AI di tempat kerja sedang bergeser dari alat tanya-jawab menjadi sistem yang mengikuti proses. Model tidak lagi hanya diminta merangkum dokumen atau membuat draf, tetapi juga menelusuri file, menjalankan kode, memeriksa hasil, menggunakan aplikasi, lalu melanjutkan pekerjaan dari titik terakhir.
Perubahan ini penting karena banyak pekerjaan nyata tidak selesai dalam satu percakapan. Menyusun laporan, menyiapkan analisis penjualan, memperbaiki aplikasi, atau merancang kampanye pemasaran membutuhkan banyak langkah, keputusan kecil, dan referensi yang terus berubah.
Di sinilah muncul istilah context engineering. Sederhananya, ini adalah cara menyiapkan, memilih, memperbarui, dan membatasi informasi yang diberikan kepada AI agar ia dapat bekerja secara konsisten dalam tugas yang panjang.
Dari prompt panjang ke lingkungan kerja yang terarah
Selama ini, banyak orang menganggap kualitas keluaran AI terutama ditentukan oleh prompt. Prompt memang penting, tetapi prompt panjang bukan solusi untuk semua masalah. Jika seluruh informasi dimasukkan sekaligus, AI bisa kesulitan menentukan mana yang utama, mana yang sudah tidak berlaku, dan mana yang hanya latar belakang.
Context engineering melihat masalahnya dengan cara yang lebih praktis. AI perlu diberi lingkungan kerja, bukan hanya instruksi. Lingkungan itu dapat berisi dokumen yang relevan, aturan kerja, akses ke alat tertentu, catatan keputusan, contoh hasil yang diharapkan, serta batasan mengenai tindakan yang boleh dilakukan.
Contohnya, AI yang membantu membuat laporan bulanan tidak cukup hanya diberi perintah “buat laporan penjualan”. Sistem tersebut perlu mengetahui sumber data mana yang resmi, periode yang digunakan, definisi pelanggan aktif, format laporan sebelumnya, dan siapa yang harus menyetujui hasil akhirnya.
Mengapa konteks menjadi masalah besar bagi AI agent
AI agent adalah sistem AI yang dapat merencanakan dan menjalankan beberapa langkah menggunakan alat. Dalam pekerjaan sederhana, agent mungkin hanya perlu membaca satu file dan menghasilkan jawaban. Namun, dalam pekerjaan yang berlangsung lama, ia harus menjaga banyak hal tetap sinkron.
- Tujuan: apa hasil akhir yang ingin dicapai?
- Status: langkah mana yang sudah selesai dan mana yang belum?
- Keputusan: pilihan apa yang sudah disepakati sebelumnya?
- Batasan: data atau tindakan apa yang tidak boleh digunakan?
- Validasi: bagaimana cara mengetahui bahwa hasilnya benar?
Jika salah satu bagian hilang, agent dapat bekerja dengan lancar tetapi bergerak ke arah yang keliru. Ia mungkin membuat dokumen yang rapi dengan angka dari periode berbeda, mengubah file yang seharusnya hanya dibaca, atau mengulang keputusan yang sebelumnya sudah ditolak.
Microsoft Research menyebut bahwa agent masa depan akan mengonsumsi informasi jauh lebih banyak daripada yang dapat dimuat dalam satu prompt. Karena itu, pengelolaan konteks secara dinamis diperkirakan menjadi kemampuan penting agar sistem tetap koheren saat mengerjakan tugas panjang.
Perkembangan terbaru menunjukkan perubahan cara kerja
Perubahan ini bukan sekadar wacana riset. OpenAI melaporkan bahwa penggunaan Codex di lingkungan internalnya telah meluas dari engineering ke bidang seperti legal, finance, dan recruiting. Pengguna juga mulai memberikan tugas yang diperkirakan membutuhkan waktu lebih dari satu jam jika dikerjakan manusia.
OpenAI kemudian memperkenalkan Agents API yang menyediakan lingkungan terkelola untuk agent, termasuk penggunaan alat, file, sandbox, dan subagent. Artinya, pengembang tidak hanya membangun chatbot, tetapi juga sistem yang perlu menyimpan keadaan pekerjaan dan menjalankan proses secara berulang.
Di sisi lain, Microsoft dalam Work Trend Index 2026 menggambarkan pengguna AI yang paling maju bukan sebagai orang yang sekadar menghasilkan lebih banyak teks. Mereka lebih banyak merancang alur kerja, membagi tugas antara manusia dan agent, serta menetapkan standar bersama agar hasil AI tetap dapat dipercaya.
Namun, kemampuan menjalankan tugas panjang belum berarti agent selalu dapat diandalkan. Riset Microsoft tentang CORPGEN menunjukkan bahwa performa agent komputer dapat turun tajam ketika harus menangani banyak tugas yang saling berkaitan. Ini mengingatkan kita bahwa demo satu tugas tidak sama dengan pekerjaan nyata yang penuh gangguan, ketergantungan, dan perubahan prioritas.
Apa artinya bagi kita?
Bagi pengguna biasa, perubahan ini berarti cara memakai AI akan bergeser. Kita tidak cukup hanya bertanya lalu menyalin jawaban. Kita perlu belajar memberi AI struktur kerja yang jelas.
Untuk pekerjaan pribadi, struktur sederhana sudah cukup. Buat satu dokumen berisi tujuan, konteks, aturan, keputusan, dan daftar pekerjaan yang belum selesai. Ketika meminta AI melanjutkan tugas, berikan hanya bagian yang relevan dan minta sistem menyebutkan asumsi yang digunakannya.
Untuk tim, konteks sebaiknya tidak disimpan hanya di chat pribadi. Gunakan folder atau ruang kerja bersama yang memiliki penamaan file konsisten, catatan keputusan, pemilik dokumen, dan tanggal pembaruan. Dengan begitu, AI maupun anggota tim dapat membedakan informasi aktif dari arsip.
Langkah praktis yang bisa dicoba sekarang
- Pisahkan instruksi permanen dan instruksi sementara. Aturan gaya penulisan atau definisi metrik dapat disimpan sebagai panduan tetap. Target kampanye bulan ini sebaiknya berada di dokumen terpisah.
- Buat catatan status singkat. Tulis apa yang sudah dikerjakan, hasil terakhir, masalah terbuka, dan langkah berikutnya.
- Tentukan sumber kebenaran. Jika ada beberapa spreadsheet atau dokumen, sebutkan file mana yang resmi dan kapan terakhir diperbarui.
- Batasi izin tindakan. AI boleh membaca dan menyusun draf terlebih dahulu sebelum diberi izin mengirim email, mengubah data, atau menjalankan transaksi.
- Tambahkan titik pemeriksaan manusia. Untuk keputusan yang berdampak pada uang, reputasi, keamanan, atau pelanggan, hasil AI perlu ditinjau sebelum menjadi tindakan final.
Produktivitas tidak hanya ditentukan oleh model
Model yang lebih pintar memang membantu, tetapi manfaat terbesar muncul ketika model ditempatkan dalam alur kerja yang rapi. Tanpa sumber data yang jelas, aturan yang konsisten, dan mekanisme pemeriksaan, agent hanya akan mempercepat proses yang berantakan.
Karena itu, keterampilan baru yang perlu dibangun bukan hanya kemampuan menulis prompt. Kita perlu mampu merancang konteks: memilih informasi yang penting, membuang informasi yang sudah kedaluwarsa, mencatat keputusan, dan menentukan kapan manusia harus mengambil alih.
AI yang dapat bekerja selama berjam-jam mungkin terlihat seperti rekan kerja digital. Tetapi agar benar-benar berguna, ia membutuhkan sesuatu yang sama pentingnya dengan kecerdasan: arah kerja yang terjaga. Di masa mendatang, orang dan tim yang paling efektif kemungkinan bukan yang paling sering memakai AI, melainkan yang paling baik mengatur konteks tempat AI bekerja.
Sumber & bacaan lebih lanjut
- How agents are transforming work
- Introducing the Agents API
- 2026 Work Trend Index: Agents, human agency, and opportunity
- CORPGEN advances AI agents for real work
- What’s next in AI? Field notes from Microsoft Research for 2026
– Rio Yotto @rioyotto