Seorang project manager dalam survei workslop 2025 menerima hasil kerja dari atasannya yang, menurut dia, "kualitasnya buruk". Hal itu menimbulkan "pemborosan waktu dan kerepotan yang besar", tulisnya, dan karena datang dari bos, ia "merasa tidak nyaman untuk menegur soal buruknya kualitas itu dan memintanya mengerjakan ulang". Jadi ia mengerjakannya sendiri, dengan mengorbankan proyek-proyek lainnya (BetterUp Labs).
Itulah inti masalahnya dalam satu anekdot: siapa pun yang membuat draf itu, dialah yang menanggung bebannya, baik berupa proyek-proyeknya sendiri maupun keraguan apakah aman untuk bersuara. Panduan ini membahas temuan para peneliti, cara mengangkat masalah ini tanpa menuduh siapa pun, dan kebiasaan tim yang mencegahnya terulang.
Apa yang dihitung dalam survei
Istilah ini berasal dari para peneliti di BetterUp Labs dan Stanford Social Media Lab, yang mendefinisikan workslop sebagai "konten kerja buatan AI yang menyamar sebagai pekerjaan bagus, tetapi tidak punya substansi untuk benar-benar memajukan suatu tugas" (Fortune). Tulisan mereka terbit di Harvard Business Review pada 2025, disertai artikel pendamping tentang mengapa orang memproduksinya. Survei ini mencakup 1.150 pekerja kantoran penuh waktu di AS.
Sekitar 40% mengaku pernah menerima workslop dari rekan kerja dalam sebulan terakhir. Responden memperkirakan sekitar 15% konten yang mereka terima di tempat kerja termasuk kategori ini. Setiap kejadian butuh sekitar 1 jam 56 menit untuk ditangani (halaman BetterUp sendiri membulatkannya menjadi 2 jam), yang oleh para peneliti dihargai $186 per pekerja per bulan, atau sekitar $9 juta per tahun untuk perusahaan dengan 10.000 karyawan (CNBC).
Ada dua catatan sebelum angka-angka itu dikutip di rapat anggaran. Angka-angka itu berasal dari satu survei berbasis pengalaman yang dilaporkan sendiri, dan angka dolarnya dihitung dari gaji yang disebutkan responden (Entrepreneur). Menurut kami arahnya sudah tepat, tetapi angka detailnya masih lemah. Belum ada yang menerbitkan studi sebelum-dan-sesudah dari tim yang berhasil mengatasi masalah ini, dan kami ingin sekali melihatnya.
Biaya sosial adalah angka yang akan kami tunjukkan lebih dulu kepada manajer yang skeptis. Menurut laporan CNBC, sekitar setengah penerima mengatakan mereka jadi menganggap pengirimnya kurang kreatif, kurang cakap, atau kurang andal, dan sekitar satu dari tiga menceritakannya kepada rekan satu tim atau atasan. Kate Niederhoffer dari BetterUp Labs menggambarkan reaksinya sendiri saat menerimanya: "Apa mereka tidak bisa menyelesaikan pekerjaannya sendiri? Saya tidak percaya pada mereka. Saya tidak mau bekerja dengan mereka lagi."
Mengenalinya tanpa menebak-nebak
Jeff Hancock, pendiri Stanford Social Media Lab, mengatakan kepada CNBC bahwa AI telah menghilangkan usaha yang dulu membatasi seberapa banyak konten pengisi yang bisa dibuat seseorang: "Saya bisa menghasilkan banyak konten yang tidak berguna atau tidak produktif dengan sangat mudah." Tanda yang ia sebut adalah "purple prose": tiga paragraf padahal satu poin saja cukup. Contoh bentuknya menurut CNBC adalah kode yang buruk, presentasi dengan informasi tidak lengkap, dan email dengan susunan kata yang aneh.
Perhatikan isi daftar itu. Tidak satu pun mengharuskan Anda membuktikan bahwa sebuah model yang menulisnya. Laporan dengan angka karangan tetap bermasalah, entah angka itu dikarang manusia atau chatbot, dan itulah versi yang bisa Anda tunjuk dalam rapat. Kami menyarankan untuk tidak memakai skor AI detector sebagai bukti dalam percakapan di tempat kerja: persentase hanya menebak siapa yang menulis teks, sedangkan sumber yang hilang, angka yang salah, atau keputusan yang tidak ada bisa diperiksa siapa pun (lihat papan AI content detector dan rangkuman kami untuk mengetahui apa yang diklaim akan diukur oleh alat-alat itu).
Mengangkatnya dengan rekan kerja, langkah demi langkah
CNBC Make It pernah memuat panduan tentang hal ini oleh Melody Wilding, executive coach sekaligus penulis Managing Up. Sarannya, yang hampir seluruhnya akan kami ikuti, dapat diringkas menjadi empat langkah (CNBC).
- Mulailah dengan tujuan bersama. Contoh kalimat Wilding: "Kita sama-sama ingin tim eksekutif puas dengan hasil ini," atau "Karena nama kita berdua ada di sini, saya harap Anda setuju ini harus tahan terhadap pemeriksaan ketat dari klien."
- Sebutkan masalah yang spesifik dan hindari vonis menyeluruh. Dua bagian yang datanya tidak sesuai dengan yang Anda diskusikan. Format yang berubah di tengah dokumen. Angka tanpa sumber.
- Sampaikan biayanya. Contoh dari Wilding: "Saya sudah menghabiskan waktu untuk mengerjakan ulang ini, sehingga saya harus menunda satu proyek untuk atasan saya." Biaya yang bisa Anda sebutkan sulit dibantah.
- Minta satu perubahan untuk ke depannya: tinjauan singkat atas draf AI sebelum sampai ke Anda, atau pemberitahuan saat AI dipakai. Kalimat Wilding: "Satu hal yang akan membantu adalah mengetahui kapan AI digunakan."
Wilding mengingatkan agar tidak langsung berkata "ini semua kelihatannya buatan AI," terutama kalau Anda tidak bisa membuktikannya: itu membuat lawan bicara defensif dan mengalihkan fokus dari apa yang perlu diubah. Saat Anda memang membahas AI, ia menyarankan kalimat yang melunak disertai pengakuan bahwa Anda juga memakainya: "Mungkin saya keliru, tapi sebagian ini terbaca seperti melibatkan AI. Saya juga memakainya, jadi itu bukan masalahnya." Kami tetap akan memulai dari cacat yang ada dan menyebut AI belakangan, kalaupun perlu.
Ketika pengirimnya adalah atasan Anda
Menyampaikan ke atas lebih sulit, dan survei ini menunjukkan alasannya: project manager tadi diam karena draf itu datang dari atasannya. Saran Wilding adalah mengakui lebih dulu bahwa Anda sendiri memakai AI, yang memberi tahu bos bahwa Anda tidak menentang alat-alat itu dan menjaga diskusi tetap pada kualitas dan waktu. Lalu sebutkan angka biayanya dan kaitkan dengan sesuatu yang mereka pedulikan, seperti proyek yang terpaksa Anda tunda.
Di sini, permintaan yang menentukan arah percakapan, lebih daripada keluhannya. Jangan meminta atasan berhenti memakai AI. Mintalah perubahan proses kecil yang bisa mereka setujui tanpa kehilangan muka: mereka membaca sekilas draf itu sekali sebelum meneruskannya, atau menambahkan satu baris yang menyebut bagian mana yang ditulis model. Kami ragu ada manajer yang menolak langkah peninjauan ketika alternatifnya adalah mendengar keluhan yang sama dari tiga orang.
Pekerjaannya tidak hilang, hanya berpindah
Pendirian kami: AI seharusnya menghilangkan pekerjaan, bukan memindahkannya ke orang lain. Workslop adalah contoh paling jelas dari yang kedua. Tugas pengirim menyusut jadi sekadar prompt dan paste, sementara penerima mewarisi pekerjaan memverifikasi, menulis ulang, dan rapat canggung untuk menanyakan maksudnya.

Angka-angka yang lebih baru menunjukkan arah yang sama. Riset Workday sendiri, survei global terhadap 3.200 karyawan penuh waktu yang semuanya pengguna aktif AI, menemukan bahwa 85% mengatakan AI menghemat satu hingga tujuh jam seminggu, tetapi hampir 40% dari waktu yang dihemat hilang untuk pengerjaan ulang: memperbaiki kesalahan, menulis ulang konten, dan memverifikasi hasil (Workday, terbit pada 2026; lihat juga CNBC). Hanya 14% yang secara konsisten memperoleh hasil bersih yang jelas dan positif. Ini adalah versi skala perusahaan dari apa yang dirasakan penerima satu draf buruk. Kalau angka "waktu yang dihemat" sebuah tim hanya dihitung dari sisi pengirim, angka itu terlalu besar sebesar apa pun yang dibayar sisi penerima.
Ini juga menjawab soal pilihan alat. ChatGPT, Claude, Microsoft 365 Copilot, dan Gemini semuanya bisa menghasilkan kekosongan yang tampak rapi kalau diminta, dan semuanya juga bisa menghasilkan draf pertama yang bagus yang kemudian diperbaiki oleh orang yang teliti. Grammarly ada di sisi lain garis itu: ia bekerja pada teks yang sudah Anda tulis. Kami tidak akan menyalahkan produknya atas workslop. Kebiasaanlah yang mengubah hasilnya. Kalau Anda ingin membandingkan alat penyusun draf, papan ToolRank untuk asisten penulisan AI dan rangkuman asisten penulisan kami adalah tempat yang tepat untuk memulai.
Norma tim yang bertahan
Saran Hancock, menurut Fortune, adalah agar tim menjaga standar tinggi dan saling mengkritik secara terbuka: tim yang berfokus pada kualitas tugas "saling mengkritik, mereka menerima kritik" dan mengalami lebih sedikit workslop. Para peneliti menyarankan agar ekspektasi yang berlaku antara dua rekan kerja juga berlaku untuk pekerjaan yang dibuat manusia dan AI (Fortune). Tiga norma berikut berasal dari saran itu dan dari artikel-artikel CNBC.
Sebutkan kapan AI dipakai
Hancock mengatakan kepada CNBC bahwa mengungkapkan penggunaan AI membantu rekan kerja memahami prompt dan tujuan Anda serta mengisi bagian yang kurang. Dalam praktiknya cukup satu baris: "Draf pertama dibuat dengan Claude, angka diperiksa terhadap ekspor data keuangan." Itu hanya butuh sepuluh detik, memberi tahu pembaca seberapa teliti mereka harus memeriksa, dan menghilangkan permainan tebak-tebakan yang membuat percakapan itu terasa canggung. Masukkan ke dalam template laporan dan pembaruan status agar tidak ada yang perlu menyatakannya secara sukarela.
Tinjau sebelum mengirim
Pengirim memegang tanggung jawab atas pembacaan pertama. Artinya setiap baris, setiap angka, setiap kutipan, dan setiap tautan diperiksa oleh orang yang namanya tercantum. Panduan kami tentang memeriksa fakta keluaran AI memaparkan alur verifikasi yang bisa diskalakan, dan versi singkatnya untuk tim adalah memeriksa apa pun yang bisa ditindaklanjuti pembaca.

Tulis definisi selesai
Sebagian besar workslop lolos karena tidak pernah ada yang menyebutkan apa arti selesai. Definisi selesai bisa berupa empat baris: siapa audiensnya, keputusan apa yang didukung dokumen itu, dari mana setiap angka berasal, dan siapa selain penulis yang sudah membacanya. Draf yang tidak bisa menjawab semua itu belum selesai, siapa pun atau apa pun yang menulisnya. Kalau tim Anda sudah punya kebijakan AI, tambahkan baris-baris ini ke dalamnya; template kebijakan penggunaan AI kami punya versi yang cenderung dipatuhi orang.
Pilihan kami untuk langkah pertama adalah pengungkapan, karena tidak butuh alat maupun persetujuan. Definisi selesai menyusul kedua, karena butuh rapat untuk menyepakatinya. Setelah itu, gunakan daftar periksa di bawah untuk melihat kebiasaan mana yang sudah dimiliki tim Anda.
Di mana hal ini bisa salah
Percakapan ini bisa berbalik arah dengan beberapa cara yang mudah ditebak. Sebagian orang memang tidak tahu bahwa draf mereka dangkal; mereka melihat dokumen yang terdengar meyakinkan lalu meneruskannya. Yang lain jadi defensif, biasanya ketika masukan terdengar seperti vonis atas kompetensi mereka, dan pembukaan dengan tujuan bersama ada untuk mereka. Dan sebagian kecil akan terus mengirim slop apa pun yang Anda katakan, dan dalam kasus itu biaya waktu yang terdokumentasi adalah yang Anda bawa ke manajer.
Ada juga kegagalan yang lebih halus: menjadi tukang perbaiki tetap di tim. Kalau Anda diam-diam memperbaiki setiap draf, pengirimnya tidak pernah belajar, dan Anda menanggung dua jam itu setiap kali. Satu percakapan yang jujur lebih murah daripada setahun membereskan. Percakapan itu juga memberi pengirim satu hal yang tidak bisa mereka dapat dari model, yaitu reaksi rekan kerja terhadap halaman yang sudah jadi, dan kebanyakan orang lebih suka mengetahuinya dari Anda secara pribadi daripada dari klien di depan umum.
Yang belum terjawab adalah apakah norma seperti ini benar-benar mengurangi volumenya. Para peneliti merekomendasikan pagar pengaman dan pola pikir "pilot", dan temuan Hancock sendiri adalah tentang tim dengan standar tinggi, tetapi kami belum melihat hasil terukur dari tim yang menerapkan aturan pengungkapan. Kalau Anda mencobanya, catat jam yang Anda habiskan untuk pengerjaan ulang sebelum dan sesudahnya. Angka itu akan lebih meyakinkan manajer Anda daripada survei mana pun.
Pertanyaan yang sering diajukan
Apa itu AI workslop?
Workslop adalah hasil kerja buatan AI yang tampak rapi tetapi tidak punya substansi untuk memajukan suatu tugas, sehingga rekan kerja yang menerimanya harus berpikir dan membereskannya. Istilah ini dicetuskan dalam riset 2025 oleh BetterUp Labs dan Stanford Social Media Lab, lalu dipublikasikan di Harvard Business Review.
Berapa biaya workslop?
Dalam survei BetterUp dan Stanford terhadap 1.150 pekerja kantoran AS, setiap kejadian butuh sekitar 1 jam 56 menit untuk ditangani, dan para peneliti memperkirakan $186 per pekerja per bulan. Mereka memproyeksikan sekitar $9 juta per tahun untuk perusahaan dengan 10.000 karyawan. Angka-angka itu adalah perkiraan yang dilaporkan sendiri dari satu survei.
Bagaimana cara memberi tahu rekan kerja bahwa pekerjaannya perlu diperbaiki tanpa menuduh mereka memakai AI?
Tunjuk masalah yang spesifik (sumber yang hilang, data yang tidak cocok, format yang berubah di tengah) dan kaitkan dengan tujuan yang sama-sama Anda miliki. Hindari tebakan tentang bagaimana pekerjaan itu dibuat. Saran Wilding adalah meminta perubahan proses, seperti tinjauan sebelum mengirim atau catatan yang menyebutkan kapan AI dipakai.
Haruskah saya memeriksa hasil kerja mereka dengan AI detector?
Kami tidak menyarankannya. Skor detector hanyalah tebakan soal siapa penulisnya yang bisa dibantah pengirim, dan itu menggeser percakapan dari cacat yang sebenarnya. Angka yang salah atau sumber yang hilang lebih mudah diselesaikan.
Bolehkah memakai ChatGPT, Claude, Copilot, atau Gemini di tempat kerja?
Boleh, dan banyak orang sudah melakukannya: Gallup menemukan bahwa porsi karyawan AS yang memakai AI dalam peran mereka beberapa kali setahun atau lebih hampir berlipat ganda dari 21% menjadi 40% antara 2023 dan 2025 (Gallup). Standarnya sama seperti draf lainnya: Anda sudah membacanya, memeriksanya, dan berani mencantumkan nama Anda. Beri tahu rekan kerja ketika sebuah dokumen dimulai dari model.