OpenAI Rilis Data Penggunaan ChatGPT untuk Bekerja

Apa yang ditunjukkan data penggunaan ChatGPT untuk bekerja

Menurut Medcom.id, OpenAI merilis kumpulan data OpenAI Signals untuk membantu penelitian tentang penggunaan ChatGPT 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.

Bagi pemimpin tim, arti praktisnya bukan bahwa semua pekerjaan dapat dialihkan ke ChatGPT. Data tersebut lebih berguna sebagai pengingat bahwa penggunaan AI di tempat kerja sering terjadi pada level tugas. Satu jabatan terdiri dari banyak aktivitas. Sebagian dapat dibantu untuk menyusun draf atau mengolah informasi, sementara sebagian lain tetap membutuhkan keputusan, konteks internal, dan tanggung jawab manusia.

Menurut Medcom.id, OpenAI memakai kategori bernama Intermediate Work Activities atau IWA. Kerangka ini mengelompokkan jenis aktivitas yang dapat muncul dalam beragam profesi. Karena itu, IWA tidak sama dengan daftar jabatan dan tidak dapat dipakai untuk menyimpulkan bahwa suatu profesi telah atau akan digantikan oleh ChatGPT.

Sebagai ilustrasi, seorang staf pemasaran dapat memakai ChatGPT untuk membuat beberapa versi draf kampanye. Namun pekerjaan staf tersebut juga dapat mencakup menetapkan prioritas, memahami pelanggan, meminta persetujuan, memeriksa klaim, dan memilih materi yang akhirnya dipublikasikan. Data penggunaan per aktivitas membantu membedakan dua hal itu.

Cakupan OpenAI Signals dan batas yang perlu dipahami

Data OpenAI Signals yang dilaporkan Medcom.id disajikan per kuartal dari kuartal pertama 2025 sampai kuartal ketiga 2026. Data tersebut mencakup pesan pengguna paket individual. Medcom.id juga menyebut penggunaan ChatGPT Enterprise dan Codex tidak termasuk dalam cakupan publikasi ini.

Batas itu penting bagi bisnis. Pola penggunaan individu tidak otomatis menggambarkan pola penggunaan di organisasi yang memakai akun enterprise, sistem internal, akses berbasis peran, atau integrasi ke aplikasi kerja. Karena itu, data ini dapat menjadi bahan untuk membaca arah pemakaian, tetapi bukan ukuran langsung atas tingkat adopsi AI perusahaan.

Menurut Medcom.id, sepuluh aktivitas kerja teratas menyumbang 51,1% pesan pada kuartal ketiga 2026. Angka itu turun dari 56% pada kuartal pertama 2025, menurut Medcom.id. Perubahan tersebut menunjukkan pesan yang dicatat dalam data makin tersebar ke lebih banyak aktivitas kerja. Data ini disajikan per kuartal untuk penggunaan ChatGPT dalam aktivitas kerja; menurut OpenAI, data mencakup periode dari kuartal pertama 2025 hingga kuartal ketiga 2026.

Tim sebaiknya menghindari lompatan kesimpulan seperti “aktivitas populer pasti memberi hasil terbaik”. Popularitas tugas dalam data global tidak menjawab apakah proses internal sudah terdokumentasi, apakah inputnya rapi, atau apakah keluaran AI dapat diperiksa dengan aman. Ketiga pertanyaan itu lebih menentukan saat sebuah workflow diuji di bisnis sendiri.

Mengapa data ini relevan untuk strategi AI bisnis

OpenAI Signals menggeser fokus dari pertanyaan tentang produk ke pertanyaan tentang pekerjaan. Alih-alih memulai dari “fitur ChatGPT apa yang harus dipakai?”, tim dapat memulai dari “aktivitas berulang mana yang memerlukan pembacaan, peringkasan, klasifikasi, atau penyusunan draf?” Pendekatan ini membuat percobaan lebih mudah dinilai.

Gunakan pemetaan sederhana. Tuliskan satu proses kerja dari awal sampai akhir, lalu pisahkan bagian yang membutuhkan informasi, penilaian, tindakan, dan persetujuan. Setelah itu, pilih satu bagian dengan input yang cukup jelas dan keluaran yang dapat ditinjau. Jangan langsung mengubah seluruh proses hanya karena sebuah tugas terlihat cocok dibantu AI.

Misalnya, sebuah tim konten menerima brief dari beberapa unit bisnis. Proses awalnya dapat berupa brief masuk, editor membaca kebutuhan, penulis menyusun draf, editor memeriksa fakta dan nada, lalu materi disetujui untuk terbit. Dalam uji terbatas, ChatGPT dapat dipakai hanya pada tahap draf awal. Editor tetap membandingkan hasil dengan brief, memeriksa fakta, dan menolak keluaran yang tidak sesuai standar.

Catatan pengujian perlu memuat contoh input, hasil yang diterima, kesalahan yang muncul, serta perubahan yang diperlukan sebelum hasil digunakan. Catatan itu membantu tim membedakan penggunaan yang memang mengurangi pekerjaan berulang dari penggunaan yang hanya memindahkan beban koreksi ke orang lain.

Bedakan bantuan kerja, otomasi, dan tindakan yang memerlukan persetujuan

Menggunakan ChatGPT untuk membantu pekerjaan tidak selalu berarti membangun otomasi. Pada penggunaan asistif, manusia memasukkan konteks, menerima keluaran, memeriksa hasil, lalu memutuskan tindakan berikutnya. Model ini sesuai untuk tugas seperti membuat draf, merangkum catatan, atau menyusun variasi bahasa.

Otomasi menambahkan hubungan antarproses. Input dapat masuk dari formulir, diproses berdasarkan aturan, diteruskan ke sistem lain, lalu menghasilkan notifikasi atau tindakan lanjutan. Ketika AI dipakai di dalam alur seperti ini, risiko berubah karena keluaran model dapat memengaruhi data, komunikasi, atau keputusan operasional.

Andaikan tim penjualan menerima lead dari formulir digital. Tahap awal yang aman untuk diuji adalah meminta AI membuat ringkasan kebutuhan dan label prioritas dari informasi yang tersedia. Sales kemudian memeriksa ringkasan itu sebelum melakukan follow-up. Pengiriman penawaran, perubahan data pelanggan, atau keputusan harga tidak perlu dijalankan otomatis pada percobaan pertama.

Buat batas tertulis sebelum pengujian dimulai. Tentukan data yang boleh digunakan, siapa pemeriksa keluaran, tindakan apa yang boleh dilakukan setelah pemeriksaan, dan kapan kasus harus dikembalikan ke manusia. Batas ini membuat uji coba menjadi proses belajar yang dapat dikendalikan, bukan sekadar eksperimen prompt.

Cara memulai dari satu aktivitas kerja yang jelas

Pilih proses yang sering dilakukan dan cukup mudah diamati. Jangan memilih proses paling rumit hanya karena dampaknya terlihat besar. Aktivitas yang baik untuk percobaan awal biasanya memiliki contoh input yang tersedia, format keluaran yang dapat dijelaskan, dan pemeriksa yang memahami standar hasilnya.

Langkah pertama adalah mengumpulkan beberapa contoh pekerjaan lama yang aman digunakan untuk evaluasi. Langkah kedua, tetapkan keluaran yang diharapkan, misalnya ringkasan dengan poin tertentu atau draf yang mengikuti format internal. Langkah ketiga, minta pemeriksa membandingkan hasil AI dengan standar kerja yang sama, bukan sekadar menilai apakah hasilnya terdengar meyakinkan.

Sebagai contoh hipotetis, tim layanan pelanggan dapat menguji pengelompokan pertanyaan umum berdasarkan topik seperti status pesanan, pengiriman, atau pengembalian. AI hanya menyiapkan klasifikasi dan draf jawaban dari materi yang telah disetujui tim. Agen manusia menangani pertanyaan yang menyangkut perubahan pesanan, keluhan khusus, atau data pelanggan.

Setelah uji terbatas, putuskan salah satu dari tiga langkah. Pertahankan penggunaan sebagai alat bantu individual jika hasilnya membantu tetapi masih perlu banyak penilaian. Perbaiki materi sumber jika keluaran sering salah karena konteks tidak lengkap. Pertimbangkan integrasi workflow hanya jika kualitas keluaran stabil dan batas persetujuan manusia sudah jelas.

Dari data global ke keputusan kerja yang lebih terukur

Nilai utama OpenAI Signals bukan pada daftar aktivitasnya, melainkan pada dorongan untuk melihat AI melalui unit kerja yang nyata. Menurut Medcom.id, data tersebut dirancang agar peneliti dapat membandingkan pola penggunaan ChatGPT antarnegara dan mengamati perubahannya dari waktu ke waktu. Bagi bisnis, pembelajaran yang relevan tetap harus dilakukan pada proses sendiri.

Mulai minggu ini, tunjuk pemilik untuk satu workflow berulang. Minta ia mendokumentasikan urutan kerja saat ini, menyiapkan contoh input yang aman, menentukan standar keluaran, dan memilih pemeriksa manusia. Jalankan uji kecil sebelum membuat integrasi atau memberi akses lebih luas. Hasil uji itu akan memberi dasar yang lebih berguna daripada keputusan yang hanya didasarkan pada tren penggunaan global.