Perusahaan yang bertaruh besar pada generative AI kini menghadapi lingkaran umpan balik yang diam-diam menurunkan kualitas pekerjaan mereka sendiri, masalah yang peneliti sebut sebagai knowledge decay (peluruhan pengetahuan).
Poin Utama
- Peneliti memperingatkan keluaran AI berkualitas rendah menumpuk di dalam perusahaan, mengikis kepercayaan dan melemahkan informasi di balik keputusan sehari-hari.
- Sebuah survei yang banyak dikutip memperkirakan biaya "workslop" ini hampir $9 juta per tahun untuk perusahaan dengan 10.000 karyawan.
- Studi lain menunjukkan sebagian besar organisasi masih belum melihat imbal hasil terukur dari belanja AI yang besar.
Harvard Menyoroti Knowledge Decay
Harvard Business Review menerbitkan dua artikel bulan ini dengan pesan yang tegas. Alat yang dimaksudkan untuk mempercepat pekerjaan, para penulis memperingatkan, diam-diam justru memperlambat kinerja di seluruh tim dan departemen. Dalam tulisan bulan Juni, Matthias Holweg dari Oxford dan Thomas Davenport dari Babson menggambarkan pelapukan perlahan yang mereka sebut knowledge decay, ketika keluaran yang rapi namun kosong menggerogoti catatan yang dipercaya perusahaan.
Masalahnya bukan lagi sekadar AI yang mengarang fakta. Para peneliti melacak kerusakan yang lebih dalam ini ke workslop, istilah yang diciptakan pada September 2025 oleh BetterUp Labs dan Social Media Lab Stanford untuk keluaran yang tampak selesai tetapi hampir tidak menambah apa pun.
Juga Baca: Eksodus Bitcoin ETF Pecahkan Rekor $6,35 Miliar, Namun Kepanikan Jual Mungkin Mulai Mereda
Workslop Mengikis Kepercayaan di Tempat Kerja
Sebuah survei terhadap 1.150 pekerja penuh waktu menemukan 41% pernah menerima materi semacam itu hanya dalam satu bulan, dengan setiap kejadian menghabiskan hampir dua jam waktu seseorang. Analis memperkirakan tagihan tersembunyi hampir $9 juta per tahun bagi perusahaan dengan 10.000 staf, belum termasuk kerusakan pada moral dan kepercayaan. Dalam studi yang sama, 53% penerima mengatakan keluaran tersebut mengganggu mereka, sementara 42% menilai pengirimnya sebagai kurang dapat dipercaya dibanding sebelumnya.
Sekitar setengah responden kemudian memandang rekan tersebut sebagai kurang cakap, dan kira-kira sepertiga mengatakan mereka akan menghindari bekerja dengan orang itu lagi. Proses rekrutmen menanggung beberapa pukulan paling tajam. CV yang ditulis AI membanjiri perekrut, iklan lowongan otomatis menyesatkan pelamar, dan alat penyaringan justru menyisihkan kandidat kuat sementara kepercayaan kedua belah pihak jatuh ke titik terendah.
Imbal Hasil AI Masih Sulit Dirasakan
Masalah kepercayaan ini berdiri di atas imbal hasil yang sangat tipis. Laporan terpisah dari Media Lab MIT menunjukkan 95% organisasi tidak melihat imbal hasil terukur dari belanja AI mereka, bahkan setelah menggelontorkan puluhan miliar dolar.
Membersihkan kekacauan ini, para penulis mencatat, berarti menambahkan pemeriksaan manusia pada keluaran AI—tepat jenis pekerjaan yang dijanjikan alat tersebut akan dihilangkan. Peringatan ini bukan penolakan total terhadap teknologi. Model yang dilatih pada data internal perusahaan masih bisa menghasilkan nilai, kata mereka, sementara chatbot publik yang dipaksa mengerjakan tugas yang salah hanya memproduksi prosa generik penuh kekeliruan.
Perhitungan ini datang setelah setahun penuh keraguan yang kian meningkat. Istilah workslop pertama kali muncul pada September 2025, dan riset terbaru menggeser pertanyaan dari sekadar apakah AI mempercepat satu tugas menjadi apakah penyebarannya membuat perusahaan makin tajam atau justru tumpul di setiap keputusan berikutnya.
Baca Selanjutnya: Bot JaredFromSubway Rugi $7,5 Juta Setelah Terjebak Umpan Sendiri