Buku besar era AI dari insinyur Silicon Valley: efisiensi meningkat 10 kali lipat, tetapi saya malah lebih lelah

Peningkatan besar dalam hasil kerja, tetapi rasa lelah semakin cepat terkumpul. Alat AI secara signifikan mempercepat waktu pelaksanaan tugas, namun tidak mengurangi beban pengambilan keputusan manusia, malah sebaliknya, bertambah. Ketika teknologi terus memberi tahu kita “bisa lebih cepat”, mungkin pertanyaan yang lebih perlu didengar adalah: bisakah kita melambat? Artikel ini berasal dari tulisan Tencent Technology, disusun, diterjemahkan, dan dikembangkan oleh Foresight News.
（Latar belakang: Gaji tahunan 1,5 juta yuan, AI 500 dolar menyelesaikan semuanya, sistem agen satu orang lengkap dipecah）
（Tambahan latar: Hari kiamat perangkat lunak antivirus? Claude AI temukan 500 zero-day vulnerability yang bikin Wall Street ketakutan, CrowdStrike jatuh 18%）

Daftar Isi Artikel

Toggle

• 01 AI Tidak Akan Lelah, Tapi Kamu Akan
• 02 AI Mengubah Skala Kerja, Tapi Tidak Mengubah Distribusi
• 03 Batas Kemampuan Meluas, Batas Bawah Menghilang
• 04 Hari Kerja Perlu Didefinisikan Ulang

Semakin kuat alat AI, mengapa manusia justru semakin lelah? Mungkin inilah pertanyaan penting dari revolusi efisiensi ini.

Awal tahun 2026, muncul pemandangan menarik di bidang rekayasa perangkat lunak.

Generasi baru alat pemrograman AI seperti Claude Opus 4.6 sedang mendorong efisiensi pengembang ke tingkat yang belum pernah terjadi sebelumnya. Data internal Microsoft menunjukkan, setelah memilih alat secara mandiri, Claude Code dengan cepat mendominasi, dipandang sebagian pengamat sebagai “jalur dengan hambatan paling kecil” yang alami.

Namun, bersamaan itu, diskusi tentang “kelelahan profesional” mulai marak di komunitas pengembang. Steve Yegge, mantan insinyur di Google dan Amazon, dalam sebuah artikel autobiografi baru-baru ini menggambarkan fenomena yang dia sebut “serangan kantuk”: setelah sesi pemrograman intensif, dia tiba-tiba tertidur di siang hari tanpa peringatan.

Insinyur perangkat lunak berpengalaman 40 tahun di Silicon Valley, Yegge, menulis

Kini, semakin banyak insinyur perangkat lunak secara terbuka membicarakan pengalaman bersama: hasil kerja meningkat pesat, tetapi rasa lelah semakin cepat terkumpul. Teknologi secara besar-besaran mempercepat waktu pelaksanaan tugas, tetapi tidak mengurangi beban pengambilan keputusan manusia, malah bertambah.

Gambar diambil dari internet

01 AI Tidak Akan Lelah, Tapi Kamu Akan

Menurut Yegge, diskusi sebelumnya tentang “bantuan AI terhadap pekerjaan nyata terbatas” sudah tidak relevan lagi setelah penggunaan Claude Code dengan Opus 4.5 dan 4.6. Kombinasi ini secara signifikan menurunkan biaya konversi dari definisi masalah ke kode yang dapat dijalankan, sehingga seorang insinyur terampil dapat menghasilkan output beberapa kali lipat dari workflow tradisional dalam waktu yang sama.

Yegge menunjukkan, ketika produktivitas meningkat lebih dari sekitar 2 kali, muncul fenomena yang dia sebut “efek vampir”: teknologi tidak lagi sekadar alat, tetapi mulai membentuk ritme kerja dan kondisi psikologis pengguna secara terbalik.

Yegge menggambar “Alat Pengambil Darah Vampir AI”

Siddhant Khare, seorang insinyur perangkat lunak yang mendokumentasikan proses ini secara detail di blognya, menulis dalam artikel “Kelelahan AI adalah nyata”: kuartal terakhir, dia mencapai puncak pengiriman kode dalam kariernya, tetapi kelelahan mental juga memuncak.

Khare menggambarkan perubahan mendasar dalam pola kerja. Sebelum menggunakan AI, dia akan fokus secara mendalam selama “seharian penuh” pada satu masalah, menjaga alur pikir yang kohesif. Setelah mengadopsi AI, dia harus mengelola lima hingga enam masalah berbeda secara paralel dalam satu hari. Setiap masalah, dengan bantuan AI, waktu penyelesaian utamanya diperkirakan sekitar satu jam. Tapi, seringnya berganti-ganti masalah menimbulkan beban kognitif baru.

“AI tidak akan merasa lelah di sela-sela masalah,” tulisnya, “tapi saya akan.”

Khare menyebut peran barunya sebagai “inspektur kualitas di jalur produksi”. Permintaan tarik terus masuk, setiap satu harus diperiksa, diputuskan, disahkan. Prosesnya tidak pernah berhenti, tetapi hak pengambilan keputusan tidak pernah berpindah tangan. Dia tetap di kursi pengadilan, berkas diserahkan oleh AI, tanggung jawab di tangan manusia.

Studi terbaru dari Harvard Business Review memberi dasar empiris untuk fenomena ini.

Peneliti mengikuti 200 karyawan sebuah perusahaan teknologi AS, menemukan bahwa meskipun penggunaan AI secara awal meningkatkan kecepatan penyelesaian tugas secara signifikan, juga memicu reaksi berantai: peningkatan kecepatan meningkatkan ekspektasi terhadap siklus pengiriman, yang mendorong karyawan semakin bergantung pada AI, dan ketergantungan ini memperluas cakupan tugas yang mereka tangani, yang selanjutnya memperburuk beban kerja dan beban kognitif.

Mekanisme ini disebut “penyebaran beban kerja”. Bukan karena instruksi yang memperluas cakupan, tetapi melalui iterasi dan penguatan diri antara peningkatan efisiensi dan penyesuaian ekspektasi.

Samo Korošec, desainer produk digital, membalas di LinkedIn kepada Yegge, menyatakan situasi serupa.

Dia menunjukkan bahwa di platform komunitas, beredar demo “menghasilkan sepuluh skema UI dalam satu menit”. Konten ini terus-menerus didorong ke profesional dan manajer mereka, membentuk standar implisit.

Karena alat bisa menghasilkan solusi dengan sangat cepat, maka outputnya pun harus begitu cepat. Tapi, demo ini jarang menunjukkan biaya penyaringan, implementasi, dan koordinasi lintas fungsi, yang tetap sepenuhnya ditanggung manusia.

Teknologi memang mempercepat proses produksi, tetapi tidak mempercepat proses pengambilan keputusan. Sebaliknya, proses ini menjadi hambatan baru, yaitu perhatian dan kekuatan niat manusia.

02 AI Mengubah Skala Kerja, Tapi Tidak Mengubah Distribusi

Yegge menawarkan kerangka analisis yang sederhana.

Misalnya, seorang insinyur setelah menguasai alat AI, produktivitasnya meningkat 10 kali lipat per unit waktu. Maka, nilai dari 9 kali lipat selisih ini tergantung bagaimana pengguna mengatur pasokan tenaga kerjanya.

Contohnya, dalam skenario A, insinyur mempertahankan jam kerja yang sama, dan seluruh peningkatan output diserahkan ke pemberi kerja. Pemberi kerja mendapatkan hampir 10 kali lipat output dengan biaya tenaga kerja yang sama. Pendapatan insinyur tidak meningkat secara proporsional, tetapi intensitas kerja dan kelelahan mental meningkat tajam. Yegge menyebut ini sebagai “diperas habis”.

Dalam skenario B, insinyur secara besar-besaran mengurangi jam kerja, dan hanya menggunakan 10% dari waktu kerjanya untuk menghasilkan output yang sama seperti sebelumnya. Dalam kondisi ini, nilai tambahan sepenuhnya dinikmati oleh individu, dan mereka mendapatkan lebih banyak waktu luang. Tapi, dalam kompetisi, kondisi ini sulit dipertahankan. Jika semua anggota organisasi mengikuti strategi ini, output keseluruhan organisasi akan tertinggal dari pesaing, dan dalam jangka panjang berisiko bertahan.

Yegge berpendapat, kondisi ideal berada di antara kedua ekstrem ini. Tapi, dalam struktur organisasi saat ini, kendali pengaturan skala tidak simetris. Organisasi cenderung mendorong ke arah skenario A, sementara individu harus secara aktif memberi respons balik.

Kerangka ini mengubah masalah efisiensi teknologi menjadi masalah distribusi. AI tidak mengubah fakta dasar bahwa “nilai diciptakan oleh tenaga kerja”, tetapi mengubah tingkat nilai yang dapat diciptakan per satuan tenaga kerja. Ketika tingkat ini melonjak, keseimbangan distribusi sebelumnya pasti terganggu.

Yegge mengenang pengalamannya di Amazon tahun 2001. Saat itu, timnya menghadapi tekanan tinggi untuk pengiriman, dengan imbalan yang sangat tidak pasti. Dalam sebuah diskusi, dia menulis rumus: $ / jam. Dia menjelaskan bahwa pembilang (gaji tahunan tetap) sulit diubah dalam jangka pendek, tetapi penyebutnya (jam kerja nyata) memiliki ruang elastis yang cukup besar.

Dia menyarankan mengalihkan perhatian dari “bagaimana mendapatkan lebih banyak” ke “bagaimana bekerja lebih sedikit”. Perubahan sudut pandang ini, saat itu, terasa asing bagi sebagian kolega, tetapi setelah beberapa minggu, dia sering melihat papan tulis di ruang rapat yang masih menampilkan rumus itu.

Dua puluh lima tahun kemudian, Yegge berpendapat rumus ini juga berlaku di era AI. Bedanya, AI secara besar-besaran memperbesar pengaruh perubahan penyebut terhadap pembilang, tetapi kontrol individu terhadap penyebut tidak meningkat secara seimbang.

Pengguna LinkedIn Joseph Emison dari sudut pandang lain menanggapi masalah ini.

Dia mengamati bahwa sebagian besar profesional yang meraih keberhasilan berkelanjutan di bidang kreatif, termasuk penulis terkenal, desainer, peneliti, biasanya hanya bekerja efektif kurang dari empat jam sehari. Sisanya digunakan untuk istirahat, bersantai, dan input. Ini bukan soal efisiensi, tetapi soal batas fisiologis aktivitas kognitif.

Jika AI semakin memisahkan “kerja” dan “kerja efektif”, maka yang perlu kita redefinisi mungkin bukan cara menggunakan alat, tetapi panjang hari kerja.

03 Batas Kemampuan Meluas, Batas Bawah Menghilang

Yegge mengakui, dirinya juga bagian dari masalah ini.

Dengan pengalaman lebih dari empat puluh tahun di bidang rekayasa, memimpin tim besar, membaca cepat, dan memiliki waktu serta sumber daya untuk eksperimen teknologi, dia bisa terus-menerus menggunakan Claude Code selama berjam-jam untuk membangun sistem yang dapat dijalankan, lalu merilisnya ke publik. Hasil kerjanya tersebar luas, dan sebagian manajer menganggapnya sebagai “standar yang harus dicapai insinyur”.

Dia menulis, “Pengusaha mungkin mulai melihat saya dan orang-orang seperti saya yang jauh dari norma, lalu berkata: ‘Hei, semua karyawan saya bisa seperti itu’”.

Di platform seperti LinkedIn, beberapa pengguna awal mulai membagikan secara terbuka intensitas penggunaan AI mereka: ada yang menyebut organisasi mereka membayar ribuan dolar per bulan, ada yang menunjukkan mereka menjalankan puluhan percakapan sekaligus. Konten ini menarik perhatian komunitas teknologi sekaligus membentuk referensi implisit di tingkat manajemen.

Yegge menyebut ini sebagai “standar keindahan yang tidak realistis”. Dia mengakui, dia sendiri tidak mewakili mayoritas, ritme kerjanya sulit ditiru banyak orang, bahkan dia sendiri tidak yakin bisa mempertahankan dalam jangka panjang. Tapi, saat dia berbicara di panggung atau menulis buku, pesan yang dia sampaikan (setidaknya dari sisi penerima) disederhanakan menjadi “ini bisa dilakukan”.

Pengguna LinkedIn Leigh Aschoff mengangkat pertanyaan lebih dalam lagi. Dia berpendapat bahwa cara manusia berinteraksi dengan AI mencerminkan batas pengenalan diri yang sudah lama ada dalam interaksi manusia. Banyak orang tidak mampu mengenali dan mengungkapkan batas diri mereka sendiri dalam hubungan, dan kekurangan ini dipindahkan ke hubungan manusia-mesin. Alat tidak akan berhenti secara sukarela, dan tidak mampu merasakan kelelahan pengguna.

Ketika teknologi terus memperluas batas kemampuan, kemampuan mengenali batas bawah justru menjadi semakin langka.

04 Hari Kerja Perlu Didefinisikan Ulang

Yegge mengusulkan secara konkret: hari kerja efektif di era AI sebaiknya dipersingkat menjadi tiga sampai empat jam.

Ini bukan angka yang didasarkan penelitian ketat, melainkan perkiraan berdasarkan pengalaman. Dia mengamati bahwa AI mengotomatisasi banyak tugas operasional, tetapi pengambilan keputusan, penilaian, dan rekonstruksi masalah tetap diserahkan ke manusia. Aktivitas ini jauh lebih menguras perhatian dan sumber emosi, dan sulit dipadatkan atau dipercepat.

Saat berkunjung ke sebuah taman teknologi, dia melihat sebuah lingkungan kerja yang dia sebut “pengaturan skala yang tepat”—ruang terbuka, pencahayaan alami yang cukup, area sosial dan istirahat di berbagai sudut, karyawan bebas beralih antara bekerja dan beristirahat. Dia tidak yakin pengaturan ini tetap seimbang setelah AI menyebar luas, tetapi yakin bahwa model saat ini—tanpa menyesuaikan jam kerja, hanya meningkatkan kepadatan output per waktu—tidak berkelanjutan.

Dia tidak lagi menyalahkan AI sebagai “vampir”, melainkan menyadari bahwa “saya perlu lebih jelas tentang batas saya”.

Yegge menulis di akhir, dia sedang mencoba mengurangi skala kerjanya. Dia mengurangi kegiatan publik, menolak banyak undangan pertemuan, tidak lagi mengejar setiap jalur teknologi yang terlihat. Dia tetap menulis, membangun produk, dan berdiskusi dengan sesama. Tapi, dia juga menutup laptop di sore hari, berjalan bersama keluarga. Dia tidak tahu seberapa banyak jarum jam bisa dia tarik kembali, tapi dia yakin arah yang diambil adalah benar.

Bagi para profesional secara umum, masalah ini belum menjadi agenda bersama. Narasi tentang produktivitas AI masih dominan, diskusi tentang kelelahan masih bersifat personal dan fragmentaris. Tapi, semakin banyak sinyal yang menunjukkan kedua kurva ini akan bertemu.

Teknologi memang mempersingkat jalur tugas, tetapi tidak mempersingkat hari kerja. Alat membantu pelaksanaan, tetapi tidak membantu tanggung jawab. Efisiensi meningkatkan kecepatan pengiriman, tetapi juga mempercepat konsumsi.

Ketika AI terus memberi tahu kita “bisa lebih cepat”, mungkin pertanyaan yang lebih perlu didengar adalah: bisakah kita melambat?