The Operational Trust Bottleneck: Mengapa Karyawan Sebenarnya Melawan AI di Tempat Kerja

AI telah menjadi kekuatan dominan selama beberapa tahun terakhir, mengubah fondasi dasar cara kerja dilakukan. Menatap ke depan, outlook di antara eksekutif masih sangat kuat, dengan 92% perusahaan berencana untuk meningkatkan investasi mereka di AI pada tahun 2028. Di antara karyawan, bagaimanapun, perasaan sekitar AI jauh lebih bervariasi.

Menurut laporan terbaru, 52% pekerja khawatir tentang bagaimana AI akan mempengaruhi tempat kerja dan 32% lainnya percaya bahwa itu akan mengarah pada fewer peluang kerja. Resistensi terhadap AI di tempat kerja ini adalah hambatan umum, namun persisten, untuk adopsi AI yang sukses. Ini juga salah satu yang sering dipetakan kembali ke celah dalam keterampilan karyawan atau kesiapan teknis organisasi. Ini benar bahwa kedua faktor tersebut memainkan peran dalam memicu resistensi terhadap AI. Namun, akar masalah sebenarnya adalah kepercayaan operasional.

Di Mana Resistensi dan Risiko AI Sebenarnya Berada

Resistensi adalah gejala ketidakpastian – tentang bagaimana AI akan mengubah pengambilan keputusan, siapa yang akan mengambil tanggung jawab ketika sesuatu salah, atau apa kontrol dan guardrails yang ada. Kegagalan kepercayaan operasional ini tidak hanya mempengaruhi karyawan saja. Pemberi kerja juga tidak kebal.

Deloitte baru-baru ini menemukan bahwa sementara 42% perusahaan percaya bahwa strategi bisnis mereka sangat siap untuk adopsi AI, mereka juga merasa kurang siap dalam hal infrastruktur, data, risiko, dan talenta. Tidak peduli tingkat senioritas, kekurangan kontrol atas atau kehilangan data, mempertahankan kepatuhan dengan standar industri, dan potensi gangguan pada alur kerja yang mapan berada di atas pikiran. Kekhawatiran ini sangat valid di industri yang sangat diatur di mana keputusan AI yang salah membawa dampak yang jauh lebih besar.

Ada juga risiko nyata dalam mengotomatisasi alur kerja yang sudah rusak atau tidak memiliki struktur tata kelola yang jelas. Dalam skenario ini, AI menjadi fokus kegagalan, seringkali menciptakan lebih banyak gesekan dan memperkuat kesalahan eksekusi yang ada sebelumnya. Setelah semua, sistem yang buruk masih buruk bahkan jika didukung oleh AI. AI tidak memperbaiki sistem yang rusak. Ini menjalankannya lebih cepat. Ini adalah tempat di mana perusahaan cenderung mengalami hambatan yang sebenarnya.

Banyak orang melihat alat AI itu sendiri sebagai sumber risiko utama. Namun, risiko sebenarnya ada di model operasional yang alat tersebut diperkenalkan. Dalam praktek, ancaman yang lebih besar datang dari menambahkan AI ke model operasional yang tidak pernah dirancang untuk mendukung otomatisasi lanjutan sejak awal. Terutama dalam skala besar. Pendekatan ini adalah resep untuk mempercepat masalah yang sebenarnya organisasi tersebut mencoba untuk memecahkan.

AI Tersemat dan Faktor Penilaian Manusia

AI berada di posisi terbaik ketika tidak menghilangkan penilaian manusia dari persamaan, tetapi mendistribusikan di mana penilaian hidup dan bagaimana itu didukung. Dengan pendekatan ini, batas keputusan lebih jelas, lebih konsisten, dan lebih dapat diskalakan, dengan AI beroperasi sebagai alat untuk membantu organisasi menyebarkan kekayaan keahlian manusia mereka lebih efektif dan efisien.

Kita masih jauh dari era AI di mana input manusia tidak lagi diperlukan. Namun, industri telah mencapai titik di mana penilaian manusia perlu diterapkan secara berbeda, dan lebih berpikir, untuk memanfaatkan AI secara maksimal. Standar emas hubungan manusia-AI adalah di mana teknologi menyediakan wawasan dan konteks dengan kecepatan berdasarkan data untuk membantu pekerja dalam pengambilan keputusan tingkat tinggi dan membebaskan waktu untuk pekerjaan yang benar-benar penting.

Ketika AI diterapkan sebagai inisiatif mandiri, perbaikan hanya inkremental. Ini kemungkinan akan mempercepat tugas berulang atau mengurangi upaya manual di area seperti pekerjaan administratif, tetapi itu hanya menggores permukaan nilai AI. Transformasi yang sebenarnya terjadi ketika AI disematkan langsung ke dalam alur kerja, mengatur bagaimana informasi bergerak, dari atas ke bawah.

Kejelasan adalah Kunci untuk Adopsi AI yang Berkelanjutan

Hanya 41% orang di AS yang mau mempercayai AI. Mengingat sistem ini mempengaruhi bagaimana karyawan bekerja, performa mereka dievaluasi, dan prospek pekerjaan masa depan, kehati-hatian tidak mengejutkan, tetapi tidak dapat dibiarkan berlanjut. Perusahaan harus membangun partisipasi karyawan, dan pelatihan saja tidak dapat memikul beban. Kejelasan operasional adalah kunci.

Karyawan harus memahami di mana AI memberikan kontribusi pada rekomendasi dan di mana penilaian manusia tetap berwenang dari awal. Mereka juga perlu tahu siapa yang memiliki keputusan ketika AI terlibat. Visibilitas membuat memverifikasi keandalan output AI lebih mudah dan membentuk rasa kontrol dan akuntabilitas, seperti halnya protokol pengambilalihan yang jelas. Elemen-elemen ini adalah fondasi kepercayaan operasional yang kuat. Tanpa mereka, bahkan sistem yang dirancang dengan baik dapat berjuang, dengan pekerja meragukan rekomendasi, atau bahkan meninggalkan teknologi sepenuhnya demi proses manual asli. Ini hanya mengurangi nilai keseluruhan investasi AI dan memperkuat persepsi bahwa AI lebih mengganggu daripada memberdayakan.

Mengatasi dinamika ini pada awal penerapan adalah penting. Organisasi yang melihat kesuksesan terbesar dengan adopsi AI tidak memperlakukan AI sebagai penerapan satu kali atau proyek IT yang terisolasi. Sebaliknya, mereka mendekatinya sebagai evolusi model operasional – dimulai dengan memikirkan kembali alur kerja, mendefinisikan kembali peran, dan membentuk akuntabilitas bersama di seluruh bisnis.

Pemimpin bisnis, tim teknis, dan mitra platform masing-masing membawa potongan yang berbeda dari teka-teki. Tantangan bukanlah keahlian, tetapi keselarasan. Pemimpin bisnis memahami hasil mana yang paling penting dan bagaimana mereka terkait dengan strategi jangka panjang. Insinyur dan pemimpin IT memahami kemampuan dan keterbatasan teknologi. Mitra platform membawa pengalaman dunia nyata dalam menerapkan AI dalam lingkungan produksi. Ketika kelompok-kelompok ini merancang alur kerja bersama, AI menjadi dapat dijalankan. Ketika mereka tidak, itu tetap teoretis.

Persepsi bahwa AI adalah sesuatu yang diterapkan bukan sebagai alat bantu yang dikembangkan dengan input dari orang-orang yang akan menggunakannya adalah penggerak lain di balik resistensi tempat kerja. Melibatkan tim garis depan dalam merancang ulang alur kerja membalik skrip ini. Karyawan diberi kesempatan untuk mengidentifikasi poin sakit mereka yang paling berdampak dan menjadi kontributor aktif dalam menentukan bagaimana AI diterapkan sehari-hari.

Hasil nyata akan selalu lebih kuat daripada bantuan yang dijanjikan. Jika karyawan melihat bukti nyata bahwa AI membuat kehidupan kerja mereka lebih baik – apakah itu menghilangkan pekerjaan sibuk yang membosankan atau membantu mereka menggali lebih dalam ke pekerjaan terampil yang mereka minati – mereka lebih mungkin untuk berinteraksi dengannya. Faktanya, ketika kepercayaan pada AI tinggi, pekerja 2,8 kali lebih mungkin untuk menggunakan teknologi sehari-hari dan menghemat rata-rata 2 jam per minggu, menurut Deloitte.

Resistensi AI pada akhirnya adalah tantangan operasional. Organisasi yang melampaui itu tidak akan menjadi mereka yang memiliki model paling canggih, tetapi mereka yang merancang ulang bagaimana pekerjaan sebenarnya dilakukan dan membuat pekerjaan itu dapat dijalankan, akuntabel, dan jelas.

Perubahan ini tidak terjadi dalam isolasi. Ini memerlukan komitmen untuk kolaborasi lintas fungsional di seluruh perusahaan dan kemauan untuk beradaptasi dan memikirkan kembali proses mapan. Setelah sistem internal dioptimalkan untuk sesuai dengan cara orang yang hidup di dalamnya benar-benar bekerja, kepercayaan, partisipasi, dan adopsi yang berkelanjutan secara alami mengikuti.