Saat AI mempercepat pembuatan layanan online kecil, muncul keadaan yang terasa terbalik.
Produk utamanya bisa hampir selesai dalam dua hari.
Sementara itu, proses di luar kode masih bertuliskan “sedang ditinjau”, “verifikasi identitas berlangsung”, atau “mohon tunggu beberapa hari kerja”.
Dulu, pengembangan produk sering lebih lambat daripada proses persetujuan. Sekarang bisa terjadi sebaliknya: layanannya sudah siap, tetapi persetujuan dari pihak luar belum datang.
Ini bukan klaim bahwa semua layanan bisa dibuat dalam dua hari. Ini hanyalah satu contoh layanan web kecil, ketika AI menangani sebagian besar riset, coding, draf dokumen, dan revisi.
Namun polanya menarik:
semakin cepat AI, semakin mungkin waktu tunggu manusia dan organisasi menjadi bottleneck terakhir.
1. “Beberapa hari kerja” bisa lebih lama daripada coding
Meluncurkan layanan membutuhkan lebih dari sekadar kode.
Verifikasi identitas. Verifikasi rekening pembayaran. Review iklan atau afiliasi. Verifikasi kepemilikan domain. Permohonan akses layanan eksternal. Pelaporan administratif. Dokumen tambahan.
Semua itu prosedur normal.
Yang berubah adalah perbandingan kecepatannya.
AI bisa membuat draf dalam hitungan menit, memperbaikinya dalam puluhan menit, dan mendorong pekerjaan besar dalam beberapa jam. Di sisi lain, layar review berkata, “Kami biasanya menghubungi Anda dalam tiga hari kerja.”
Kode bergerak dalam hitungan jam. Persetujuan bergerak dalam hitungan hari kerja.
Perbedaan skala waktu itulah bottleneck baru.
2. “Tunggu disetujui, baru membangun” mulai terbalik
Dulu masuk akal menunggu persetujuan pihak luar sebelum berinvestasi besar dalam pengembangan.
Jika inti produk bisa dibuat cepat, urutannya bisa diubah.
Ajukan lebih dulu. Bangun sambil menunggu. Buat integrasi eksternal mudah diganti. Masukkan ID, kunci, atau konfigurasi setelah disetujui. Ganti penyedia jika permohonan gagal.
Dengan kata lain, tumpuk waktu review dengan waktu pengembangan.
Menunggu bukan lagi waktu mati. Ia menjadi jalur paralel.
Yang dibutuhkan bukan menyegarkan halaman status setiap lima menit, tetapi daftar sederhana: diajukan, sedang ditinjau, perlu informasi tambahan, disetujui.
3. Dokumen pemerintah pun bisa dibuat dari halaman yang hampir kosong
Salah satu contoh paling mengejutkan datang dari dokumen administratif.
Sebuah pelaporan meminta diagram konfigurasi jaringan.
Orang mungkin mengira formulir resminya sudah memiliki template diagram yang lengkap.
Ternyata tidak. Formulir 3 yang dipublikasikan melalui e-Gov Jepang hanya berupa satu halaman A4 dengan judul “Network Configuration Diagram” dan enam catatan tentang apa yang harus ditampilkan, seperti aliran komunikasi dan penyedia jaringan eksternal.[1]
Tidak ada kotak dan panah siap pakai.
Pemohon sendiri harus memutuskan bagaimana menampilkan pengguna, internet, cloud, database, notifikasi, dan aliran data.
AI dapat membaca aturan itu, mengambil informasi penting, lalu menyusunnya menjadi dokumen yang mudah diperiksa.
Ini bukan sekadar “mengisi formulir”.
Lebih tepat disebut membaca aturan lalu merancang dokumen sebenarnya dari nol.
4. Mesin membuat, manusia memeriksa
Lalu datang bagian yang terasa paling terbalik.
AI membuat diagram. AI menulis penjelasan. AI mencari kekurangan. AI merevisi.
Setelah itu manusia memeriksa.
Apakah sesuai dengan layanan sebenarnya? Apakah penjelasannya cukup akurat untuk dikirim? Siapa yang bertanggung jawab atas versi final?
Dulu manusia membuat dan manusia memeriksa.
Sekarang bagian pembuatan semakin banyak berpindah ke AI, sementara manusia bergeser ke validasi akhir.
Anthropic merilis Claude Opus 5.5 pada 22 September 2026 dan memosisikannya untuk coding jangka panjang serta knowledge work. Dalam pengukuran Anthropic sendiri, output-nya lebih dari 30% lebih cepat daripada Opus 5 dan biaya beban kerja tipikal sekitar 40% lebih rendah. Perusahaan juga menampilkan contoh analisis spreadsheet dan pembuatan presentasi.[2]
Itu adalah data vendor, bukan jaminan bahwa setiap perusahaan akan mendapatkan hasil yang sama.
Namun ini merupakan contoh jelas bahwa pola “AI membuat, manusia memeriksa” terus meluas.
5. Apakah pekerjaan administrasi akan hilang?
Mudah untuk langsung menyimpulkan demikian.
Sebagian tugas memang sangat terekspos.
Pembaruan global ILO tahun 2025 menunjukkan bahwa pekerjaan clerical atau administrasi tetap menjadi kelompok dengan paparan tertinggi terhadap AI generatif. Data entry, pengetikan, akuntansi dan pembukuan, serta sekretaris administrasi termasuk yang paling terekspos.[3]
Namun ILO tidak menyimpulkan bahwa sebagian besar pekerjaan itu akan hilang sepenuhnya.
Sekitar satu dari empat pekerja di dunia berada dalam pekerjaan dengan suatu tingkat paparan terhadap AI generatif. Meski begitu, karena masukan manusia tetap dibutuhkan, ILO menilai transformasi pekerjaan lebih mungkin daripada penggantian total dalam kebanyakan kasus.[3]
Yang mungkin hilang lebih dulu bukan nama jabatannya, melainkan tugas berulang di dalamnya:
menulis teks standar, merapikan dokumen, menyalin informasi, membuat tabel perbandingan, menyiapkan draf pertama, menyeragamkan format.
Yang cenderung tetap penting adalah memeriksa fakta, menangani pengecualian, berkoordinasi dengan orang, mengambil tanggung jawab, memberi persetujuan, dan menghentikan proses ketika AI salah.
Sebelum pekerjaan administrasi hilang, isi pekerjaannya kemungkinan bergeser dari “membuat” ke “memeriksa dan memutuskan”.
6. Bottleneck baru ada di luar AI
Ketika AI mempercepat kode, tulisan, dan dokumen, hambatan berikutnya pindah ke luar model.
Review. Identitas. Kontrak. Bank dan pembayaran. Akses API. Traffic pencarian. Persetujuan pengiklan. Respons pengguna. Kepercayaan. Tanggung jawab hukum.
Kecepatan model dua kali lipat tidak otomatis membuat semua itu dua kali lebih cepat.
Karena itu keterampilan penting berubah:
apa yang diajukan lebih dulu, apa yang dibangun sambil menunggu, dan di mana persetujuan manusia wajib ada.
7. Jika membuat menjadi murah, pemenang bisa dipilih setelah mencoba
Dulu membangun layanan cukup mahal sehingga orang ingin menebak ide pemenang sebelum mulai.
Jika eksperimen kecil bisa dibuat cepat, strateginya berubah.
Bangun ide yang menarik. Bawa sampai bisa diuji. Lihat respons nyata. Hentikan yang tidak bergerak. Besarkan yang menunjukkan tanda kehidupan.
Tidak perlu menebak pemenang dengan sempurna sebelum membangun. Buat eksperimen murah, lalu pertahankan pemenangnya.
Ini bukan berarti memproduksi layanan buruk secara massal.
Intinya adalah menurunkan biaya eksperimen agar feedback nyata datang lebih cepat.
8. Cepat membangun bukan berarti melewati pemeriksaan
Jika prototipe mudah di-rollback, bergerak cepat masuk akal.
Namun ketika menyentuh data pribadi, pembayaran, keselamatan, regulasi, aset bersama, reputasi orang lain, atau informasi yang sulit ditarik kembali, kecepatan bukan alasan untuk melewati kontrol.
Software bisa di-rollback lebih cepat daripada kepercayaan.
Semakin cepat AI membuat sesuatu, semakin penting menentukan di mana manusia harus sengaja memperlambat proses.
Cepat dan tanpa review adalah dua hal berbeda.
9. Waktu luang menjadi opsi untuk bereksperimen
Saat biaya membuat turun, arti waktu luang ikut berubah.
Bukan sekadar waktu kosong.
Waktu luang menjadi kesempatan untuk mencoba ide saat ide itu muncul.
Bisa dikerjakan dari rumah. Bisa sedikit dikerjakan di luar. Bisa mencatat ide saat sedang berpindah tempat. Dan hari ini juga boleh tidak mengerjakannya.
Jika proses membuatnya sendiri menyenangkan, itu lebih kuat lagi.
Monetisasi dan persetujuan mungkin lambat, tetapi jika eksperimen terasa seperti hiburan, biaya untuk terus melanjutkan menjadi rendah.
Di era AI, bagi pembuat produk individu, terus mencoba karena memang menyenangkan bisa menjadi keunggulan nyata.
10. Kesimpulan: semakin cepat AI, semakin manusia bergeser ke keputusan
AI dapat membawa layanan kecil dari ide ke bentuk yang berfungsi dengan sangat cepat.
AI bahkan dapat mengubah persyaratan administrasi yang ringkas menjadi dokumen yang bisa diperiksa.
Sementara itu, identitas, review, persetujuan, dan tanggung jawab tetap berjalan mengikuti waktu manusia dan organisasi.
Pusat pekerjaan manusia pun bergeser ke pertanyaan:
Apa yang harus dibuat? Apa yang wajib diverifikasi? Di mana harus berhenti? Eksperimen mana yang layak dipertahankan?
Pekerjaan administrasi tidak akan hilang besok.
Namun nilai relatif dari manusia yang membuat setiap draf, tabel, diagram, dan dokumen dari nol sedang turun.
Bagi orang yang membangun layanan, kompetisi berikutnya sudah terlihat:
pilih ide yang lebih baik, jalankan waktu tunggu eksternal secara paralel, pertahankan review manusia pada hal yang sulit dibalik, dan terus mencoba sampai menemukan yang benar-benar bekerja.
Ini dunia ketika kodenya sudah selesai, tetapi halaman masih berkata “mohon tunggu tiga hari kerja”.
- e-Gov, peraturan Jepang, Formulir 3: Network Configuration Diagram
https://laws.e-gov.go.jp/data/MinisterialOrdinance/360M50001000025/622223_2/pict/2FH00000068245.pdf - Anthropic, “Claude Opus 5.5”, 22 September 2026
https://www.anthropic.com/claude-opus-5-5 - International Labour Organization, “Generative AI and jobs: A 2025 update”, 20 Mei 2025
https://www.ilo.org/publications/generative-ai-and-jobs-2025-update
