OpenAI Rilis Data Penggunaan ChatGPT untuk Bekerja

Apa yang dipetakan OpenAI Signals

Menurut Medcom.id, data penggunaan ChatGPT untuk bekerja yang dirilis OpenAI melalui OpenAI Signals membantu penelitian tentang cara ChatGPT digunakan dalam aktivitas kerja. Menurut Medcom.id, publikasi ini mencakup 165 kategori aktivitas kerja di hampir 100 negara, dari penyusunan materi pembelajaran dan konten pemasaran hingga pemrograman serta analisis data bisnis.

Kategori tersebut disebut Intermediate Work Activities atau IWA. Fungsinya bukan menilai jabatan tertentu, melainkan mengelompokkan tugas yang muncul di banyak profesi. Seorang staf pemasaran, analis, atau pengajar dapat memiliki aktivitas kerja yang berbeda, tetapi sama-sama menggunakan ChatGPT untuk menyusun draf, merangkum informasi, atau mengolah materi awal.

Data disajikan per kuartal dari kuartal pertama 2025 sampai kuartal ketiga 2026, menurut Medcom.id. Rentang ini memungkinkan peneliti melihat perubahan jenis tugas yang dibantu ChatGPT dari waktu ke waktu. Bagi pembaca bisnis, nilainya ada pada cara berpikirnya: evaluasi AI sebaiknya dimulai dari tugas kerja yang nyata, bukan dari asumsi bahwa satu alat cocok untuk seluruh departemen.

Medcom.id melaporkan kontribusi aktivitas kerja teratas terhadap pesan cenderung menurun pada kuartal berikutnya. pertama 2025. Angka itu dapat mengisyaratkan penggunaan yang menyebar ke lebih banyak jenis aktivitas. Namun, data tersebut tidak membuktikan bahwa semua tugas menjadi lebih cepat, lebih murah, atau menghasilkan keputusan yang lebih baik.

Batas data yang perlu dipahami sebelum menarik kesimpulan

OpenAI Signals bukan potret lengkap penggunaan AI di seluruh perusahaan. Menurut Medcom.id, data ini berasal dari pesan pengguna paket individual dan tidak mencakup penggunaan ChatGPT Enterprise maupun Codex. Artinya, data tersebut lebih tepat dibaca sebagai peta pola penggunaan pada cakupan yang dilaporkan, bukan ukuran total adopsi AI korporat.

Batas ini penting saat tim memakai data untuk mengambil keputusan. Tingginya penggunaan sebuah kategori tidak otomatis berarti tugas tersebut aman untuk diotomatisasi. Pemakaian yang sering dapat menunjukkan kebutuhan bantuan penulisan atau analisis, tetapi belum menjawab apakah keluaran AI akurat, apakah data yang dipakai sesuai kebijakan internal, atau siapa yang bertanggung jawab jika hasilnya salah.

Sebagai ilustrasi hipotetis, tim operasional melihat banyak pekerja memakai ChatGPT untuk merangkum catatan rapat. Temuan itu belum cukup untuk langsung menghubungkan catatan rapat internal ke sistem AI. Tim perlu menentukan lebih dahulu materi mana yang boleh dipakai, apakah nama pelanggan harus dihapus, siapa pemeriksa hasil, dan apakah ringkasan hanya menjadi draf atau dipakai sebagai catatan keputusan.

Pemisahan antara penggunaan dan dampak membantu menghindari klaim berlebihan. OpenAI Signals dapat memberi petunjuk tentang aktivitas yang layak diuji. Pembuktian manfaat tetap perlu dilakukan pada workflow tim sendiri, memakai ukuran yang relevan dengan pekerjaan tersebut.

Dari data penggunaan ke evaluasi workflow kerja

Cara paling berguna membaca data ini adalah mengubahnya menjadi daftar pertanyaan operasional. Tugas apa yang sering membuat staf menyusun ulang informasi? Di bagian mana pekerjaan tersendat karena dokumen panjang, format masukan tidak seragam, atau kebutuhan membuat draf awal? Tugas seperti itu lebih layak diuji dibanding proses yang dampaknya langsung menentukan harga, kontrak, atau keputusan terhadap individu.

Bedakan pula AI, otomasi, dan AI agent. Otomasi menjalankan urutan yang sudah ditetapkan, misalnya formulir masuk lalu data dicatat ke CRM. AI dapat membaca isi formulir dan membantu mengelompokkan kebutuhan. AI agent dapat menjalankan beberapa langkah dengan konteks serta alat yang tersedia untuk mengejar tujuan tertentu. Masing-masing membutuhkan tingkat kontrol yang berbeda.

Misalnya, sebuah tim penjualan menerima pertanyaan calon pelanggan dari formulir web. Workflow sederhana dapat dimulai dari formulir masuk, staf membaca kebutuhan, staf mencatat data di CRM, lalu staf meneruskan pertanyaan ke sales. Pada pengujian AI, ChatGPT dapat membuat draf kategori kebutuhan berdasarkan aturan yang disiapkan tim. Staf tetap memeriksa kategori, memastikan data kontak lengkap, lalu memutuskan tindak lanjut.

Contoh itu menunjukkan batas yang sehat. AI membantu pada bagian klasifikasi dan draf, bukan mengambil keputusan akhir tanpa pemeriksaan. Bila kategori salah, staf dapat memperbaiki hasil sebelum data masuk ke proses lanjutan. Tim juga dapat menelusuri kesalahan ke instruksi, sumber informasi, atau aturan kategorinya.

Cara menguji ChatGPT pada satu tugas berisiko rendah

Mulailah dari satu workflow kecil yang hasilnya mudah diperiksa. Jangan mengukur keberhasilan dari jawaban yang terdengar rapi. Tentukan kondisi awal, keluaran yang diharapkan, pemeriksa manusia, serta alasan sebuah hasil dianggap dapat dipakai atau harus direvisi.

Langkah praktisnya dapat dilakukan sebagai berikut:

1. Pilih satu tugas berulang, misalnya membuat draf ringkasan rapat atau mengelompokkan pertanyaan pelanggan.
2. Tulis batas input. Tentukan dokumen, catatan, atau data yang diizinkan masuk ke proses pengujian.
3. Buat format keluaran yang jelas, misalnya tiga poin keputusan, daftar tindak lanjut, dan pertanyaan yang belum terjawab.
4. Tetapkan pemeriksa manusia sebelum hasil dipakai atau dikirim ke pihak lain.
5. Catat waktu pengerjaan, jumlah revisi, kesalahan fakta, dan pekerjaan yang tetap harus dilakukan manual.

Sebagai contoh hipotetis, tim layanan pelanggan dapat menguji ChatGPT untuk membuat draf pengelompokan pertanyaan masuk selama satu periode terbatas. Kategori yang dipakai mungkin berupa pertanyaan produk, masalah akun, permintaan informasi, dan kasus yang perlu diteruskan ke manusia. Supervisor memeriksa sampel hasil, mencatat kategori keliru, lalu memperbaiki instruksi apabila pola kesalahan berulang.

Ukuran keberhasilan tidak harus rumit. Waktu penanganan dapat dibandingkan dengan proses sebelumnya. Jumlah koreksi menunjukkan seberapa banyak beban pemeriksaan yang masih diperlukan. Pertanyaan yang salah kategori atau terlewat menunjukkan risiko operasional. Jika revisi tetap tinggi, proses belum layak diperluas meskipun respons AI tampak lancar.

Kontrol manusia tetap menentukan hasil penggunaan AI

Penggunaan ChatGPT untuk pekerjaan memerlukan aturan tindakan, bukan sekadar panduan menulis prompt. Tentukan tindakan yang boleh dibantu AI, tindakan yang harus disetujui manusia, serta pemilik keputusan ketika ada keluaran keliru. Struktur ini membantu tim menghindari situasi ketika hasil AI sudah terlanjur dipakai tanpa peninjauan.

Untuk pekerjaan internal, kontrol dapat berupa pemeriksaan fakta sebelum ringkasan dibagikan. Untuk workflow pelanggan, kontrolnya bisa lebih ketat: staf memverifikasi klasifikasi, kelengkapan informasi, dan nada respons sebelum tindak lanjut dilakukan. Akses juga perlu dibatasi sesuai peran agar tidak semua orang memasukkan atau melihat informasi yang sama.

Kesalahan umum muncul ketika perusahaan mencoba mempercepat proses yang dasarnya belum jelas. Jika sumber data bercampur, pemilik keputusan tidak ada, atau format kerja tiap anggota berbeda, AI hanya menghasilkan variasi baru dari masalah lama. Rapikan urutan kerja terlebih dahulu, lalu uji bantuan AI pada titik yang sempit dan dapat diawasi.

Langkah yang dapat dilakukan minggu ini

Ambil satu proses kerja yang terjadi setidaknya beberapa kali dalam seminggu. Tulis alurnya dari input hingga keputusan akhir, lalu tandai bagian yang berisi rangkuman, pengelompokan, atau penyusunan draf. Pilih satu bagian berisiko rendah untuk diuji selama periode terbatas dengan pemeriksa manusia yang ditunjuk.

Setelah pengujian, jangan hanya bertanya apakah ChatGPT menghasilkan teks yang baik. Periksa apakah waktu kerja berkurang tanpa menambah beban revisi, apakah kesalahan mudah ditemukan, dan apakah tim tetap memahami dasar keputusan. Dokumentasikan hasilnya sebelum memperluas penggunaan ke workflow lain.