Iklan

AI Tidak Selalu Hemat Waktu, Beban Verifikasi Justru Makan Produktivitas

Temuan Georgia Tech ungkap beban verifikasi hasil AI gerus produktivitas kerja. Pekerja justru buang waktu memeriksa output generative AI.

Ilustrasi pekerja kelelahan menghadapi kesalahan hasil kerja generative AI di depan komputer
Iklan
Iklan
  • Temuan Karen Feigh dari Georgia Tech: keuntungan produktivitas AI tergerus beban verifikasi
  • Fenomena "verification burden" merujuk waktu terbuang untuk memeriksa akurasi hasil AI
  • Survei Stanford: pekerja yang dipaksa pakai AI hanya hasilkan "workslop" atau busywork minim usaha
  • Karyawan yang memeriksa hasil AI justru buang lebih banyak waktu dibanding yang tak pakai AI
  • Verifikasi hasil AI lebih sulit diukur kapan selesai dibanding membuat pekerjaan dari nol
  • AI dinilai belum merevolusi dunia kerja karena lebih merepotkan daripada manfaatnya

Telset.id – Generative AI belum tentu menjadi solusi produktivitas di tempat kerja. Sebuah temuan dari profesor cognitive engineering di Georgia Institute of Technology, Karen Feigh, menunjukkan bahwa keuntungan produktivitas dari AI justru tergerus oleh besarnya waktu dan tenaga yang dibutuhkan untuk memeriksa dan membersihkan hasil keluarannya.

Dalam tulisannya di The Conversation, Feigh menyoroti fenomena yang disebut sebagai ā€œverification burdenā€. Istilah dalam konsep machine learning ini merujuk pada waktu terbuang yang dihabiskan manusia untuk memverifikasi akurasi pekerjaan yang dihasilkan teknologi tersebut.

Beban verifikasi ini menjelaskan mengapa AI belum merevolusi dunia kerja. Alih-alih meringankan pekerjaan, AI dinilai lebih merepotkan daripada manfaat yang diberikannya.

Beban Kognitif di Balik Pemeriksaan Hasil AI

Feigh menjelaskan bahwa pada tingkat yang lebih dalam, beban tersebut merupakan biaya kognitif untuk mencoba mengambil kembali otoritas atas pekerjaan yang sebagian didelegasikan ke sistem, sambil tetap mempertahankan tanggung jawab atas produk akhir.

ā€œPada tingkat yang lebih dalam, beban itu adalah biaya kognitif dari upaya mendapatkan kembali otoritas atas pekerjaan yang sebagian didelegasikan ke sistem, sementara tetap mempertahankan tanggung jawab atas produk akhir,ā€ jelas Feigh.

Fenomena ini kemungkinan menjelaskan temuan survei terbaru dari Stanford. Survei tersebut menemukan bahwa sebagian besar pekerja yang dipaksa menggunakan AI di tempat kerja sebenarnya hanya menghasilkan pekerjaan sambil lalu dengan usaha minim atau low-effort busywork.

Meski tampak seperti laporan dan memo yang memadai, hasil kerja semacam ini—yang disebut ā€œworkslopā€ā€”pada akhirnya menuntut usaha lebih dari karyawan di tahap berikutnya. Analisis terpisah menemukan bahwa karyawan yang mencoba memeriksa pekerjaan AI sebelum mengirimkannya justru menghabiskan lebih banyak waktu mereka sendiri, terutama dibandingkan dengan karyawan yang sama sekali tidak menyentuh AI.

Verifikasi Tidak Semudah Membuat dari Nol

Menurut Feigh, tugas verifikasi di tempat kerja pada dasarnya berbeda dengan aktivitas membuat sesuatu sendiri. Menyusun pitch deck umumnya memiliki titik akhir yang jelas, tetapi memeriksa ulang pitch deck yang dibuat AI adalah persoalan yang sama sekali berbeda.

ā€œAnda biasanya tahu kapan sesuatu yang Anda buat sudah ā€˜selesai’, atau setidaknya cukup untuk tugas tersebut. Kapan harus berhenti memverifikasi jauh lebih tidak jelas,ā€ terang Feigh.

Ia menambahkan bahwa seorang pekerja harus memutuskan apa yang perlu diperiksa dan bagaimana caranya. Namun, mereka tidak mengetahui apakah ada kesalahan, di mana letaknya, atau seperti apa bentuknya.

Ketidakpastian inilah yang membuat proses verifikasi hasil AI sulit diukur kapan harus berhenti. Berbeda dengan pekerjaan manual yang punya batas penyelesaian jelas, pemeriksaan keluaran AI menuntut kehati-hatian ekstra karena sumber kesalahan tidak selalu tampak di permukaan.

Kombinasi antara waktu verifikasi yang tidak terbatas dan hasil kerja yang tampak memadai namun belum tentu akurat membuat AI belum mampu memberikan lompatan produktivitas yang dijanjikan. Seperti halnya berbagai teknik pengolahan model AI yang terus berkembang, pemanfaatan generative AI di lingkungan kerja masih menyisakan persoalan mendasar soal keandalan hasil.

A man facepalming in front of a computer.

Persoalan ini juga relevan di tengah tren adopsi AI yang makin masif di berbagai sektor. Perusahaan yang mendorong penggunaan AI untuk efisiensi perlu mempertimbangkan beban verifikasi yang menyertainya, sebagaimana diskusi seputar Distillation, Teknik AI yang menunjukkan betapa kompleksnya pengelolaan model AI di balik layar.

Dengan demikian, klaim bahwa AI akan merevolusi dunia kerja belum sepenuhnya terbukti. Bagi banyak pekerja, memeriksa hasil AI justru menjadi tugas tambahan yang menyita waktu, bukan penghematan yang diharapkan.

Iklan
Ikuti Telset.id di Google NewsFollow