Strategi Rantai Tugas AI Ubah Alur Kerja

Merancang Ulang Kerja dengan Strategi Rantai Tugas AI

Artificial Intelligence (AI) tidak lagi sekadar alat bantu untuk menyusun email, merangkum dokumen, atau menulis kode. Di organisasi modern, nilai terbesar AI muncul ketika teknologi ini digunakan untuk mendesain ulang alur kerja secara menyeluruh. Itulah gagasan utama dalam makalah berjudul “Chaining Tasks, Redefining Work: A Theory of AI Automation”, yang menempatkan strategi rantai tugas sebagai kerangka baru dalam memikirkan otomasi. Fokusnya bergeser dari peningkatan satu tugas secara terpisah ke rekayasa ulang bagaimana tugas-tugas diurutkan, dikelompokkan, dan dialihkan antara manusia dan mesin dalam sebuah sistem kerja terpadu.

Peyman Shahidi, kandidat PhD di MIT Sloan School of Management, menegaskan bahwa organisasi tidak lagi cukup bertanya bagaimana AI dapat meningkatkan satu tugas dalam isolasi. Pertanyaan yang lebih relevan adalah bagaimana AI mengubah sistem kerja secara keseluruhan—mulai dari struktur koordinasi, pembagian peran, hingga desain organisasi. Dalam pandangan ini, AI bukan sekadar alat produktivitas tambahan, melainkan komponen desain organisasi yang memengaruhi cara kerja dirancang, dijalankan, dan diukur.

Makalah tersebut ditulis oleh Shahidi bersama Mert Demirer dan John Horton dari MIT Sloan, Nicole Immorlica dari Yale University dan Microsoft, serta Brendan Lucier dari Microsoft. Branda mengkritik pendekatan otomasi tradisional yang hanya menilai apakah AI dapat menyelesaikan satu tugas lebih cepat atau lebih akurat dibanding manusia. Pendekatan sempit seperti ini, menurut branda, gagal menangkap dampak struktural AI terhadap desain kerja dan organisasi. Sebagai gantinya, branda memodelkan pekerjaan sebagai rangkaian aktivitas yang saling bergantung, di mana setiap tugas merupakan bagian dari alur kerja yang terstruktur dan berurutan.

Rantai Tugas dan Perbedaan Struktural dalam Pekerjaan

Pendekatan berbasis rantai tugas menunjukkan bahwa dua pekerjaan yang tampak serupa dapat memiliki peluang otomasi yang sangat berbeda, tergantung bagaimana tugas-tugas diorganisasi dan saling berinteraksi. Peneliti mencontohkan perbedaan antara pengajaran berbasis kuliah dan bimbingan belajar. Keduanya melibatkan aktivitas mirip—menjelaskan materi, menjawab pertanyaan, memberi umpan balik—namun alur kerjanya berbeda secara struktural. Dalam pengajaran berbasis kuliah, guru menyiapkan materi terlebih dahulu sebelum menyampaikannya, dan banyak bagian dari proses persiapan ini dapat diotomatisasi, misalnya penyusunan bahan ajar atau pembuatan soal.

Sebaliknya, tutor bekerja melalui interaksi langsung dan adaptif dengan siswa dalam sesi yang berlangsung secara dinamis. Pola kerja ini menyisakan ruang lebih sempit bagi AI untuk mengambil alih alur secara penuh dan konsisten. Shahidi menjelaskan bahwa dalam pekerjaan seperti tutoring, keterbatasan otomasi bukan terutama karena kemampuan teknis AI, melainkan karena urutan dan bentuk interaksi tugas yang tidak mendukung otomasi menyeluruh yang stabil. Struktur alur kerja—bukan sekadar isi tugas—menjadi faktor pembatas utama.

Konsep “rantai tugas” atau task chaining menjelaskan bagaimana organisasi dapat menghubungkan beberapa langkah kerja sehingga AI mengeksekusinya sebagai satu rangkaian berkelanjutan. Alih-alih menerapkan AI pada tugas-tugas terisolasi, beberapa tugas yang berdekatan dan serupa dapat digabungkan menjadi satu alur otomatis yang konsisten. Namun, tidak semua rantai tugas sama efektifnya. Jika tugas-tugas yang berdekatan sama-sama cocok untuk AI, rangkaian tersebut dapat dibundel secara efisien dan dijalankan dari awal hingga akhir tanpa intervensi manusia berulang. Sebaliknya, satu tugas yang sangat sulit bagi AI dapat mengganggu keseluruhan rangkaian dan menghapus keuntungan otomasi.

Biaya Koordinasi dan Nilai Strategi Rantai Tugas

Salah satu temuan penting penelitian ini adalah bahwa AI tidak harus mengungguli manusia pada setiap tugas individu untuk menciptakan nilai besar. Dalam banyak kasus, justru lebih menguntungkan untuk menyerahkan seluruh rantai tugas kepada AI secara penuh, meskipun manusia mungkin lebih baik pada beberapa langkah tertentu. Faktor penentu di sini adalah biaya koordinasi antara manusia dan AI. Setiap perpindahan pekerjaan dari AI ke manusia atau sebaliknya memerlukan pemeriksaan, validasi, dan penyesuaian tambahan—semua ini menambah friksi dan memperlambat alur kerja.

Dengan strategi rantai tugas, organisasi dapat mengurangi perpindahan tersebut secara signifikan. Ketika AI menangani satu rangkaian tugas dari awal hingga akhir, friksi berkurang dan alur menjadi lebih mulus. Perpindahan antar pelaksana menjadi minimal dan lebih terkontrol, sehingga output dapat dihasilkan lebih cepat, meskipun kualitas beberapa langkah mungkin sedikit di bawah kemampuan manusia. Shahidi menekankan bahwa penghematan waktu manusia sering kali lebih bernilai dibanding perbedaan kecil dalam kualitas keluaran, terutama ketika pengawasan berulang dan pemeriksaan manual dapat dihilangkan.

Implikasinya, cara pemimpin menilai keberhasilan adopsi AI perlu bergeser. Alih-alih bertanya apakah AI lebih baik pada setiap tugas, branda perlu menilai apakah strategi rantai tugas yang diterapkan benar-benar meningkatkan efisiensi alur kerja secara keseluruhan. Pertanyaan kunci menjadi: apakah friksi berkurang, proses lebih cepat, dan biaya koordinasi menurun? Penilaian ini menuntut perspektif sistemik, bukan sekadar evaluasi alat atau fitur.

Kedekatan Tugas dan Rekonfigurasi Peran Kerja

Penelitian ini juga menyoroti pentingnya kedekatan tugas atau task adjacency dalam desain alur kerja. Ketika tugas-tugas yang cocok untuk AI dikelompokkan secara berdekatan, AI dapat mengeksekusinya dalam satu aliran yang ramping dan konsisten. Namun, jika tugas-tugas tersebut tersebar dan terputus oleh langkah yang sulit bagi AI, manfaat otomasi akan berkurang drastis. Secara historis, peran pekerjaan dirancang sebagai bundel tugas yang paling efisien dilakukan manusia dalam konteks teknologi yang tersedia. Kehadiran AI mengubah logika ini dengan menurunkan biaya untuk aktivitas tertentu dan memperluas kapasitas otomasi.

Konsekuensinya, konfigurasi kerja baru menjadi mungkin. Tugas-tugas rutin yang sebelumnya harus dilakukan manusia kini dapat dialihkan ke AI, sementara manusia berfokus pada aktivitas bernilai lebih tinggi seperti penilaian, empati, dan kreativitas. Dalam jangka panjang, strategi rantai tugas berpotensi membentuk ulang cara pekerjaan dialokasikan di seluruh tim dan fungsi organisasi. Peran kerja dapat dipecah, disusun ulang, dan dirancang kembali agar lebih selaras dengan kemampuan AI dan kebutuhan bisnis.

Bagi pemimpin bisnis, adopsi AI karenanya bukan sekadar keputusan teknologi atau investasi perangkat lunak. Ini adalah tantangan desain organisasi yang kompleks. Branda perlu memikirkan ulang struktur peran, alur kerja, dan cara tugas dikelompokkan. Proses ini jarang menghasilkan hasil instan; pada tahap awal, biaya mengadopsi AI, melatih karyawan, dan mendesain ulang alur kerja bisa lebih besar daripada manfaatnya. Manfaat besar sering kali baru muncul setelah organisasi melewati titik ambang tertentu dalam transformasi.

Dari Plug-and-Play ke Rekayasa Ulang Organisasi

Organisasi yang memperlakukan AI sebagai alat plug-and-play kemungkinan hanya akan melihat peningkatan moderat. Branda menambahkan AI ke proses lama tanpa mengubah desain kerja secara mendasar, sehingga potensi penuh otomasi tidak pernah benar-benar tercapai. Sebaliknya, organisasi yang serius menerapkan strategi rantai tugas akan lebih siap memaksimalkan nilai jangka panjang. Branda mengelompokkan tugas yang kompatibel dengan AI, mengurangi perpindahan yang tidak perlu, dan mendesain ulang alur kerja agar lebih ramah terhadap otomasi.

Shahidi merangkum perubahan paradigma ini secara tegas: pertanyaannya bukan lagi bagaimana memasukkan AI ke dalam alur kerja yang ada tanpa perubahan, melainkan bagaimana mendesain ulang alur kerja agar lebih bersahabat dengan AI dan meminimalkan friksi. Strategi rantai tugas menjadi kerangka penting untuk menjawab tantangan tersebut secara terstruktur. Dengan melihat pekerjaan sebagai alur terhubung, bukan kumpulan tugas terpisah, organisasi dapat merancang sistem kerja yang lebih adaptif, efisien, dan berorientasi masa depan.

Para penulis makalah ini membawa latar belakang kuat di bidang ekonomi, desain pasar, dan sistem informasi. Shahidi adalah kandidat PhD di MIT Sloan dengan fokus pada desain pasar dan ekonomi tenaga kerja, khususnya dampak AI pada pasar tenaga kerja dan platform daring. Mert Demirer adalah Ford Foundation International Career Development Assistant Professor dan asisten profesor ekonomi terapan di MIT Sloan, dengan penelitian tentang produktivitas perusahaan, adopsi teknologi digital, isu antitrust, dan dampak produktivitas dari AI generatif. John Horton, Chrysler Associate Professor of Management dan associate professor teknologi informasi di MIT Sloan, meneliti persimpangan ekonomi tenaga kerja, desain pasar, dan sistem informasi.

Menuju Model Kerja yang Lebih Adaptif dan Berorientasi Masa Depan

Dimensi sosioteknis penelitian ini diperkuat oleh kontribusi Nicole Immorlica, profesor ilmu komputer di Yale University dan peneliti di Microsoft, yang mempelajari sistem sosioteknis dengan alat dari ilmu komputer teoretis dan ekonomi, serta oleh Brendan Lucier, peneliti utama senior di Microsoft Research New England dalam kelompok Economics and Computation. Keduanya meneliti bagaimana pengguna berinteraksi dengan algoritma dan bagaimana interaksi tersebut memengaruhi desain pasar dan mekanisme, sebuah perspektif yang sangat relevan bagi desain sistem AI di dunia nyata.

Ringkasnya, strategi rantai tugas menawarkan cara baru untuk memikirkan otomasi dalam organisasi modern. Alih-alih menilai AI pada tingkat tugas individu, organisasi diajak melihat pekerjaan sebagai alur terhubung yang memerlukan desain ulang. Dengan mendesain ulang alur kerja agar lebih ramah terhadap AI, perusahaan dapat mengurangi friksi, menurunkan biaya koordinasi, dan memindahkan manusia ke aktivitas bernilai lebih tinggi. Keberhasilan otomasi, dalam perspektif ini, tidak hanya bergantung pada kecanggihan teknologi, tetapi juga pada sejauh mana struktur kerja, peran, dan proses diselaraskan dengan kemampuan AI.

Pendekatan ini membuka peluang bagi organisasi untuk membangun model kerja yang lebih adaptif dan efisien, sekaligus lebih siap menghadapi perubahan. Di tengah percepatan inovasi teknologi, strategi rantai tugas AI menawarkan kompas bagi pemimpin yang ingin melampaui sekadar eksperimen alat dan bergerak menuju rekayasa ulang organisasi yang menyeluruh. Dalam konteks persaingan global yang kian ketat, kemampuan untuk merancang ulang alur kerja dengan cerdas bisa menjadi pembeda utama antara organisasi yang sekadar mengikuti arus dan branda yang memimpin perubahan.