Perubahan paling penting dalam AI kerja saat ini bukan sekadar model yang menjawab lebih cepat. Yang berubah adalah durasi dan bentuk pekerjaannya. AI agent mulai diberi tugas yang berlangsung puluhan menit hingga berjam-jam, menjalankan kode, membaca dokumen, memanggil layanan eksternal, lalu menyusun hasil untuk ditinjau manusia.
OpenAI melaporkan bahwa pada pertengahan Agustus 2026, organisasi risetnya menggunakan sekitar 3,1 agent-workdays untuk setiap satu hari kerja manusia. Istilah ini bukan berarti AI benar-benar bekerja seperti karyawan, melainkan cara untuk memperkirakan total waktu kerja agen yang dijalankan secara berurutan maupun paralel. Angka tersebut menunjukkan satu hal: kapasitas eksekusi AI sedang tumbuh lebih cepat daripada kebiasaan banyak orang dalam mengawasinya.
Di sinilah persoalan baru muncul. Ketika AI hanya membantu merangkum email, kesalahan biasanya mudah ditemukan. Namun ketika AI mengerjakan analisis, mengubah data, membuat kode, atau mengambil keputusan awal selama beberapa jam, kesalahan dapat bersembunyi di antara banyak langkah.
Dari chatbot ke pekerjaan dengan durasi panjang
Chatbot tradisional bekerja dalam pola sederhana: pengguna bertanya, AI menjawab, lalu percakapan berhenti atau dilanjutkan. AI agent memiliki pola yang lebih panjang. Pengguna memberikan tujuan, agen memecahnya menjadi beberapa langkah, menggunakan tool, mengevaluasi hasil sementara, dan mencoba lagi jika diperlukan.
Dalam laporan OpenAI tentang percepatan riset, penggunaan coding agent di kalangan peneliti meningkat tajam sepanjang 2026. Pada pertengahan Agustus, peneliti median menggunakan agent setiap hari, sementara sebagian pengguna menjalankan beberapa agent secara bersamaan.
Gambaran sederhananya seperti memiliki beberapa asisten yang bekerja di meja berbeda. Satu memeriksa data, satu menjalankan eksperimen, satu menulis kode, dan satu lagi membandingkan hasil. Manusia tidak lagi menyelesaikan setiap langkah secara manual, tetapi menentukan tujuan, menyediakan batasan, lalu menilai apakah hasilnya layak dipercaya.
Angka besar tidak otomatis berarti produktivitas besar
Fakta: durasi dan volume kerja yang dilakukan AI agent memang meningkat. Anthropic juga mencatat bahwa sesi Claude Code yang berjalan paling lama hampir berlipat ganda dalam tiga bulan, dari kurang dari 25 menit menjadi lebih dari 45 menit, berdasarkan penelitian tentang otonomi agent.
Analisis: waktu kerja AI tidak sama dengan nilai kerja. Agent bisa menjalankan ribuan langkah yang tidak menghasilkan keputusan berguna. Ia juga dapat menghabiskan waktu untuk memperbaiki kesalahan yang dibuatnya sendiri, memilih sumber yang keliru, atau menghasilkan kode yang tampak rapi tetapi tidak aman.
Karena itu, metrik seperti jumlah token, lama runtime, atau banyaknya file yang dibuat tidak cukup. Produktivitas seharusnya dinilai dari hasil akhir: apakah laporan lebih akurat, apakah waktu penyelesaian benar-benar berkurang, apakah risiko menurun, dan apakah manusia dapat mengambil keputusan dengan lebih baik.
Masalah terbesar berpindah ke tahap pemeriksaan
Ketika AI hanya menghasilkan draf, pekerjaan manusia masih berpusat pada membuat sesuatu. Saat AI dapat menghasilkan banyak draf, kode, dan analisis sekaligus, pekerjaan manusia bergeser ke pemeriksaan.
Masalahnya, pemeriksaan sering kali lebih sulit daripada pembuatan. Untuk memvalidasi hasil analisis keuangan, misalnya, seseorang perlu memahami sumber data, asumsi, rumus, dan konteks bisnisnya. Untuk memeriksa kode, seseorang perlu menguji perilaku normal, kondisi ekstrem, keamanan, serta dampaknya terhadap sistem lain.
Ini sebabnya kemampuan penting di era agentic AI bukan hanya menulis prompt. Pengguna perlu mampu:
- menentukan hasil yang dianggap benar sebelum pekerjaan dimulai;
- memecah tugas besar menjadi tahapan yang bisa diperiksa;
- menyediakan sumber data dan izin akses yang jelas;
- menguji hasil dengan contoh normal dan contoh yang sengaja dibuat sulit;
- mengetahui kapan pekerjaan harus dihentikan dan dialihkan ke manusia.
Apa artinya bagi pekerja nonteknis?
Perkembangan ini tidak hanya relevan bagi programmer. OpenAI melaporkan bahwa penggunaan Codex tumbuh di berbagai fungsi, termasuk legal, keuangan, rekrutmen, pemasaran, dan operasi. Agent dapat membantu menggabungkan informasi dari beberapa sumber, menyusun laporan, mengubah data mentah, atau menyiapkan draf komunikasi.
Namun, pekerjaan nonteknis bukan berarti bebas dari kebutuhan teknis. Justru semakin banyak pekerjaan yang didelegasikan ke agent, semakin penting pemahaman dasar tentang data, akses, kualitas sumber, dan cara kerja sistem.
Seorang staf pemasaran tidak harus menjadi programmer untuk menggunakan agent. Tetapi ia perlu tahu apakah data pelanggan boleh diproses, apakah angka dalam laporan berasal dari sumber yang benar, dan apakah email yang disusun agent memerlukan persetujuan sebelum dikirim.
Yang bisa dilakukan sekarang
- Mulai dari tugas berisiko rendah. Gunakan agent untuk menyusun draf, mengelompokkan informasi, atau membuat ringkasan awal sebelum memberinya akses ke sistem penting.
- Tentukan titik persetujuan manusia. Agent boleh menyiapkan email, tetapi pengiriman tetap menunggu persetujuan. Agent boleh mengusulkan perubahan kode, tetapi penggabungan ke sistem utama harus melalui pengujian.
- Simpan jejak kerja. Catat sumber data, instruksi utama, tool yang digunakan, perubahan yang dibuat, dan siapa yang menyetujui hasilnya.
- Ukur hasil, bukan aktivitas. Bandingkan waktu penyelesaian, tingkat kesalahan, biaya, dan kualitas hasil sebelum dan sesudah menggunakan agent.
- Batasi izin sejak awal. Berikan akses minimum yang diperlukan. Agent yang hanya perlu membaca dokumen tidak seharusnya memiliki izin menghapus file atau mengirim pesan keluar.
Bukan menggantikan penilaian, tetapi memperluas jangkauannya
AI agent membuat satu orang dapat menangani lebih banyak pekerjaan, terutama pekerjaan yang sebelumnya tertunda karena terlalu teknis, berulang, atau memerlukan banyak langkah kecil. Tetapi kemampuan ini juga memperbesar dampak kesalahan.
Dalam beberapa tahun ke depan, keunggulan bukan hanya dimiliki oleh orang yang paling sering memakai AI. Keunggulan akan dimiliki oleh mereka yang mampu merancang alur kerja dengan batas yang jelas, memilih tugas yang tepat untuk didelegasikan, dan membangun proses pemeriksaan yang tidak kalah serius dari proses pembuatannya.
AI mungkin bisa menghasilkan “hari kerja” sendiri. Tanggung jawab untuk menentukan apakah hari kerja itu menghasilkan sesuatu yang benar, aman, dan berguna tetap berada di tangan manusia.
Sumber & bacaan lebih lanjut
- Research acceleration: the view inside OpenAI
- Measuring AI agent autonomy in practice
- How agents are transforming work
- From assistance to execution: How enterprises put AI to work
– Rio Yotto @rioyotto