Edisi Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Penggunaan AI meluas ke luar pengodean. Intensitasnya lebih sulit dibuktikan

> Survei menunjukkan penggunaan AI di tempat kerja semakin luas, sementara eksperimen menemukan peningkatan dan kegagalan pada tugas tertentu. Data penggunaan belum dapat menunjukkan bahwa pekerjaan lain akan menyamai intensitas pengodean.

By BIG CHANGE Editorial

Published: 2026-10-02T04:10:34.217Z
Updated: 2026-10-02T04:10:34.217Z
Canonical: https://bigchange.ai/blog/ai-use-beyond-coding-workplace-evidence

![A seated person works at a laptop while holding a blank sheet of paper at a wooden table.](https://bigchange.ai/api/media/file/ai-work-beyond-coding-hero-v2-1.png)
AI-generated by OpenAI; BIG CHANGE conceptual editorial illustration.

Hampir dua dari lima orang dewasa bekerja di Amerika Serikat mengatakan mereka menggunakan AI generatif untuk bekerja dalam sepekan terakhir pada kuartal kedua 2026. Namun, menurut [pelacak survei nasional](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/) dari para peneliti di St. Louis Fed, Vanderbilt, dan Harvard, AI membantu dalam 6,3% jam kerja seluruh orang dewasa yang bekerja. Angka pertama menghitung orang; angka kedua menghitung waktu mereka. Keduanya tidak menunjukkan apakah hasil kerja bermutu, apakah perusahaan mendapat lebih banyak pendapatan, atau apakah suatu pekerjaan hilang.

Pembedaan ini penting saat menanyakan apakah pekerjaan lain akan menggunakan AI seintensif para pengembang perangkat lunak. Catatan platform menunjukkan eksperimen yang lebih luas, termasuk di bidang hukum, penjualan, dan pemasaran. Eksperimen menemukan peningkatan nyata dalam sejumlah tugas non-pengodean. Eksperimen juga menunjukkan bahwa akses saja dapat hanya sedikit mengubah keadaan, dan jawaban yang tampak rapi dapat keliru.

## Perubahan besar

- **Yang berubah:** Vendor AI kini melaporkan penggunaan berulang dan aktivitas agen di berbagai fungsi bisnis, sementara survei independen menunjukkan penggunaan mingguan yang lebih luas di kalangan pekerja AS.
- **Mengapa penting:** Penggunaan meluas ketika alat sesuai dengan alur kerja yang sudah ada, tetapi peningkatan bergantung pada konteks tugas dan pemeriksaan hasil. Pembeli dan pekerja memerlukan ukuran hasil selain angka adopsi.
- **Yang perlu dicermati:** Penggunaan tugas yang berulang, mutu keluaran yang terverifikasi, dan manfaat bersih di luar pengodean. Bukti saat ini belum menetapkan kapan pekerjaan lain akan mencapai tingkat penggunaan pengodean atau apa yang akan terjadi pada lapangan kerja.

## Angka-angka ini mengukur hal yang berbeda

Survei [Real-Time Population Survey](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/) menanyakan penggunaan AI untuk bekerja kepada sampel daring nasional yang mewakili orang dewasa AS berusia 18 hingga 64 tahun. Tingkat penggunaan pada pekan sebelumnya meningkat dari 28,2% pada kuartal ketiga 2024 menjadi 39,2% pada kuartal kedua 2026. Perkiraan bagian seluruh jam kerja yang dibantu AI meningkat dari 4,1% menjadi 6,3%. Responden juga memperkirakan AI menghemat 2,2% dari total jam kerja pada kuartal terakhir. Angka terakhir ini adalah waktu yang diingat responden sebagai waktu yang dihemat, bukan peningkatan produktivitas atau pendapatan yang diamati.

OpenAI mengamati hal yang berbeda: aktivitas di antara pelanggan perusahaannya sendiri. Laporan [Enterprise Signals bulan Agustus](https://openai.com/signals/enterprise-data/) menyebut pengguna aktif mingguan Codex tumbuh 108 kali lipat di bidang hukum, 41 kali lipat di bidang penjualan dan perekrutan, serta 26 kali lipat di pemasaran antara Februari dan Juni 2026, dibandingkan pertumbuhan lima kali lipat di bidang rekayasa. Angka pertumbuhan itu berawal dari basis yang tidak diungkapkan, sehingga tidak dapat digunakan untuk membandingkan jumlah pengacara dan insinyur yang memakai AI atau porsi pekerjaan tiap profesi yang dikerjakan AI. Pada Juni, Codex menghasilkan 64% dari gabungan token keluaran Codex dan ChatGPT di antara pelanggan perusahaan. Proses agen yang lebih panjang menghasilkan lebih banyak token; bagian token bukan bagian pekerja atau ukuran nilai. OpenAI menjual produk-produk ini dan berkepentingan menunjukkan penyebarannya.

Studi OpenAI terpisah terhadap [lebih dari 800.000 pesan ChatGPT dari AS](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf), yang diterbitkan pada Juli, menggolongkan 16,8% pesan terkait pekerjaan sebagai tugas yang terkait dengan pekerjaan selain profesi pengguna. Di antara pesan yang cukup spesifik untuk dipetakan ke suatu profesi, porsinya 43,5%. [Tindak lanjut bulan September](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf) menemukan bahwa sejumlah pekerja kembali mengerjakan tugas seperti itu pada bulan berikutnya. Angka ini adalah porsi pesan dari pengguna sampel, sementara profesi diperkirakan berdasarkan informasi saat pendaftaran bisnis. Angka tersebut menunjukkan apa yang diminta dan diulangi orang, bukan bahwa tugas itu selesai atau pekerjaan mereka berubah.

Indeks Ekonomi Anthropic bulan [Juni](https://www.anthropic.com/research/economic-index-june-2026-report) juga mengkaji aktivitas pada layanan vendornya sendiri. Sampelnya yang lebih terperinci menangkap pola hari kerja dan membedakan penggunaan obrolan, Cowork, serta API pihak pertama. Survei pendamping mengaitkan penggunaan dengan sekitar 9.700 responden Claude yang memiliki sedikitnya lima sesi. Anthropic memperingatkan bahwa responden tersebut tidak mewakili angkatan kerja: pekerja komputer dan matematika mencakup sekitar 30% responden, tetapi sekitar 4% dari lapangan kerja AS. Pekerjaan fisik kurang terwakili. Indeks sebelumnya pada [Maret](https://www.anthropic.com/research/economic-index-march-2026-report) menemukan bahwa tugas komputer dan matematika mencakup 35% percakapan Claude.ai pada Februari. Itu adalah bagian dari percakapan pada satu produk, bukan bagian pengembang yang menggunakan AI; aktivitas pengodean juga mulai beralih ke API. Trafik vendor dapat mengungkap tugas dan frekuensi penggunaan di dalam suatu platform, tetapi tidak dapat dengan sendirinya memberikan tingkat adopsi profesi di seluruh perekonomian.

## Produktivitas bergantung pada tugas dan pemeriksaannya

Dalam [peluncuran bertahap](https://doi.org/10.1093/qje/qjae044) yang melibatkan 5.172 agen dukungan pelanggan, akses ke asisten percakapan AI meningkatkan jumlah masalah yang diselesaikan per jam rata-rata sebesar 15%. Agen yang kurang berpengalaman dan berketerampilan lebih rendah meningkat dalam kecepatan dan mutu; agen paling berpengalaman dan berketerampilan tertinggi sedikit lebih cepat, tetapi mutunya sedikit menurun. Pelanggan menjadi lebih sopan dan lebih jarang meminta berbicara dengan manajer. Studi itu mengukur operasi dukungan satu perusahaan, tempat penyelesaian masalah dan eskalasi dapat dilacak. Studi itu tidak menghitung keuntungan untuk unit layanan lain.

Sebuah [eksperimen di 66 perusahaan dan 7.137 pekerja pengetahuan](https://www.nber.org/papers/w33795) memberikan akses AI secara acak di dalam perangkat lunak email, rapat, dan penulisan. Pada paruh kedua studi enam bulan itu, 80% pekerja yang mendapat akses dan menggunakan alat menghabiskan dua jam lebih sedikit per minggu untuk email serta lebih sedikit waktu bekerja di luar jam reguler. Peneliti tidak mendeteksi perubahan yang lebih luas pada jumlah atau campuran tugas akibat akses individu. Tiga penulis bekerja untuk Microsoft Research, dan Microsoft, pembuat alat itu, ikut menyelenggarakan eksperimen serta memasok telemetri produk. Hasil ini berlaku untuk perusahaan yang berpartisipasi, bukan seluruh pekerjaan kantor.

Sebuah [eksperimen lapangan dengan 758 konsultan Boston Consulting Group](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf), yang dilakukan pada 2023 dan diterbitkan pada Maret 2026, menemukan pekerjaan lebih cepat dan dinilai lebih baik pada tugas-tugas yang sengaja dipilih agar sesuai dengan keunggulan GPT-4. Pada kasus berbeda yang memerlukan interpretasi bukti wawancara, pengguna AI lebih mungkin memberikan jawaban keliru. BCG bekerja sama dalam studi ini, yang menguji latihan terdefinisi, bukan hasil kerja untuk klien.

Dalam [studi acak METR](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) terhadap 16 pengembang perangkat lunak sumber terbuka berpengalaman yang menangani 246 isu dalam repositori yang mereka kenal, alat AI awal 2025 meningkatkan waktu penyelesaian sebesar 19%. Meski demikian, para pengembang merasa alat tersebut mempercepat pekerjaan mereka. [Upaya METR berikutnya](https://metr.org/blog/2026-02-24-uplift-update/) dengan alat yang lebih baru mengisyaratkan peningkatan, tetapi peneliti menilai perkiraannya tidak dapat diandalkan karena pengembang yang enggan bekerja tanpa AI memilih keluar dan pekerjaan agen yang berlangsung bersamaan mempersulit pengukuran waktu. Karena itu, studi-studi tersebut tidak dapat menetapkan satu dampak produktivitas pengodean untuk semua alat dan tahun.

Pengodean memiliki umpan balik yang relatif mudah diperoleh: repositori menyimpan konteks dan perubahan, sementara proses build, pengujian, dan peninjauan dapat mengungkap kegagalan. Bahkan di sana, pengujian yang lolos bukan keseluruhan produk. Dalam dukungan pelanggan, penyelesaian masalah dan tanggapan pelanggan menyediakan umpan balik lain. Draf email dapat menghemat waktu tanpa mengubah keluaran perusahaan. Rekomendasi hukum, keuangan, atau medis memerlukan pemeriksaan yang sesuai dengan konsekuensinya, dan pembeli perlu menghitung pekerjaan peninjauan selain biaya alat. Ini adalah masalah pengukuran yang berbeda, sehingga penggunaan saja tidak membuktikan intensitas atau nilai yang setara.

## Pekerjaan dapat berubah sebelum angka penggajian berubah

Di Denmark, peneliti menghubungkan survei pekerja di 11 profesi yang terpapar AI dan 7.000 tempat kerja dengan catatan administratif. [Revisi Maret 2026](https://www.nber.org/papers/w33777) menemukan inisiatif chatbot oleh pemberi kerja dan perubahan tugas yang dilaporkan, tetapi tidak menemukan dampak terukur pada pendapatan atau jam kerja tercatat di tingkat pekerja maupun tempat kerja dua tahun setelah peluncuran ChatGPT; perkiraan mereka mengesampingkan dampak di atas 2%. Temuan itu dibatasi oleh konteks Denmark, profesi, dan periode yang diteliti. Temuan itu tidak membuktikan bahwa adopsi berikutnya akan membiarkan lapangan kerja tetap tanpa perubahan.

Bagi pekerja, penggunaan berulang dapat berarti ragam tugas yang lebih luas atau lebih sedikit waktu untuk email. Bagi pembeli, pertanyaannya adalah apakah seluruh alur kerja menghasilkan pekerjaan yang andal dengan biaya yang dapat diterima. Bagi penerima jawaban dukungan atau orang yang mengandalkan saran profesional, hasilnya adalah apakah jawaban itu benar dan dapat dipertanggungjawabkan. Bukti yang tersedia mendukung kesimpulan bahwa penggunaan di luar pengodean semakin luas dan ada peningkatan terukur dalam tugas tertentu. Bukti itu belum mendukung jadwal kapan pekerjaan lain akan menyerupai pengembangan perangkat lunak dalam kedalaman penggunaan, ataupun satu dampak produktivitas dan ketenagakerjaan yang berlaku untuk semua profesi.

## Sumber & bacaan lebih lanjut

- [Pelacak adopsi Real-Time Population Survey, dijelaskan St. Louis Fed](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/), 27 Agustus 2026: penggunaan mingguan di AS, jam kerja yang dibantu, dan penghematan waktu yang dilaporkan sendiri. Sumber ini tidak mengamati mutu keluaran atau pendapatan.
- [OpenAI Enterprise Signals](https://openai.com/signals/enterprise-data/), diperbarui 12 Agustus 2026: penggunaan di basis pelanggan perusahaan OpenAI, diukur melalui token dan pengguna aktif mingguan. Angka dasar pertumbuhan tidak dipublikasikan.
- [OpenAI, Bekerja di Garis Depan](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf), Juli 2026, dan [tindak lanjut September](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf): klasifikasi pesan ChatGPT dan penggunaan kembali di antara pengguna bisnis sampel, bukan hasil pekerjaan yang telah selesai.
- [Indeks Ekonomi Anthropic, Ritme Penggunaan](https://www.anthropic.com/research/economic-index-june-2026-report), 26 Juni 2026, dan [Kurva Pembelajaran](https://www.anthropic.com/research/economic-index-march-2026-report), 24 Maret 2026: aktivitas Claude, jenis keluaran, dan survei pengguna terpilih. Penyebutnya adalah trafik Anthropic dan responden survei.
- [Brynjolfsson, Li, dan Raymond, AI Generatif di Tempat Kerja](https://doi.org/10.1093/qje/qjae044), diterbitkan daring 4 Februari 2025, dalam edisi Mei *Quarterly Journal of Economics*: produktivitas agen dukungan yang diukur, perbedaan keterampilan pekerja, dan tanggapan pelanggan selama peluncuran bertahap di satu perusahaan.
- [Dillon dan kolega, Perubahan Pola Kerja dengan AI Generatif](https://www.nber.org/papers/w33795), direvisi November 2025: akses kerja yang diacak, waktu email, dan campuran tugas di berbagai perusahaan peserta. Tiga penulis bekerja untuk Microsoft Research, dan Microsoft ikut menyelenggarakan eksperimen.
- [Dell’Acqua dan kolega, Menavigasi Batas Teknologi yang Bergerigi](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf), eksperimen dilakukan pada 2023 dan diterbitkan 11 Maret 2026: mengukur kecepatan, mutu penilaian, dan kesalahan pada latihan konsultasi yang berbeda.
- [Eksperimen pengembang METR](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) dan [pembaruan Februari 2026](https://metr.org/blog/2026-02-24-uplift-update/): bukti pengodean acak dan masalah seleksi pada studi berikutnya.
- [Humlum dan Vestergaard, Permukaan Tenang, Arus Deras](https://www.nber.org/papers/w33777), direvisi Maret 2026: survei pekerja dan tempat kerja di Denmark yang dihubungkan dengan data administratif tentang jam kerja dan pendapatan.

## Sources

- [Apakah AI generatif menghemat waktu di tempat kerja?](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/) — Survei daring representatif AS: penggunaan mingguan, jam kerja yang dibantu, dan penghematan yang dilaporkan sendiri; tidak memverifikasi keluaran atau pendapatan.
- [Sinyal perusahaan](https://openai.com/signals/enterprise-data/) — Telemetri perusahaan OpenAI: pengguna Codex menurut fungsi dan campuran token. Jumlah dasar yang tidak dipublikasikan dan agen yang banyak menggunakan token membatasi kesimpulan.
- [Bekerja di Garis Depan: Bagaimana AI Memperluas Hal yang Dilakukan Orang di Tempat Kerja](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf) — Klasifikasi OpenAI terhadap lebih dari 800.000 pesan terkait pekerjaan; porsi tugas di luar profesi adalah pesan, bukan pekerjaan yang selesai.
- [Bekerja di Garis Depan: Bagaimana Pekerja Membuka Cara Kerja Baru](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf) — Studi penggunaan berulang oleh pengguna terpilih OpenAI; permintaan berulang tidak membuktikan desain ulang pekerjaan.
- [Indeks Ekonomi Anthropic: Ritme Penggunaan](https://www.anthropic.com/research/economic-index-june-2026-report) — Pola penggunaan Claude dan survei nonrepresentatif terhadap sekitar 9.700 pengguna terpilih.
- [Indeks Ekonomi Anthropic: Kurva Pembelajaran](https://www.anthropic.com/research/economic-index-march-2026-report) — Sampel Claude.ai dan API Februari 2026. Porsi 35% tugas terkait pengodean adalah bagian dari percakapan Claude.ai.
- [AI Generatif di Tempat Kerja](https://doi.org/10.1093/qje/qjae044) — Studi yang diterbitkan di Quarterly Journal of Economics (edisi Mei 2025) terhadap 5.172 agen di operasi dukungan satu perusahaan: rata-rata 15% lebih banyak penyelesaian per jam. Peningkatan terkonsentrasi pada pekerja pemula; mutu sedikit menurun bagi pekerja berketerampilan tertinggi. Pelanggan menjadi lebih sopan dan lebih jarang meminta berbicara dengan manajer. Tidak ada kesimpulan umum tentang ROI atau dampak ketenagakerjaan.
- [Perubahan Pola Kerja dengan AI Generatif](https://www.nber.org/papers/w33795) — Edisi NBER Mei 2025, direvisi November 2025 (tanggal tidak dicantumkan). Studi acak terhadap 7.137 pekerja di 66 perusahaan. Tiga penulis bekerja untuk Microsoft Research; Microsoft membuat alat, ikut menyelenggarakan studi, dan memasok telemetri.
- [Menavigasi Batas Teknologi yang Bergerigi](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf) — Latihan konsultan terkendali yang terkait dengan BCG, dilakukan pada 2023 dan diterbitkan di Organization Science pada 11 Maret 2026; peningkatan dan kesalahan bergantung pada tugas, bukan hasil kerja klien.
- [Studi produktivitas pengembang METR awal 2025](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) — Studi acak terhadap 16 pengembang dan 246 isu; alat yang sudah berusia menunjukkan waktu 19% lebih lama dalam sampel terbatas.
- [Pembaruan eksperimen produktivitas pengembang METR](https://metr.org/blog/2026-02-24-uplift-update/) — Peneliti menjelaskan mengapa perkiraan percepatan pada studi berikutnya tidak dapat diandalkan akibat bias seleksi dan masalah pengukuran waktu.
- [Permukaan Tenang, Arus Deras](https://www.nber.org/papers/w33777) — Edisi NBER Mei 2025, direvisi Maret 2026 (tanggal tidak dicantumkan). Survei dan studi administratif di Denmark menemukan ketiadaan dampak awal yang terbatas pada pendapatan dan jam kerja tercatat.