Saya melihat Workplace 2026 sebagai fase ketika organisasi tidak lagi cukup hanya menambah alat baru ke dalam proses kerja yang lama. Anda sedang berada dalam masa peralihan yang menuntut cara berpikir baru, cara berkolaborasi yang lebih jernih, dan cara mengelola waktu yang tidak lagi bergantung pada banyaknya aktivitas, tetapi pada kualitas keputusan, konteks, dan hasil yang benar-benar tercipta.
McKinsey memberi kita peringatan yang sangat jelas: adopsi AI memang sudah sangat luas, tetapi nilai bisnis yang benar-benar terasa masih tertahan. Dalam banyak organisasi, angka 88% menunjukkan betapa cepatnya AI masuk ke fungsi bisnis, namun angka 19% mengingatkan saya bahwa keberhasilan tidak otomatis mengikuti penggunaan. Anda dapat memiliki banyak alat, tetapi jika proses, pola kerja, dan definisi keberhasilan tidak berubah, maka AI hanya menjadi lapisan tambahan di atas sistem yang masih lama.
Karena itu, saya memandang Workplace 2026 bukan sebagai era alat, melainkan era penyesuaian struktur kerja. Anda perlu melihat kembali bagaimana keputusan dibuat, bagaimana prioritas ditentukan, bagaimana eskalasi dilakukan, dan bagaimana manusia tetap memegang kendali atas arah pekerjaan meskipun sistem menjadi semakin cerdas. Di titik inilah organisasi yang serius akan mulai bertanya bukan hanya “alat apa yang harus dipakai?”, tetapi “bagaimana pekerjaan harus mengalir agar AI benar-benar membantu?”.
Great AI Disconnect: jarak antara optimisme dan kesiapan
Istilah Great AI Disconnect sangat relevan karena menggambarkan jarak yang makin lebar antara antusiasme pimpinan dan kesiapan nyata di lapangan. Saya melihat banyak eksekutif sangat yakin bahwa AI akan mempercepat keputusan, meningkatkan efisiensi, dan membuka peluang baru, tetapi pada saat yang sama para pekerja masih harus menavigasi data yang tidak rapi, aturan yang belum jelas, dan alur persetujuan yang belum disesuaikan. Anda bisa saja sangat optimistis terhadap masa depan, tetapi jika kesiapan operasional tertinggal, maka optimisme itu tidak otomatis berubah menjadi hasil.
Di sinilah trust menjadi pembahasan yang sangat penting. Banyak organisasi ingin AI dipakai lebih dalam ke pengambilan keputusan, namun Anda tetap membutuhkan data foundation yang kuat, tata kelola yang jelas, dan transparansi yang memadai agar keputusan AI dapat dipercaya. Tanpa trust, penggunaan AI akan terasa seperti percobaan yang menarik, bukan sistem kerja yang stabil. Karena itu saya menilai bahwa trust bukan pelengkap, melainkan syarat dasar agar AI benar-benar dipakai secara luas.
Dalam pembacaan saya terhadap Great AI Disconnect, ada juga pergeseran aneh tetapi penting pada cara organisasi menilai kompetensi manusia. Banyak pimpinan mulai lebih menekankan critical thinking dan problem solving, sementara kemampuan yang selama ini disebut human skills seperti komunikasi, interpersonal sensitivity, empati, dan kecerdasan emosional justru sering turun prioritasnya. Anda mungkin mendengar narasi bahwa AI akan membuat pekerjaan menjadi lebih rasional, tetapi saya justru melihat bahwa semakin kuat AI masuk, semakin penting kemampuan manusia untuk menjaga konteks, relasi, dan penilaian etis.
Prompting as Literacy: menulis prompt sebagai literasi kerja baru
Saya memandang prompting bukan sebagai trik untuk “mengakali” model AI, melainkan sebagai literasi baru yang setara dengan kemampuan membaca instruksi, menyusun brief, dan mengkomunikasikan kebutuhan dengan jelas. Anda tidak sedang berbicara pada mesin yang peka terhadap maksud samar; Anda sedang bekerja dengan sistem yang sangat bergantung pada konteks, batasan, tujuan, dan format keluaran. Karena itu kualitas prompt akan sangat menentukan kualitas hasil.
Jika Anda ingin hasil yang lebih baik, Anda perlu membiasakan diri menulis permintaan yang spesifik. Saya menyarankan Anda untuk menjelaskan tujuan dengan jelas, memberi konteks yang cukup, menetapkan peran yang diharapkan, menentukan format jawaban, dan menyebutkan kriteria sukses. Dengan cara itu, prompting berubah dari sekadar mengetik perintah menjadi praktik berpikir yang terstruktur. Anda tidak hanya meminta jawaban, tetapi membangun kerangka kerja untuk berpikir bersama AI.
Inilah sebabnya saya menyukai gagasan bahwa prompting adalah literasi. Literasi selalu berarti kemampuan untuk mengubah bahasa menjadi tindakan yang dapat dimengerti oleh sistem lain. Dulu literasi membantu manusia membaca buku dan dokumen; sekarang literasi membantu Anda membaca kapasitas model, mengarahkan output, dan mengurangi friksi di dalam kerja sehari-hari. Jika Anda menguasai ini, Anda akan bekerja lebih cepat bukan karena AI menggantikan Anda, tetapi karena Anda tahu bagaimana berbicara dengan AI secara efektif.
Agentic AI: dari alat jawab menjadi sistem yang bekerja
Saya melihat agentic AI sebagai lompatan yang jauh lebih penting daripada chatbot biasa. Jika chatbot hanya menjawab pertanyaan, maka agentic AI dirancang untuk merencanakan langkah, mengeksekusi rangkaian tugas, dan berinteraksi lintas sistem dengan tingkat otonomi yang lebih tinggi. Artinya, AI tidak lagi hanya hadir pada saat Anda bertanya, tetapi juga pada saat pekerjaan harus berpindah dari satu sistem ke sistem lain, dari satu langkah ke langkah berikutnya, hingga hasil akhir terbentuk.
Namun saya juga ingin menekankan bahwa agentic AI bukan tombol ajaib yang bisa dipasang begitu saja. Anda tetap harus menentukan tugas mana yang boleh diotomatisasi, keputusan mana yang perlu persetujuan manusia, exception mana yang harus dialihkan, dan data mana yang boleh diakses. Tanpa desain peran yang jelas, agentic AI bisa menciptakan kecepatan semu: proses terasa lebih cepat, tetapi risiko, kesalahan, dan kebingungan juga ikut bergerak lebih cepat. Karena itu governance menjadi bagian dari desain, bukan tahap tambahan setelah implementasi.
Di sini saya melihat peluang besar bagi organisasi yang mau berpikir lebih sistemik. Anda dapat memakai agentic AI untuk menangani workflow yang berulang, menghubungkan data lintas aplikasi, menyiapkan draf, mengekstrak informasi, atau mengelola langkah awal proses tertentu. Tetapi manusia tetap perlu memegang bagian yang membutuhkan penilaian, sensitivitas, dan pertanggungjawaban. Kombinasi inilah yang membuat agentic AI bernilai: bukan mengganti manusia, melainkan memperluas kapasitas kerja manusia ke tingkat yang lebih luas dan lebih konsisten.
Allianz dan 4-hour gift: ruang waktu untuk belajar dan berubah
Contoh Allianz dengan gagasan 4-hour gift menarik bagi saya karena menunjukkan bahwa transformasi AI tidak hanya soal platform, tetapi juga soal waktu. Banyak organisasi ingin karyawan cepat mahir, tetapi tidak memberi ruang belajar yang benar-benar terproteksi. Anda tidak bisa meminta orang menguasai cara kerja baru jika semua jam kerja mereka masih tersedot oleh aktivitas rutin tanpa jeda untuk bereksperimen.
Empat jam yang diberikan secara sengaja kepada karyawan dapat menjadi sinyal bahwa organisasi menganggap belajar sebagai bagian dari kerja, bukan gangguan terhadap kerja. Saya menilai pendekatan seperti ini jauh lebih efektif dibanding sekadar mengumumkan adopsi AI dari atas. Jika Anda memberi ruang untuk mencoba, gagal kecil, memperbaiki prompt, dan mengulang proses, maka perubahan perilaku akan lebih cepat terbentuk. AI tidak hanya diadopsi lewat instruksi; AI diadopsi lewat kebiasaan.
Bagi saya, 4-hour gift juga mengajarkan hal yang sederhana tetapi penting: inovasi membutuhkan waktu yang dilindungi. Jika Anda terus mengejar produktivitas jangka pendek tanpa menyisihkan waktu untuk belajar, maka organisasi akan selalu tertinggal satu langkah. Tetapi jika Anda memberi ruang untuk eksplorasi yang terarah, Anda sedang membangun kapasitas adaptif yang akan menghasilkan nilai lebih besar dalam jangka panjang.
Human skills vs trust barriers
Semakin dalam AI digunakan, semakin sering saya kembali pada pertanyaan tentang kemampuan manusia. Anda membutuhkan critical thinking, komunikasi, empati, judgement, dan kemampuan menjelaskan alasan di balik keputusan. Kemampuan ini bukan hiasan budaya kerja; ini justru pembeda utama ketika sistem makin otomatis. AI bisa membantu Anda menemukan pola, tetapi Anda tetap yang harus menentukan makna, prioritas, dan konsekuensi.
Masalahnya, trust barriers sering kali muncul karena orang tidak percaya pada kualitas data, tidak yakin pada proses, atau tidak memahami bagaimana keputusan dibuat. Saya melihat hal ini sebagai masalah desain organisasi, bukan sekadar masalah teknologi. Jika Anda ingin orang menerima AI, maka mereka harus bisa melihat bagaimana AI digunakan, bagaimana ia diawasi, dan kapan keputusan manusia tetap diperlukan. Transparansi, pelatihan, dan komunikasi menjadi jembatan antara kemampuan teknis dan penerimaan manusia.
Itulah sebabnya saya tidak setuju bila organisasi terlalu cepat menyepelekan human skills. Justru ketika mesin semakin cerdas, komunikasi yang jelas, empati, dan kemampuan membangun kepercayaan menjadi semakin mahal nilainya. Anda mungkin dapat mengotomatiskan banyak langkah kerja, tetapi Anda tidak dapat mengotomatiskan seluruh proses membangun keyakinan orang terhadap keputusan yang diambil. Trust tetap dibangun lewat manusia.
Systems Thinking: melihat pekerjaan sebagai alur, bukan titik
Jika Anda ingin AI benar-benar memberi hasil, maka Anda perlu memakai systems thinking. Saya menafsirkan systems thinking sebagai kebiasaan melihat pekerjaan secara menyeluruh: input, proses, keputusan, eskalasi, output, feedback, dan koreksi. AI tidak boleh ditempatkan sebagai solusi di satu titik kecil saja, karena masalah kerja modern biasanya muncul di hubungan antarbagian, bukan di satu langkah tunggal.
Dengan berpikir sistemik, Anda akan lebih mudah melihat di mana bottleneck muncul, di mana data mengalir tidak rapi, di mana persetujuan terlalu panjang, dan di mana manusia sebenarnya terlalu sering melakukan pekerjaan administratif yang seharusnya bisa diotomatisasi. Cara pandang seperti ini sangat penting karena banyak kegagalan AI tidak berasal dari modelnya, melainkan dari proses yang memang sudah tidak sehat sejak awal. Jika sistem dasarnya tetap kacau, AI hanya akan mempercepat kekacauan itu.
Anda juga akan lebih mudah membedakan antara pekerjaan yang layak dioptimalkan dan pekerjaan yang justru perlu dipertahankan oleh manusia. Systems thinking memaksa kita untuk bertanya secara jujur: apa yang harus distandarkan, apa yang harus diotomatisasi, apa yang harus diawasi, dan apa yang harus tetap menjadi ruang pertimbangan manusia. Pertanyaan-pertanyaan ini membuat transformasi kerja menjadi lebih matang.
Hybrid Flow: manusia dan AI bekerja dalam alur yang sama
Pada akhirnya, saya melihat masa depan workplace bukan sebagai pilihan antara manusia atau AI, melainkan hybrid flow. Dalam alur hibrida ini, AI mengambil peran pada langkah-langkah yang repetitif, cepat, dan berbasis pola, sedangkan manusia mengambil peran pada keputusan yang membutuhkan interpretasi, empati, dan tanggung jawab. Anda tidak memisahkan keduanya secara ekstrem; Anda menyusun alur yang membuat keduanya saling memperkuat.
Hybrid flow menuntut organisasi untuk merancang ulang proses kerja, bukan sekadar menempelkan fitur AI pada proses yang lama. Anda perlu menentukan titik masuk AI, titik serah ke manusia, titik validasi, dan titik pembelajaran. Jika desainnya baik, workflow akan terasa lebih ringan, lebih cepat, dan lebih transparan. Jika desainnya buruk, orang hanya akan merasa ditambah satu lapisan kompleksitas baru.
Karena itu saya percaya Workplace 2026 adalah soal keseimbangan baru: bukan hanya efisiensi, tetapi juga kualitas perhatian; bukan hanya otomatisasi, tetapi juga akuntabilitas; bukan hanya kecerdasan sistem, tetapi juga kedewasaan manusia dalam memakainya. Jika Anda mampu membangun hybrid flow yang sehat, maka AI tidak akan menjadi ancaman bagi pekerjaan. AI justru akan menjadi cara baru untuk memperluas kapasitas kerja Anda tanpa kehilangan unsur manusia yang paling penting.