Fenomena kecerdasan buatan (AI) yang kini ramai diadopsi perusahaan di berbagai sektor, belum sepenuhnya memberikan lonjakan produktivitas yang diharapkan. Pola ini serupa dengan “paradoks produktivitas” yang pernah diamati pada era awal komputer, ketika teknologi tersebut justru tidak serta merta mendongkrak efisiensi.
Pada 1980-an, ekonom peraih Nobel Robert Solow pernah mencatat fenomena serupa. Meski transistor, mikroprosesor, dan chip memori mulai marak digunakan sejak 1960-an, pertumbuhan produktivitas justru melambat. Pertumbuhan produktivitas turun dari 2,9 persen pada periode 1948-1973 menjadi hanya 1,1 persen setelah 1973. Kala itu, komputer bahkan sempat dikritik karena menghasilkan terlalu banyak informasi dan laporan rinci yang menumpuk dalam bentuk cetakan kertas, sehingga belum memberikan dampak nyata pada efisiensi.
“Anda bisa melihat era komputer di mana-mana, kecuali dalam statistik produktivitas.”
Demikian tulis Solow dalam New York Times Book Review pada 1987.
Kini, tren yang nyaris sama terlihat pada implementasi AI di dunia usaha. Analisis Financial Times periode September 2024-2025 menunjukkan bahwa meskipun 374 perusahaan dalam indeks S&P 500 menyebut AI secara positif dalam laporan kinerja mereka, adopsi tersebut belum tercermin pada peningkatan produktivitas secara luas. Sebuah studi dari National Bureau of Economic Research juga mengindikasikan bahwa mayoritas eksekutif belum merasakan dampak signifikan dari penggunaan AI.
Menurut laporan yang dikutip dari Fortune pada Senin (20/4/2026), dari 6.000 CEO, CFO, dan pimpinan perusahaan di Amerika Serikat, Inggris, Jerman, dan Australia, sekitar dua pertiga memang telah menggunakan AI. Namun, rata-rata penggunaannya hanya sekitar 1,5 jam per minggu. Lebih mengkhawatirkan lagi, 25 persen responden mengaku belum menggunakan AI sama sekali. Dalam kurun waktu tiga tahun terakhir, hampir 90 persen perusahaan melaporkan bahwa AI belum memberikan dampak pada produktivitas maupun tenaga kerja mereka.
Ekspektasi Tinggi di Tengah Keterlambatan Dampak
Meskipun demikian, ekspektasi terhadap potensi AI tetap tinggi. Para eksekutif memproyeksikan teknologi ini akan mampu meningkatkan produktivitas sebesar 1,4 persen dan output sebesar 0,8 persen dalam tiga tahun mendatang. Sementara itu, perusahaan memproyeksikan penurunan tenaga kerja sebesar 0,7 persen, namun pekerja justru melihat potensi peningkatan lapangan kerja sebesar 0,5 persen.
Beberapa riset memang menunjukkan potensi besar AI. Sebuah penelitian dari Massachusetts Institute of Technology (MIT) pada 2023 menyebutkan bahwa penggunaan AI dapat meningkatkan kinerja pekerja hingga hampir 40 persen dibandingkan dengan mereka yang tidak menggunakannya. Namun, dampak tersebut belum terlihat pada skala makro.
Kepala Ekonom Apollo, Torsten Slok, mengamati fenomena ini dengan menyatakan, “AI ada di mana-mana, kecuali dalam data makroekonomi.” Ia juga mencatat bahwa di luar kelompok perusahaan teknologi besar, pengaruh AI terhadap margin laba maupun ekspektasi pendapatan belum terlihat jelas.
Temuan studi lain menunjukkan hasil yang bervariasi. Laporan dari Federal Reserve Bank of St. Louis mencatat adanya kenaikan produktivitas kumulatif sebesar 1,9 persen sejak akhir 2022, pasca kemunculan ChatGPT. Namun, studi MIT tahun 2024 memperkirakan peningkatan yang lebih terbatas, yakni sekitar 0,5 persen dalam satu dekade.
Peraih Nobel Daron Acemoglu menilai angka tersebut tetap positif, namun mengecewakan jika dibandingkan dengan janji besar yang diusung oleh industri teknologi.
Tantangan Implementasi dan Fenomena “AI Brain Fry”
Di sisi lain, tantangan implementasi AI juga mulai muncul ke permukaan. Survei ManpowerGroup menunjukkan bahwa meskipun penggunaan AI meningkat, kepercayaan terhadap manfaatnya justru menurun. Studi Boston Consulting Group bahkan menemukan bahwa penggunaan terlalu banyak alat AI dapat menurunkan produktivitas, memicu fenomena yang disebut “AI brain fry” atau kelelahan otak akibat AI.
Meskipun demikian, sejumlah perusahaan tetap memandang AI sebagai investasi jangka panjang. IBM, misalnya, berencana meningkatkan perekrutan tenaga muda untuk menjaga keberlanjutan kepemimpinan di tengah gelombang otomatisasi.
Sejarah dan Kurva J Produktivitas
Sejarah mencatat bahwa dampak teknologi memang tidak selalu instan. Lonjakan produktivitas baru terlihat pada 1990-an, setelah adopsi teknologi informasi yang masif pada dekade sebelumnya.
Ekonom Stanford, Erik Brynjolfsson, menilai pembalikan tren mungkin sudah mulai terjadi. Ia mencatat pertumbuhan ekonomi yang tetap kuat meskipun penyerapan tenaga kerja melambat, yang mengindikasikan adanya peningkatan produktivitas. Analisisnya menunjukkan produktivitas Amerika Serikat naik 2,7 persen tahun lalu.
Ekonom Mohamed El-Erian juga melihat pola serupa, yaitu adanya pemisahan antara pertumbuhan ekonomi dan lapangan kerja, seperti yang terjadi pada era otomatisasi sebelumnya.
Sementara itu, studi Stanford Institute for Economic Policy Research menemukan bahwa AI generatif mampu meningkatkan efisiensi aktivitas online antara 76 persen hingga 176 persen. Namun, waktu yang berhasil dihemat lebih banyak dialokasikan untuk aktivitas santai daripada peningkatan produktivitas kerja.
Slok menilai pola ini menyerupai kurva “J”, di mana teknologi awalnya belum menunjukkan hasil signifikan sebelum akhirnya mendorong lonjakan produktivitas. Menurutnya, kunci utama bukan terletak pada teknologi itu sendiri, melainkan pada bagaimana perusahaan memanfaatkannya.
“Dari perspektif makro, nilai tambah bukan terletak pada produknya, tetapi pada bagaimana AI generatif digunakan dan diimplementasikan di berbagai sektor ekonomi.”
Ujar Slok.
