Manajemen Kinerja Ketika AI yang Mengerjakan: Apa yang Dinilai Selain Output

Oleh Victor Hoang · Diperbarui 22 September 2026

Manajemen kinerja ketika AI yang mengerjakan berarti menggeser apa yang diberi skor, dari seberapa banyak yang dihasilkan seseorang menjadi penilaian di balik apa yang dihasilkannya: masalah yang ia pilih untuk diselesaikan, apa yang ia verifikasi sebelum mengirimkannya, apa yang sengaja ia tinggalkan, dan apakah ia membuat orang-orang di sekitarnya menjadi lebih baik. Volume output tak lagi menjadi sinyal yang andal begitu sebuah agen bisa menghasilkan sebagian besarnya dalam hitungan detik, dan proses penilaian yang masih berpatokan pada volume akhirnya menghargai siapa yang paling lantang menulis prompt, bukan siapa yang berpikir paling jernih.

Fakta Utama

• Hanya 13% pengguna AI yang sering memakainya mengatakan organisasi mereka menghargai pembaruan cara kerja dengan AI bahkan ketika hasilnya meleset, dan angka itu kira-kira berlipat dua untuk "Frontier Professionals" (26% vs. 11%). Sumber: Microsoft, 2026 Work Trend Index, "Agents, Human Agency, and the Opportunity for Every Organization"
• Data 2026 milik Microsoft sendiri membagi pengguna AI ke dalam peta kapabilitas yang timpang: 16% adalah "Frontier Professionals" dengan keterampilan sekaligus dukungan organisasi, 10% berada dalam "blocked agency" (terampil, tanpa dukungan), 16% "stalled" (keterampilan rendah, dukungan rendah), dan 50% berada di "emergent zone" yang belum berkembang. Sumber: Microsoft, 2026 Work Trend Index
• Karyawan yang manajernya aktif mendukung adopsi AI melaporkan engagement 48%, dibandingkan 30% bagi yang tanpa dukungan itu, dan peringkat produktivitas tertinggi naik tiga kali lipat ketika ada dukungan manajer (33% vs. 9%). Sumber: Gallup, "Employee Engagement Remains Flat as AI Adoption Accelerates," Juli 2026
• Analisis terhadap 623 juta perubahan kode dari 2023 hingga 2026 menemukan duplikasi kode naik 81% dan refaktor kode lama turun 74% sejak commit berbantuan AI menjadi lazim, bukti bahwa volume output yang naik dapat menutupi kualitas yang turun alih-alih membuktikan keterampilan yang meningkat. Sumber: GitClear/GitKraken research, dilaporkan oleh LeadDev, Juli 2026

Mengapa Volume Output Berhenti Menjadi Sinyal

Sepanjang sebagian besar sejarah kerja pengetahuan, seberapa banyak yang dihasilkan seseorang adalah pengganti yang layak untuk seberapa bagus orang itu. Lebih banyak tiket yang ditutup, lebih banyak baris yang dirilis, lebih banyak dek yang diselesaikan: semuanya berkorelasi longgar dengan keterampilan dan upaya, sehingga manajer bersandar padanya karena menghitung itu mudah dan menilai itu sulit.

AI memutus korelasi itu, bukan dengan membuat orang lebih buruk, tetapi dengan membuat proksinya tak bermakna. Ketika seorang analis junior dan seorang analis principal sama-sama bisa menghasilkan analisis pasar 12 halaman dalam satu sore dengan alat yang sama, jumlah halaman tak lagi membedakan mereka. Ini erosi yang sama yang ditelusuri Anak Tangga Pertama yang Patah pada tahap perekrutan, hanya saja di sini muncul di tengah karier, dalam penilaian: kesenjangan keterampilan antara kedua analis itu belum menutup, ia hanya pindah ke tempat yang tak terlihat oleh jumlah kata, yaitu apakah analisisnya mengajukan pertanyaan yang tepat dan apakah seseorang berani mempertaruhkan keputusan di atasnya.

Inilah Hukum Goodhart yang muncul di dalam sistem kinerja: ketika sebuah ukuran menjadi target, ia berhenti menjadi ukuran yang baik. Metrik output dulu proksi keterampilan yang masih tertoleransi karena sulit digelembungkan tanpa sekaligus mengerjakan hal yang lebih baik. AI membuatnya sangat mudah digelembungkan tanpa peningkatan penilaian yang sepadan, yang persis merupakan kondisi tempat sebuah metrik diam-diam berubah dari berguna menjadi menyesatkan. Tim yang terus menilai orang berdasarkan volume setelah pergeseran itu sedang mengukur siapa yang punya langganan AI paling murah hati dan paling sedikit ragu mengirim output yang belum ditinjau, terkait dengan apa yang didokumentasikan Workslop: Bagaimana Pekerjaan Sibuk Buatan AI Mengikis Upaya dan Kepemilikan dari sisi penerima: pekerjaan yang tampak selesai padahal tidak.

Volume juga tak lagi sebanding antarorang bahkan dengan niat baik. Dua karyawan dengan akses AI yang sama dapat menghasilkan volume yang sangat berbeda tergantung seberapa banyak verifikasi yang dilakukan masing-masing sebelum mengirim. Orang yang memeriksa pekerjaan agen dua kali lebih cermat akan, dengan wajar, menghasilkan volume mentah lebih sedikit daripada orang yang mengirim draf pertama. Sistem yang masih menghargai volume diam-diam menghukum pekerja yang lebih cermat, hampir kebalikan dari apa yang seharusnya dilakukan manajemen kinerja. Waktu pemeriksaan tambahan itu pun tidak gratis. Itu beban yang sama yang dijelaskan tempo dan burnout di era AI sebagai pajak verifikasi, jam-jam yang diasumsikan proses penilaian telah dibebaskan AI padahal sebenarnya hanya dipindahkan.

Apa yang Dinilai sebagai Gantinya

Jika volume tidak dipakai, penilaian harus beralih ke hal-hal yang lebih sulit dipalsukan dan lebih sulit digelembungkan dengan prompt yang lebih baik. Empat hal bertahan cukup baik.

Penilaian dan perumusan masalah

Sebelum ada yang menghasilkan apa pun, seseorang memutuskan masalah apa yang layak diselesaikan dan bagaimana membingkainya. Keputusan itu tak terlihat dalam output akhir dan sepenuhnya milik manusia. Tanyakan apa yang dipilih orang itu untuk dikerjakan dan pembingkaian alternatif apa yang ia tolak, serta mengapa. Jawaban yang kuat di sini mengalahkan deliverable yang mengilap, karena deliverable mengilap yang menjawab pertanyaan yang salah lebih buruk daripada tak berguna: ia mahal dan meyakinkan.

Kualitas verifikasi

Jarak antara "AI menghasilkan ini" dan "ini benar" adalah tempat sebagian besar pekerjaan nyata kini berlangsung, dan itulah persis jarak yang dibahas Menjaga Ketajaman Penilaian Manusia: Paradoks De-Skilling AI di Tempat Kerja dari sisi keterampilan. Nilai bagaimana seseorang memverifikasi sebuah klaim, angka, atau rekomendasi sebelum keluar pintu, bukan apakah ia memakai AI untuk menyusunnya. Apakah ia memeriksa sumber di balik statistik yang dikutip? Apakah ia menghitung angkanya dengan cara kedua? Apakah ia menguji rekomendasi terhadap bantahan yang jelas? Orang yang menangkap kesalahan agennya sendiri sebelum klien melihatnya sedang mengerjakan tugasnya. Orang yang meneruskan kesalahan itu tidak, secepat apa pun keduanya bekerja.

Apa yang dipilih untuk tidak dikirim

Sinyal yang diremehkan: pengendalian diri. AI membuat menghasilkan lima versi apa pun menjadi murah, sehingga mengirim draf keempat yang biasa saja alih-alih satu putaran perbaikan lagi kini adalah pilihan, bukan kendala waktu. Tanyakan apa yang dipotong, disederhanakan, atau tidak dikirim seseorang karena belum cukup baik. Ini proksi yang layak untuk standar di dunia tempat "saya kehabisan waktu" jauh lebih lemah sebagai alasan dibanding dulu.

Bagaimana mereka meningkatkan kapabilitas tim

Sebagian pekerjaan berdampak terbesar dalam tim yang jenuh AI tak terlihat dalam output individu mana pun: template prompt yang dibuat dan dibagikan seseorang, daftar periksa verifikasi yang ditulisnya setelah menangkap output agen yang buruk, rekan junior yang ia dampingi memahami mengapa sebuah rekomendasi salah. Metrik Budaya yang Penting (dan Metrik Semu yang Perlu Ditinggalkan) menyampaikan argumen yang lebih luas untuk melacak perilaku seperti ini alih-alih hitungan semu; penilaian kinerja seharusnya melakukan hal yang sama di tingkat individu. Anggota tim yang outputnya tampak rata-rata tetapi membuat tiga rekan menjadi lebih baik secara terukur sering kali adalah orang yang paling tidak ingin Anda lepas.

Sinyal Lama vs. Sinyal Baru

Sinyal lama menghitung kecepatan, volume, dan kerapian. Sinyal baru memeriksa perumusan, verifikasi, kemampuan mempertahankan hasil, dan apakah hasilnya bertahan diuji.

Masalah Keadilan: Akses dan Keterampilan AI Tidak Terdistribusi Merata

Sistem kinerja yang diam-diam mengasumsikan semua orang memiliki kapabilitas AI yang sama sedang membandingkan orang di lapangan yang timpang dan menyebutnya adil. Work Trend Index 2026 milik Microsoft sendiri membagi pengguna AI yang disurvei ke dalam peta kasar empat arah: 16% adalah "Frontier Professionals" dengan keterampilan dan dukungan organisasi untuk memakai agen pada pekerjaan kompleks; 10% adalah "blocked agency", terampil tetapi tanpa lisensi atau dukungan untuk memakainya; 16% "stalled", tanpa keduanya; dan sekitar separuh berada di zona tengah yang belum berkembang. Dua karyawan dengan bakat setara bisa mendarat di kelompok yang sangat berbeda tergantung tim mereka atau alat apa yang disetujui manajernya.

Hal itu berdampak langsung pada penilaian. Jika manajer satu orang menyediakan seat AI kelas frontier dan aktif membimbing penggunaannya, sedangkan manajer yang lain tidak, membandingkan output mereka secara langsung mengukur keputusan penyediaan sang manajer, bukan orangnya. Data Gallup Juli 2026 menguatkan ini dari sudut lain: karyawan yang manajernya aktif mendukung penggunaan AI melaporkan engagement 48% dibandingkan 30% bagi yang tanpa dukungan itu, dan peningkatan produktivitas tertinggi yang dilaporkan sendiri hampir empat kali lipat dengan dukungan manajer (33% vs. 9%). Manajer, bukan hanya karyawan, adalah masukan utama bagi seberapa banyak output berbantuan AI yang masuk akal dihasilkan seseorang.

Ada juga versi kesenjangan keterampilan dari masalah yang sama, terpisah dari akses. Sebagian orang belajar menulis prompt yang spesifik dan dapat diverifikasi lalu memeriksa hasilnya; yang lain menerima apa pun yang kembali pertama kali. Keduanya tidak muncul sebagai perbedaan upaya. Ia muncul sebagai perbedaan penilaian, yang kebetulan menghindari masalah akses: nilai pemikirannya, bukan throughput-nya, dan akses yang timpang menjadi jauh kurang penting. Hitungan keadilan yang sama berlanjut langsung ke gaji: lihat kompensasi dan keadilan di era AI untuk apa yang rusak ketika output satu orang yang memanfaatkan AI tampak, di atas kertas, seperti output lima orang.

Penetapan Sasaran yang Bertahan dari Throughput yang Digelembungkan AI

Sebagian besar kerangka sasaran dibangun dengan asumsi ada batas atas kasar pada seberapa cepat seseorang dapat berproduksi. AI menghilangkan batas itu untuk sebagian tugas dan membiarkannya utuh untuk yang lain, sehingga sasaran yang ditulis sebelum pergeseran itu sering menjadi terlalu mudah atau tidak bermakna secara tidak sengaja dalam satu kuartal. Paradoks Produktivitas AI adalah versi tingkat organisasi dari masalah ini: adopsi tinggi dan dampak bisnis terukur tidak mengikuti dengan laju yang sama, yang menjadi alasan untuk tidak memercayai sasaran apa pun yang menganggap "lebih banyak memakai AI" otomatis setara dengan "memberi lebih banyak nilai".

Beberapa penyesuaian bertahan:

• Kaitkan sasaran dengan hasil yang dapat diverifikasi bisnis, bukan aktivitas yang dapat digelembungkan karyawan. "Terbitkan 20 artikel" kini sasaran yang buruk karena dapat dicapai dengan output yang belum ditinjau. "Tingkatkan rasio lead berkualitas dari konten organik sebesar X%" bertahan, karena AI tidak dapat memalsukan konversi.
• Tetapkan standar verifikasi berdampingan dengan target throughput, secara eksplisit. Jika sasarannya melibatkan output berbantuan AI, sebutkan apa arti "sudah ditinjau" untuk jenis pekerjaan itu, bukan sebagai aspirasi yang samar tetapi sebagai daftar periksa yang dapat dipertanggungjawabkan seseorang.
• Tinjau sasaran lebih sering daripada siklus tahunan atau semesteran yang lama. Target yang ditetapkan dengan asumsi kapabilitas alat kuartal lalu bisa usang dalam hitungan bulan mengingat cepatnya kapabilitas agen bergerak; sasaran yang masuk akal pada Januari bisa terlalu ringan pada Juni karena alasan yang tak ada hubungannya dengan perkembangan orang itu.
• Pisahkan "apakah lebih banyak yang dirilis" dari "apakah orang itu menjadi lebih baik". Manajer dapat melacak keduanya, tetapi keduanya mengukur hal berbeda, dan hanya yang kedua yang termasuk dalam percakapan kompetensi atau promosi.
• Tulis sasaran yang tidak dapat dicapai seseorang hanya dengan menulis prompt lebih keras. Jika target bisa dipenuhi seluruhnya dengan menghasilkan lebih banyak output AI tanpa penilaian tambahan, ia tidak mengukur hal yang justru menjadi alasan manajemen kinerja ada.

Memandu Percakapan Penilaian di Dunia Ini

Mekanisme percakapan berubah lebih sedikit daripada substansinya, tetapi beberapa kebiasaan lebih penting sekarang daripada lima tahun lalu.

Minta "tunjukkan", bukan "ceritakan"

Alih-alih meminta seseorang merangkum pencapaiannya, ajak mereka menelusuri satu pekerjaan dari ujung ke ujung: apa yang mereka minta dari AI, apa yang kembali, apa yang mereka ubah, dan mengapa. Ini memunculkan penilaian dengan cara yang tidak bisa dilakukan ringkasan hasil, dan juga saat yang wajar untuk menanyakan bagaimana AI mengubah pendekatan mereka terhadap pekerjaan itu sendiri, bukan hanya outputnya.

Pisahkan penilaian atas pekerjaan dari penilaian atas orangnya

Sebuah deliverable bisa luar biasa karena alatnya luar biasa. Tanyakan langsung: bagian mana dari ini yang akan berbeda jika orang yang kurang terampil memakai alat yang sama? Jika jawaban jujurnya "tidak banyak", deliverable itu bukti yang lemah untuk penilaian, sebagus apa pun tampilannya di halaman. Di sinilah akuntabilitas diputuskan dalam praktik: Cara Membangun Budaya Akuntabilitas berargumen bahwa kepemilikan harus melekat pada orang, bukan alat, dan penilaian adalah tempat prinsip itu bertahan atau diam-diam bergeser.

Sebutkan ekspektasi kefasihan AI alih-alih membiarkannya tersirat

Data Microsoft 2026 menemukan hanya 13% pengguna AI yang merasa dihargai karena memperbarui alur kerja mereka dengan AI, bahkan ketika hasilnya meleset, kesenjangan yang disebutnya "Transformation Paradox": orang siap mengubah cara kerja mereka, tetapi insentifnya belum menyusul. Menutup kesenjangan itu dimulai dengan menyatakan secara terang, dalam penilaian, seperti apa penggunaan AI yang baik untuk peran itu, alih-alih mengasumsikan semua orang sudah tahu.

Sediakan ruang untuk "saya memilih tidak memakainya di sini"

Kadang keputusan yang tepat adalah tidak memakai AI sama sekali: draf yang sensitif bagi klien, negosiasi yang sarat penilaian, tulisan yang membutuhkan suara tertentu. Penilaian yang secara implisit menghargai penggunaan AI di mana-mana melatih orang meraihnya bahkan ketika itu alat yang salah.

Risiko yang Jujur: Perusahaan Hanya Menaikkan Kuota

Tidak satu pun dari ini berhasil jika pimpinan menanggapi output yang digelembungkan AI dengan sekadar menaikkan standar dan menyebut garis dasar baru itu "kinerja". Ini tidak memerlukan pemikiran: jika tim mengirim 20 laporan sebulan dan AI membuat 35 dapat dicapai, tetapkan target baru 35 dan nyatakan pekerjaannya tidak berubah. Itu bukan manajemen kinerja yang beradaptasi dengan AI. Itu memeras lebih banyak output dari jumlah karyawan yang sama sambil diam-diam mendefinisikan ulang "memenuhi ekspektasi" ke atas, tanpa bertanya apakah 15 laporan tambahan itu bagus atau apakah ada yang sempat memverifikasinya.

Di sinilah masalah keadilan dan masalah pengukuran bertemu. Kuota yang dinaikkan agar sesuai throughput berbantuan AI mengasumsikan akses dan keterampilan yang merata di seluruh tim, yang sudah ditunjukkan artikel ini runtuh dalam praktik. Ia juga mengasumsikan output tambahan bernilai sama dengan yang awal, yang menurut riset GitClear tidak aman: commit berbantuan AI di sana naik bersamaan dengan lonjakan 81% kode duplikat dan penurunan 74% refaktor kode lama, lebih banyak output dan kualitas yang lebih buruk sekaligus. Tim penjualan, dukungan, atau konten sebaiknya mengajukan pertanyaan yang sama terhadap angkanya sendiri sebelum memperlakukannya sebagai batas bawah baru.

Versi jujur dari transisi ini lebih lambat dan kurang sedap bagi slide deck tim pimpinan: sebagian waktu yang dibeli kembali oleh AI sebaiknya dipakai untuk verifikasi, sebagian untuk meningkatkan kapabilitas kolektif tim, dan hanya sebagian untuk tambahan throughput mentah. Perusahaan yang menjadikan seluruhnya throughput dan menyebut hasilnya "kinerja" sedang memeras orangnya lebih keras dan menyerahkan pembukuannya kepada chatbot. Organisasi yang melakukannya dengan benar adalah yang pemimpinnya bisa menyatakan secara spesifik apa yang mereka minta dilakukan karyawan secara berbeda sekarang setelah mesin dapat membuat draf pertama, termasuk bahwa sebagian jawabannya adalah "hasilkan output mentah lebih sedikit, tetapi berdirilah sepenuhnya di belakang lebih banyak dari itu". Bersikap eksplisit tentang pertukaran itu, dengan lantang, persis yang dikatakan kontrak sosial AI di tempat kerja sebagai utang pemberi kerja kepada karyawan, alih-alih diam-diam mendefinisikan ulang "memenuhi ekspektasi" ke atas dan berharap tak ada yang bertanya mengapa.

Untuk sisi desain organisasi dari pergeseran ini, termasuk bagaimana rentang kendali berubah ketika seorang manajer mengawasi lebih sedikit orang yang mengerjakan pekerjaan yang lebih berat verifikasi, lihat Dari Pelaksana menjadi Orkestrator: Bagaimana AI Menulis Ulang Pekerjaan Kontributor Individual dan Keterampilan Pelengkap AI: Apa yang Sebenarnya Perlu Direkrut dan Dikembangkan Sekarang.