Seorang CTO bercerita kepada Albert Santalo — founder Archie.com — tentang bagaimana ia menghabiskan satu minggu kerjanya. Hasilnya mengejutkan: ia menghabiskan lebih banyak waktu untuk mendelegasikan pekerjaan daripada mengerjakan sesuatu sendiri. Tiket-tiket detail. Kriteria penerimaan yang ditulis dengan teliti. Mockup beranotasi yang menjelaskan persis apa yang harus dibangun dan bagaimana caranya.

Lalu Santalo mengajukan satu pertanyaan sederhana yang langsung menusuk: Kalau instruksinya sudah sepanjang itu, mengapa masih butuh manusia untuk mengeksekusinya?

Itu bukan retorika. Itu pertanyaan bisnis yang nyata, dan banyak eksekutif sudah diam-diam menghitungnya.

Ketika Instruksi Manusia Jadi Prompt AI

Laporan McKinsey terbaru, Agents, Robots, and Us (McKinsey Global Institute, 2025), menyebut angka yang seharusnya membuat kita berhenti sejenak: teknologi yang sudah ada saat ini mampu mengotomasi 57% dari total jam kerja di Amerika Serikat — bukan lima atau sepuluh tahun lagi, tapi sekarang.

Bukan berarti semua pekerjaan akan hilang besok. Tapi ini berarti sebagian besar dari apa yang kita kerjakan setiap hari — dalam bentuknya yang sekarang — sudah dalam jangkauan mesin.

Santalo menawarkan apa yang ia sebut the prompt test: coba ambil satu tugas yang baru saja kamu delegasikan atau terima. Seberapa detail instruksi yang dibutuhkan untuk menyelesaikannya? Kalau jawabannya adalah brief panjang, contoh output yang baik dan buruk, panduan format, konteks audiens, arahan tone, dan beberapa putaran revisi — maka kamu baru saja mendeskripsikan sebuah prompt.

Dan AI sangat mahir mengikuti prompt. Lebih cepat, lebih murah, tanpa perlu meeting "align ekspektasi" di hari Senin pagi.

Dari Pelaksana Instruksi ke Pemecah Masalah

Selama puluhan tahun, definisi "karyawan yang baik" cukup jelas: eksekusi yang andal. Ikuti proses. Deliver sesuai spec. Jangan keluar dari scope. Tapi AI kini menjadi eksekutor paling efisien yang pernah ada. Ia tidak lelah, tidak butuh onboarding, dan tidak keberatan ketika deck presentasi yang tidak akan dibaca siapapun direvisi untuk ketiga kalinya.

Kalau nilai utamamu adalah melakukan persis apa yang diperintahkan, waktumu mungkin lebih terbatas dari yang kamu kira.

Karyawan yang akan bertahan — dan berkembang — di era ini adalah mereka yang bergerak lebih jauh dari sekadar eksekusi. Mereka mengambil masalah bisnis yang masih kabur dan mencari tahu: apa yang sebenarnya perlu terjadi, apa yang terlewat oleh orang yang meminta, dan apakah pertanyaan awalnya bahkan pertanyaan yang tepat. Mereka mengirimkan outcomes, bukan sekadar tugas yang selesai. Dan itu membutuhkan sesuatu yang masih sangat sulit diotomasi: penilaian (judgment).

Manajer Juga Tidak Aman dari Pergeseran Ini

Pergeseran ini tidak hanya menyentuh karyawan. Manajer menghadapi tekanan yang sama persis. BCG melaporkan (BCG, 2025) bahwa 45% perusahaan yang memimpin dalam adopsi agentic AI mengantisipasi pengurangan lapisan manajemen menengah — karena AI mengambil alih lebih banyak pekerjaan koordinasi dan eksekusi.

Manajer yang akan tetap berharga bukan mereka yang paling pandai mendistribusikan tugas. Mereka yang akan bertahan adalah yang paling mahir membangun konteks: menjelaskan mengapa pekerjaan ini penting, seperti apa suksesnya, dan bagaimana tim harus berpikir — bukan hanya mengeksekusi.

Karena kalau setiap tugas membutuhkan spesifikasi 500 kata, masalahnya bukan produktivitas. Masalahnya biasanya adalah kepercayaan, proses rekrutmen, keselarasan tim, atau kejelasan arah.

Tiga Kemampuan yang Nilainya Justru Naik

Seiring AI menyerap lebih banyak pekerjaan eksekusi, nilai manusia bergerak ke atas dalam rantai. Santalo mengidentifikasi tiga kemampuan yang semakin krusial, dan ketiganya layak dicermati serius:

1. Kenyamanan dengan ambiguitas

Pekerjaan paling bernilai jarang datang dalam bentuk yang sudah terdefinisi sempurna. Ia hidup di area abu-abu — di mana manusia diharapkan menginterpretasi, menghubungkan titik-titik yang terpisah, dan mengidentifikasi apa yang belum ada. Kalau kamu hanya bisa bekerja dengan instruksi yang sangat jelas, kamu sedang berkompetisi langsung dengan mesin yang dioptimalkan untuk hal yang sama persis.

2. Kepemilikan atas hasil (outcome ownership)

Tidak ada yang benar-benar peduli bahwa 47 tugas selesai minggu ini. Yang peduli adalah apakah retensi pelanggan membaik, apakah pendapatan tumbuh, apakah produk menjadi lebih baik. Karyawan bernilai tinggi memiliki hasil, bukan daftar centang. Mereka tidak menunggu diukur berdasarkan aktivitas — mereka sendiri yang menetapkan ukuran keberhasilan.

3. Rasa ingin tahu dan inisiatif

Orang-orang yang melaju ke depan bukan yang menunggu sesi pelatihan AI formal. Mereka bereksperimen sendiri, mengotomasi pekerjaan repetitif, dan menginvestasikan waktu yang mereka hemat ke pemikiran yang lebih tinggi nilainya. Menurut Santalo, pola pikir ini compounding dengan cepat — efeknya berlipat ganda seiring waktu.

Tiga Langkah Konkret untuk Dimulai Minggu Ini

Teori yang bagus tetap tidak berguna kalau tidak ada yang bisa dilakukan sekarang. Ini langkah praktis yang bisa dimulai dalam tujh hari ke depan:

Jalankan prompt test pada dirimu sendiri. Ambil tiga tugas rutin mingguanmu. Tulis instruksinya seperti kamu akan mendelegasikan ke kolega baru. Kalau instruksinya bisa langsung dipaste ke ChatGPT atau Claude dan menghasilkan output yang hampir sama — itu sinyal. Bukan krisis, tapi sinyal untuk bergerak.
Identifikasi satu masalah tanpa jawaban yang jelas di kantormu. Bukan tugas dengan spec yang sudah ada — tapi pertanyaan yang belum ada orang yang tahu harus mulai dari mana. Tawarkan dirimu untuk menggulatinya. Di situlah nilai manusia masih sulit diganti.
Otomasi satu pekerjaan repetitif dalam 30 hari. Gunakan AI tools yang tersedia. Laporan mingguan, ringkasan email, rekap data — pilih satu. Waktu yang kamu hemat, investasikan ke pekerjaan yang membutuhkan penilaian dan konteks. Itu yang membangun diferensiasi jangka panjang.

Yang Berubah Bukan Standarnya — Tapi di Mana Standar Itu Berada

Ada kesalahpahaman yang perlu diluruskan: AI tidak menurunkan standar untuk kontribusi manusia. Sebaliknya, standar itu naik — dan bergeser lokasinya.

Dulu standar ada di keandalan eksekusi. Sekarang standar ada di kemampuan mendefinisikan masalah, menavigasi ambiguitas, dan menghasilkan outcomes tanpa perlu setiap instruksi dieja satu per satu.

Santalo mengakhiri tulisannya dengan pertanyaan yang sederhana tapi tajam: lain kali kamu menulis — atau menerima — brief yang sangat detail, tanyakan pada dirimu sendiri: bisakah ini langsung dipaste ke AI dan menghasilkan hasil yang kira-kira sama?

Kalau jawabannya ya, itu bukan bencana. Tapi itu adalah tanda bahwa nilaimu saat ini mungkin terlalu dekat dengan apa yang sudah bisa dikerjakan mesin.

Ingat: Yang paling aman bukan yang paling banyak tahu — tapi yang paling mampu berpikir ketika tidak ada yang tahu harus berpikir apa.

Referensi & Resources:

Albert Santalo, AI Is Rewriting What Makes Workers Valuable, Entrepreneur, 20 Mei 2026 — https://www.entrepreneur.com/leadership/ai-is-rewriting-what-makes-workers-valuable-take-this/503892
McKinsey Global Institute, Agents, Robots, and Us (2025) — http://www.mckinsey.com/mgi/our-research/agents-robots-and-us
BCG, Machines That Manage Themselves (2025) — http://www.bcg.com/publications/2025/machines-that-manage-themselves
World Economic Forum, Future of Jobs Report 2025 — https://www.weforum.org/reports/the-future-of-jobs-report-2025