Cara Membagi Tugas Manusia dan AI agar Kolaborasi Lebih Efektif

Cara membagi tugas manusia dan AI dimulai dari satu pertanyaan, seberapa besar dampaknya jika hasil AI salah? Jawabannya menentukan apakah AI boleh bekerja mandiri, perlu diverifikasi, atau hanya menyediakan bahan bagi keputusan manusia. Pertanyaan ini penting karena kolaborasi manusia dan AI tidak otomatis menghasilkan kinerja yang lebih baik.

Sebuah meta-analisis di Nature Human Behaviour pada 2024 menemukan bahwa kombinasi manusia dan AI, secara rata-rata, berkinerja lebih buruk daripada pihak terbaik yang bekerja sendiri. Hasilnya bergantung pada jenis tugas, yaitu kerugian paling jelas muncul pada tugas pengambilan keputusan, sedangkan tugas penciptaan konten menunjukkan arah yang lebih menjanjikan.

Karena itu, tantangan perusahaan bukan sekadar membeli dan memakai AI. Perusahaan perlu memastikan kesiapan organisasi untuk mengadopsi AI, menentukan tugas yang tepat untuk AI, batas kewenangannya, dan keputusan yang tetap menjadi tanggung jawab manusia. Artikel ini membahas langkah pembagian tugasnya, tiga tingkat kewenangan AI, matriks pembagian tugas, penetapan tanggung jawab, hingga cara mengukur keberhasilannya.

Bagaimana Cara Membagi Tugas antara Manusia dan AI?

Pembagian tugas manusia dan AI dilakukan dengan memetakan pekerjaan, menilai risiko kesalahan, menetapkan tingkat kewenangan AI, menunjuk penanggung jawab di setiap tahap, lalu mengukur hasilnya. Semakin besar dampak kesalahan dan semakin sulit kesalahan terdeteksi, semakin ketat kontrol manusia yang diperlukan.

1. Petakan pekerjaan yang sedang berjalan. Mulailah dari tugas nyata di setiap fungsi, bukan dari tools AI yang ingin dipakai. Teknik business process mapping membantu Anda menemukan titik mana yang paling layak dibantu AI.
2. Nilai risiko setiap tugas. Gunakan tiga pertanyaan penyaring, yaitu seberapa besar kerugian jika hasil AI salah, seberapa cepat kesalahan terdeteksi, dan apakah tugas menyangkut keputusan atas diri seseorang.
3. Tetapkan tingkat kewenangan AI. Pilih apakah AI bekerja mandiri, membantu dengan verifikasi manusia, atau hanya menyediakan bahan untuk keputusan manusia.
4. Tunjuk empat peran. Tentukan siapa yang menjalankan proses, memverifikasi hasil, menyetujui penggunaan, dan bertanggung jawab atas dampaknya.
5. Ukur sebelum dan sesudah. Bandingkan waktu penyelesaian, jumlah revisi, kesalahan yang lolos, dan kapasitas kerja sebelum serta sesudah AI diterapkan.

Bagian-bagian berikut menjelaskan dasar dan contoh dari setiap langkah tersebut.

Apa Itu Kolaborasi Manusia dan AI?

Kolaborasi manusia dan AI (human-AI collaboration) adalah cara kerja yang membagi tugas antara manusia dan kecerdasan buatan sesuai kekuatan masing-masing. AI dapat membantu analisis, pencarian informasi, penyusunan konten, hingga dukungan keputusan. Manusia memegang konteks, penilaian, dan tanggung jawab akhir.

Konsep ini berbeda dengan full automation, yaitu proses yang berjalan sepenuhnya oleh sistem tanpa keterlibatan manusia. Dalam kolaborasi, manusia sering dilibatkan lewat pola human-in-the-loop, yaitu manusia ditempatkan di titik tertentu dalam proses untuk memeriksa, mengoreksi, atau menyetujui output AI. Pola ini makin relevan karena kini muncul AI agent yang mengubah cara kerja dan mampu menjalankan rangkaian tugas secara mandiri.

Cara kerja sama itu menentukan hasilnya. Stanford HAI meneliti hampir 250 ribu percakapan pengguna dengan asisten AI. Hasilnya, sekitar 67 persen interaksi berisi permintaan agar AI menjelaskan atau mengajarkan sesuatu, bukan sekadar menghasilkan konten. Gesekan yang produktif, seperti klarifikasi dan penyempurnaan, mendorong hasil yang lebih baik. Sebaliknya, gesekan negatif bisa membuat kolaborasi gagal.

Mengapa Kolaborasi Manusia dan AI Tidak Selalu Efektif?

Kolaborasi manusia dan AI tidak selalu efektif karena manusia sering kesulitan menilai kapan output AI keliru. Akibatnya, manusia bisa terlalu mengandalkan rekomendasi AI, atau sebaliknya menolak rekomendasi yang benar. Gabungan keduanya pun justru kalah dari pihak terbaik yang bekerja sendiri.

Meta-analisis di Nature Human Behaviour menganalisis 106 studi eksperimen dengan 370 ukuran efek. Kerugian performa paling jelas terjadi pada tugas pengambilan keputusan, yaitu tugas memilih dari sejumlah opsi yang sudah ditentukan. Sebaliknya, tugas penciptaan konten cenderung menunjukkan hasil positif, meskipun buktinya belum sekuat temuan pada tugas keputusan.

Ada dua temuan lain yang relevan bagi pemimpin bisnis:

• Kombinasi tetap lebih baik daripada manusia yang bekerja sendirian. Masalahnya, kombinasi sering kalah dari AI yang bekerja sendiri ketika AI memang lebih unggul pada tugas tersebut.
• Lebih dari 95 persen sistem yang diteliti menempatkan manusia sebagai pengambil keputusan akhir. Artinya, sekadar menaruh manusia di ujung proses tidak menjamin hasil lebih baik.

The Open University juga mencatat dua kecenderungan yang saling bertolak belakang. Sebagian orang makin tidak percaya pada algoritma ketika taruhan kesalahan makin besar, sementara sebagian lain terlalu bergantung pada rekomendasi AI. Keduanya membutuhkan transparansi, pelatihan, dan kepercayaan yang terkalibrasi.

Kerangka komplementaritas di PNAS Nexus (2026) menyebut empat faktor yang memengaruhi keberhasilan tim manusia dan AI, yaitu pembagian peran, kalibrasi kepercayaan, pelatihan, dan struktur tugas. Temuan ini sejalan dengan perubahan peran manajer dalam organisasi di era AI, yang kini lebih banyak merancang cara kerja tim daripada sekadar membagi beban kerja. Jadi, pertanyaan yang tepat bagi pemimpin bukan bagaimana menambahkan AI ke semua pekerjaan. Pertanyaannya adalah tugas mana yang layak dikerjakan bersama AI, dan dengan aturan main seperti apa.

Tiga Tingkat Kewenangan AI dalam Pekerjaan

Tiga tingkat kewenangan AI adalah kerangka praktis untuk menentukan seberapa jauh AI boleh bekerja tanpa campur tangan manusia. Ketiganya adalah AI bekerja mandiri, AI membantu lalu manusia memverifikasi, serta AI menyediakan bahan lalu manusia memutuskan. Kerangka ini disusun dari prinsip human-in-the-loop dan temuan riset di atas.

1. AI Bekerja Mandiri

Tingkat ini cocok untuk tugas yang berpola, punya aturan jelas, dan berulang, dengan risiko kesalahan rendah serta mudah diperbaiki. Hasilnya dipakai internal dan tidak langsung memengaruhi keputusan penting. Contoh: merapikan format laporan mingguan, menandai email internal berdasarkan topik, atau membuat transkrip rapat internal. Panduan lengkapnya bisa Anda pelajari di artikel cara otomasi pekerjaan berulang dengan AI.

2. AI Membantu, Manusia Memverifikasi

Tingkat ini dipakai untuk pekerjaan yang hasilnya digunakan orang lain atau memengaruhi tahap kerja berikutnya. Manusia memeriksa hasil AI sebelum dipakai, sehingga kesalahan masih bisa diperbaiki sebelum berdampak besar. Contoh: menyusun draf materi presentasi yang direvisi sebelum tayang, membuat ringkasan riset dengan mengecek sumber dan konteks, atau menganalisis tren penjualan dengan memverifikasi hitungannya.

3. AI Menyediakan Bahan, Manusia Memutuskan

Tingkat ini dipakai ketika tugas menyangkut orang, uang, kepatuhan hukum, atau reputasi perusahaan. AI boleh membantu mengumpulkan informasi dan menyusun analisis, tetapi keputusan tetap berada di tangan manusia. Contoh: evaluasi kinerja dan promosi, penentuan harga, serta komunikasi krisis.

Perlu diingat, menempatkan manusia sebagai pemutus saja tidak cukup. Riset yang dibahas sebelumnya justru menemukan kerugian performa paling besar pada pola ini, karena manusia mudah ikut menyetujui rekomendasi AI yang keliru. Lengkapi tingkat ketiga dengan tiga pengaman:

• checklist verifikasi,
• kewajiban mencatat alasan saat menerima atau menolak rekomendasi AI, dan
• peningkatan AI literacy karyawan agar tim mampu mengenali kesalahan AI.

Cara Menentukan Tingkat Kewenangan yang Tepat

Gunakan tiga pertanyaan penyaring berikut sebelum menetapkan tingkat kewenangan sebuah tugas:

1. Seberapa besar kerugian jika hasil AI salah? (rendah, sedang, besar)
2. Seberapa cepat kesalahan dapat terdeteksi? (cepat, lambat)
3. Apakah tugas menyangkut keputusan atas diri seseorang? (tidak, ya)

Ada tiga kondisi yang membuat sebuah tugas harus masuk tingkat ketiga, sebagus apa pun AI yang Anda pakai, yaitu potensi kerugiannya besar, kesalahannya lambat terdeteksi, atau tugasnya menyangkut keputusan atas diri seseorang. Tolok ukurnya adalah risiko tugas, bukan kualitas tools.

Satu proses kerja juga bisa memuat tiga tingkat sekaligus. Ambil contoh penyusunan penawaran harga ke klien:

• Tingkat 1: AI menarik data harga historis dan memasukkannya ke template penawaran.
• Tingkat 2: AI menyusun draf kalkulasi biaya dan margin, lalu analis memeriksa angka dan asumsinya.
• Tingkat 3: AI memberi rekomendasi harga akhir, lalu manajer penjualan memutuskan setelah membandingkannya dengan margin minimum dan kondisi klien.

Contoh Matriks Pembagian Tugas Manusia dan AI

Matriks pembagian tugas manusia dan AI adalah tabel yang memetakan setiap tugas ke peran AI, peran manusia, tingkat risiko, tingkat kewenangan, dan penanggung jawab akhir. Dengan matriks ini, tim tahu persis bagian mana yang dikerjakan AI dan siapa yang harus memeriksa hasilnya.

Cara mengisi matriks bersama tim

1. Kumpulkan daftar pekerjaan yang sedang berjalan. Mulai dari tugas di setiap fungsi, bukan dari pertanyaan AI apa yang mau dipakai.
2. Isi matriks dalam satu sesi bersama. Libatkan orang yang mengerjakan tugasnya, pemilik proses, dan pihak yang menanggung risikonya.
3. Uji dari tugas berisiko terkendali. Jalankan, evaluasi hasilnya, lalu perbarui matriks secara berkala. Tahap uji ini sering jadi titik macet, seperti dibahas dalam artikel mengapa adopsi AI sering berhenti di pilot project.

Memulai dari pekerjaan membantu Anda menemukan hambatan nyata, sehingga AI dipakai di tempat yang tepat. Sebaliknya, memulai dari tools hanya membuat tim mencocok-cocokkan pekerjaan dengan teknologi yang sudah dibeli.

Siapa yang Bertanggung Jawab atas Keputusan yang Dibantu AI?

Tanggung jawab atas keputusan yang dibantu AI tetap berada di tangan manusia, karena AI tidak bisa dimintai pertanggungjawaban. Tanggung jawab itu perlu dibagi jelas ke empat peran, yaitu pelaksana proses, verifikator hasil, penyetuju penggunaan, dan penanggung jawab dampak.

Tanpa pembagian ini, rekomendasi AI bisa dipakai tanpa ada pihak yang merasa berwenang memeriksanya. Akibatnya, kesalahan lambat ditemukan dan tidak jelas siapa yang harus memperbaikinya. Pembahasan lebih dalam soal kendali ini ada di artikel AI decision making: siapa yang memegang kendali atas keputusan AI.

Pada tugas berisiko tinggi, penyetuju dan penanggung jawab dampak sebaiknya dipegang orang yang berbeda. Penyetuju menilai satu keputusan, sedangkan penanggung jawab dampak memastikan sistem pengendaliannya berjalan. Pemisahan ini menciptakan pemeriksaan berlapis. Sesuaikan pembagiannya dengan struktur organisasi dan regulasi yang berlaku di industri Anda.

Contoh kasus: Sebuah perusahaan memakai AI untuk menentukan harga penawaran ke klien. Harga rekomendasi AI lebih rendah daripada kompetitor, tim penjualan memakainya, dan ternyata perusahaan merugi. Evaluasinya dibagi seperti ini:

• Analis (pelaksana proses): Bertanggung jawab menjalankan prosedur, memakai data yang sesuai, dan melaporkan keterbatasan hasil AI. Jika data biaya diabaikan, tindakannya perlu dievaluasi.
• Verifikator: Bertanggung jawab memeriksa hasil sesuai kewenangannya. Jika margin minimum tidak diperiksa, kegagalan verifikasi harus ditelusuri.
• Manajer (penyetuju): Bertanggung jawab atas persetujuan harga. Jika harga disetujui tanpa pemeriksaan kelayakan akhir, keputusan itu harus dievaluasi ulang.
• Kepala unit bisnis (penanggung jawab dampak): Bertanggung jawab memastikan sistem pengendalian berjalan, mengelola dampak kerugian, dan memperbaiki proses. Jika prosedur verifikasi atau kewenangan tidak jelas, masalahnya ada di tata kelola.

Cara Mengukur Keberhasilan Kolaborasi Manusia dan AI

Keberhasilan kolaborasi manusia dan AI diukur dari perubahan hasil kerja, bukan dari jumlah pengguna atau kecanggihan tools. Catat kondisi sebelum AI dipakai. Setelah penerapan, bandingkan waktu siklus, jumlah revisi, kesalahan yang lolos, dan kapasitas kerja.

Banyak perusahaan hanya mengukur tingkat adopsi AI. Padahal, adopsi tinggi tidak berarti hasil kerja membaik. Pelajari juga cara mengukur AI adoption di perusahaan dengan tepat, lalu lengkapi dengan indikator hasil berikut:

Sebagai pembanding, Anda bisa melihat data riset tentang berapa jam AI menghemat waktu kerja. Tinjau angka ini secara berkala bersama metrik efisiensi operasional lainnya. Jika kesalahan yang lolos meningkat, pindahkan tugas tersebut ke tingkat kewenangan yang lebih ketat.

Pembagian Tugas Manusia dan AI Adalah Keputusan Kepemimpinan

Pembagian tugas antara manusia dan AI bukan sekadar urusan tim IT atau vendor tools. Pemimpin bisnis yang menentukan bagaimana AI digunakan, siapa yang memverifikasi hasilnya, dan siapa yang berwenang mengambil keputusan, karena merekalah yang memahami dampaknya terhadap bisnis. Ini juga yang membedakan cara memimpin tim di era agentic AI dari kepemimpinan sebelumnya.

Pembagian tugas, penetapan tanggung jawab, dan pengukuran hasil juga tidak berdiri sendiri sebagai prosedur memakai tools. Ketiganya adalah bagian dari AI workflow yang dirancang ulang dan menjadi fondasi AI transformation di level organisasi. Ketiganya juga merupakan bagian dari AI Work Redesign by Belajarlagi, yaitu pendekatan mendesain ulang alur kerja pegawai dengan mengadopsi AI dalam pekerjaan sehari-hari pada konteks corporate training, dari memetakan workflow, menemukan friction, menentukan peran AI, mendesain ulang, mendorong adopsi, hingga mengukur hasilnya.

Jika Anda sedang menyiapkan keputusan semacam ini untuk organisasi, Belajarlagi for Executive membahasnya secara mendalam melalui program Strategic AI for Managers. Program ini merupakan training tatap muka bagi pengambil keputusan yang perlu merancang strategi AI untuk produk dan bisnisnya. Informasi lengkapnya dapat Anda baca di Strategic AI for Managers.