5 Tahap Penerimaan AI ala Kubler-Ross, Kamu Lagi di Stage Mana?

5 tahap penerimaan AI dapat dipetakan sebagai denial, anger, bargaining, depression, dan acceptance, memakai Kübler-Ross sebagai analogi refleksi. Kamu bisa mengenali posisi kamu lewat respons saat AI mengecewakan, lalu memilih perbaikan yang sesuai.

Bagian dari playbook: Playbook AI untuk Produktivitas dan Efisiensi Bisnis

Intinya:

• Lima tahap ini membantu membaca respons terhadap AI, dengan urutan yang bisa berbeda pada setiap orang.
• Mencari prompt sakti menjadi jebakan ketika kamu terus mengganti instruksi sambil membiarkan masalah kerja tetap kabur.
• Penerimaan AI terlihat dari kemampuan menentukan tugas, memberi konteks, memeriksa hasil, dan menetapkan batas penggunaannya.

Coba bayangkan dua pemilik usaha yang meminta AI membuat balasan untuk pelanggan yang mengeluhkan pesanan.

Pemilik pertama menulis, “Buat balasan profesional.” Hasilnya terasa kaku. Ia mencari prompt baru, mencoba lagi, lalu menyimpulkan AI belum paham pelanggan Indonesia.

Pemilik kedua menyertakan keluhan yang sudah disamarkan, kebijakan penggantian barang, dan contoh gaya bahasa tokonya. Ia memeriksa apakah drafnya menjanjikan sesuatu di luar kebijakan.

Situasi ini hipotetis. Perbedaannya terletak pada informasi dan keputusan yang menyertai permintaan.

Saat saya memetakan contoh ini, saya melihat satu keputusan penting: siapa yang memastikan janji kepada pelanggan bisa dipenuhi? Pertanyaan itu membawa pembahasan AI ke pekerjaan nyata.

Apa yang dijelaskan oleh 5 tahap penerimaan AI?

Tahap penerimaan AI adalah kerangka refleksi dalam artikel ini untuk mengenali penolakan, kemarahan, tawar-menawar, rasa kewalahan, dan penerimaan saat menghadapi AI.

Model Kübler-Ross adalah kerangka yang dikenal melalui lima tahap respons terhadap kematian dan kehilangan. Penggunaannya untuk AI di sini merupakan analogi.

Elisabeth Kübler-Ross Foundation menjelaskan bahwa tahap tersebut tidak harus berurutan atau dialami semua orang. Jadi, gunakan kerangka ini dengan lentur.

Kamu bisa nyaman memakai AI untuk merapikan tulisan, sekaligus keberatan menyerahkan percakapan pelanggan kepadanya. Perbedaan itu masuk akal karena konsekuensi tiap pekerjaan berbeda.

Yang kita periksa adalah respons terhadap tugas tertentu. Label tahap membantu memulai percakapan, tanpa menentukan identitas atau kemampuan seseorang.

1. Denial: kamu sudah memutuskan sebelum menguji

Kalimat yang mungkin muncul: “Bisnis saya terlalu spesifik. AI pasti tidak berguna.”

Bayangkan pemilik usaha katering yang menolak semua penggunaan AI karena pernah menerima saran menu yang tidak cocok. Satu keluaran buruk menjadi kesimpulan untuk seluruh pekerjaan.

Mekanismenya sederhana: pengujian yang sempit menghasilkan kesimpulan yang terlalu luas. Padahal, menyarankan menu dan merapikan catatan pesanan membutuhkan kemampuan berbeda.

Keraguan tetap berguna. Supaya bisa diuji, ubah keraguan menjadi pertanyaan yang punya jawaban teramati.

• Cek diri: Apakah kamu menolak berdasarkan pekerjaan yang sudah diuji, atau kesan dari satu percobaan?
• Jalan keluar: Pilih tugas terbatas, seperti merangkum catatan rapat yang sudah disamarkan. Bandingkan hasilnya dengan catatan asli.

Catat kesalahan secara spesifik. “Keputusan rapat hilang” memberikan arah perbaikan yang lebih jelas daripada “AI jelek.”

2. Anger: hasilnya salah, kamu merasa pekerjaan bertambah

“Katanya membantu. Sekarang saya harus membetulkan semuanya.”

Dalam skenario ini, rasa kesal muncul karena jarak antara harapan dan hasil. Kamu mengharapkan pekerjaan selesai, sementara yang datang masih membutuhkan pemeriksaan.

Misalnya, AI membuat balasan komplain dengan janji pengiriman ulang. Padahal, kamu hanya meminta bahasa yang lebih sopan.

Kekesalan itu memberi informasi: ada batas kewenangan yang belum dijelaskan atau belum dipatuhi. Pemeriksaan perlu menyasar sumber kesalahannya.

• Cek diri: Apakah masalahnya fakta keliru, konteks kurang, instruksi ambigu, atau tugas yang memang tidak cocok?
• Jalan keluar: Ambil satu keluaran gagal. Tandai kesalahan, lalu uji perbaikan pada bagian tersebut.

Jika informasi sudah lengkap dan kesalahan tetap berulang, batasi penggunaannya. Kamu berhak mempertahankan proses manual untuk tugas itu.

3. Bargaining: kamu berharap ada prompt yang membereskan semuanya

“Kalau saya punya prompt yang tepat, hasilnya pasti langsung beres.”

Prompt AI adalah instruksi yang kamu berikan kepada AI untuk mengarahkan tugas dan bentuk jawabannya.

Prompt membantu. Jebakannya muncul ketika instruksi diharapkan menggantikan keputusan bisnis yang belum dibuat.

Bayangkan kamu meminta konten jualan yang lebih meyakinkan. Kamu belum menentukan pembeli utama, masalah yang ditawarkan solusinya, atau bukti yang boleh dipakai.

Setiap draf terasa kurang pas karena ukuran “pas” terus berubah. Mengganti prompt memberikan aktivitas baru, sementara keputusan dasarnya tetap tertunda.

Inilah alasan bargaining layak diperhatikan pebisnis dengan waktu terbatas. Mengoleksi instruksi terasa produktif, meskipun pekerjaan belum punya kriteria selesai.

• Cek diri: Bisakah kamu menjelaskan hasil yang layak dipakai sebelum menekan tombol kirim?
• Jalan keluar: Tulis tujuan, bahan rujukan, batas klaim, contoh hasil, dan kriteria penerimaan dalam satu brief.

Kalau kriterianya masih kabur, pembahasan tentang kebiasaan generate ulang yang menunda keputusan bisa membantu kamu mengenali polanya.

4. Depression: kamu merasa terlalu banyak yang harus dipelajari

Dalam analogi ini, istilah depression merujuk pada rasa kewalahan atau kehilangan semangat. Istilah tersebut tidak digunakan sebagai diagnosis klinis.

Kalimatnya mungkin begini: “Saya belum paham yang ini, sudah ada cara lain lagi.”

Bayangkan solopreneur yang mengurus penawaran, produksi, dan layanan pelanggan sendiri. Setiap tutorial menambahkan pekerjaan belajar, sementara pekerjaan utama tetap menunggu.

Ketika semua kemampuan terasa harus dikuasai sekaligus, langkah awal menjadi terlalu besar. Akhirnya, mencoba satu tugas pun terasa melelahkan.

• Cek diri: Apakah kamu sedang menyelesaikan kebutuhan bisnis, atau merasa wajib mengikuti setiap perkembangan?
• Jalan keluar: Pilih satu pekerjaan berulang dan satu cara mengerjakannya. Simpan topik belajar lain untuk kebutuhan berikutnya.

Kamu boleh berhenti pada penggunaan sederhana. Merapikan draf dengan pemeriksaan manual sudah merupakan ruang belajar yang cukup jelas.

5. Acceptance: kamu tahu bagian yang layak dibantu

Penerimaan terlihat ketika kamu bisa berkata, “AI membantu menyiapkan draf, dan saya memutuskan kelayakannya.”

Alur kerja AI menghubungkan bahan masuk, instruksi, pemeriksaan, dan tindakan berikutnya. Hubungan antarlangkah ini membuat penggunaan AI bisa diulang dengan lebih terarah.

Untuk balasan komplain, alurnya bisa dimulai dari menyamarkan identitas pelanggan, memasukkan kebijakan toko, membuat draf, lalu memeriksa janji sebelum mengirim.

• Cek diri: Apakah kamu tahu kesalahan apa yang harus dicari dan siapa yang menyetujui hasil?
• Jalan keluar: Dokumentasikan alur yang sudah layak dipakai, termasuk kondisi ketika pekerjaan harus ditangani langsung.

Acceptance tetap memberi ruang untuk menolak keluaran AI. Keputusan akhir mengikuti kebutuhan dan batas bisnis kamu.

Kenapa posisi kamu penting ketika tim masih tipis?

Dalam tim kecil, orang yang membuat instruksi sering juga memeriksa hasil dan menghadapi pelanggan. Kesalahan keluaran bisa berpindah menjadi pekerjaan koreksi untuk orang yang sama.

Baca jugaPrompt & ChatGPTCara Bikin AI Ngerti Cara Kerja Kamu Tanpa Nulis Prompt Panjang

Karena itu, nilai penggunaan AI perlu dilihat sampai pekerjaan selesai. Draf yang cepat muncul masih perlu dinilai berdasarkan beban pemeriksaan dan perbaikannya.

Sudut pandang saya sebagai praktisi AI dan digital marketing berpusat pada hubungan tersebut: keputusan bisnis menentukan ukuran hasil yang berguna.

Kalau penawaran belum jelas, draf promosi akan sulit dinilai. Kalau kebijakan toko belum tertulis, balasan pelanggan akan membutuhkan banyak keputusan ulang.

Untuk tim kecil, latihan memakai AI melalui pekerjaan sehari-hari dapat menjadi langkah lanjutan setelah tugas dan penanggung jawabnya jelas.

Kapan kerangka ini tidak berlaku?

Kerangka ini tidak cukup untuk menjelaskan semua alasan seseorang menolak AI. Hambatan bisa berasal dari akses, biaya, kerahasiaan data, atau ketidakcocokan tugas.

Keberatan karyawan terhadap penggunaan data pelanggan perlu diperiksa isinya. Menyebutnya “masih denial” justru menutup pembahasan masalah yang konkret.

Hindari juga menjadikan acceptance sebagai target penggunaan AI sebanyak mungkin. Sebuah tugas boleh tetap manual ketika pemeriksaan terlalu berat atau manfaatnya belum jelas.

Kamu juga tidak perlu menyimpulkan bahwa mayoritas pebisnis berada pada tahap bargaining. Kesimpulan tentang jumlah orang membutuhkan data yang sesuai.

Minggu ini, cek satu pekerjaan yang benar-benar kamu lakukan

Pilih pekerjaan berulang yang hasilnya bisa kamu periksa sendiri. Gunakan langkah berikut sebagai percobaan terbatas:

1. Tulis respons awalmu. Catat apakah kamu meremehkan, kesal, mencari jalan pintas, kewalahan, atau siap menguji.
2. Tentukan hasil yang layak. Misalnya, balasan harus sesuai kebijakan, sopan, dan tidak membuat janji tambahan.
3. Siapkan konteks yang aman. Gunakan bahan relevan yang sudah disamarkan atau contoh buatan.
4. Jalankan dan periksa. Catat informasi yang hilang, kesalahan yang muncul, serta perbaikan yang diperlukan.
5. Putuskan kelanjutannya. Simpan alurnya, ubah bagiannya, atau hentikan penggunaan AI untuk tugas tersebut.

Simpan hasil percobaan bersama alasan keputusanmu. Catatan itu memberi pegangan saat kamu mencoba kembali atau menjelaskan prosesnya kepada anggota tim.

Penerimaan AI tumbuh saat kamu semakin jelas menentukan tempatnya dalam pekerjaan. Coba mulai dari satu tugas yang selama ini membuat kamu ragu.

Kalau kamu mau melatih tim memakai AI dengan standar yang sama, lihat pelatihan AI in-house.