Selama dua tahun terakhir, keluaran AI di tempat kerja hampir selalu berbentuk sama: paragraf di kolom chat, lalu disalin ke Word atau Excel, lalu dirapikan sendiri. Sekarang bentuknya berubah. Yang keluar bukan lagi teks, melainkan barang jadi: dokumen yang sudah tertata, tabel yang rumusnya jalan, halaman kecil yang tombolnya bisa diklik.
Anthropic menyebutnya artifact. Secara teknis ia tampil di jendela terpisah di samping percakapan, dan bisa diubah, disimpan, atau dibagikan tanpa harus menyalin ulang isinya. Fitur ini tersedia di semua paket, termasuk yang gratis.
Perubahan bentuk ini kelihatan kosmetik. Sebenarnya tidak.
Barang jadi menuntut cara periksa yang berbeda
Kalau keluarannya paragraf, cara memeriksanya adalah membaca. Kalau keluarannya kalkulator anggaran, membaca tidak cukup. Anda harus mencobanya.
Bedanya nyata di meja kerja. Sebuah tabel proyeksi bisa terlihat meyakinkan sampai Anda mengisi kolom volume dengan angka nol dan hasilnya tetap keluar positif. Sebuah dashboard bisa rapi sampai Anda ganti rentang tanggalnya dan angkanya tidak bergerak sama sekali. Formulir bisa cantik sampai ada yang mengetik tanda titik sebagai pemisah ribuan.
Tiga uji yang murah dan hampir selalu menemukan sesuatu: masukkan nilai ekstrem, kosongkan satu isian wajib, lalu ubah satu asumsi dan lihat apakah angka di bawahnya ikut berubah. Yang ketiga paling sering gagal, karena model kerap menuliskan hasil perhitungan sebagai angka mati, bukan sebagai rumus.
Yang jarang memakai belum sampai ke tahap ini
Survei PwC Global Workforce Hopes and Fears 2025, yang melibatkan 49.843 pekerja di 48 negara termasuk 812 responden Indonesia, memperlihatkan jarak yang cukup lebar. Di Indonesia 69 persen pekerja mengaku pernah memakai AI dalam setahun terakhir, tetapi hanya 16 persen yang memakainya setiap hari.
Jarak antara "pernah" dan "setiap hari" itu berbanding lurus dengan manfaat yang dirasakan. Pengguna harian di Indonesia melaporkan produktivitas naik sebanyak 96 persen, sementara pengguna jarang hanya 75 persen. Untuk rasa aman terhadap pekerjaan, angkanya 82 persen berbanding 63 persen.
Ingin mendalaminya lebih terstruktur? Taalenta punya kelas Claude untuk Bisnis & Produktivitas Kerja: Dari Prompt Dasar sampai Merakit Artifact, Deck, dan Laporan Siap Kirim.
Pete Brown, Global Workforce Leader PwC, menyebut pelatihan saja tidak cukup. Menurutnya pekerjaannya sendiri yang perlu dirancang ulang, dan pembagian peran antara manusia dan mesin perlu didefinisikan lagi.
Arah kebijakan di dalam negeri bergerak ke sana. Setelah evaluasi Bappenas, Kementerian Komunikasi dan Digital menggeser fokus program literasi digital dari pengenalan perangkat ke upskilling dan kecakapan AI.
Yang tidak ikut berpindah
Satu hal tetap tinggal di tangan manusia: dari mana angkanya datang. Artifact bisa merapikan, menghitung ulang, dan menyajikan. Ia tidak tahu apakah data penjualan yang Anda tempelkan sudah difinalkan atau masih versi draft minggu lalu.
Karena itu pemeriksaan yang paling bernilai bukan soal tampilan, melainkan soal asal bahan dan asumsi. Kalau sebuah proyeksi memakai pertumbuhan 12 persen per bulan, pertanyaannya bukan apakah rumusnya benar, melainkan siapa yang menetapkan 12 persen itu dan atas dasar apa.
Menguji perilaku sebuah artifact memakan waktu lima sampai sepuluh menit. Memperbaiki keputusan yang terlanjur diambil dari angka yang salah, jauh lebih lama.
Sumber
- PwC Indonesia – AI adoption is boosting productivity, particularly among Indonesia's Gen Z, yet skill gaps across generations remain a challenge, siaran pers 23 Februari 2026 → pwc.com/id
- Anthropic Help Center – What are artifacts and how do I use them? → support.claude.com
- Warta Ekonomi – Komdigi Geser Fokus Literasi Digital ke Upskilling dan AI → wartaekonomi.co.id
- ANTARA News – Wamenkomdigi ungkap literasi digital cara baru penting hadapi era AI → antaranews.com