Semakin kuat AI, semakin lelah manusia, "kecemasan" menjadi norma bagi perusahaan dan karyawan

Alat pemrograman berbasis AI menjanjikan membebaskan insinyur, namun kenyataannya justru memunculkan gelombang baru kecemasan akan efisiensi.

Seiring kemampuan agen pemrograman AI seperti Claude Code dari Anthropic dan Codex dari OpenAI terus meningkat, perusahaan teknologi terjebak dalam sebuah budaya “obsesi produktivitas” dari atas ke bawah. Para eksekutif langsung menulis kode sendiri, karyawan diminta untuk meningkatkan frekuensi interaksi dengan AI, dan jam lembur malah bertambah. AI seharusnya menjadi alat penghemat tenaga, tetapi di banyak tempat kerja justru menjadi sumber tekanan baru.

Data survei mengungkapkan adanya kesenjangan persepsi yang mencolok: survei dari perusahaan konsultan Section menunjukkan lebih dari 40% eksekutif tingkat C merasa AI menghemat setidaknya 8 jam per minggu, sementara 67% karyawan non-manajemen menyatakan AI membantu mereka menghemat kurang dari dua jam, bahkan tidak membantu sama sekali. Studi berkelanjutan dari University of California, Berkeley terhadap organisasi berjumlah 200 orang juga menemukan bahwa meskipun karyawan telah menyerahkan banyak pekerjaan ke AI, jam kerja mereka tetap bertambah.

Penyebaran kecemasan ini memiliki alasan struktural. Ketika CTO bekerja tengah malam menulis kode dengan AI, dan CEO mengukur usaha tim berdasarkan biaya tagihan, seluruh industri telah mendefinisikan ulang konsep “efisiensi” — dan biaya dari redefinisi ini ditanggung oleh karyawan biasa.

Eksekutif yang turun langsung menulis kode, kecemasan efisiensi menyebar dari atas ke bawah

Istilah “Vibe coding” awalnya membawa harapan santai. Pada Februari 2025, mantan peneliti OpenAI Andrej Karpathy memperkenalkan konsep ini ke publik, menggambarkan model pemrograman baru di mana insinyur cukup berinteraksi dengan AI untuk menyelesaikan pengembangan — “sepenuhnya tenggelam dalam suasana.”

Namun, setahun kemudian, suasana sudah berubah.

Chief Technology Officer Intuit, Alex Balazs, menggambarkan rutinitas hariannya baru-baru ini: istrinya turun ke bawah pukul 8 pagi dan menemukan dia sudah bekerja selama beberapa jam. “Dia bertanya saya sudah bangun berapa lama, dan saya bilang sudah bangun jam 5 pagi dan mulai menulis kode.” Secara tepat, dia mengarahkan AI untuk menulis kode baginya, dan menyatakan hal ini membuatnya kembali menyentuh kode dasar yang sudah lama tidak diakses.

Perilaku para eksekutif ini mulai menular ke bawah. Presiden OpenAI, Greg Brockman, baru-baru ini di X menulis, “Setiap saat agen cerdasmu tidak berjalan, rasanya seperti membuang peluang.” Kata-kata ini secara tepat memicu budaya kerja keras yang sudah umum di industri teknologi.

Pendiri dan CEO startup AI Arcade.dev, Alex Salazar, bahkan lebih langsung. Dia rutin memantau tagihan Claude Code perusahaan — jumlah tagihan langsung terkait dengan frekuensi penggunaan alat oleh insinyur — dan secara terbuka mengkritik karyawan yang “menggunakan terlalu sedikit”: “Saya bilang, ‘Kalian belum cukup berjuang.’” Dia menyebut, setelah pertemuan “kepercayaan” pertama itu, tagihan alat pemrograman AI perusahaan melonjak 10 kali lipat, dan dia menganggap pengeluaran ini sebagai tanda kemajuan.

Pengukuran karyawan secara kuantitatif, “kelelahan AI” secara diam-diam menyebar

Dalam suasana ini, metode penilaian terhadap karyawan pun secara perlahan berubah.

DocuSketch, perusahaan perangkat lunak yang fokus pada perbaikan properti, menyatakan bahwa Wakil Presiden produk Andrew Wirick kini melacak jumlah interaksi harian insinyur dengan alat pemrograman AI, dan menganggap angka yang lebih tinggi menunjukkan produktivitas yang lebih baik. Claude Code juga secara mingguan menghasilkan laporan untuk setiap insinyur, mengidentifikasi pola-pola mereka yang terjebak dalam siklus tidak produktif dengan AI, dan memberikan saran perbaikan.

Wirick mengaku merasa “ketergantungan” terhadap alat ini. “Saya merasa harus melakukan beberapa interaksi setiap hari, bahkan sebelum tidur saya masih memikirkan bagaimana menambah lagi.” Dia mengaitkan kondisi ini dengan pengalaman “pencerahan” saat mencoba model terbaru Anthropic, Opus 4.5, November lalu — ketika dia menyerahkan sebuah prototipe fungsi yang biasanya harus dikerjakan insinyur, dan dalam 20 menit melihat model secara mandiri membongkar dan merealisasikan tugas tersebut, “seperti otak saya di-restart.”

Mentalitas percepatan ini mulai mengikis batas antara kerja dan kehidupan. Studi Berkeley menunjukkan bahwa meskipun banyak tugas telah diambil alih AI, jam kerja tetap tidak berkurang. Beberapa insinyur bahkan mulai secara terbuka mengakui mereka mengalami “kelelahan AI” — terus-menerus khawatir melewatkan terobosan berikutnya, yang tampaknya selalu hanya satu prompt lagi.

Kesenjangan persepsi antara eksekutif dan karyawan semakin melebar

Antusiasme para eksekutif sebagian besar berasal dari sensasi penciptaan langsung. Salazar mengakui, membangun prototipe sendiri dengan AI terasa lebih “produktif” daripada mengurus otorisasi dan pengambilan keputusan biasa. Bahkan, dia baru-baru ini langsung merespons permintaan layanan dari klien keuangan penting, membangun aplikasi demonstrasi dari nol.

Di Intuit, manajer produk dan desainer kini didorong untuk menggunakan metode “vibe coding” dalam membangun prototipe fitur di QuickBooks sendiri, dan Balazs menyatakan, “Setidaknya sekarang, manajer produk bisa membawa sesuatu yang konkret dan bilang ke insinyur, ‘Saya mau sesuatu yang mirip ini.’”

Namun, survei dari perusahaan konsultan Section menunjukkan adanya kesenjangan persepsi yang cukup besar.

Persepsi manfaat AI di kalangan eksekutif sangat berbeda dengan pengalaman di tingkat bawah. Salazar berpendapat, ini sebagian disebabkan oleh biaya transisi yang lebih tinggi bagi karyawan saat mereka menyesuaikan diri dengan alat baru: “Mereka secara implisit diminta untuk meluangkan waktu untuk eksplorasi dan eksperimen, tetapi ekspektasi pekerjaan harian mereka tidak disesuaikan untuk memberi ruang itu.”

Kekhawatiran tentang keamanan pekerjaan juga nyata. Salazar mengaku, dia berencana mengganti penyedia layanan jaringan pihak ketiga, tetapi tim pemasaran sudah mampu memperbarui situs web perusahaan sendiri dengan AI, sehingga pengeluaran outsourcing ini dipangkas.

“Perluasan tugas” dan ilusi kemakmuran, sisi lain dari mitos efisiensi

Peneliti Berkeley menyebut fenomena ini sebagai “task expansion” (perluasan tugas): ketika rekan non-teknis mulai menggunakan AI untuk menghasilkan kode, insinyur harus menghabiskan waktu membersihkan produk setengah jadi tersebut, sehingga justru menambah beban kerja. Balazs mengakui, ini mengubah pembagian tugas yang sebelumnya jelas, dan membuat berbagai peran semakin “campur aduk,” serta memperumit hubungan kerja sama.

Lebih dalam lagi, pertanyaannya adalah: apakah gelombang pembangunan ini benar-benar menciptakan sesuatu yang bernilai, atau hanya menghasilkan lebih banyak barang?

Para analis menunjukkan, jika obsesi terhadap produktivitas berbasis AI ini tidak dikendalikan, bisa muncul banyak “busyware” — perubahan kecil di situs web yang tidak penting, dashboard kustom yang hanya dipakai satu pengguna, prototipe yang setengah jalan dan akhirnya ditinggalkan — semua akhirnya diserahkan ke insinyur untuk diselesaikan. Masing-masing tampaknya punya alasan saat ini, tetapi sebagian besar akan berakhir sebagai kode yang dibuang.

Balazs dari Intuit menyatakan, kecepatan produksi dan pengiriman kode telah meningkat sekitar 30%. Tetapi, dalam masa depan di mana kode semakin “sekali pakai,” keuntungan efisiensi sejati mungkin tersembunyi di balik pertanyaan lain: hal-hal apa yang seharusnya tidak perlu dibuat sama sekali.

Peringatan risiko dan ketentuan penafian

Pasar berisiko, investasi harus dilakukan dengan hati-hati. Artikel ini tidak merupakan saran investasi pribadi, dan tidak mempertimbangkan tujuan, kondisi keuangan, atau kebutuhan spesifik pengguna. Pengguna harus menilai apakah pendapat, pandangan, atau kesimpulan dalam artikel ini sesuai dengan kondisi mereka. Investasi adalah tanggung jawab sendiri.