Fenomena kecerdasan buatan (AI) yang kini ramai diadopsi perusahaan di berbagai sektor, ternyata belum serta-merta mendongkrak produktivitas kerja secara signifikan. Kondisi ini mengingatkan pada “paradoks produktivitas” yang pernah dicatat oleh ekonom peraih Nobel, Robert Solow, pada tahun 1987.
Saat itu, kemunculan teknologi komputer yang diawali oleh transistor, mikroprosesor, hingga chip memori pada era 1960-an, diprediksi akan memicu lonjakan produktivitas. Namun, kenyataannya justru berbanding terbalik. Pertumbuhan produktivitas melambat dari 2,9 persen pada periode 1948–1973 menjadi hanya 1,1 persen setelah tahun 1973.
Bahkan, komputer sempat dinilai menghasilkan terlalu banyak informasi, memicu laporan yang sangat rinci dan menumpuk dalam bentuk cetakan kertas. Hal ini membuat teknologi yang diharapkan meningkatkan efisiensi justru belum memberikan dampak nyata dalam beberapa tahun awal pengadopsiannya.
“Anda bisa melihat era komputer di mana-mana, kecuali dalam statistik produktivitas,” tulis Solow dalam New York Times Book Review pada 1987, menggarisbawahi kesenjangan antara adopsi teknologi dan dampaknya pada indikator ekonomi makro.
Pola Serupa pada Adopsi AI
Kini, pola yang sama mulai terlihat pada adopsi kecerdasan buatan di dunia usaha. Meskipun 374 perusahaan dalam indeks S&P 500 menyebut AI dalam paparan kinerja mereka sebagian besar dengan nada positif, analisis Financial Times periode September 2024–2025 menunjukkan implementasi tersebut belum tercermin dalam peningkatan produktivitas secara luas.
Studi dari National Bureau of Economic Research juga menguatkan temuan ini, di mana mayoritas eksekutif belum merasakan dampak signifikan dari penggunaan AI. Seperti dikutip dari Fortune, Senin (20/4/2026), dari 6.000 CEO, CFO, dan pimpinan perusahaan di Amerika Serikat, Inggris, Jerman, dan Australia, sekitar dua pertiga memang telah menggunakan AI. Namun, rata-rata penggunaannya hanya sekitar 1,5 jam per minggu.
Lebih lanjut, 25 persen responden studi tersebut mengaku belum menggunakan AI sama sekali. Dalam kurun waktu tiga tahun terakhir, hampir 90 persen perusahaan menyatakan bahwa AI belum memberikan dampak berarti pada produktivitas maupun tenaga kerja mereka.
Ekspektasi Tinggi, Namun Dampak Belum Terasa
Meskipun demikian, ekspektasi terhadap potensi AI tetap tinggi. Para eksekutif memperkirakan teknologi ini akan mampu meningkatkan produktivitas sebesar 1,4 persen dan output sebesar 0,8 persen dalam tiga tahun ke depan. Di sisi lain, perusahaan memproyeksikan penurunan tenaga kerja sebesar 0,7 persen, sementara pekerja justru melihat potensi peningkatan lapangan kerja sebesar 0,5 persen.
Sejumlah riset memang menunjukkan bahwa AI memiliki potensi besar. Penelitian Massachusetts Institute of Technology (MIT) pada 2023 menyebutkan bahwa penggunaan AI dapat meningkatkan kinerja pekerja hingga hampir 40 persen dibandingkan dengan mereka yang tidak menggunakan teknologi tersebut. Namun, dampak positif ini belum terlihat di tingkat makro.
Kepala ekonom Apollo, Torsten Slok, mengamati, “AI ada di mana-mana, kecuali dalam data makroekonomi.” Ia juga mencatat bahwa di luar kelompok perusahaan teknologi besar, belum terlihat pengaruh AI terhadap margin laba maupun ekspektasi pendapatan.
Temuan Studi yang Bervariasi
Temuan studi lain mengenai dampak AI juga menunjukkan variasi. Laporan Federal Reserve Bank of St. Louis mencatat adanya kenaikan produktivitas kumulatif sebesar 1,9 persen sejak akhir 2022, pasca kemunculan ChatGPT. Namun, studi MIT tahun 2024 memperkirakan peningkatan yang lebih terbatas, yakni sekitar 0,5 persen dalam satu dekade.
Peraih Nobel, Daron Acemoglu, menilai angka tersebut tetap positif, namun dianggap mengecewakan jika dibandingkan dengan janji besar yang digaungkan oleh industri teknologi. Di sisi lain, tantangan implementasi juga mulai terlihat. Survei ManpowerGroup menunjukkan bahwa penggunaan AI meningkat, tetapi kepercayaan terhadap manfaatnya justru mengalami penurunan.
Studi Boston Consulting Group bahkan menemukan bahwa penggunaan terlalu banyak alat AI dapat menurunkan produktivitas, memicu fenomena yang dikenal sebagai “AI brain fry” atau kelelahan otak akibat AI.
Investasi Jangka Panjang dan Sejarah Teknologi
Meskipun demikian, sejumlah perusahaan tetap memandang AI sebagai investasi jangka panjang. IBM, misalnya, justru berencana meningkatkan perekrutan tenaga muda untuk menjaga keberlanjutan kepemimpinan di tengah gelombang otomatisasi.
Sejarah menunjukkan bahwa dampak teknologi memang tidak selalu instan. Lonjakan produktivitas baru terlihat pada tahun 1990-an, setelah adopsi teknologi informasi yang masif pada dekade sebelumnya.
Ekonom Stanford, Erik Brynjolfsson, menilai bahwa pembalikan tren mungkin sudah mulai terjadi. Ia mencatat pertumbuhan ekonomi yang tetap kuat meskipun penyerapan tenaga kerja melambat, yang mengindikasikan adanya peningkatan produktivitas. Analisisnya menunjukkan bahwa produktivitas Amerika Serikat naik 2,7 persen tahun lalu.
Ekonom Mohamed El-Erian juga melihat pola serupa, yaitu adanya pemisahan antara pertumbuhan ekonomi dan lapangan kerja, mirip dengan yang terjadi pada era otomatisasi sebelumnya. Sementara itu, studi Stanford Institute for Economic Policy Research menemukan bahwa AI generatif mampu meningkatkan efisiensi aktivitas online sebesar 76 persen hingga 176 persen. Namun, waktu yang berhasil dihemat lebih banyak digunakan untuk aktivitas santai dibandingkan peningkatan produktivitas kerja.
Kurva ‘J’ dalam Adopsi Teknologi
Slok menilai pola ini menyerupai kurva “J”, di mana teknologi pada awalnya belum menunjukkan hasil yang signifikan sebelum akhirnya mendorong lonjakan produktivitas. Menurutnya, kunci utama bukan terletak pada teknologi itu sendiri, melainkan pada bagaimana perusahaan memanfaatkannya.
“Dari perspektif makro, nilai tambah bukan terletak pada produknya, tetapi pada bagaimana AI generatif digunakan dan diimplementasikan di berbagai sektor ekonomi,” ujar Slok, menekankan pentingnya strategi implementasi dalam memaksimalkan potensi AI.
