Komunikasi yang Dimediasi AI: Apa yang Terjadi Ketika AI Menulis, Merangkum, dan Membalas di Tempat Kerja

Oleh Victor Hoang · Diperbarui 22 September 2026

Komunikasi yang dimediasi AI (AI-MC) adalah komunikasi antarpribadi ketika sebuah agen cerdas menyusun, memperluas, mempersingkat, atau membalas pesan atas nama seseorang. Istilah ini berasal dari Jeffrey Hancock dari Stanford dan para rekan penulisnya, yang pada 2020 mendefinisikannya sebagai agen komputasional yang beroperasi atas nama seorang komunikator untuk mencapai tujuan antarpribadi. Agen itu kini berada di kedua ujung hampir setiap pesan kerja.

Ini bukan tulisan tentang apakah teks buatan AI sudah benar secara tata bahasa; biasanya sudah. Tulisan ini tentang apa yang terjadi pada sebuah hubungan ketika penulisan dan pembacaan sama-sama diserahkan kepada mesin: upaya yang dulu menandakan kepedulian menghilang, pesan menggelembung lalu dipadatkan kembali tanpa ada yang membaca bagian tengahnya, dan penerima mulai diam-diam meremehkan apa pun yang terdengar terlalu rapi. Tidak satu pun dari itu terdeteksi oleh pemeriksa ejaan. Semuanya terlihat pada seberapa besar orang saling memercayai enam bulan kemudian.

Fakta Utama

• Komunikasi yang dimediasi AI didefinisikan secara formal pada 2020. Hancock, Naaman, dan Levy mendefinisikan AI-MC sebagai "komunikasi termediasi antarmanusia ketika sebuah agen komputasional beroperasi atas nama komunikator dengan memodifikasi, menambah, atau menghasilkan pesan untuk mencapai tujuan komunikasi atau antarpribadi." Hancock, Naaman & Levy, Journal of Computer-Mediated Communication (2020)
• Teks yang dianggap buatan AI dinilai kurang tepercaya, bahkan ketika kata-katanya identik. Jakesch, French, Ma, Hancock, dan Naaman dari Stanford menjalankan eksperimen profil Airbnb dan menemukan penurunan penilaian kepercayaan yang konsisten pada profil yang dicurigai atau dilabeli buatan AI, yang disebut "Replicant Effect". Jakesch et al., Stanford Social Media Lab (2019)
• Lebih dari separuh karyawan menyembunyikan penggunaan AI dari pemberi kerja. Studi global KPMG dan University of Melbourne terhadap lebih dari 48.000 orang di 47 negara menemukan 57% pekerja mengaku menyembunyikan cara mereka memakai AI di tempat kerja, yang paling umum adalah mengaku-aku konten buatan AI sebagai karya sendiri. KPMG & University of Melbourne (2025)
• Pemakaian AI yang berat dalam pesan seorang manajer memangkas kesan ketulusan hingga kira-kira setengahnya. Peneliti USC dan University of Florida, Cardon dan Coman, mensurvei lebih dari 1.100 profesional dan menemukan lebih dari 80% menilai pesan atasan dengan bantuan AI rendah sebagai tulus, dibandingkan hanya sekitar 40% untuk versi dengan bantuan AI tinggi. Cardon & Coman, University of Florida (2025)
• Rata-rata pekerja menerima 117 email dan 153 pesan Teams per hari, sebagian besar dibaca sekilas dalam kurang dari satu menit. Work Trend Index dari Microsoft menemukan karyawan pengguna Microsoft 365 terinterupsi kira-kira setiap dua menit oleh sebuah pesan, volume yang mendorong sekaligus didorong oleh penyusunan dan perangkuman berbantuan AI. Microsoft Work Trend Index (2025)
• Adopsi AI yang tinggi belum terlihat sebagai imbal hasil bisnis yang terukur. Survei MIT NANDA terhadap 153 pemimpin dan analisis atas lebih dari 300 penerapan AI perusahaan menemukan 95% pilot AI generatif tidak menghasilkan dampak P&L yang terukur, pengingat bahwa produksi pesan yang lebih cepat tidak sama dengan komunikasi yang lebih baik. MIT NANDA, "The GenAI Divide: State of AI in Business 2025", via Fortune

Apa yang Sebenarnya Dicakup Komunikasi yang Dimediasi AI

Komunikasi yang dimediasi AI adalah kategori yang lebih luas daripada "memakai ChatGPT untuk menulis email." Hancock dan rekan penulisnya memecahnya ke dalam dimensi yang menentukan seberapa besar kepercayaan yang dipertaruhkan: seberapa banyak AI mengubah pesan (perbaikan ejaan versus pesan yang sepenuhnya dihasilkan), seberapa besar otonominya (saran yang Anda setujui versus balasan yang dikirim tanpa pengawasan), dan berpihak kepada siapa (efisiensi pengirim versus pemahaman penerima). Koreksi tata bahasa dan evaluasi kinerja yang sepenuhnya disusun AI berada pada spektrum yang sama, tetapi risikonya tidak sama, itulah sebabnya aturan yang melarang total maupun izin yang membolehkan total sama-sama meleset. Perangkat yang terlibat, dari model bahasa besar yang menyusun teks bebas hingga AI copilot bawaan yang menyarankan kalimat berikutnya, adalah teknologi yang sama, baik untuk memperbaiki salah ketik maupun menulis seluruh ucapan selamat. Yang berubah adalah besarnya intervensi dan seberapa banyak pemikiran manusia yang masih ada di dalam pesan.

AI di Sisi Pengirim dan di Sisi Penerima Adalah Masalah yang Berbeda

Sebagian besar diskusi di tempat kerja tentang AI dan komunikasi berfokus pada pengirim: apakah seseorang memakai AI untuk menulis ini? Namun kerangka Hancock memperlakukan penggunaan AI oleh penerima sebagai kategori yang sama hidupnya, dan kategori ini makin umum. Penerima yang menjalankan pembaruan Anda yang disusun dengan hati-hati melalui perangkum sebelum membacanya juga sedang melakukan komunikasi yang dimediasi AI, hanya dari ujung yang lain. AI di sisi pengirim berisiko menghasilkan pesan yang terdengar seperti bukan siapa-siapa; AI di sisi penerima berisiko membuang justru bagian yang paling susah payah Anda susun dengan benar. Masalah serah terima yang sama, yakni memutuskan apa yang disajikan agen kepada manusia dan dalam bentuk apa, dibahas dari sisi operasional oleh mengelola AI agent sebagai bagian dari tim, sebagai sesuatu yang dirancang dengan sengaja, bukan dibiarkan pada pengaturan bawaan.

Masalah Hilangnya Sinyal: Mengapa Upaya Dulu Berarti Kepedulian

Sebelum AI generatif, waktu dan kespesifikan dalam sebuah pesan adalah sinyal yang mahal dan sulit dipalsukan. Catatan pribadi tiga paragraf memakan waktu lebih lama daripada balasan satu baris, dan panjangnya sendiri mengomunikasikan seberapa peduli pengirimnya. Manajer yang mengingat detail dari percakapan terakhir Anda dan menyinggungnya dalam umpan balik sedang menunjukkan, bukan sekadar mengatakan, bahwa ia memperhatikan. Biaya itulah intinya: sinyal yang murah mudah dipalsukan sehingga penerima meremehkannya, sedangkan sinyal yang menuntut upaya cukup mahal sehingga hanya kepedulian sejati yang andal menghasilkannya.

AI generatif memutus kaitan antara upaya dan biaya itu. Model dapat menghasilkan pesan yang terdengar personal dan hangat dalam sepuluh detik, dengan pengirim nyaris tidak menyumbang pemikiran di baliknya. Studi Cardon dan Coman di atas adalah bukti tempat kerja yang paling jelas tentang apa yang terjadi berikutnya: karyawan menurunkan penilaian mereka atas ketulusan, kepedulian, bahkan kemampuan kepemimpinan pengirim begitu mereka menduga adanya keterlibatan AI yang berat, dan penurunannya paling curam justru pada pesan yang ketulusannya paling penting (ucapan selamat, apresiasi, umpan balik pribadi), bukan pada pembaruan status rutin.

Penerima Tidak Butuh Bukti, Cukup Kecurigaan

Studi Airbnb dari Jakesch dan rekan-rekannya menemukan hal yang layak direnungkan: penalti kepercayaan melekat pada dugaan penulis AI, bukan penulis AI yang terkonfirmasi. Orang tidak perlu tahu bahwa sebuah pesan dibuat AI untuk meremehkannya. Pesan yang sekadar terbaca generik atau terlalu rapi untuk hubungan yang ada dapat memicu penurunan yang sama seperti pesan berlabel AI. Risiko praktisnya bukan "apakah saya akan ketahuan," melainkan "apakah ini akan terbaca sebagai benar-benar milik saya," dan keduanya adalah standar yang berbeda.

Masalah Eskalasi: Poin Singkat Jadi Email Jadi Poin Singkat Lagi

Berikut pola yang cukup umum sampai punya sebutan singkat di kalangan orang yang mencermati penggunaan AI di tempat kerja: seseorang punya gagasan dua baris, meminta AI mengembangkannya menjadi email berformat rapi dengan nada hangat, lalu mengirimnya. Penerima, yang menghadapi 117 email dan 153 pesan obrolan per hari menurut Work Trend Index dari Microsoft, menjalankannya melalui perangkum AI miliknya sendiri, yang memadatkannya kembali menjadi kira-kira gagasan dua baris yang menjadi asalnya. Setelah dua panggilan AI, informasi yang berpindah sama dengan yang akan dibawa pesan dua baris itu, hanya saja lebih lama dibuat, lebih lama diproses, dan membawa sinyal upaya yang keliru ke kedua arah.

Lingkaran ini adalah konsekuensi wajar dari dua insentif yang bertabrakan: perangkat di sisi pengirim menghargai keluaran yang lebih panjang dan lebih rapi karena itulah wujud "tulisan yang baik" bagi model bahasa, sedangkan kotak masuk penerima menghargai pemadatan karena tidak ada yang punya waktu membaca 117 email yang sudah dikembangkan penuh secara cermat. Tidak ada pihak yang melakukan hal tak masuk akal sendirian, tetapi hasilnya komunikasi yang lebih buruk, karena pemadatan di sisi penerima bersifat lossy dengan cara yang tidak dialami gagasan singkat aslinya: perangkum mempertahankan apa yang tampak penting secara statistik dan membuang catatan peringatan, nada, serta permintaan spesifik yang membuat pesan itu layak dikirim.

Mengapa Ini Menelan Lebih dari Sekadar Waktu

Temuan MIT NANDA bahwa 95% pilot AI generatif tidak menunjukkan dampak P&L yang terukur relevan di sini: peningkatan produktivitas individu tidak otomatis bertambah menjadi peningkatan organisasi ketika separuh interaksi yang lain, yaitu orang yang membaca dan bertindak atas pesan, memburuk dengan laju yang sama seperti separuh pertama makin cepat. Memperlakukan volume email sebagai masalah yang harus diselesaikan dengan lebih banyak AI mengabaikan bahwa volume itu sering kali hanya gejala dari penyusunan yang murah tanpa peningkatan nyata pada kandungan informasi.

Apa yang Hilang Ketika AI Merangkum Rapat

Perangkat perangkum rapat menyelesaikan masalah yang nyata: tak seorang pun mengingat satu jam diskusi secara akurat, dan catatan tertulis lebih baik daripada ingatan yang kabur. Tetapi perangkum diberi bobot berdasarkan frekuensi, bukan berdasarkan penilaian. Ia menonjolkan apa yang diulang beberapa orang atau yang cocok dengan pola frasa "action item", dan jauh kurang andal dalam menangkap apa yang sebenarnya penting: keraguan dalam suara seseorang, celetukan di luar topik yang ternyata menjadi kekhawatiran sesungguhnya, atau subteks di balik alasan sebuah keputusan ditunda. Semua itu bukan masalah format yang bisa diperbaiki model yang lebih baik; dibutuhkan manusia yang hadir di ruangan.

Ini berbeda dari soal apakah orang merasa aman mengangkat kekhawatiran dalam rapat yang diamati AI, yang termasuk wilayah merancang budaya rapat yang lebih baik. Pertanyaan di sini lebih sempit: setelah orang berbicara terus terang, apakah catatan yang bertahan masih membawa nuansa, atau mendatar menjadi daftar butir yang terbaca seperti konsensus padahal ruangan sebenarnya terbelah. Tim yang memperlakukan ringkasan AI sebagai ingatan rapat, bukan salah satu masukan di samping catatan manusia, adalah yang paling mungkin menemukan kembali perbedaan pendapat berminggu-minggu kemudian yang dikira semua orang sudah selesai.

Perbaikan Murah yang Benar-Benar Berhasil

Kebiasaan bernilai tertinggi di sini terdengar membosankan: siapa pun yang memimpin rapat menambahkan dua atau tiga baris penilaiannya sendiri di atas transkrip AI sebelum diedarkan, menyebutkan apa yang masih belum tuntas dan siapa pemiliknya. Itu hanya memakan dua menit dan mempertahankan persis sinyal yang tidak bisa dihasilkan sendiri oleh perangkum berbasis frekuensi.

Penalti Kepercayaan: Ketika Penggunaan AI Dicurigai

Riset Cardon dan Coman menemukan sesuatu yang lebih tajam daripada penurunan ketulusan: ketika atasan memakai bantuan AI yang tinggi tanpa mengungkapkannya, hanya sekitar seperempat karyawan yang masih menganggap atasan sebagai penulisnya, turun dari lebih dari 90% pada bantuan rendah. Artinya sebagian besar audiens menyimpulkan bahwa orang yang seolah berbicara itu bukan benar-benar yang berbicara. Ini terkait dengan kepercayaan ketika rekan satu tim Anda adalah AI, kecuali pertanyaannya mengalir ke arah sebaliknya di sini: bukan tidak memercayai rekan tim AI, melainkan seorang manusia kehilangan kepercayaan rekan-rekannya karena mereka mencurigai ia mengalihdayakan bagian pekerjaan yang seharusnya menjadi miliknya secara pribadi.

Temuan KPMG bahwa 57% karyawan menyembunyikan penggunaan AI menambah lapisan kedua: orang menyembunyikannya karena memperkirakan dengan tepat akan ada penalti jika terungkap, artinya skala sebenarnya komunikasi yang dimediasi AI di kebanyakan organisasi jauh di atas yang ditunjukkan dasbor penggunaan mana pun.

Pengungkapan Bermata Dua

Riset tidak menunjuk "selalu mengungkapkan" sebagai solusi yang bersih. Pengungkapan eksplisit kadang meningkatkan kecurigaan dibandingkan pesan yang penggunaan AI-nya hanya dicurigai tetapi belum terkonfirmasi: mengungkapkan dapat terbaca sebagai pengakuan bahwa pesan itu bukan sepenuhnya milik pengirim, sementara diam berisiko runtuhnya kepercayaan yang lebih besar jika terungkap kemudian. Kebanyakan organisasi akhirnya memilih pendekatan kontekstual: secara bawaan ditulis manusia untuk pesan yang krusial bagi hubungan dan jarang dikirim (umpan balik, permintaan maaf, apresiasi), dan memperlakukan bantuan AI pada pesan rutin yang sering dikirim sebagai hal yang cukup biasa sehingga tidak perlu diungkapkan. Hal ini dibahas lebih dalam di etiket AI dan norma tempat kerja; poin di sini lebih sempit, yaitu bahwa pengungkapan sebaiknya mengikuti taruhan relasional sebuah pesan, bukan kebijakan yang berlaku untuk semua.

Penggunaan yang Membantu vs Penggunaan yang Merusak

Garis pemisah paling jelas dalam riset bukanlah "pakai AI" versus "tanpa AI," melainkan apakah AI menutup kesenjangan nyata antarmanusia atau menggantikan upaya manusia yang sebenarnya menjadi inti pesan. Terjemahan untuk rekan yang tidak sebahasa dengan Anda menutup kesenjangan: tanpa AI, alternatifnya sering kali tidak ada komunikasi sama sekali. Hal yang sama berlaku untuk membuat poin teknis yang padat dapat dipahami orang di luar bidang itu, atau untuk karyawan disleksia yang memakai AI untuk menyusun jawaban yang substansinya sepenuhnya ia tulis sendiri. Penggunaan ini tidak menghilangkan sinyal manusia yang penting; ia menghilangkan hambatan yang tidak pernah menjadi inti interaksi.

Penggunaan yang merusak menggantikan hal yang justru seharusnya dibuktikan oleh pesan itu dengan AI: bahwa seseorang secara khusus meluangkan waktu untuk memperhatikan, peduli, atau bertanggung jawab. Ucapan selamat ada untuk menandakan "saya memperhatikan dan saya ikut senang," bukan untuk mentransmisikan informasi secara efisien; jika AI yang menghasilkan sinyal itu, ia palsu meskipun kata-katanya hangat. Permintaan maaf ada untuk menandakan "saya memahami apa yang saya lakukan dan saya bertanggung jawab," dan permintaan maaf yang seluruhnya disusun AI membalik tujuannya sendiri. Makin besar tugas sebuah pesan untuk membuktikan sesuatu tentang perhatian pengirim, makin merusak penggantian oleh AI, sebagus apa pun keluarannya terbaca.

Norma Praktis yang Layak Ditetapkan

Kebanyakan tim tidak membutuhkan kebijakan komunikasi AI yang formal, cukup beberapa kesepakatan eksplisit yang menghilangkan tebak-tebakan.

Pertama, sepakati jenis pesan mana yang cukup krusial bagi hubungan sehingga harus Anda tulis sendiri. Apresiasi, umpan balik, permintaan maaf, dan apa pun yang menyinggung keadaan pribadi tertentu termasuk dalam daftar ini; pembaruan status dan penjadwalan tidak.

Kedua, jika Anda menyusun sesuatu yang krusial bagi hubungan dengan bantuan AI, tambahkan detail yang tidak mungkin diketahuinya: rujukan bersama atau pengamatan yang sungguh pribadi. Ini melawan nada generik yang memicu kecurigaan.

Ketiga, jangan perlakukan ringkasan rapat AI sebagai pengganti seseorang yang menambahkan dua baris penilaian tentang apa yang masih belum tuntas. Satu kebiasaan ini mencegah sebagian besar konflik "saya kira kita sudah sepakat soal itu" yang muncul berminggu-minggu setelah rapat yang dirangkum AI.

Keempat, perhatikan sisi mana dari lingkaran pengirim-penerima yang sedang Anda beri makan. Jika pesan keluar Anda terus-menerus lebih panjang dari yang dibenarkan isinya dan rekan tampak membaca sekilas alih-alih membaca, mengirim versi dua baris sendiri sering kali merupakan langkah yang lebih membangun kepercayaan, meskipun terlihat kurang rapi. Ini berkaitan dengan, tetapi berbeda dari, workslop, upaya, dan kepemilikan, yang membahas pekerjaan buatan AI yang dilimpahkan ke rekan tanpa ditinjau; versi komunikasinya adalah pesan yang dilimpahkan ke seseorang tanpa dibaca ulang lebih dulu oleh pengirimnya. Tim yang sedang mendefinisikan peran orkestrator, dan apa artinya menjaga penilaian tetap tajam sambil mendelegasikan lebih banyak penyusunan kepada AI, akan mengenali ketegangan yang sama di sini.

Ujian tertua untuk pesan kerja masih berlaku: apakah Anda akan nyaman jika penerima tahu persis seberapa banyak pemikiran Anda sendiri yang masuk ke dalamnya. AI tidak mengubah ujian itu, hanya membuatnya jauh lebih murah untuk gagal tanpa ada yang langsung menyadarinya.