AI mulai bergeser dari alat untuk mencari jawaban menjadi sistem yang dapat menjalankan pekerjaan. Ia bisa membaca dokumen, menulis kode, membuka spreadsheet, mengolah data, membuat presentasi, lalu menyusun hasil akhir tanpa harus diarahkan pada setiap langkah.
Perubahan ini terlihat dari cara perusahaan AI menggambarkan penggunaan produknya sepanjang 2026. OpenAI melaporkan bahwa pengguna Codex semakin sering memberikan tugas dengan durasi kerja yang panjang, termasuk pekerjaan yang diperkirakan membutuhkan waktu lebih dari delapan jam bagi manusia. Anthropic juga menunjukkan bahwa pengguna dengan pemahaman domain yang lebih kuat cenderung menghasilkan sesi kerja AI yang lebih berhasil.
Artinya, pertanyaan pentingnya bukan lagi hanya “AI ini bisa melakukan apa?”, tetapi juga “Bisakah kita memahami, memeriksa, dan mempertanggungjawabkan prosesnya?”
Dari jawaban menuju pekerjaan yang punya konsekuensi
Chatbot biasa biasanya berhenti setelah memberikan respons. Jika jawabannya keliru, manusia masih punya kesempatan untuk memperbaikinya sebelum melakukan tindakan.
AI agent bekerja dengan pola yang berbeda. Setelah diberi tujuan, ia dapat memecah pekerjaan menjadi beberapa langkah, menggunakan alat, membaca sumber, mengubah file, dan menghasilkan output yang langsung bisa dipakai. Kesalahan kecil dalam proses dapat ikut terbawa ke hasil akhir.
Contohnya, sebuah agent diminta membuat laporan penjualan bulanan. Ia mungkin mengambil data dari spreadsheet, menghitung perubahan omzet, membuat grafik, lalu menulis ringkasan untuk manajemen. Namun, jika satu kolom berisi data retur tidak ikut dihitung, laporan tersebut bisa terlihat rapi sekaligus menyesatkan.
Di sinilah hasil akhir saja tidak cukup. Pengguna perlu mengetahui data apa yang dipakai, asumsi apa yang dibuat, langkah apa yang dilakukan, dan bagian mana yang masih membutuhkan penilaian manusia.
Jejak kerja bukan sekadar log teknis
Dalam dunia perangkat lunak, log biasanya dianggap sebagai catatan untuk teknisi. Pada sistem AI agent, jejak kerja memiliki fungsi yang lebih luas. Ia menjadi cara untuk menjawab beberapa pertanyaan dasar:
- Sumber apa yang dibaca oleh agent?
- Alat atau aplikasi apa yang digunakan?
- Perubahan apa yang dilakukan terhadap file atau data?
- Bagian mana yang dibuat berdasarkan fakta, dan mana yang merupakan perkiraan?
- Siapa yang menyetujui tindakan terakhir?
Anthropic, misalnya, menekankan pentingnya akses yang terkontrol, audit log, serta persetujuan manusia dalam template agent untuk pekerjaan keuangan. Dalam konteks seperti rekonsiliasi pembukuan, pemeriksaan dokumen KYC, atau penutupan laporan bulanan, agent dapat membantu menyiapkan pekerjaan, tetapi keputusan final tetap perlu berada pada orang yang bertanggung jawab.
Jejak semacam ini bukan berarti setiap langkah internal model harus ditampilkan dalam bahasa teknis. Yang dibutuhkan adalah ringkasan proses yang bisa dipahami dan diverifikasi. Pengguna tidak harus melihat seluruh percakapan mesin, tetapi perlu melihat bukti yang relevan untuk menilai apakah hasilnya layak dipakai.
Keahlian manusia tetap menentukan kualitas
Ada anggapan bahwa semakin mandiri AI, semakin kecil kebutuhan manusia untuk memahami bidang yang dikerjakan. Temuan dari riset Anthropic tentang Claude Code justru menunjukkan pola yang lebih rumit: orang yang memiliki pengetahuan domain lebih baik cenderung memberi arahan yang lebih efektif, dan sesi kerja mereka lebih sering berakhir sukses.
Ini masuk akal. Seorang akuntan dapat mengenali angka yang tidak masuk akal meskipun laporan terlihat profesional. Seorang programmer dapat melihat bahwa kode berhasil dijalankan, tetapi desainnya rentan ketika menerima beban tinggi. Seorang editor dapat mengetahui bahwa kalimatnya benar secara tata bahasa, tetapi keliru secara konteks.
Dengan kata lain, AI mungkin mengambil alih lebih banyak keputusan eksekusi—misalnya memilih urutan langkah atau menulis kode—tetapi manusia masih memegang keputusan arah: apa tujuan pekerjaan, batas yang tidak boleh dilewati, dan seperti apa hasil yang dianggap benar.
Apa artinya bagi pengguna sehari-hari?
Bagi pengguna individual, perubahan ini berarti kita bisa memberi AI tugas yang lebih besar. Namun, cara memberi instruksi juga perlu berubah. Jangan hanya meminta “buatkan laporan”. Sertakan kriteria keberhasilan, sumber yang boleh digunakan, batasan data, dan bentuk pemeriksaan yang diinginkan.
Instruksi yang lebih baik misalnya: “Buat ringkasan pengeluaran dari file ini. Pisahkan transaksi berulang dan transaksi satu kali. Jangan menghapus data asli. Tandai angka yang tidak memiliki kategori, lalu sertakan daftar asumsi sebelum membuat kesimpulan.”
Instruksi tersebut membuat pekerjaan lebih mudah diperiksa. Jika hasilnya keliru, kita juga lebih mudah menemukan di tahap mana masalah terjadi.
Yang bisa dilakukan sekarang
- Mulai dari tugas yang dapat dibatalkan. Gunakan AI untuk membuat draf, mengelompokkan data, atau menyusun analisis awal sebelum memberinya akses untuk mengirim email, mengubah database, atau melakukan transaksi.
- Minta output antara. Selain hasil akhir, minta daftar sumber, asumsi, perubahan file, dan pertanyaan yang belum terjawab.
- Pisahkan izin membaca dan menulis. Agent sebaiknya bisa membaca dokumen terlebih dahulu tanpa langsung memiliki hak untuk mengubah atau menghapusnya.
- Tetapkan titik persetujuan. Untuk tindakan yang berdampak pada uang, pelanggan, reputasi, atau data sensitif, buat aturan bahwa manusia harus menyetujui langkah terakhir.
- Uji dengan contoh yang sudah diketahui jawabannya. Sebelum dipakai pada pekerjaan nyata, berikan data historis dan bandingkan hasil agent dengan hasil yang telah diverifikasi.
Bukan tentang memperlambat AI
Meminta jejak kerja dan persetujuan manusia tidak berarti menolak otomatisasi. Justru, proses tersebut membantu menentukan bagian mana yang aman untuk dijalankan secara mandiri dan bagian mana yang perlu diawasi.
Untuk tugas sederhana dan berisiko rendah, agent bisa bekerja cukup bebas. Untuk pekerjaan yang memengaruhi keputusan finansial, data pribadi, atau sistem produksi, tingkat otonominya harus lebih rendah dan catatannya lebih lengkap.
Perkembangan AI pada 2026 menunjukkan bahwa kemampuan menjalankan pekerjaan panjang dan lintas aplikasi semakin menjadi fokus utama. Tetapi kemampuan itu baru bernilai jika hasilnya dapat ditelusuri, diuji, dan dipertanggungjawabkan. Di masa depan, AI yang paling berguna bukan hanya yang mampu menyelesaikan tugas, melainkan yang juga bisa menunjukkan alasan mengapa hasilnya layak dipercaya.
Sumber & bacaan lebih lanjut
- How agents are transforming work
- Agents for financial services
- Agentic coding and persistent returns to expertise
- Trustworthy agents in practice
– Rio Yotto @rioyotto