Perusahaan besar "sapi dan kuda", dipaksa menggunakan AI

这股“AI提高效率”的风，还是刮到了大厂打工人的身上。

最开始，AI还只是少数技术极客和尝鲜者的玩具。有人自掏腰包买会员，有人私下交流提示词，把它当成提高效率的新工具，确实从中尝到了甜头。

但现在，情况变了。国内外的互联网大厂已经从“鼓励使用AI”进入了“隐性强制使用AI”的阶段。有人被统计每天消耗了多少Token，有人所在团队把AI使用情况和绩效挂上了钩，有人被要求优先使用公司自研工具，有人则要把自己的工作经验拆成流程、写成Skills，交给AI反复调用。

当“用AI”、“烧Token”逐渐变成一种考核、一套要求，甚至一种新的工作模板，那些被卷进这场智能化浪潮的大厂员工，真实处境到底如何？

这两天，我们和六位来自不同公司、不同岗位的从业者聊了聊。他们的背景涵盖了海外上市公司的CIO、国内头部大厂的高级研发、负责写代码的初级程序员，以及做运营和市场商务的非技术岗。

有人靠着AI实现效率翻倍，将产品需求文档的输出周期从几周压缩到一天，甚至一个人干出了过去一个团队的成果；也有人为了应对“智能化产出”的要求，把一份简单的数据看板手动调试了80遍，硬生生把AI用成了需要不断“擦屁股”的初级实习生。

大厂的工作氛围也发生了微妙的变化。当那些原本属于个人经验、工作习惯的东西，被一点点拆解、整理、上传、复用，踏实写代码的人成了“不活跃分子”，频繁调试提示词的人则成了“积极拥抱新技术”的典型。新的焦虑也随之冒了出来：我们究竟是在使用AI，还是在给AI当燃料，一步步把自己变成可被替代的流程？

在这场自上而下的AI实验里，有人感到兴奋，有人感到疲惫，也有人一边配合，一边不安。但几乎所有人都意识到一点：时代的齿轮已经转动，无论是主动拥抱还是被动配合，那个纯粹依人力、拼时长的工作时代，正在“翻篇”。

为了交一份“AI成果”，我把数据看板改了80遍

好好 | 国内某头部互联网大厂 运营

三周前，领导在群里发通知，说以后“鼓励大家用AI提高效率”，没有KPI，不挂钩绩效，但在例会上，他对大家强调，以后所有工作产出，都可以让AI先生成一版。

那一刻我明白了，这其实是隐性要求。

二十多天前，我们被统一要求使用公司自研的AI工具，理由是“数据安全”，但问题很快出现。

首先是额度限制。公司给每人发放的调用次数有限，我一边琢磨着如何尽可能用AI完成工作，还得精打细算地“省着点用”。

其次是**能力不稳定。**写文案还行，一旦涉及数据分析和复杂逻辑，就开始出错。

上周，我用它做数据看板，直接把我整崩溃了。

这个任务很简单，是一个分析客户和销售数据的工具。过去是技术部门的活儿，现在需要“人人都会”。我之前用Gemini顺利写过一个小游戏，就天真地以为搭个数据看板应该也不难。

第1次，AI直接给了我一个数据上传模板，里面多了七八个根本用不到的字段，我只好手动删改。

调教到第13次，维度和数据总算对齐了，但显示地区漏了三个，它还解释说是“自动筛选低价值区域”。

调整到第40次，数据格式开始混乱，小数点有的保留0位有的保留4位。

我强撑到第60次修改，结果上传新数据后，图表无法自动更新，新旧数字叠加在一起，数据膨胀了近一倍。

熬到第80次修改，终于走到了PDF导出成功的最后一步，想着终于能松一口气了，但打开后心又死了，费了一下午的功夫收获了一堆乱码。

我仔细算了笔账，无论是做数据看板，还是完成日常的工作报告，我反复对AI进行调试、等待“抽卡”的时间，足够人工做完两遍。但领导想看到“AI产出”，我就得陪这位“AI初级员工”不断试错。

对我来说，AI既是工具也是负担，大概一半一半。它确实接管了一些重复性工作，但调试、校验、返工的时间又把省下来的精力填满了。我最清晰的感受是，很多工作我明明可以自己做完，却必须绕一圈，用AI“做一遍”。

为了凑AI使用次数，

我删掉代码让它重写了一遍

Kevin | 美国某电商公司 工程师

我这周的Kiro（公司内部的AI编程助手）使用次数还没达标。为了凑够，我把一段参数校验的代码删了，直接丢给Kiro让它改写一版。它生成出来看着像那么回事，但少处理了一个异常分支，最后还得我自己补回去。

其实我之前用AI写代码用得挺勤的。我订阅了ChatGPT Plus，后来又试过Claude，遇到一些繁琐的基础测试用例，或者需要快速查个不常用的API，丢给AI处理确实能省不少事。那时候是真的觉得能提效，大家也会互相交流提示词。

但去年底开始，公司把Kiro定为公司“推荐的AI原生开发工具”，并且定了指标：年底前，80%的工程师每周使用Kiro。

最开始说是为了让大家在项目里顺手把工具用起来，但没过多久，内部就上线了一个追踪员工AI使用频率的系统。谁在用、谁没怎么用，后台都能看出来。

最让我们头疼的是，Kiro不太好用。写样板代码、测试、接口适配还行；但一旦牵涉到调用链、状态处理或者部署约束，它生成的代码就经常只是个半成品。所以，大量工程师要求改用Claude Code，认为Kiro不适合高复杂度的工程判断。

大家对AI生成的代码不放心是有原因的，去年底，公司有个团队就因为跑Kiro出了个不小的事故。事故之后，AI参与的代码变更审批明显收紧了。

但我还是会觉得有点恍惚。那些踏踏实实钻研底层逻辑、手动优化核心代码的人，在追踪系统上不够活跃；反而是那些频繁调试提示词的人，成了“积极拥抱新技术”的典型。

我原本以为，工程师的价值是处理那些真正复杂的问题。可现在很多时候，我负责写提示词、盯生成结果、补它留下来的坑。我最担心的不是工作方式变了，而是长期这样下去，自己从零实现、排查复杂问题的能力，会一点点退化。

全员写Skills，等于自己“干掉”自己

Kelly |北京某互联网大厂 后端研发（职级序列8）

Sebagai seorang programmer backend, saya sudah sejak tahun lalu menggunakan AI secara intens dalam pekerjaan saya, dan yang paling sering saya gunakan adalah alat pemrograman tanpa kode internal.

Menjelang awal Tahun Baru Imlek tahun ini, suasana penerapan AI di perusahaan kami tiba-tiba menjadi sangat agresif. Sekarang, semua karyawan bisa melihat di sistem berapa banyak Token yang mereka habiskan setiap hari, dan kalimat paling sering yang disampaikan atasan langsung saya adalah “Hal ini bisa dicoba dengan AI.”

Saat ini perusahaan kami belum punya penilaian yang jelas terkait konsumsi Token, tetapi tiap departemen memiliki standar penilaian masing-masing.

Secara spesifik di departemen saya, baru-baru ini ada dorongan agar seluruh karyawan menulis Skills, yang mengharuskan kita melakukan inventarisasi menyeluruh terhadap pengalaman kerja sehari-hari, alur kerja, detail teknis, dan masalah-masalah yang umum terjadi, lalu melakukan dokumentasi dan mengubahnya menjadi Skills.

Leader menilai dua metrik utama: jumlah Token yang dikonsumsi tiap hari menggunakan alat “lobster” internal perusahaan, dan jumlah output Skills. Untuk metrik yang kedua, departemen bahkan memiliki target penilaian yang sangat jelas; setiap minggu wajib menghasilkan output.

Selain itu, saat ini 50% kebutuhan pengembangan di departemen tersebut dipaksa untuk dihasilkan oleh Agent. Ini berarti tahapan produk, pengembangan, dan pengujian langsung dilewati, dan output end-to-end diminta untuk direalisasikan dengan “lobster”.

Proporsi50% ini** juga akan**** terus ditingkatkan secara bertahap sepanjang tahun,**** dengan target mencapai**** akhir tahun 2026 untuk mewujudkan otomatisasi penuh.**

Dari sisi biaya penggunaan Token, untuk urutan teknis departemen kami, saat ini Claude Opus memiliki Token yang cukup dan tidak ada paksaan untuk menggunakan alat internal. Namun sebagian besar departemen memiliki kuota Opus yang terbatas; jika melewati kuota, sisanya dibayar sendiri, dan Token untuk alat internal serta model internal kami tidak dibatasi.

Setelah semua menjadi AI sepenuhnya, durasi kerja saya justru lebih lama**.** Bukan karena beban kerja bertambah, melainkan karena semua orang berlomba-lomba menghasilkan Skills, dan Anda juga tidak punya pilihan selain ikut berlomba.

Misalnya, di grup departemen kami, setelah pukul 23.00 malam pun rekan-rekan masih membagikan Skills yang sudah dibuat. Kadang ketika saya melihat orang dari tim yang sama membuat Skills yang cukup berguna, saya langsung merasa sangat cemas.

Kecemasan ini, di satu sisi berasal dari kecemasan departemen terhadap target output Skills, dan di sisi lain, juga takut bahwa AI Agent sedang menggantikan pekerjaan manusia sedikit demi sedikit.

Faktanya, saat menyelesaikan masalah tunggal, efisiensi AI belum tentu lebih tinggi daripada backend engineer yang berpengalaman. Karena Skill yang ditulis berupa alur sederhana tidak stabil; perlu banyak usaha untuk debugging, revisi, dan konsumsi Token pun besar. Namun ketika Skills semakin diperbaiki dan semakin “bagus” digunakan, AI akan secara bertahap melampaui manusia, dan beroperasi dengan biaya yang sangat rendah.

Sebagai pekerja kantoran, semua orang di dalam hati juga paham: dalam konteks perusahaan yang mendorong seluruh karyawan menulis Skills, menyembunyikan atau menahan diri pasti tidak akan menghasilkan Skills yang bagus. Namun jika semua skill dan pengalaman Anda didokumenkan menjadi SOP dan diubah menjadi Skills**,**** sebenarnya juga tidak jauh dari hari ketika Anda akan digantikan oleh AI.**

Peningkatan efisiensi kerja dengan AI tidak diragukan lagi. Tapi jika efisiensi naik, itu berarti tidak perlu begitu banyak orang. Saluran internal perusahaan untuk “aliran kerja” sudah dihentikan; apa yang akan terjadi ke depannya, jawabannya sudah diberikan oleh raksasa teknologi di Silicon Valley.

“Dipaksa menggunakan AI”, tapi saya mengalahkan orang-orang di tim dengan mengandalkannya

Chen Yu | Penginsinyur Protokol Komunikasi pada perusahaan ponsel tertentu di Tiongkok

Dalam enam bulan terakhir, perusahaan kami sedang ramai-rami berlomba dengan AI. Sejak Oktober tahun lalu, alat dibuka, kuota direimburse, dan semua orang didorong untuk menggunakannya. Misalnya di departemen kami, setiap orang punya target kuota penggunaan Cursor per bulan. Kalau kuota tidak terpakai, itu dianggap “membuang sumber daya”,** akun bisa dicabut;**** kalau memang menggunakan banyak tapi output tidak menyusul, itu akan dianggap penyalahgunaan****, dan juga akan diberi peringatan.**

Jadi, tidak boleh tidak menggunakan. Tapi menggunakan dengan buruk juga tidak boleh. Dalam tren seperti ini, pasti ada tekanan. Di tim sudah ada orang yang dioptimasi karena tidak mau meluangkan waktu untuk belajar AI, ditambah lagi kondisi kerja mereka biasa saja.

Pemahaman saya tentang “menggunakan AI” berbeda dengan banyak orang. Menyalahgunakan AI, membakar Token sebanyak itu, bahkan lebih baik uangnya dipakai untuk membeli game. AI bukan semakin sering dipakai lalu semakin baik; yang penting adalah menggunakan dengan tepat. Saya biasanya menyisihkan satu atau dua hari setiap minggu untuk secara khusus mempelajari cara agar AI lebih sesuai dengan pekerjaan saya, sehingga membantu saya bekerja secara efisien.

Posisi saya adalah engineer protokol komunikasi; menulis kode hanya memakan sebagian kecil waktunya. Lebih banyak waktu saya digunakan untuk menangani data pengguna, menganalisis log sistem, dan sebagainya. Dulu saat menganalisis masalah ponsel pengguna yang sering lag, terkadang masalahnya jelas berasal dari jaringan operator, tapi tetap saja kami harus menelusuri sedikit demi sedikit; banyak tenaga terbuang untuk menyaring informasi yang tidak relevan.

Sekarang, AI bisa membantu saya melokalisasi masalah dengan cepat dan menyaring gangguan yang tidak perlu terlebih dulu, sehingga saya fokus pada bagian yang benar-benar perlu dioptimalkan. Selama setahun terakhir,** output keseluruhan saya meningkat dengan jelas, dan performa saya berada di peringkat yang cukup tinggi di tim.**

Tapi jujur saja, AI masih belum sampai tahap bisa menggantikan manusia. Akurasi analisis lognya hanya sekitar 60%, dan harus ada verifikasi manual. Untuk meningkatkan kemampuan AI, kami harus terus menulis aturan dan mengoptimalkan logika. Jadi, dalam setengah tahun terakhir, volume kerja saya bertambah. Tetapi proses itu sendiri adalah “mendidik” AI agar melayaninya manusia.

Dua tahun ini, saya bisa merasakan dengan jelas bahwa perusahaan merekrut orang semakin sedikit. Saya yakin pasti ada pengaruh dari AI di balik itu. Saat ada teman di sekitar saya yang bersiap pindah kerja, saya selalu menyarankan dia untuk benar-benar memperkuat kemampuan terkait AI. Dengan level teknis yang sama, apakah menggunakan AI atau tidak bisa menarik perbedaan yang sangat jelas dalam wawancara dan gaji. Sekarang platform memaksa Anda belajar, dan itu sekaligus membantu Anda menyiapkan daya saing karier sejak lebih awal.

Saya selalu merasa bahwa AI bukan untuk menggantikan manusia, melainkan hanya alat kompetisi baru di antara manusia**.**

Kamitidak**** melakukan pemutusan karyawan,**** tetapi efisiensi harus meningkat**** 3 hingga**** 5 kali

Ming Lu | CIO dari sebuah perusahaan t***erdaftar di Australia

Sebagai CIO, saya mungkin orang pertama di perusahaan yang benar-benar sudah menjadi “penduduk asli AI”.

Sebelum perusahaan kami secara resmi menetapkan strategi AI, saya sudah mulai menggunakan alat AI secara intens. Karena perusahaan kami memiliki kerja sama jangka panjang dengan Microsoft, sejak awal sudah mengintegrasikan Copilot. Lalu, Copilot juga digabungkan dengan Claude ke dalam sistem kerja internal. Tanpa melebih-lebihkan, saat ini hampir semua pekerjaan inti saya sudah dikerjakan oleh AI, dan efisiensinya meningkat dua kali lipat.

Namun, pada tahap awal perusahaan mendorong penggunaan alat AI di dalam internal, prosesnya tidak berjalan mulus.

Awalnya, yang dilakukan adalah strategi berbasis dorongan: setiap departemen dan karyawan diberi izin dan kuota penggunaan Copilot yang nyaris tidak terbatas. Tetapi hasilnya tidak begitu terlihat, bahkan ada resistensi di departemen pengembangan perangkat lunak dan UX.

Tim-tim ini bukan menolak alat AI, mereka juga bersedia memakai AI untuk tugas pendukung, misalnya menulis potongan kode, menghasilkan sketsa desain. Tapi secara umum mereka tidak mau melangkah lebih jauh, misalnya membiarkan AI masuk ke proses inti SDLC (software development lifecycle). Sikap seperti ini bisa dimengerti: orang mau AI membantu, tapi tidak mau dipimpin oleh AI.

Tapi dalam kerangka strategi perusahaan, hanya menjadikan AI sebagai pemeriksa sintaks saja tidak cukup; yang kita butuhkan adalah perombakan proses.

Karena itu, pada awal tahun ini, saya bersama CTO menyusun strategi AI baru: meminta tiap departemen mengajukan peta jalan AI sebelum akhir April dan menetapkan mekanisme penilaian yang ketat—setiap manajer harus mengajukan tiga inisiatif AI (AI Initiatives), dan dinilai tiap kuartal berdasarkan tingkat implementasinya. Kami juga mulai memantau jumlah penggunaan Token, menilai tingkat pemakaian AI;** bagi yang jangka panjang berada jauh di bawah target, bisa masuk ke rencana perbaikan performa (PIP).**

Setelah penyesuaian, efeknya langsung terlihat.

Perubahan paling jelas terjadi pada pengembangan perangkat lunak. Dulu, pembentukan dokumen kebutuhan produk (PRD) memerlukan banyak putaran komunikasi antara product manager dan tim pengembang, dan prosesnya bisa memakan waktu hingga berminggu-minggu bahkan satu hingga dua bulan. Sekarang, seorang project manager bisa menghasilkan output dalam satu hari: ada penjelasan Markdown, serta PRD yang disertai gambar prototype antarmuka. “zona abu-abu” yang paling memakan waktu pada fase awal proyek kini jauh lebih dipangkas.

Kini, fokus kerja saya juga berubah. Setiap hari saya menghabiskan banyak waktu untuk rapat dengan para manajer dari berbagai departemen, membahas di bagian mana AI bisa masuk. Pada saat yang sama, saya sendiri juga membangun lingkungan Claude multi-agent: menghabiskan banyak usaha untuk brainstorming bersama AI, merinci skema sampai detailnya, lalu menyerahkannya ke AI agar direalisasikan.

AI membuat saya menghabiskan lebih banyak waktu untuk “membuat masalahnya benar-benar dipahami dulu”. Jika dokumen kebutuhan tidak cukup kuat, logika bisnisnya tidak cukup jelas, eksekusi AI akan melenceng total. Ini juga mendorong kita untuk lebih banyak berpikir mengenai esensi logika bisnis.

Tentu, sisi lain dari peningkatan efisiensi adalah hal yang kejam: kemungkinan jumlah posisi akan berkurang. Meskipun dewan perusahaan memutuskan untuk tidak melakukan PHK terlebih dahulu, perusahaan mensyaratkan agar setiap karyawan meningkatkan efisiensi mereka 3 sampai 5 kali. Dan kami sudah menghentikan perekrutan karyawan baru untuk arah analisis data, pengembangan program, dan analisis keuangan. Ini mungkin juga hal yang akan dialami semua perusahaan suatu hari nanti.

Saya tidak merasa diri saya didominasi oleh AI; justru saya merasakan kontrol yang belum pernah terjadi sebelumnya. Kini, tekanan yang sesungguhnya dirasakan oleh orang-orang di posisi yang konten pekerjaannya sangat distandarisasi dan mudah digantikan langsung oleh AI. Sedangkan mereka yang memiliki kemampuan analisis kebutuhan yang kuat dan kemampuan perencanaan tingkat atas, malah menjadi lebih diminati.

Setelah menggunakan AI, pekerjaan saya** malah**** menjadi lebih sibuk**

Yun Tian | Senior R&D di salah satu perusahaan raksasa di Tiongkok

Saya termasuk orang yang cukup awal menggunakan AI dengan biaya sendiri: pengeluaran untuk berbagai alat per bulan mendekati 500 dolar AS. Mulai dari GPT sampai berbagai model khusus bidang; yang terasa enak langsung beli paket tahunan, yang bersifat coba-coba saya dulu cek pakai kartu bulanan.

Saat ini perusahaan kami belum memiliki persyaratan wajib terkait jumlah Token yang digunakan. Selama sesuai aturan, mana yang paling enak dipakai, itulah yang dipilih—itu berdasarkan pertimbangan komprehensif tim masing-masing. Saat ini konsumsi Token saya per bulan sekitar 30 sampai 4B.

Namun, sekalipun begitu, waktu kerja saya tetap bertambah.

Alasannya sederhana: menggunakan AI bukan hanya “menyuruhnya bekerja”, tapi juga harus terlebih dahulu membangun sistem. Sama seperti membangun gedung pencakar langit harus membuat kerangka dulu; kami juga harus membangun sistem terlebih dahulu untuk menetapkan batas penggunaan AI, mengurangi tingkat kegagalannya. Bahkan, setelah AI bermasalah, perlu segera “membereskan”, mengendalikan sejauh mana dampaknya. Pekerjaan ini jauh lebih rumit daripada sekadar menggunakan AI untuk meningkatkan efisiensi: rasanya seperti satu pekerjaan yang dikerjakan dua pekerjaan. Agar bisa beradaptasi dengan tuntutan baru ini, saya juga membutuhkan banyak waktu.

Terkait kekhawatiran yang umum di pasar saat ini tentang “penggunaan Token dimasukkan ke dalam KPI”, saya justru punya pandangan yang berbeda.

Dari para bos atau pimpinan bisnis yang pernah saya temui, tidak ada satu pun yang tidak peduli terhadap AI. Semua orang takut ketinggalan arus bisnis ini. Saya tahu dua perusahaan raksasa terkemuka yang akan meminta karyawan hanya menggunakan model besar milik mereka sendiri, dan melarang memakai alat lain seperti Claude, ChatGPT, dan sebagainya.

Sebenarnya saya kurang paham kenapa sebagian perusahaan ingin memasukkan penggunaan Token ke dalam KPI. Dari sudut pandang saya, ini adalah cara dengan beban pemikiran manajerial paling rendah, tetapi itu tidak mengukur inti nilai.

Namun dari sisi lain, menurut saya menetapkan “ambang batas minimum” itu masuk akal. Jika seorang karyawan di lingkungan sekarang sama sekali tidak membakar Token dan dengan tegas tidak menggunakan AI, itu dengan sendirinya menunjukkan bahwa dia kurang memiliki kesadaran untuk melakukan perombakan pada workflow pekerjaannya.

Mengenai apakah pengenalan AI akan menyebabkan penurunan rekrut besar-besaran atau PHK, saya pikir secara keseluruhan pasar tenaga kerja memang mengikuti hukum revolusi industri.

Logika perekrutan perusahaan besar tidak pernah sesederhana melihat berapa banyak orang yang dibutuhkan untuk mengerjakan kerjaan. Yang dilihat adalah kemampuan keuntungan untuk menopang dan strategi talenta. Merekrut talenta yang paham AI, meskipun sementara tidak langsung dipakai, juga merupakan cara untuk merebut posisi lebih dulu. Sedangkan untuk perusahaan kecil dan menengah, AI menurunkan biaya pendirian startup dan pengembangan; dulu 100 orang mengerjakan sesuatu, sekarang bisa dilakukan oleh 10 orang.

Saya mengenal seorang pengusaha yang berlatar belakang non-teknis. Dengan bantuan AI, hanya dalam waktu setengah tahun, dia berhasil mengetuk (membangun) satu sistem pendidikan ToB yang lengkap. Di masa lalu, paling tidak itu membutuhkan tim beranggotakan seratus orang. Ketika biaya trial-and-error di seluruh masyarakat terus turun, dalam jangka pendek pasti akan ada guncangan penyesuaian posisi. Tetapi dalam jangka panjang, seluruh “kue” pasar akan menjadi lebih besar, dan akan bermunculan tim serta peluang baru.

Posisi yang distandarisasi dan repetitif pasti akan terdampak. Tapi posisi yang membutuhkan pemikiran mendalam, perencanaan kreatif, dan integrasi sumber daya justru akan makin diminati karena AI. Roda zaman tidak pernah menunggu: beberapa posisi lama pasti akan tersingkir. Tapi pintu menuju dunia baru juga perlahan sedang terbuka.

Sumber artikel ini: Dingjiao One

Peringatan risiko dan ketentuan penyangkalan tanggung jawab

        Ada risiko di pasar, investasi perlu kehati-hatian. Artikel ini tidak merupakan saran investasi pribadi, dan tidak mempertimbangkan tujuan investasi, kondisi keuangan, atau kebutuhan khusus dari masing-masing pengguna. Pengguna harus mempertimbangkan apakah setiap opini, pandangan, atau kesimpulan dalam artikel ini sesuai dengan kondisi spesifiknya. Dengan demikian, lakukan investasi dengan tanggung jawab Anda sendiri.