Kesenjangan Adopsi AI: Tenaga Kerja Dua Kecepatan di Dalam Perusahaan Anda

Oleh Victor Hoang · Diperbarui 22 September 2026

Kesenjangan adopsi AI adalah jurang di dalam satu perusahaan antara karyawan yang telah merombak alur kerja hariannya dengan AI dan mereka yang masih jarang atau sama sekali tidak memakainya. Kesenjangan ini lebih dipengaruhi oleh peran, perilaku manajer, persepsi risiko pekerjaan, akses alat, dan rasa percaya diri daripada oleh usia, dan jika dibiarkan akan menumpuk: kelompok cepat makin cepat dan makin terlihat, kelompok lambat makin tertinggal dan mulai tampak seperti sumber masalah.

Jika Anda memimpin sebuah tim, Anda mungkin sudah menyadarinya tanpa survei. Segelintir orang diam-diam telah mengubah cara mereka menyusun draf, meneliti, dan merencanakan. Kelompok yang lebih besar sesekali membuka alat AI, mendapat satu hasil yang tidak andal, lalu berhenti. Dan kelompok ketiga melakukan sesuatu di antaranya yang sama sekali tidak terlihat oleh pimpinan, karena terjadi di akun pribadi di luar alat perusahaan mana pun.

Fakta Utama

• Penggunaan AI harian meningkat tajam seiring senioritas: 43% eksekutif memakai AI setiap hari, dibandingkan 35% senior manager, 23% manajer menengah, dan sekitar 10% kontributor individu (Slack Workforce Index, "The New AI Advantage," 2025).
• Karyawan yang sangat setuju bahwa manajernya aktif mendukung penggunaan AI berpeluang 2,1 kali lebih besar memakainya beberapa kali seminggu atau lebih, tetapi hanya 28% karyawan di perusahaan yang sedang meluncurkan AI mengatakan manajernya aktif mendukungnya (Gallup, "Manager Support Drives Employee AI Adoption," Mei 2025, n=19.043 orang dewasa yang bekerja di AS).
• 78% pengguna AI membawa alat AI mereka sendiri ke tempat kerja alih-alih memakai yang disahkan perusahaan, dan 52% enggan mengakui memakai AI untuk tugas terpenting mereka (Microsoft Work Trend Index 2024, "AI at Work Is Here, Now Comes the Hard Part," survei terhadap 31.000 pekerja di 31 negara).
• 69% pemimpin memakai AI secara rutin di tempat kerja dibandingkan 45% karyawan, dan 78% pemimpin memercayai AI untuk pekerjaan berisiko tinggi dibandingkan 66% karyawan (Microsoft Work Trend Index 2025, "2025: The Year the Frontier Firm Is Born").
• 57% karyawan mengaku menyembunyikan penggunaan AI mereka dan menyajikan pekerjaan buatan AI sebagai karya sendiri, dan sekitar separuh mengatakan memakai AI dengan cara yang melanggar kebijakan perusahaan, termasuk menempelkan data sensitif ke alat publik gratis (KPMG dan University of Melbourne, "Trust, Attitudes and Use of Artificial Intelligence: A Global Study 2025," 48.000+ responden di 47 negara).
• 52% pekerja AS mengatakan khawatir tentang dampak AI di masa depan terhadap pekerjaan mereka, 32% memperkirakan itu berarti lebih sedikit peluang bagi mereka dalam jangka panjang, dan hanya 6% memperkirakan lebih banyak (Pew Research Center, "U.S. Workers Are More Worried Than Hopeful About Future AI Use in the Workplace," Februari 2025, n=5.273).

Ini Sebenarnya Bukan Cerita Antargenerasi

Penjelasan mudah untuk tenaga kerja yang tidak merata dalam memakai AI adalah usia: anak muda tumbuh dengan internet, yang lebih tua kukuh pada kebiasaannya. Data tidak mendukung itu sebagai cerita utamanya.

Microsoft Work Trend Index 2024 memerinci adopsi BYOAI (bring-your-own-AI) menurut generasi dan menemukan rentang yang jauh lebih sempit daripada yang diprediksi stereotipnya: 85% Gen Z, 78% milenial, 76% Gen X, dan 73% baby boomer dan yang lebih tua semuanya melaporkan membawa alat AI pribadi ke tempat kerja. Itu selisih 12 poin di empat generasi, semuanya mengelompok jauh di atas tiga dari empat.

Bandingkan dengan selisih senioritas dalam Slack Workforce Index 2025: 43% eksekutif memakai AI setiap hari dibandingkan sekitar 10% kontributor individu, selisih 33 poin, hampir tiga kali lebih lebar daripada seluruh selisih antargenerasi. Jika usia menjelaskan kesenjangan ini, angka penggunaan harian akan mengikuti tahun kelahiran. Angka itu justru mengikuti posisi di bagan organisasi, yang menunjuk ke sesuatu yang lebih berguna: peran, insentif, dan akses, bukan usia kalender.

Memperlakukan ini sebagai masalah generasi juga membebaskan pimpinan dari tanggung jawab. "Staf yang lebih muda akan menarik yang lebih tua" tidak menuntut apa pun dari organisasi. Pengungkit yang sebenarnya ada pada manajer, perancangan peran, dan perangkat, semuanya hal yang bisa langsung dikerjakan perusahaan.

Apa yang Sebenarnya Mendorong Kesenjangan

Peran dan kecocokan tugas yang sesungguhnya

Sebagian peran punya kecocokan tugas dengan AI yang jelas: menyusun draf, merangkum, riset tahap awal, dan perancah kode selaras dengan apa yang dikerjakan baik oleh alat saat ini. Peran yang berpusat pada kehadiran fisik, keputusan penilaian waktu nyata, atau dokumentasi yang diatur regulasi memiliki kasus penggunaan yang memang lebih tipis hari ini. Sebagian dari yang tampak seperti penolakan adalah penilaian tugas yang akurat, dan mewajibkan alat pada pekerjaan yang tidak dibantunya juga menumbuhkan sikap sinis terhadap peluncuran berikutnya.

Perilaku dan keteladanan manajer

Inilah pengungkit tunggal yang paling terukur dalam data. Gallup menemukan karyawan berpeluang 2,1 kali lebih besar memakai AI secara rutin ketika manajernya mendukungnya secara nyata dan aktif, namun hanya 28% yang mengatakan dukungan itu benar-benar ada. Manajer menengah sendiri menunjukkan penggunaan harian pribadi yang lebih rendah (23%) daripada eksekutif (43%) dalam data Slack, artinya banyak manajer diminta menjadi juara bagi alat yang belum mereka kuasai dengan fasih. Anda tidak bisa membimbing apa yang belum Anda kerjakan. Pekerjaan manajer menengah sudah dibentuk ulang oleh AI dengan cara yang membuat ini makin sulit, karena manajer yang sama menyerap ekspektasi baru dari atas sambil berusaha meneladankan perilaku baru ke bawah.

Persepsi risiko pekerjaan

Pew menemukan 52% pekerja khawatir tentang dampak AI di tempat kerja nanti dan 32% memperkirakan itu akan mengurangi peluang mereka sendiri, dibandingkan hanya 6% yang memperkirakan lebih banyak. Jika sebagian besar tenaga kerja yakin bahwa menjadi terlihat mahir dengan AI bisa mempercepat posisinya sendiri menjadi tidak diperlukan, adopsi yang lambat adalah lindung nilai yang rasional, bukan cacat karakter. Tidak ada yang bersemangat mengoptimalkan masa depan yang menurutnya berakhir dengan hilangnya perannya sendiri.

Akses alat, kebijakan, dan pelatihan

Studi global KPMG menemukan hanya 40% tempat kerja yang memiliki kebijakan apa pun tentang penggunaan AI generatif, dan hanya 47% pekerja melaporkan menerima pelatihan tentangnya. Tanpa alat, aturan, dan instruksi yang jelas, orang beralih ke apa pun yang paling mudah dijangkau, jarang yang berupa opsi yang disahkan, dan jurang itulah yang menghasilkan dinamika shadow AI yang dibahas di bawah.

Rasa percaya diri yang dibangun lewat pengulangan

Keterampilan dan rasa percaya diri berkembang seperti kapabilitas lainnya: repetisi awal membangun kefasihan, kefasihan membangun kepercayaan pada keluaran, dan kepercayaan mendorong penggunaan lebih banyak. Orang yang mencoba alat sekali, mendapat hasil biasa saja pada masalah sulit, dan tidak pernah kembali terjebak di dasar kurva yang sudah didaki kelompok percaya diri berbulan-bulan lalu. Keterampilan kini punya paruh waktu yang lebih pendek, dan sesi pelatihan sekali jalan tidak memperbaiki kesenjangan percaya diri yang hanya tertutup melalui penggunaan berulang berisiko rendah.

Alasan Sah di Balik Sikap "Penolak"

Menggoda untuk memilah karyawan menjadi "pengadopsi" dan "penolak" lalu memperlakukan kelompok kedua sebagai masalah yang harus disingkirkan. Bukti, dan keadilan sederhana, tidak mendukung bingkai itu.

Sebagian yang bertahan sedang melindungi kualitas yang menjadi tanggung jawab mereka. KPMG menemukan 66% pekerja mengandalkan keluaran AI tanpa mengevaluasi akurasinya, dan 56% melaporkan membuat kesalahan karenanya. Orang yang pernah melihat analisis buatan AI milik rekannya dikoreksi di depan klien punya alasan wajar untuk berhati-hati, terutama jika ia yang akan dimintai pertanggungjawaban di lain waktu.

Sebagian melindungi diri dari akuntabilitas yang ambigu. Jika tidak ada kebijakan tentang siapa yang memiliki kesalahan yang dibantu AI, langkah teraman adalah mempertahankan versi proses khusus manusia sampai ambiguitas itu terselesaikan. Itu bukan takut perubahan; itu pembacaan yang sehat atas sistem yang belum lengkap.

Dan sebagian menunggu hingga alat itu sepadan dengan biaya peralihannya, karena mengadopsi cara kerja baru memakan waktu sekarang untuk imbalan yang belum dijamin sampai kefasihan terbangun. Itu masalah rasa percaya diri yang bisa ditangani organisasi, bukan masalah motivasi yang perlu dihukum.

Tidak satu pun dari ini berarti berdiam diri. Artinya membangun argumen, pelatihan, dan pagar pengaman sebelum mengharapkan seperempat tenaga kerja yang paling lambat menutup jurang hanya dengan kemauan.

Shadow AI: Ketika Alat Resmi Tertinggal dari yang Sudah Dipakai Orang

Bagian paling mengganggu dari kesenjangan ini bukan jurang yang terlihat antara pengguna berat dan ringan. Melainkan lapisan tak kasatmata di bawahnya. Microsoft menemukan 78% pengguna AI membawa alat pribadi ke tempat kerja alih-alih yang disahkan, naik menjadi 80% di perusahaan kecil dan menengah, dan 52% enggan mengakui memakai AI untuk pekerjaan terpenting mereka. Studi global KPMG mempertajam gambarnya: 57% karyawan mengaku menyembunyikan penggunaan AI mereka dan menyajikan pekerjaan buatan AI sebagai karya sendiri, dan sekitar separuh mengatakan pernah memakai AI dengan cara yang melanggar kebijakan perusahaan, termasuk menempelkan data sensitif perusahaan ke alat publik gratis.

Dasbor adopsi resmi mengukur hal yang salah. Perusahaan yang mengira punya masalah adopsi 20% berdasarkan login ke alat yang disahkannya mungkin memiliki tenaga kerja yang memakai AI pada tingkat jauh lebih tinggi, hanya saja bukan melalui saluran yang bisa ia lihat, amankan, atau pelajari. Pola ini punya nama: shadow AI, dinamika yang sama di balik shadow IT satu dekade lalu, kini bergerak lebih cepat karena alatnya gratis dan sama sekali tidak butuh persetujuan pengadaan.

Shadow AI biasanya bukan pembangkangan. Itu orang yang memecahkan masalah yang belum dipecahkan peluncuran resmi: alat yang disahkan kikuk, lambat disetujui, atau tidak punya kapabilitas yang sudah dimiliki akun pribadi. Solusinya bukan penindakan; melarang alat tak resmi tanpa menawarkan alat resmi yang layak hanya mendorong perilaku itu makin tersembunyi, tepat ketika perusahaan paling membutuhkan visibilitas atas bagaimana pekerjaan sebenarnya dilakukan.

Pendorong, Gejala, dan Solusi Sekilas

Konsekuensi Keadilan dan Kinerja dari Medan yang Tidak Rata

Kesenjangan adopsi yang tidak dikelola tidak akan tetap datar. Ia menumpuk dengan cara yang muncul dalam penilaian, gaji, dan siapa yang mendapat penugasan menantang berikutnya.

Kelompok pengadopsi cepat membangun rekam jejak yang terlihat lebih cepat: lebih banyak keluaran, perputaran lebih cepat, lebih banyak peluang bersinar pada pekerjaan menantang. Manajer, sering tanpa sengaja, mulai membaca "nyaman dengan AI" sebagai proksi untuk "berkinerja tinggi", bahkan ketika kualitas penilaian kedua karyawan sama. Manajemen kinerja yang dirancang untuk tim yang diperkuat AI harus memisahkan kedua hal itu dengan sengaja, atau metrik proksi yang menghargai penggunaan alat yang terlihat di atas penilaian sesungguhnya akan diam-diam menghukum orang yang punya alasan sah untuk berhati-hati.

Kelompok pengadopsi lebih lambat sering tahu persis apa yang terjadi. Mereka melihat rekan bergerak lebih cepat, merasakan pergeseran status, lalu entah memaksa diri memakai alat yang belum mereka percayai demi mengikuti, atau menarik diri dari perlombaan yang mereka simpulkan tidak bisa dimenangkan. Keduanya bukan hasil yang baik; yang pertama mengundang jalan pintas yang sudah diperingatkan angka akurasi KPMG, yang kedua diam-diam kehilangan orang yang cakap. Di sinilah kesenjangan berhenti menjadi isu produktivitas dan menjadi isu kepercayaan: tim yang tidak merasa aman mengakui "saya belum paham ini" justru menyembunyikannya, naluri yang sama di balik angka 57% yang menyembunyikan penggunaan di atas, hanya saja diekspresikan di dalam tim, bukan di luarnya. Keamanan psikologis di dalam tim pengguna AI menentukan apakah pengakuan itu terjadi secara terbuka, tempat ia bisa dibimbing, atau secara pribadi.

Dibiarkan cukup lama, kedua kelompok memilah diri ke dalam kubu informal: orang yang membicarakan prompt secara terbuka, dan orang yang berhenti membahasnya. Itulah bentuk awal subkultur yang terbentuk di sekitar keluhan bersama atau keuntungan bersama, dan subkultur yang dibangun di sekitar siapa yang berkuasa sulit dibubarkan begitu mengeras menjadi identitas.

Cara Menutup Kesenjangan Tanpa Mewajibkan Antusiasme

Anda tidak bisa mewajibkan rasa percaya diri, dan mencobanya biasanya berbalik merugikan. Yang bisa Anda lakukan adalah menyingkirkan hambatan spesifik yang terbukti di atas, satu per satu.

Perbaiki alat dan kebijakan sebelum memperbaiki orangnya

Jika 78% pengguna AI Anda sudah menghindari alat yang Anda sahkan, alat dan kebijakan di sekitarnya adalah hal pertama yang perlu diperbaiki, bukan karyawannya. Hadirkan sesuatu yang benar-benar akan dipilih orang untuk dipakai, tulis kebijakan dalam bahasa lugas, cakup apa yang terjadi ketika AI membuat kesalahan, dan buat opsi yang disahkan lebih mudah dijangkau daripada jalan pintasnya. Meminta orang meninggalkan kebiasaan shadow yang berhasil demi alat resmi yang lebih buruk hanya mengajari mereka menyembunyikan alat berikutnya dengan lebih baik.

Buat manajer memakainya sebelum meminta tim mereka melakukannya

Pengali 2,1x dari Gallup adalah angka berdaya ungkit tertinggi dalam topik ini. Investasikan waktu pelatihan dan akuntabilitas nyata pada manajer lebih dulu, agar mereka bisa berbicara dari pengalaman terbaru mereka sendiri, termasuk kesalahan mereka, bukan dari poin bicara slide. Manajer yang bisa berkata "inilah bagian yang terbantu dan bagian yang menyesatkan saya" mendapat kepercayaan jauh lebih besar daripada yang hanya bisa berkata "kantor pusat ingin adopsi naik".

Pisahkan "harus mencoba" dari "harus langsung unggul"

Latihan terstruktur berisiko rendah pada pekerjaan nyata tetapi tidak kritis menutup kesenjangan percaya diri yang tidak bisa ditutup oleh satu sesi pelatihan. Keterampilan yang layak dibangun di seputar AI adalah penilaian, verifikasi, dan prompting spesifik domain, dan ketiganya hanya datang dari pengulangan.

Ukur alur kerjanya, bukan alatnya

Hargai hasil: kualitas, waktu siklus, tingkat kesalahan. Jangan menghargai penggunaan AI yang terlihat sebagai pengganti kompetensi, dan audit penilaian untuk bahasa yang diam-diam melakukannya. Kesenjangan yang lebih luas antara adopsi dan dampak ada di tingkat perusahaan karena alasan yang sama: penggunaan mudah dilihat dan dihargai, dan proksi yang buruk untuk apa yang penting.

Tanggapi keberatan yang sah dengan serius, secara terbuka

Ketika seseorang mengajukan kekhawatiran akurasi, pertanyaan akuntabilitas, atau cemas soal keamanan kerja, perlakukan itu sebagai informasi nyata tentang peluncuran, bukan masalah yang harus dihindari. Budaya yang benar-benar siap AI dibangun sebagian dari cara organisasi menangani para skeptisnya, karena cara pimpinan menanggapi keberatan jujur pertama menetapkan norma apakah lima puluh orang berikutnya menyampaikan keberatannya secara terbuka atau diam-diam tetap bekerja dengan cara lama. Dan penilaian yang sehat tidak menjadi kurang berharga seiring meningkatnya penggunaan AI; tenaga kerja yang cukup percaya diri untuk berkata "saya belum memercayai keluaran ini" menunjukkan persis ketajaman yang dibutuhkan ketika taruhannya makin tinggi.

Bayangkan dua orang di tim yang sama enam bulan dari sekarang. Yang satu mempelajari alat itu sendirian, di waktunya sendiri, dan diam-diam cemas setiap penilaian kini dinilai dengan kurva yang tidak ia ketahui keberadaannya. Yang lain punya manajer yang memakainya lebih dulu, kebijakan yang melindunginya saat alat itu salah, dan beberapa minggu berisiko rendah untuk membiasakan diri sebelum ada yang menilai keluarannya. Perusahaan sama, alat sama, peluang keberhasilan sama sekali berbeda. Menutup kesenjangan berarti memastikan setiap karyawan mendapat versi kedua dari cerita itu, bukan hanya mereka yang kebetulan masuk tim yang tepat.