Kehadiran kecerdasan buatan (AI) generatif, yang awalnya diharapkan mempercepat dan mempermudah pekerjaan, kini justru menimbulkan masalah baru. Alih-alih meningkatkan efisiensi, banjir konten dari AI, seperti ChatGPT atau Gemini, dianggap menjadi beban tambahan bagi pekerja.

Fenomena ini dikenal sebagai workslop, gabungan kata work (pekerjaan) dan slop (sampah), yang merujuk pada ledakan konten dangkal yang membebani alur kerja organisasi. Laporan Harvard Business Review (HBR) bersama Stanford dan BetterUp menunjukkan bahwa masalah utama bukan kekurangan informasi, melainkan justru terlalu banyak informasi yang minim nilai. “Yang awalnya dimaksudkan untuk membantu, kini malah menghambat,” tulis HBR.

Dokumen AI sering tampak rapi dari luar, tetapi saat dibaca, pembaca sulit memahami maksudnya, sehingga waktu terbuang hanya untuk menafsirkan konten tersebut. Penelitian Stanford Social Media Lab dan BetterUp Labs menyebut 40% pekerja profesional di AS menerima konten semacam itu dalam sebulan terakhir, fenomena yang disebut workslop.

Berbeda dari kekhawatiran lama soal mesin menggantikan manusia, workslop menandai era di mana manusia menggunakan mesin untuk “melempar” pekerjaan dan beban kognitifnya ke rekan kerja. Dokumen AI terlihat rapi, namun miskin konteks dan menambah beban mental. Setiap kasus workslop bisa memakan 1–2 jam untuk diperbaiki atau ditulis ulang, dan perusahaan dengan 10.000 karyawan berpotensi kehilangan lebih dari 9 juta dolar per tahun akibat “limbah digital” ini.

Dampak utamanya terlihat pada dua hal: waktu kerja yang terbuang untuk memverifikasi informasi, dan kualitas keputusan yang menurun karena data dangkal atau bias. Selain menurunkan produktivitas, workslop juga menyebabkan kelelahan mental, karena karyawan merasa terbebani harus menanggapi arus informasi yang sebagian besar tidak berguna. Survei Stanford–BetterUp menunjukkan 1 dari 3 responden enggan bekerja sama dengan rekan yang sering mengirim workslop, yang mengurangi kepercayaan dan kolaborasi tim.

HBR menekankan bahwa volume dokumen, memo, dan presentasi meningkat, tetapi kualitas keputusan tidak bertambah. Rapat sering memakan waktu lebih lama karena manajer harus menyaring informasi palsu sebelum sampai pada inti masalah.

Peneliti Harvard membagi pengguna AI menjadi dua tipe: “penumpang” yang memakai AI sebagai jalan pintas tanpa mengecek kualitas, dan “pilot” yang memberi konteks jelas, meninjau ulang output, dan menggunakan bagian yang relevan. BetterUp menulis, “Workslop mudah dibuat, tapi mahal untuk dibersihkan. Apa yang dianggap jalan pintas bisa menjadi jalan buntu bagi tim.”

Fenomena ini menandai pergeseran tantangan organisasi modern: dari mempercepat akses informasi menjadi memastikan kualitas informasi untuk pengambilan keputusan. Tanpa kurasi dan literasi digital, AI generatif bisa menghasilkan residu besar yang merusak produktivitas dan daya saing organisasi. Standar kualitas dan verifikasi manusia harus diterapkan agar AI berfungsi sebagai asisten, bukan beban.

HBR menekankan, “Volume konten tidak otomatis berarti kualitas. Tanpa kurasi, organisasi hanya menukar efisiensi dengan banjir informasi.” Organisasi yang ingin bertahan perlu melampaui euforia “lebih banyak, lebih cepat” dan fokus pada seleksi dan penyaringan konten. Tanpa itu, janji efisiensi AI justru menjadi jebakan, membuat pekerja tenggelam dalam konten yang tampak canggih namun hampa.