"Rencana sudah dirangkum, mari kita lihat, besok pagi kita tinjau bersama."
Diikuti dengan itu, sebuah dokumen lebih dari dua puluh halaman dikirimkan.
Judul lengkap, daftar isi jelas, di dalamnya ada tren industri, analisis pengguna, perbandingan kompetitor, dan rencana eksekusi. Sekilas, ini adalah rencana yang cukup "profesional".
Tapi Anda yang bertanggung jawab untuk pelaksanaannya, kurang dari sepuluh menit melihat, sudah menemukan masalah.
Data pasar yang dikutip dalam rencana tidak dapat ditemukan sumbernya, kompetitor disebutkan meluncurkan fitur yang sebenarnya tidak ada, yang disebut "pain point pengguna" hanyalah beberapa kalimat klise yang cocok untuk industri mana pun, dan yang paling penting—anggaran, timeline, dan penempatan personel—sama sekali tidak dibahas.
Di rapat keesokan harinya, orang yang menulis rencana itu berkata: "Ini hanya draft awal, detailnya masih perlu dilengkapi oleh kita semua."
Saat itulah, Anda baru menyadari, orang tersebut bukan menyelesaikan sebuah rencana, melainkan menggunakan AI untuk menciptakan tugas tim yang baru.
01
Dulu, kita menilai apakah suatu pekerjaan selesai atau tidak, seringkali dilihat dari apakah ada hasil yang diserahkan. Sekarang, standar ini telah berubah.
Dengan adanya AI, siapa pun dapat menghasilkan laporan berstruktur lengkap, serangkaian proposal berbahasa profesional, atau PPT yang terlihat kaya informasi dalam sepuluh menit.
Masalahnya, "terlihat selesai" tidak sama dengan "benar-benar selesai".
Di luar negeri ada istilah "Workslop", yang dapat dipahami sebagai "sampah AI di tempat kerja", yaitu hasil kerja yang dihasilkan cepat dengan AI, tampak lengkap di permukaan, namun kekurangan verifikasi fakta, pertimbangan profesional, dan nilai nyata.
Bagian yang paling merepotkan bukan hanya kualitasnya buruk, melainkan akan mengalihkan biaya pekerjaan kepada orang lain.
Orang yang menghasilkan menghemat dua jam, orang yang menerimanya justru harus menghabiskan empat jam untuk memverifikasi informasi, memahami maksud, dan memperbaiki kesalahan.
Efisiensi satu orang meningkat, efisiensi seluruh tim malah menurun.
02
Sebuah perusahaan mulai mendorong karyawan menggunakan AI, berharap semua orang dapat mengurangi pekerjaan berulang. Staf operasional, Xiao Lin, segera menemukan "cara meningkatkan efisiensi".
Setiap Jumat, ia menyalin data backend ke AI, meminta AI otomatis menghasilkan laporan mingguan. Laporannya ditulis cukup bagus:
"Aktivitas pengguna minggu ini meningkat dengan stabil, strategi konten mencapai hasil bertahap, disarankan ke depannya terus fokus pada kebutuhan inti pengguna, dan memperkuat operasional yang lebih detail."
Beberapa minggu berturut-turut, atasan merasa tidak ada masalah.
Sampai suatu kali, perusahaan bersiap menambah anggaran pemasangan berdasarkan laporan mingguan, sang supervisor tanpa sengaja memeriksa data asli, baru menyadari bahwa yang disebut "peningkatan aktivitas" itu hanya karena perubahan parameter statistik.
AI tidak tahu tentang penyesuaian parameter, juga tidak tahu ada aktivitas dadakan minggu itu. AI hanya menghasilkan penjelasan yang terdengar masuk akal berdasarkan angka-angka dalam tabel.
Supervisor terpaksa memeriksa ulang laporan sebulan terakhir, menanyakan sumber data satu per satu.
Xiao Lin memang hanya menghabiskan sepuluh menit untuk menulis laporan mingguan, tetapi untuk menilai apakah laporan ini bisa dipercaya, supervisor menghabiskan waktu satu sore penuh.
AI menghemat waktu penulis, tetapi menguras kepercayaan pembaca.
Saat komunikasi kinerja pertengahan tahun, manajer produk, Amin, menerima evaluasi yang sangat "resmi":
"Disarankan untuk lebih memperkuat pemikiran menyeluruh, meningkatkan efisiensi kolaborasi lintas departemen, dan memperkuat rasa tujuan serta orientasi hasil dalam proyek-proyek kompleks."
Setiap kata ia kenal, tetapi setelah digabungkan, ia tidak tahu harus mengubah apa.
Kolaborasi mana yang bermasalah? Apa yang dimaksud dengan "kurangnya pemikiran menyeluruh"? Sampai tingkat apa kinerja di paruh kedua tahun ini baru disebut "memperkuat orientasi hasil"?
Kemudian Amin baru tahu, atasan hanya memasukkan beberapa kata kunci ke AI, meminta AI memperhalusnya menjadi umpan balik kinerja.
Atasan menghemat waktu merangkai bahasa, tetapi Amin harus menghabiskan satu minggu menebak-nebak apa sebenarnya yang dimaksud atasan.
Umpan balik yang benar-benar efektif, belum tentu menggunakan kata-kata indah, tetapi pasti mengandung fakta:
Apa yang terjadi? Dampak apa yang ditimbulkan? Perubahan spesifik apa yang diharapkan dari pihak lain?
Jika pertanyaan-pertanyaan ini tidak terjawab, ekspresi yang paling profesional sekalipun hanyalah mengalihkan tanggung jawab berpikir kepada penerima.
Ada juga sebuah tim yang hampir menggunakan AI di setiap tahap.
Staf perencana menggunakan AI untuk membuat proposal kegiatan; manajer proyek menggunakan AI untuk merangkum proposal; saat rapat, asisten menggunakan AI untuk merangkum notulen rapat; sebelum presentasi, penanggung jawab kembali meminta AI untuk memperluas notulen menjadi PPT.
Seluruh alur kerja berjalan sangat lancar, dokumen juga semakin banyak, sampai klien bertanya dalam rapat: "Mengapa kalian berpikir pengguna muda akan menyukai fitur ini?"
Ruang rapat tiba-tiba hening.
Proposal menulis "sesuai dengan tren pengguna muda yang mengejar ekspresi individualitas", PPT menulis "merespons dengan tepat kebutuhan pengguna generasi baru", tetapi tidak ada yang mewawancarai pengguna, juga tidak ada yang melihat data terkait.
Semua orang telah bersinggungan dengan proyek, tetapi tidak ada yang benar-benar mempelajari masalahnya.
Akhirnya, tim memiliki puluhan halaman dokumen, tetapi tidak ada satu pun orang yang bisa bertanggung jawab atas kesimpulan di dalamnya.
03
Apa yang benar-benar diperbesar oleh AI adalah kebiasaan kerja seseorang. Menggunakan AI yang sama, sebagian orang akan menjadi lebih kuat, sebagian orang hanya akan menjadi lebih mahir menyelesaikan pekerjaan asal-asalan.
Perbedaannya tidak terletak pada apakah prompt ditulis dengan baik atau tidak, melainkan pada apakah ia menjadikan AI sebagai "asisten", atau sebagai "pengganti yang bertanggung jawab atas dirinya".
Orang yang bekerja serius akan menggunakan AI untuk mengatur data, membandingkan ide, memeriksa ekspresi, lalu secara pribadi memverifikasi fakta, melengkapi informasi tangan pertama, dan menilai apakah rencana layak atau tidak.
Orang yang terbiasa bekerja asal-asalan akan langsung mengirimkan versi pertama yang dihasilkan AI, lalu meninggalkan komentar: "Ini hanya draft awal, kita semua bisa menyempurnakannya bersama."
Menilai apakah suatu pekerjaan bernilai atau tidak, tidak bisa hanya dilihat dari seberapa cepat diselesaikan, seberapa bagus formatnya, atau berapa banyak alat AI yang digunakan.
Lebih baik melihat tiga pertanyaan:
Apakah pekerjaan itu memberikan fakta baru? Apakah membuat penilaian yang jelas? Apakah ada orang yang bersedia bertanggung jawab atas hasilnya?
AI tentu saja dapat membantu kita menulis laporan mingguan, merangkum notulen rapat, membuat PPT, menganalisis data, bahkan mengajukan kerangka awal sebuah proposal.
Tapi AI tidak bisa menggantikan kita untuk memahami situasi di lapangan, tidak bisa menggantikan kita untuk menilai untung rugi, juga tidak bisa menggantikan kita untuk menanggung konsekuensi keputusan.
Artikel ini berasal dari akun WeChat publik "猎聘" (ID: liepinwang), penulis: Matcha Guo Bao Rou
