“Kita harus berubah. Produktivitas harus naik.”
Kedengarannya bagus. Namun saat ada usul cara kerja baru, mengapa pembicaraan langsung terhenti?
Lalu muncul pertanyaan yang paling menarik: “Kalau pekerjaan jadi lebih cepat, sisa waktunya mau dipakai buat apa?”
Untuk pekerjaan yang lebih bernilai, menyelesaikan masalah berikutnya, atau pulang tepat waktu. Kalau yang penting hanya terlihat sibuk, sebaiknya email juga dilarang. Tulis surat satu per satu untuk rekan kerja, antar sendiri, lalu bacakan di depan mereka. Jam kerja pasti melonjak. Hasilnya mungkin tidak.
Lelucon itu menggambarkan benturan yang nyata: perusahaan berbicara tentang produktivitas, tetapi kadang masih menilai kesibukan, bukan hasil.
1. Semangat sudah menurun sebelum mulai menangani pekerjaan
Pada minggu pertama bekerja, rasanya penuh antusiasme. Ada banyak hal baru yang ingin dipelajari.
Minggu berikutnya, pelatihan terasa berulang. Pengajar berbeda menyampaikan topik serupa tanpa alur yang jelas. Rasa ingin tahu berubah menjadi pertanyaan: “Memangnya ada yang merancang seluruh pelatihan ini?”
Saat pertama ditempatkan dalam tugas, semangat sudah jauh berkurang. Setelah itu muncul pekerjaan memasukkan data ke spreadsheet satu per satu, memeriksanya satu per satu, serta membaca dokumen yang sulit dipahami.
Urutannya penting. Penolakan usulan perbaikan bukan penyebab awal turunnya semangat. Penurunan sudah terjadi saat pelatihan dan kemudian diperkuat oleh pengalaman kerja.
2. Disuruh berinovasi, tetapi jalan untuk menguji gagasan ditutup
Pimpinan menginginkan perubahan. Namun pembicaraan tentang AI berhenti pada “tidak bisa karena keamanan informasi”. Hampir tidak ada pembahasan mengenai data apa yang aman, pekerjaan apa yang bisa diuji, atau bagaimana membuat percobaan terbatas.
Keamanan perusahaan memang penting. Model yang berjalan secara lokal tetap membutuhkan pengendalian akses, pemeliharaan, perlindungan data, dan pemeriksaan keluaran. Bisa dijalankan secara teknis belum tentu berarti aman untuk dipakai perusahaan.
Justru karena itulah risiko perlu diurai. Tetapkan batas data, coba tugas berisiko rendah, ukur manfaat dan masalah, lalu ambil keputusan yang jelas. Kerangka manajemen risiko AI dari NIST Amerika Serikat memberikan acuan untuk pendekatan tersebut.
Di antara “bebaskan semuanya” dan “larang semuanya”, terdapat banyak pilihan. Memerintahkan inovasi sambil melarang pembahasan tentang cara mencobanya adalah pesan yang saling bertabrakan.
3. Waktu yang dihemat bisa dipakai untuk hal yang lebih baik
Laporan dibuat, dikembalikan untuk revisi, dikirim lagi, lalu direvisi lagi. Mungkin yang perlu diperbaiki bukan hanya kecepatan mengedit, melainkan cara menetapkan kebutuhan dan alur persetujuan.
Bayangkan laporan berkualitas sama dapat selesai dalam 30 menit, bukan empat jam. Ada tiga setengah jam yang dihemat. Itu sekadar ilustrasi, bukan data pengukuran di suatu perusahaan. OECD menjelaskan produktivitas tenaga kerja berdasarkan keluaran per jam kerja.
Waktu tersebut bisa digunakan untuk meningkatkan mutu, membantu pelanggan, memperbaiki proses, atau mengurangi lembur. Menanyakan rencana penggunaan waktu adalah hal wajar bagi manajer. Menuduh pekerja pasti akan bermalas-malasan adalah persoalan berbeda.
Kalau tujuannya cuma memenuhi jam kerja, pengiriman surat dengan berjalan kaki jelas juara.
4. Ketika pekerja yang cepat justru dihukum dengan tugas tambahan
Satu pekerjaan selesai lebih cepat, langsung datang tugas baru. Tugas itu selesai, muncul lagi yang lain. Tidak ada batas beban yang jelas, sementara gaji, kewenangan, dan waktu istirahat tidak ikut membaik.
Insentifnya jadi terbalik: semakin efisien, semakin banyak waktu pribadi yang hilang karena tugas tambahan.
Riset tentang ketidakseimbangan usaha dan imbalan membantu menjelaskan mengapa kondisi seperti ini berpotensi menekan pekerja. Namun satu pengalaman tidak membuktikan sebab-akibat secara pasti.
Hasil peningkatan produktivitas seharusnya juga dibagikan melalui beban kerja yang wajar, kesempatan belajar, penghargaan berdasarkan hasil, dan kesempatan memulihkan tenaga. Kalau tidak, orang bisa belajar untuk sengaja tidak terlihat terlalu mampu.
5. Kadang pertanyaan utamanya bukan “bagaimana lebih cepat?”, melainkan “mengapa harus begini?”
Entri data bisa dipercepat. Namun mengapa data yang sama mesti dimasukkan dua kali? Persetujuan bisa dikejar lebih cepat. Namun mengapa persetujuan yang sama harus diminta berulang kali?
Penelitian pembelajaran organisasi membedakan perbaikan tindakan dalam aturan lama dengan pemeriksaan ulang asumsi di balik aturan tersebut. Pendekatan kedua bermanfaat, tetapi alasan hukum, audit, dan keselamatan tetap harus diperiksa.
Dalam proyek penerbitan otomatis berskala kecil, risiko penyebaran informasi pribadi bisa ditangani lewat aturan penyaringan dan pemeriksaan konten. Pengaman itu masih harus diuji; tidak ada jaminan sempurna.
Pahami tujuan pembatasannya, lalu cari cara kerja yang tetap mematuhinya.
6. Waktu untuk perusahaan juga merupakan waktu hidup kita
Jam kerja yang sudah berlalu tidak akan kembali. Karena itu, penting bertanya apakah pekerjaan membangun keterampilan yang bisa dipakai di tempat lain dan menambah pilihan masa depan.
Pujian setelah memperoleh sertifikat tentu menyenangkan. Tetapi yang lebih bermakna adalah kemampuan baru yang benar-benar didapatkan.
Hal yang sama berlaku saat merekomendasikan pekerjaan kepada teman. Bertahan di suatu tempat belum tentu berarti kita berani menyarankannya kepada orang terdekat. Teman tetap perlu memeriksa tanggung jawab dan syarat kerjanya sendiri.
Kesimpulan: bukan malas bekerja, melainkan tidak mau membuang hidup
Tantangan bermakna justru bisa menyenangkan. Yang melelahkan adalah diminta berinovasi tanpa kesempatan mencoba, diminta produktif tetapi hanya dinilai dari lamanya bekerja, dan terus diberi tugas karena selesai lebih cepat.
“Jadi, waktu yang dihemat mau dipakai buat apa?”
Menciptakan hasil yang lebih baik. Belajar keahlian baru. Kadang, cukup pulang tepat waktu.
Kalau kantor masih butuh bukti semua orang sibuk, mari adakan rapat tentang mengganti email dengan surat tulisan tangan. Notulennya ditulis memakai pena bulu saja.
- OECD, produktivitas tenaga kerja: https://www.oecd.org/en/data/indicators/labour-productivity-and-utilisation.html
- NIST, kerangka risiko AI: https://www.nist.gov/itl/ai-risk-management-framework
- Tinjauan pembelajaran dua putaran (2023): https://doi.org/10.1111/emre.12615
- Penelitian ketidakseimbangan usaha-imbalan (1996): https://pubmed.ncbi.nlm.nih.gov/9547031/
- Respons atasan terhadap masukan karyawan (2012): https://doi.org/10.5465/amj.2010.0562
