Laporan G-P: 73% Eksekutif Bilang ROI AI Belum Sesuai Harapan

• Pemakaian AI sudah menyeluruh dalam sampel survei: 100% eksekutif yang disurvei melaporkan penggunaan AI .
• Kepercayaan pada ROI melemah: 73% mengatakan hasil dari investasi AI mengecewakan atau tidak sesuai harapan .
• Penerapan agresif mulai mendingin: porsi eksekutif global yang mengatakan organisasinya memakai AI secara agresif untuk berinovasi turun dari 60% tahun lalu menjadi 42% tahun ini .
• Kesabaran anggaran terbatas: sekitar tujuh dari 10 eksekutif ingin melihat peningkatan produktivitas tahun ini atau mereka dapat memangkas investasi AI .
• AI menambah pekerjaan pengecekan: 69% mengatakan karyawan menghabiskan lebih banyak waktu untuk memantau, meninjau, atau memperbarui pekerjaan yang dihasilkan AI .
• Produktivitas semu menjadi kekhawatiran: 88% khawatir karyawan memakai AI agar terlihat sibuk atau sekadar memenuhi mandat penggunaan AI tanpa menciptakan nilai bisnis nyata; 47% sangat atau amat sangat khawatir hal itu sudah terjadi .
• Sinyal untuk tenaga kerja manusia mengkhawatirkan: 82% eksekutif mengatakan AI telah menurunkan nilai yang mereka tempatkan pada karyawan manusia .
• Data ini berbasis persepsi: laporan tersebut didasarkan pada survei terhadap 2.850 pemimpin di enam pasar global, sehingga mencerminkan pandangan eksekutif, bukan audit ROI perusahaan per perusahaan .

Masalahnya bukan adopsi, melainkan kepercayaan

Laporan G-P tidak menunjukkan perusahaan meninggalkan AI. Justru sebaliknya: semua eksekutif dalam survei mengatakan mereka menggunakannya . Namun, angka-angka itu menunjukkan perubahan suasana. Pemimpin bisnis tampaknya tidak lagi puas hanya dengan bukti bahwa sebuah alat AI sudah dipasang, diuji, atau dipakai tim.

Perubahan ini kontras dengan nuansa laporan G-P sebelumnya. Dalam 2025 AI at Work Report, G-P menyoroti percepatan adopsi: 91% eksekutif disebut sedang aktif meningkatkan inisiatif AI, dan 74% mengatakan AI penting bagi keberhasilan perusahaan . Pada laporan 2026, penggunaan AI tetap luas, tetapi fokusnya bergeser ke akuntabilitas, uji hasil, dan pembuktian ROI .

Riset lain juga menunjuk ke celah nilai yang serupa. Boston Consulting Group melaporkan bahwa 60% perusahaan belum mencapai nilai material dari AI dalam skala besar, sementara 35% lainnya sudah melihat sebagian hasil tetapi belum bergerak cukup jauh atau cukup cepat . McKinsey juga menemukan bahwa 92% perusahaan berencana menaikkan investasi AI dalam tiga tahun, tetapi hanya 1% pemimpin yang menggambarkan organisasinya sudah cukup matang sehingga AI benar-benar terintegrasi dalam alur kerja dan mendorong hasil bisnis yang substansial .

Biaya tersembunyi: pekerjaan bisa lebih cepat, tetapi juga lebih berat

Salah satu alasan ROI AI bisa terasa mengecewakan adalah adanya biaya kerja yang tidak selalu terlihat di awal. AI mungkin mempercepat satu tahap pekerjaan, tetapi menambah beban di tahap berikutnya.

G-P melaporkan 69% eksekutif mengatakan karyawan menghabiskan lebih banyak waktu untuk memantau, meninjau, atau memperbarui hasil kerja yang dibuat AI . Dalam praktiknya, AI dapat menghasilkan draf, ringkasan, kode, atau jawaban dengan cepat. Namun, manusia tetap harus memeriksa akurasi, memperbaiki konteks, mengelola risiko, dan membersihkan kesalahan.

Itu sebabnya volume output tidak otomatis sama dengan produktivitas bersih. Jika AI membuat tim menghasilkan lebih banyak materi tetapi juga menambah pekerjaan koreksi, nilai akhirnya harus dihitung dari seluruh alur kerja, bukan hanya dari tahap yang berhasil diotomatisasi. Riset Workday yang dirangkum Channel Insider menyampaikan poin serupa: waktu yang dihemat oleh AI dapat tergerus oleh pekerjaan ulang seperti memperbaiki kesalahan, menulis ulang konten, dan mengecek ulang keluaran AI .

Produktivitas semu jadi risiko manajemen

Temuan G-P juga menyoroti masalah yang lebih halus, tetapi penting: aktivitas AI bisa terlihat seperti produktivitas, padahal belum tentu menghasilkan nilai.

Sebanyak 88% eksekutif khawatir karyawan memakai AI untuk tampak produktif atau memenuhi ekspektasi penggunaan AI tanpa menciptakan hasil bisnis yang bermakna . Hampir separuhnya, 47%, sangat atau amat sangat khawatir hal itu sudah terjadi .

Ini menjadi peringatan bagi perusahaan yang mengukur keberhasilan AI hanya dari metrik permukaan: jumlah login, jumlah prompt, jumlah draf yang dibuat AI, atau pengakuan karyawan bahwa mereka memakai AI. Angka-angka itu dapat menunjukkan aktivitas, tetapi belum membuktikan pekerjaan menjadi lebih baik, lebih cepat, lebih aman, atau lebih menguntungkan.

Paradoks pekerja manusia

Temuan paling sensitif dalam laporan ini adalah soal nilai pekerja manusia. G-P menyebut 82% eksekutif mengatakan AI telah menurunkan nilai yang mereka tempatkan pada karyawan manusia . Angka itu mencolok karena laporan yang sama juga menunjukkan manusia masih banyak diminta memantau, meninjau, dan memperbarui hasil kerja AI .

Di sinilah paradoksnya: perusahaan bisa saja menilai AI sebagai pengungkit efisiensi, tetapi AI tetap membutuhkan penilaian manusia agar hasilnya bisa dipercaya. Pelajarannya bukan bahwa manusia menjadi tidak relevan. Justru, banyak organisasi mungkin sedang meremehkan peran penilaian, pengalaman, dan tanggung jawab manusia dalam membuat AI benar-benar berguna.

McKinsey menekankan bahwa perusahaan sebaiknya berfokus pada aplikasi praktis yang memberdayakan karyawan dalam pekerjaan sehari-hari dan menghubungkan AI dengan hasil yang bisa diukur, bukan memperlakukan AI semata sebagai proyek peluncuran teknologi .

Cara baru mengukur keberhasilan AI

Jika membaca temuan G-P secara praktis, perusahaan perlu berhenti menjadikan “pemakaian AI” sebagai ukuran utama. Ukuran yang lebih sehat adalah apakah AI memperbaiki hasil kerja yang benar-benar penting.

Kartu skor AI yang lebih kuat dapat mencakup:

1. Dampak bisnis: kontribusi pada pendapatan, penurunan biaya, peningkatan pengalaman pelanggan, pengurangan risiko, atau percepatan penyelesaian pekerjaan yang sudah tervalidasi.
2. Produktivitas bersih: waktu yang dihemat dikurangi waktu untuk meninjau, memperbaiki, menulis ulang, atau memperbarui keluaran AI.
3. Kualitas: tingkat kesalahan, jumlah eskalasi, isu kepatuhan, kepuasan pelanggan, dan persentase hasil AI yang diterima tanpa revisi besar.
4. Integrasi alur kerja: apakah AI tertanam dalam proses bernilai tinggi, bukan sekadar tersedia sebagai alat tambahan.
5. Penguatan peran manusia: apakah AI membantu karyawan mengambil keputusan lebih baik dan menyelesaikan pekerjaan bernilai lebih tinggi, bukan hanya menambah volume output.
6. Akuntabilitas anggaran: apakah setiap kasus penggunaan AI punya pemilik yang jelas, tolok ukur awal, metrik keberhasilan, dan jadwal evaluasi sebelum belanja diperbesar.

Intinya sederhana: jangan hanya bertanya apakah karyawan memakai AI. Tanyakan apakah AI membuat pekerjaan yang sudah diperiksa dan bernilai bisnis menjadi lebih baik.

Kesimpulan

Laporan G-P 2026 bukan cerita anti-AI. Ini cerita tentang akuntabilitas. Survei yang sama menemukan penggunaan AI sudah menyeluruh, tetapi juga menunjukkan 73% eksekutif kecewa terhadap setidaknya sebagian investasi AI dan hampir 70% dapat memangkas belanja jika target tidak tercapai .

Karena laporan ini berbasis survei eksekutif, hasilnya tidak boleh dibaca sebagai bukti audit bahwa AI gagal. Namun, sinyalnya jelas: beban pembuktian sudah bergeser. Fase berikutnya bagi AI di tempat kerja bukan lagi sekadar peluncuran alat, melainkan nilai bisnis yang terukur, tepercaya, dan tetap divalidasi manusia.