Evolusi Melampaui “Workslop” Dengan AI yang Praktis dan Berbasis Manusia

Masalah “AI slop” telah menghasilkan banyak perhatian budaya dan perhatian media selama beberapa tahun terakhir karena penggunaan LLM dan generator konten AI lainnya terus meningkat. Orang-orang menyadari ketika gambar dan tulisan berkualitas rendah membanjiri umpan media sosial mereka.

Berkat AI slop, kita sekarang kurang cenderung untuk mempercayai konten iklan yang kita curigai dibuat oleh AI, bahkan jika itu tidak, dan pembaca mulai mengenali tanda-tanda konten yang dibuat oleh LLM, seperti penggunaan tanda hubung yang berlebihan. Sayangnya, “workslop” sekarang juga menjadi masalah.

Apa itu Workslop, dan Mengapa Pemimpin Keuangan Harus Peduli?

Setiap CFO tahu frustrasi mengejar perbedaan anggaran atau menghabiskan berjam-jam untuk merekonsiliasi anomali yang tidak dapat dijelaskan. Di lanskap perusahaan saat ini, janji AI ada di mana-mana, tetapi juga ada pembunuh produktivitas baru: workslop.

Workslop adalah produk sampingan otomatisasi yang terlihat rapi tetapi tidak memiliki substansi, konteks, atau utilitas. Ini adalah artikel yang dipenuhi dengan tanda hubung yang tidak mengajarkan apa pun yang baru; laporan yang generik yang lebih banyak menimbulkan pertanyaan daripada jawaban; alur persetujuan yang menciptakan gesekan daripada kejelasan. Ini adalah konten yang dibuat oleh AI yang memaksa tim keuangan untuk melakukan lebih banyak pekerjaan, bukan lebih sedikit.

Workslop paling sering dikaitkan dengan kualitas konten yang buruk. Ini merendahkan nilai merek, kurang dapat dipercaya, dan mengirimkan pesan bahwa orang telah berhenti memperhatikan. Tetapi ketika workslop mulai mempengaruhi aplikasi bisnis seperti ERP, itu menjadi lebih banyak lagi pemborosan produktivitas dan kepercayaan.

Workslop terjadi ketika sistem AI menghasilkan output tanpa cukup input manusia, konteks, atau pengawasan. Bagi pemimpin keuangan, ini berarti menghabiskan waktu berharga untuk memperjelas, memperbaiki, atau mengubah apa yang seharusnya telah diotomatisasi.

Hasilnya? Efisiensi yang hilang, kepercayaan yang berkurang pada otomatisasi, dan fungsi keuangan yang terjebak dalam mode reaktif. Anda mungkin berpikir bahwa organisasi Anda tidak cukup berinvestasi dalam AI untuk dipengaruhi oleh workslop, tetapi itu sudah ada di sana.

Sebuah artikel HuffPost baru-baru ini mengutip sebuah studi Universitas Stanford yang menemukan bahwa lebih dari setengah pekerja mengatakan mereka telah menemukan workslop di tempat kerja. Selain mengganggu pekerja yang terkena, workslop mengancam untuk merusak poin penjualan utama untuk mengintegrasikan AI ke tempat kerja: produktivitas yang lebih besar dengan kualitas yang luar biasa.

Kabar baiknya adalah Anda dapat meminimalkan atau bahkan menghilangkan workslop dengan pendekatan yang praktis dan berbasis manusia terhadap AI. Berikut adalah tinjauan tentang keadaan saat ini masalah workslop, apa yang terlihat seperti penerapan AI yang lebih berpikir di tempat kerja, dan beberapa tips untuk mencapai penerapan AI yang gesit dan iteratif.

Apa Jika Workslop Bukanlah Masalah, Tetapi Sebuah Draf Pertama?

Mari kita hadapi — ini hampir tahun 2026, dan AI adalah produk yang menarik. Ini memiliki potensi luar biasa untuk menghemat waktu dan meningkatkan produktivitas, sehingga orang akan menggunakannya, apakah majikan mereka mendorong mereka untuk mengadopsi teknologi atau tidak. Pertanyaannya adalah, apakah mereka akan menggunakannya dengan pelatihan dan upaya yang cukup untuk mendapatkan hasil terbaik?

Workslop terjadi ketika pengguna tidak memberikan AI input yang cukup atau terstruktur dengan baik. Untuk mendapatkan hasil terbaik dengan AI, Anda harus terus mengobrol. Anda harus menulis ulang prompt atau memperhalus kebutuhan Anda. Proses bolak-balik ini memperkenalkan lebih banyak konteks dan umpan balik dan membantu Anda mencapai hasil yang lebih baik.

Saya menemukan ini secara langsung ketika saya membuat prompt AI yang saya bayangkan sebagai ritual akhir hari untuk memperbarui daftar tugas saya dengan merangkum email yang belum dijawab dan menandai komitmen yang saya buat. Itu terdengar seperti ide yang bagus, tetapi versi aslinya terlalu berlebihan dan tidak praktis untuk digunakan.

Butuh banyak perbaikan, umpan balik, dan pelatihan dari LLM untuk mendapatkan output yang dapat diprediksi dan praktis. Itu membutuhkan saya untuk jelas tentang kebutuhan saya, gaya pemrosesan informasi, dan perhatian saya untuk mendapatkan hasil yang berguna.

Adil untuk menyebut draf pertama saya “workslop”, tetapi melalui perbaikan, saya mendapatkan alat AI yang berguna. Tetapi apa jika saya berhenti di iterasi pertama dan tetap menggunakan draf pertama yang kurang ramah pengguna? Jika saya melakukannya, saya akan berurusan dengan workslop yang menghambat produktivitas.

Jika Anda memperbesar ini ke proses yang lebih kompleks yang melibatkan banyak pihak, Anda dapat dengan mudah melihat bagaimana AI yang diterapkan dengan niat baik dapat menjadi workslop — kecuali jika Anda memiliki pelatihan, ketekunan, dan landasan untuk membuatnya efektif.

Tidak ada keraguan bahwa AI dapat menambah nilai nyata. Tetapi sebagai pemimpin, kita perlu memastikan bahwa karyawan memiliki pengetahuan, dukungan, dan koordinasi untuk sukses, dan laporan dari tempat kerja di garis depan menunjukkan bahwa masih banyak pekerjaan yang harus dilakukan.

Apa itu Pendekatan Berbasis Manusia terhadap AI, dan Bagaimana Anda Dapat Mencapainya?

Jadi, apa itu pendekatan berbasis manusia terhadap AI? Dan bagaimana jalur yang praktis dapat memimpin ke hasil yang lebih baik ketika AI diintegrasikan ke dalam alur kerja?

Bagi advokat AI di tempat kerja, titik awal yang baik adalah mengakui bahwa tujuan bukanlah untuk menggantikan orang. Ini adalah untuk mengurangi gesekan dan memperkuat kecerdasan kita dengan memahami manusia: kebutuhan mereka, kesulitan sehari-hari mereka, penilaian mereka, dan tujuan mereka.

Ada dua pelajaran di sini untuk membawa AI yang berkualitas dan berbasis manusia ke tempat kerja. Pertama, untuk tim Anda yang bekerja dengan AI generatif, pastikan mereka memiliki pelatihan dan waktu untuk mendapatkan hasil yang lebih baik dengan konteks yang kuat dan perbaikan.

Untuk sistem yang Anda pilih yang menawarkan kemampuan AI, pastikan mitra teknologi Anda benar-benar memahami kebutuhan tim Anda. Itu berarti memahami lingkungan operasional sehari-hari mereka, apa yang berhasil, dan apa yang masih mengganggu mereka.

Apa yang Terlihat seperti AI Berbasis Manusia di Tempat Kerja?

AI dapat diterapkan secara mandiri untuk membuat pekerjaan orang lebih mudah atau digunakan untuk melengkapi teknologi yang lebih tua yang meninggalkan celah yang mengganggu dalam alur kerja. Ambil teknologi Pengenalan Karakter Optik (OCR) sebagai contoh. Ini mengubah gambar teks menjadi teks yang dapat dibaca dan dicari, dan telah digunakan selama bertahun-tahun untuk mempermudah tugas seperti memasukkan tanda terima atau faktur ke dalam perangkat lunak pelaporan biaya.

Tetapi seperti yang diketahui oleh siapa saja yang menggunakan OCR secara teratur, itu tidak selalu berfungsi seperti yang diiklankan. Mungkin Anda mengambil foto tanda terima di kereta yang bergerak, dan tanda terima itu terlipat, menghalangi informasi. Mungkin faktur itu ditulis dengan tulisan tangan yang tidak terbaca. Mungkin tanggal itu dalam format Eropa, dan sistem hanya mengenali format AS.

Ada banyak alasan mengapa OCR dapat gagal menerjemahkan data dengan benar. Ini adalah teknologi yang terbatas. Mengintegrasikan teknologi yang lebih canggih seperti AI dapat menutup celah-celah itu dan akhirnya menghilangkan gangguan memasukkan angka-angka itu secara manual.

Itu hanya awal dari apa yang dapat dilakukan oleh AI berbasis manusia. Dengan kemampuan AI, aplikasi baru dapat melakukan banyak hal untuk mengurangi gesekan di tempat kerja. Misalnya, dengan prompt yang tepat dan pengenalan pola data transaksi sejarah, AI dapat menambahkan konteks ke faktur di luar bidang di halaman dengan menginferensi pusat biaya, informasi proyek, dan lain-lain melalui konteks yang berpusat pada manusia yang menggunakannya.

AI berbasis manusia juga dapat mengurangi gesekan di tempat kerja dengan membawa tugas ke orang di luar sistem seperti ERP perusahaan. Kebanyakan pekerjaan orang tidak hidup di dalam sistem ERP, tetapi mereka harus masuk ke dalamnya (dan sistem lain) untuk melakukan tugas tertentu seperti menyetujui lembar waktu atau permintaan karyawan.

Apa jika agen AI membawa tugas-tugas itu kepada orang tersebut, bersama dengan konteks yang relevan yang mereka butuhkan, untuk membuat keputusan dalam program yang mereka gunakan? Itu dapat menjaga proses tetap berjalan dan karyawan lebih fokus. AI berbasis manusia seperti ini dapat menghilangkan tugas yang tidak menambah nilai seperti entri data dan masuk ke dalam beberapa sistem.

Bagaimana AI Berbasis Manusia Mengubah Fungsi Keuangan?

Pendekatan yang gesit dan iteratif terhadap AI sudah mengubah fungsi keuangan dengan cara yang signifikan. Ketika profesional keuangan terjebak dalam spreadsheet dan analisis, itu bisa sulit untuk menggeser sisi bercerita otak; jadi mengapa tidak membangun agen AI untuk membantu menyediakan konteks itu?

Sebagai contoh, penyimpangan dan anomali adalah gangguan kronis bagi profesional keuangan, dan AI dapat mengambil alih dengan menyediakan konteks untuk menjelaskan lonjakan pengeluaran perusahaan. Agen yang dirancang dengan baik dapat menandai masalah potensial sebelum analis keuangan menggali semua spreadsheet untuk menemukan penyimpangan.

Demikian pula, AI yang gesit dan iteratif dapat menandai anomali sebelum mereka muncul di ruang HR. Ketika ada penyimpangan dalam gaji setelah pelaporan gaji dan karyawan mempertanyakan hal itu, seseorang di tim HR harus meninggalkan semua dan melakukan analisis forensik untuk menemukan alasan perbedaan itu. Itu adalah tantangan nyata bagi tim yang sibuk.

Agen AI yang dirancang dengan baik dapat menemukan anomali sebelum karyawan terkena, menandai anomali itu, dan menyediakan konteks untuk pengambil keputusan HR di mana mereka berada. Dengan cara ini, fokus tim tetap pada memaksimalkan produktivitas daripada memadamkan api, dan operasi berjalan lebih lancar.

Menghilangkan Gesekan dan Workslop: Agen DIY atau AI Vendor?

Cara terbaik untuk menghindari workslop dan mendapatkan nilai nyata dari AI adalah dengan mencari cara untuk mengurangi dosis harian gangguan yang kita semua temui dalam pekerjaan kita dengan mengambil tugas yang tidak menambah nilai. Untuk beberapa karyawan, termasuk banyak peran keuangan dan HR, mengetik data ke dalam sistem adalah gangguan yang dapat sering dihilangkan melalui otomatisasi yang bijak.

Bagi orang yang membuat konten, mengetik adalah bagian dari pekerjaan, tetapi menggunakan AI secara efektif membutuhkan pelatihan, kolaborasi, dan kebijakan yang membantu karyawan membuat prompt yang menghasilkan konten yang bermakna dan tidak membuat pekerjaan tambahan untuk rekan.

Untuk otomatisasi pekerjaan, solusi yang tepat akan bervariasi tergantung peran dan industri, tetapi pemimpin yang mengintegrasikan AI ke tempat kerja sering harus memutuskan apakah akan membuat agen mereka sendiri atau mendapatkan solusi AI out-of-the-box dari vendor.

Bagi perusahaan dengan sumber daya IT yang kuat, termasuk akses tak terbatas ke keahlian AI atau integrator sistem yang ada, langit adalah batasnya. Dalam hal itu, vendor yang menyediakan teknologi pembuatan agen yang digunakan klien untuk membuat solusi AI langsung mungkin berfungsi.

Tetapi banyak bisnis tidak memiliki akses ke sumber daya tersebut, dan bahkan jika mereka melakukannya, workslop dapat dengan cepat menjadi masalah ketika orang mencoba membangun agen AI mereka sendiri tanpa pelatihan dan sumber daya yang tepat untuk menghindari jebakan di hilir.

Keamanan juga merupakan pertimbangan kritis. Ingatlah bahwa orang akan menggunakan AI, periode. Itu berarti tugas pemimpin untuk memastikan karyawan menggunakan AI dengan aman dan transparan — dan tanpa memperkenalkan kekacauan.

Apa yang Harus Anda Pertimbangkan Saat Memilih Vendor?

Bagi banyak perusahaan, sistem yang diaktifkan AI dari vendor adalah pilihan yang bagus, tetapi ingatlah bahwa tidak semua produk diciptakan sama. Cara terbaik untuk menghindari workslop dan mendapatkan nilai nyata dari AI adalah dengan menemukan sistem yang mengenal Anda dengan cukup intim.

Sebagai contoh, jika tujuan Anda adalah untuk meningkatkan operasi dengan sistem ERP yang diaktifkan AI, pertimbangkan pertanyaan-pertanyaan berikut untuk vendor prospektif:

• Apakah produk tersebut menghilangkan gesekan yang paling sering dihadapi karyawan Anda?
• Apakah itu memecahkan masalah yang paling sulit yang dihadapi karyawan Anda?
• Apakah itu dapat menampung berbagai tingkat keahlian dalam organisasi Anda?
• Apakah itu menjaga manusia dalam loop dan memastikan akuntabilitas dan transparansi?

Apakah Anda menggunakan sistem untuk menghasilkan konten, mengotomatisasi alur kerja, atau menjawab pertanyaan, kualitas hasil Anda tergantung pada seberapa banyak sistem itu mengetahui konteks Anda. Tanyakan pada mitra teknologi Anda bagaimana solusi AI mereka memusatkan perhatian pada manusia dan memberikan nilai nyata.

Apakah Workslop Tidak Terhindarkan?

Terlepas dari siapa vendor Anda dan apakah Anda membangun agen Anda sendiri atau menggunakan solusi yang menghilangkan gesekan melalui otomatisasi out-of-the-box, itu adalah tugas Anda sebagai pemimpin untuk memastikan AI aman, transparan, dan menambah nilai.

Ingatlah bahwa AI berbasis manusia tidak hanya didefinisikan oleh apakah itu memecahkan masalah nyata dan membuat pekerjaan orang lebih mudah. AI yang praktis dan berbasis manusia juga menjaga manusia dalam loop karena, pada akhirnya, kita manusia yang bertanggung jawab atas hasilnya.

Workslop mungkin merupakan tahap yang tidak terhindarkan dalam evolusi AI, tetapi itu tidak harus menjadi fitur permanen dalam fungsi keuangan Anda. Dengan memusatkan perhatian pada manusia dalam loop, berinvestasi dalam pelatihan, dan memilih vendor yang memahami konteks bisnis Anda, CFO dapat membuka tingkat produktivitas dan nilai strategis yang baru dari sistem ERP.

Gelombang inovasi ERP berikutnya akan didorong oleh AI yang memahami bisnis Anda sebaik Anda dan mampu memberikan wawasan, mengotomatisasi tugas rutin, dan memberdayakan pemimpin keuangan untuk fokus pada apa yang paling penting.

Masa depan keuangan adalah kaya konteks, gesit, dan berdaya manusia. Anda layak mendapatkan alat yang dapat Anda gunakan hari ini untuk membawa Anda ke esok, dan Anda dapat berkembang melampaui workslop dengan AI yang praktis dan berbasis manusia untuk mencapai tujuan itu.