pekerjaan yang cepat selesai sering langsung diganti pekerjaan baru. Lembur bukan ciptaan chatbot.
Gagasan terkenal bahwa pekerjaan akan berkembang sampai memenuhi waktu yang tersedia berasal dari tulisan sindiran tahun 1955, yang kemudian dikenal sebagai hukum Parkinson. Ini bukan rumus ilmiah yang pasti berlaku di semua tempat kerja. Namun, siapa yang pernah diberi tugas tambahan karena menyelesaikan pekerjaan terlalu cepat pasti paham maksudnya.
Hal ini juga mirip efek pantulan: ketika sesuatu makin murah digunakan, penggunaannya bisa meningkat. Itu hanya perbandingan, bukan bukti bahwa semua penerapan AI pasti menghasilkan pola yang sama.
Kadang AI tidak menghilangkan daftar tugas. AI justru membuat lebih banyak ide terasa mungkin dikerjakan.
2. Banyak hasil kerja belum tentu berarti banyak manfaat. Namun jumlah tetap bisa berharga
Sebuah artikel pimpinan teknologi pada Oktober 2026 mengusulkan agar waktu yang dihemat dengan AI tidak dihabiskan hanya untuk menambah fitur. Pengembang sebaiknya ikut memahami hasil bisnis, sementara tim penjualan dan layanan bisa mencoba membuat contoh produk dan menganalisis data sendiri.
Untuk produk digital, masuk akal. Seratus tombol tambahan tidak otomatis membuat aplikasi lebih baik. Pengguna mungkin malah sibuk mencari tombol keluar.
Namun, kumpulan artikel yang menjawab banyak pertanyaan kecil punya cara kerja berbeda.
Satu artikel dengan seribu pembaca per bulan menghasilkan jumlah kunjungan yang sama dengan seratus artikel yang masing-masing dibaca sepuluh kali. Tentu saja itu hanya berlaku bila semuanya benar-benar mendapat pembaca. Ini contoh hitungan, bukan ramalan trafik.
Inilah daya tarik ekor panjang: pertanyaan yang tampak terlalu khusus ternyata bisa bernilai jika banyak kebutuhan kecil dilayani bersama-sama.
Membuat banyak konten bukan hanya soal mencari satu artikel yang viral, tetapi juga menjangkau pembaca dengan pertanyaan yang jarang dibahas.
Namun, menerbitkan seribu halaman tidak menjamin semuanya muncul di hasil pencarian. Artikel yang terlalu mirip bisa saling berebut pengunjung. Halaman yang tidak membantu orang pun tak akan menjadi aset hanya karena jumlahnya banyak. Google melarang pembuatan konten bernilai rendah secara massal bila tujuan utamanya memanipulasi peringkat pencarian.
Gudang penuh belum tentu berarti barangnya laku.
3. Menambah fitur perusahaan berbeda dengan membangun koleksi karya sendiri
Di perusahaan, fitur baru sering membawa tugas tambahan: pengujian, perawatan, dukungan pelanggan, dan penjelasan cara pakai. Karena itu, pengembang yang memahami tujuan bisnis dan tim nonteknis yang mampu mencoba prototipe bisa saling membantu.
Tetapi pergantian jenis pekerjaan tidak otomatis mempersingkat jam kerja. Rapat pengembangan bisa saja berubah menjadi rapat analisis, dengan jadwal yang tetap padat.
Bagi pembuat konten mandiri, artikel berguna yang dibuat hari ini mungkin masih dicari berbulan-bulan kemudian. Jika biaya membuat satu artikel tambahan turun jauh, topik kecil yang dulu terasa tidak sepadan kini layak dicoba.
Dari percobaan itu, kita juga belajar pertanyaan apa yang benar-benar dicari orang.
Tetap ada biaya untuk memeriksa fakta, memperbarui artikel, dan membantu pembaca menemukannya. Otomatisasi bukan sulap gratis.
4. Tak perlu berhenti membuat sesuatu. Periksa dulu dampaknya
Misalnya setelah menambah seratus artikel, periksa sekitar sembilan puluh hari kemudian: apakah semuanya benar-benar terbit, ditemukan lewat pencarian, menambah pembaca, dan tidak terlalu mahal untuk dirawat? Sembilan puluh hari hanya contoh waktu pengamatan, bukan jaminan hasil.
Kalau jumlah artikel terus naik tetapi jumlah pembaca tetap, mungkin saatnya mengubah topik, memperbaiki isi, atau mencari cara distribusi yang lebih tepat.
Buat → sebarkan → lihat tanggapan → gunakan hasilnya untuk memilih karya berikutnya.
Siklus ini tidak bertentangan dengan produksi dalam jumlah besar. Ketika AI membuat sesuatu, manusia bisa memeriksa hasil dari yang sudah dibuat.
Penting juga melihat siapa yang menikmati manfaatnya: perusahaan, pelanggan, atau pembuat karya yang memiliki koleksi tersebut.
AI tidak menjamin jam kerja lebih pendek. AI memberi lebih banyak pilihan tentang apa yang ingin kita lakukan dalam waktu yang sama.
Ingin istirahat? Silakan. Ingin lanjut membuat sesuatu? Boleh juga.
Minta AI mengurangi pekerjaan, lalu mendapat dua ratus ide baru.
Sepertinya AI bukan satu-satunya tersangka.
