OpenAI Petakan 165 Aktivitas Kerja Pengguna ChatGPT untuk Memahami Pola Kerja

OpenAI memetakan penggunaan ChatGPT untuk kerja ke dalam 165 aktivitas kerja di hampir 100 negara. Data ini bukan daftar pekerjaan yang akan digantikan AI. Nilai utamanya ada pada cara baru untuk melihat tugas yang benar-benar dibawa pengguna ke ChatGPT, lalu menilai bagian workflow mana yang layak diuji oleh tim.

Menurut OpenAI, datanya mencakup periode kuartal pertama 2025 sampai kuartal ketiga 2026. Aktivitas yang terlihat mencakup penyusunan materi pembelajaran, pembuatan konten pemasaran, pemrograman, dan analisis data bisnis. Bagi bisnis, temuan ini lebih berguna sebagai bahan audit pekerjaan daripada alasan untuk langsung membeli tool baru.

Cara membaca kategori IWA dalam data OpenAI

OpenAI Signals menghubungkan pesan terkait pekerjaan di ChatGPT dengan 165 kategori Intermediate Work Activities atau IWA. IWA adalah kelompok aktivitas yang dipakai lintas profesi. Kategori ini tidak menyatakan bahwa ada 165 jabatan baru, juga tidak menjelaskan keseluruhan tanggung jawab seseorang di tempat kerja.

Menurut OpenAI, IWA mengacu pada O*NET, kerangka yang mengelompokkan tugas spesifik profesi ke kategori aktivitas yang lebih luas. Kerangka bersama ini memungkinkan peneliti membandingkan pola penggunaan ChatGPT dengan data profesi atau ketenagakerjaan lain. Yang dipetakan tetap aktivitas dalam percakapan ChatGPT, bukan seluruh pekerjaan pengguna.

Perbedaannya penting. Meminta ChatGPT membuat kerangka presentasi adalah aktivitas kerja. Menentukan pesan untuk klien, memverifikasi angka, menyetujui desain, dan bertanggung jawab atas hasil presentasi tetap merupakan pekerjaan manusia. Peta aktivitas menunjukkan titik interaksi dengan AI, bukan pengalihan penuh atas akuntabilitas.

Temuan utama yang perlu dibaca dengan tepat

Penggunaan ChatGPT terkait kerja menjadi kurang terkonsentrasi pada aktivitas paling umum. Menurut OpenAI, pada 74 negara yang muncul dalam setiap kuartal pengamatan, 10 aktivitas teratas menyumbang rata-rata 51,1% pesan kerja terklasifikasi pada kuartal ketiga 2026.

Angka tersebut menunjukkan sebaran penggunaan yang makin luas dalam data OpenAI. Ini bukan bukti bahwa produktivitas meningkat, biaya tenaga kerja turun, atau kualitas keputusan membaik. OpenAI sendiri menyatakan perbedaan pola antarnegara dapat mencerminkan variasi jenis pekerjaan maupun perbedaan akses terhadap alat AI.

Pembaca juga perlu menghindari kesimpulan bahwa aktivitas populer pasti paling bernilai. Tugas menyusun draf mungkin sering dilakukan, tetapi dampaknya terbatas bila proses persetujuan, sumber data, atau sistem kerja setelahnya masih lambat. Karena itu, frekuensi penggunaan perlu dibaca bersama risiko, waktu review, dan kualitas output.

Dari data penggunaan ke peta workflow bisnis

Cara memakai temuan OpenAI dalam bisnis adalah memetakan aktivitas tim sebelum memilih teknologi. Cari pekerjaan berulang dengan input yang cukup jelas, hasil yang bisa ditinjau, serta pemilik keputusan yang sudah diketahui. Hindari memulai dengan pertanyaan tool apa yang sedang tren.

Sebagai ilustrasi hipotetis, tim pemasaran menerima ringkasan wawancara pelanggan dari beberapa kanal. Mereka dapat mencatat proses saat ini: admin mengumpulkan catatan, analis membaca satu per satu, lalu editor menyusun tema untuk materi kampanye. Tim kemudian menguji ChatGPT hanya untuk membuat ringkasan awal dan mengelompokkan tema. Editor tetap memeriksa kutipan, konteks, serta klaim sebelum materi dipublikasikan.

Audit sederhana dapat memakai lima pertanyaan berikut:

1. Aktivitas apa yang paling sering diulang?
2. Input apa yang dibutuhkan dan apakah datanya boleh diproses dengan AI?
3. Output seperti apa yang dapat diperiksa manusia?
4. Siapa yang menyetujui hasil sebelum dipakai?
5. Apa dampaknya bila klasifikasi, ringkasan, atau draf tersebut salah?

Jawaban atas pertanyaan itu membantu membedakan masalah proses dari masalah teknologi. Jika data masuk tidak konsisten, mengganti model AI tidak akan membereskan sumber masalahnya. Jika persetujuan tidak punya pemilik jelas, otomatisasi justru dapat mempercepat kesalahan.

Bedakan automation, bantuan AI, dan AI Agent

Automation menjalankan langkah berdasarkan pemicu dan aturan yang telah ditentukan. Contohnya, formulir masuk memicu pencatatan data ke CRM lalu mengirim notifikasi ke sales. Workflow semacam ini tidak harus memakai AI bila struktur data dan aturannya sudah stabil.

Bantuan AI menambahkan kemampuan untuk memahami atau menghasilkan informasi. Dalam workflow lead, AI dapat membaca jawaban formulir dan membuat ringkasan kebutuhan calon pelanggan. Sales lalu menilai ringkasan tersebut sebelum memutuskan tindak lanjut. AI membantu pekerjaan interpretasi, tetapi tidak otomatis mengambil komitmen kepada pelanggan.

AI Agent memiliki cakupan tindakan yang lebih besar. Agent dapat memakai konteks dan tools untuk menjalankan beberapa langkah menuju tujuan tertentu. Contoh hipotetisnya, lead masuk, sistem membaca kebutuhan, mencari informasi relevan dari basis pengetahuan yang disetujui, menyusun ringkasan, memperbarui CRM, lalu meminta sales meninjau follow-up. Mengirim penawaran, mengubah data penting, atau membuat janji kepada pelanggan sebaiknya tetap memerlukan aturan dan approval manusia.

Pemisahan ini mencegah tim membeli sistem yang terlalu rumit. Workflow formulir ke CRM mungkin cukup memakai automation. Tugas peringkasan dapat diuji dengan bantuan AI. Agent baru layak dipertimbangkan bila memang ada rangkaian keputusan dan tindakan lintas tools yang perlu dikelola dengan batas akses yang jelas.

Kontrol yang dibutuhkan sebelum memperluas penggunaan AI

Data OpenAI tidak menilai keamanan data, akurasi output, atau kualitas tata kelola sebuah perusahaan. Karena itu, tim perlu menetapkan kontrol sendiri sebelum membawa penggunaan ChatGPT atau sistem AI lain ke proses yang berdampak pada pelanggan atau operasi internal.

Tentukan data yang boleh masuk, siapa yang dapat mengakses workflow, dan tindakan apa yang dilarang dilakukan otomatis. Untuk proses yang menyentuh data pelanggan, keputusan keuangan, komunikasi hukum, atau perubahan catatan penting, siapkan review manusia dan jalur eskalasi bila output tidak sesuai. Tanggung jawab hasil tidak berpindah ke AI hanya karena sebagian langkah dikerjakan sistem.

Misalnya, dalam workflow dukungan pelanggan hipotetis, AI dapat menyusun draf jawaban dari basis pengetahuan internal. Sistem dapat mengirim tiket ke agen manusia bila pertanyaan menyangkut pengembalian dana, keluhan serius, atau informasi yang tidak ditemukan dalam sumber yang disetujui. Tim juga perlu mencatat alasan handoff agar pola kegagalan dapat diperbaiki, bukan hanya ditutup secara manual.

Pembaruan antarmuka ChatGPT perlu dibaca terpisah

Pemetaan 165 aktivitas kerja berbeda dari berita pembaruan aplikasi desktop ChatGPT. Menurut Berita Nasional, yang mengutip pernyataan OpenAI melalui email kepada pengguna, OpenAI berencana menguji penggabungan tab Chat dan Work secara terbatas sebelum peluncuran lebih luas. Codex disebut tetap terpisah dalam aplikasi desktop.

Menurut laporan yang sama, ChatGPT dan Codex akan menggunakan satu alokasi token. Pengguna dengan intensitas tinggi atau model komputasi berat mungkin lebih sering menemui batas penggunaan atau menunggu reset. Perubahan antarmuka dapat memengaruhi cara orang berpindah dari eksplorasi ide ke pengerjaan tugas, tetapi tidak mengubah batas interpretasi data IWA.

Langkah uji yang bisa dilakukan tim minggu ini

Buat inventaris aktivitas selama lima hari kerja. Catat tugas berulang, sumber input, output yang diharapkan, waktu review, pemilik keputusan, serta dampak bila hasil salah. Jangan otomatis memasukkan data sensitif ke dalam eksperimen.

Pilih satu aktivitas berisiko rendah, misalnya membuat ringkasan awal dari catatan rapat yang sudah boleh dibagikan di dalam tim. Bandingkan output AI dengan proses lama memakai kriteria sederhana: apakah fakta penting tetap utuh, apakah formatnya menghemat waktu editor, dan berapa banyak koreksi yang masih diperlukan. Tetapkan orang yang bertugas meninjau hasil.

Setelah uji selesai, putuskan berdasarkan temuan nyata. Jika aturan proses sudah jelas, gunakan automation biasa. Jika pekerjaan membutuhkan klasifikasi atau penyusunan draf, lanjutkan pengujian bantuan AI dengan review manusia. Bila kebutuhan mencakup tindakan lintas sistem, susun batas akses dan approval terlebih dahulu sebelum mempertimbangkan AI Agent.