Cara Cari Kerjaan yang Harus Dihapus Total, Bukan Sekadar Diotomasi

Kerjaan yang harus dihapus total adalah tugas rutin yang outputnya sudah tidak dipakai siapa-siapa, bukan sekadar tugas yang bisa dipercepat pakai AI. Cek pakai empat sinyal, yaitu siapa yang pakai outputnya, apakah datanya diketik ulang, apakah satu tugas melahirkan banyak turunan, dan apakah alasan awalnya masih jelas, sebelum buru-buru mengotomasi.

Coba kamu bayangin dua skenario ini.

Skenario satu, tim kecil kamu bikin laporan mingguan yang isinya rekap penjualan, ditulis manual di spreadsheet, terus disalin lagi ke slide, terus dikirim ke grup WhatsApp. Kamu pikir, “ini makan waktu dua jam tiap minggu, coba deh minta AI yang nulis rekapnya.” AI berhasil, waktunya jadi 15 menit. Tim senang, kamu senang.

Skenario dua, sama persis prosesnya, sama-sama dipercepat pakai AI. Bedanya, tiga bulan kemudian kamu baru sadar, tidak ada satu pun orang di grup itu yang benar-benar buka laporannya. Semua cuma react “👍” lalu lanjut kerja. Laporan itu jalan terus, bahkan makin cepat dibikin, tapi tidak ada yang berubah karena laporan itu ada.

Ini titik yang sering dilewatin banyak orang waktu mulai pakai AI buat kerja. Kita buru-buru nanya “gimana caranya biar ini lebih cepat”, padahal pertanyaan yang lebih penting adalah “ini harusnya masih ada atau tidak.”

Kenapa AI justru bikin kita telat sadar kerjaan itu sia-sia

Ada mekanisme sederhana di sini. Selama kerjaan itu berat dan makan waktu, rasa sakitnya kelihatan. Kamu ngeluh, tim ngeluh, dan keluhan itu jadi alarm alami: “kenapa sih kita masih ngerjain ini?”

Begitu AI masuk dan bikin kerjaan itu ringan, alarm itu mati. Kerjaan yang tadinya dua jam jadi 15 menit, rasa sakitnya hilang, dan karena tidak sakit lagi, tidak ada yang mempertanyakan lagi apakah kerjaan itu perlu. Dia jadi zombie process, jalan terus tanpa ada yang cek apakah masih ada gunanya, karena biayanya sudah kelihatan murah.

Ini yang bikin “otomasi” kadang jadi jebakan. Otomasi itu bagus buat kerjaan yang memang perlu ada tapi mahal dikerjakan manual. Tapi kalau kerjaannya sendiri sudah tidak perlu ada, otomasi cuma bikin sia-sianya jadi lebih murah dan lebih awet. Kamu bukan menghemat waktu, kamu memelihara sesuatu yang harusnya mati.

Makanya urutan yang benar itu terbalik dari kebiasaan kita. Sebelum tanya “gimana biar cepat”, tanya dulu “ini harus ada atau tidak.” Baru setelah jawabannya “ya, harus ada”, kamu cari cara mempercepatnya, entah pakai AI atau cara lain.

Empat sinyal buat nemuin kerjaan yang harus dihapus

Supaya tidak cuma feeling, ini empat sinyal konkret yang bisa kamu cek satu-satu.

Baca jugaProduktivitasAudit Langganan Tools: Berhenti Bayar yang Nggak Kepakai

Sinyal 1: Outputnya tidak dipakai siapa-siapa

Ini yang paling gampang dites tapi paling jarang dites. Coba lacak, setelah kamu bikin sesuatu, apa yang terjadi selanjutnya? Ada keputusan yang berubah gara-gara laporan itu? Ada aksi yang diambil gara-gara data itu?

Kalau jawabannya “tidak ada, cuma dibaca sekilas terus disimpan” atau lebih parah “tidak dibuka sama sekali”, itu sinyal kuat. Bukan berarti dulunya sia-sia. Mungkin dulu ada orang yang butuh laporan itu buat ambil keputusan, tapi orangnya sudah pindah divisi, atau keputusannya sudah tidak relevan lagi, dan laporannya lupa dimatikan.

Cara ceknya gampang: minggu ini, coba sengaja telat kirim satu laporan rutin dan lihat siapa yang nanya. Kalau tidak ada yang nanya sampai beberapa hari, kamu sudah dapat jawabannya.

Sinyal 2: Informasi yang sama diketik ulang di tempat berbeda

Ini pola yang sering banget muncul di bisnis kecil dengan tim tipis. Data pelanggan diketik di form order, terus diketik ulang manual ke spreadsheet stok, terus diketik ulang lagi ke invoice, terus diketik ulang lagi ke sistem pengiriman.

Setiap “ketik ulang” itu kelihatannya kerjaan kecil, cuma lima menit. Tapi kalau kamu tanya “kenapa harus diketik ulang, bukannya sudah ada datanya di form order tadi?”, biasanya jawabannya cuma “ya begitu prosesnya dari dulu.”

Nah, di sini bedanya penting: kalau masalahnya adalah data yang sama dipindah tangan secara manual, itu masalah integrasi, bukan masalah kecepatan menulis. Minta AI nulis lebih cepat cuma bikin proses pindah tangannya lebih cepat, padahal yang harusnya dihapus adalah proses pindah tangannya itu sendiri, entah lewat menghubungkan sistem yang ada atau cukup satu sumber data yang dirujuk semua orang.

Sinyal 3: Satu tugas melahirkan tiga tugas turunan

Ini sinyal yang paling gampang dirasain tapi paling susah dilihat, karena masing-masing turunannya kelihatan kecil.

Contohnya, kamu bikin satu draft caption promo. Dari situ, ada tugas “sesuaikan buat Instagram”, “sesuaikan buat WhatsApp Business”, “cek lagi soal klaim di dalamnya biar tidak kena masalah”, dan “arsipin ke folder biar bisa dipakai lagi.” Satu tugas awal, empat kerjaan turunan.

Mekanismenya begini: kalau satu keputusan atau satu output selalu melahirkan barisan tugas ikutan yang berulang polanya, itu tandanya ada langkah di awal yang seharusnya sudah menyelesaikan semuanya sekaligus, tapi tidak didesain begitu. Solusinya bukan mempercepat keempat tugas turunan itu satu-satu pakai AI. Solusinya adalah desain ulang tugas awalnya supaya turunannya tidak perlu lahir lagi, atau paling tidak digabung jadi satu langkah.

Kalau kamu cuma percepat masing-masing turunan, kamu tetap punya empat kerjaan, cuma versi lebih cepat. Bebannya pindah dari “lama” ke “banyak”, bukan hilang.

Sinyal 4: Alasan awal tugas itu sudah tidak jelas lagi

Ini sinyal paling halus. Coba tanya ke tim kamu, atau ke diri sendiri, “kenapa kita ngerjain ini?” Kalau jawabannya “karena memang dari dulu begini” atau “kayaknya dulu ada yang minta”, tapi tidak ada yang bisa jelasin siapa yang minta dan buat apa, itu tanda tugas itu sudah lepas dari alasannya.

Tugas yang alasannya sudah kabur biasanya bertahan bukan karena masih berguna, tapi karena tidak ada yang berani menghentikannya. Menghapus kerjaan itu terasa lebih berisiko daripada meneruskannya, walaupun kerjaannya sendiri sudah tidak nyambung ke tujuan apa pun.

Kenapa ini penting banget buat tim kecil

Kalau kamu solopreneur atau punya tim tipis, dua sampai lima orang, biaya dari kerjaan zombie ini lebih mahal dibanding perusahaan besar. Di perusahaan besar, satu laporan sia-sia cuma “nyicil” waktu satu staf dari seratus orang. Di tim kecil, satu kerjaan sia-sia bisa makan waktu orang yang harusnya megang tiga fungsi sekaligus.

Waktu yang kepakai buat mengetik ulang data, bikin laporan yang tidak dibaca, atau ngurusin turunan tugas yang seharusnya tidak perlu ada, itu waktu yang seharusnya bisa dipakai buat hal yang langsung nyambung ke penjualan atau ke pelanggan. Di skala kecil, satu jam yang salah alokasi kerasa banget dampaknya.

Makanya sebelum kamu buru-buru pasang AI di setiap proses biar “lebih efisien”, coba audit dulu proses-prosesnya. Bikin daftar semua kerjaan rutin mingguan atau bulanan yang kamu atau tim kamu kerjakan, terus tempelin keempat sinyal tadi ke masing-masing. Kamu akan kaget berapa banyak yang ternyata lolos ke sinyal pertama atau kedua.

Kapan sinyal-sinyal ini TIDAK berlaku

Penting buat digarisbawahi biar tidak kebablasan menghapus semua hal.

Pertama, kerjaan yang outputnya jarang dibuka tapi fungsinya sebagai jaring pengaman, misalnya backup data atau catatan kepatuhan tertentu, itu wajar tidak “dipakai” tiap minggu. Nilainya baru kelihatan pas dibutuhkan. Jangan disamakan dengan laporan yang memang tidak berguna.

Kedua, tugas yang melahirkan turunan itu tidak selalu salah desain. Kadang proses memang butuh beberapa langkah berbeda karena audiens atau tujuannya beda, misalnya konten yang memang perlu disesuaikan tone-nya per platform bukan karena redundan, tapi karena audiensnya beda kebiasaan baca. Yang perlu dicurigai adalah ketika turunannya berulang secara mekanis dan bisa digabung, bukan setiap proses yang punya banyak langkah.

Ketiga, “alasan awalnya sudah tidak jelas” bukan berarti otomatis harus dihapus. Kadang alasannya cuma perlu didokumentasikan ulang. Tanya ke orang yang lebih senior atau ke pemilik proses dulu sebelum mutusin, jangan cuma karena kamu sendiri tidak tahu alasannya lalu langsung dihapus.

Cara praktis mulai minggu ini

Ambil satu jam, buka daftar kerjaan rutin kamu atau tim (mingguan, bulanan, apa pun yang berulang). Untuk tiap item, jawab empat pertanyaan ini jujur-jujuran:

Apakah ada yang benar-benar memakai outputnya dalam sebulan terakhir? Apakah ada informasi yang diketik ulang di lebih dari satu tempat di sini? Apakah tugas ini biasanya melahirkan tugas lain yang mirip polanya tiap kali dikerjakan? Kalau saya tanya “kenapa ini dikerjakan”, bisa dijawab dengan jelas dan spesifik atau tidak?

Kalau ada item yang kena dua sinyal atau lebih, jangan buru-buru minta AI mempercepatnya. Coba hentikan dulu selama dua minggu dan lihat apa yang terjadi. Kalau tidak ada yang komplain, kamu baru saja menghapus kerjaan, bukan cuma mempercepatnya, dan itu jauh lebih berharga.

Nah, ini yang bikin saya percaya AI paling berguna bukan waktu dipakai buat mempercepat semua hal, tapi waktu dipakai setelah kamu tahu persis kerjaan mana yang memang layak dipercepat. Kalau kamu mau bantu memetakan proses kerja mana yang layak dihapus dan mana yang layak diotomasi, itu justru pekerjaan yang paling sering saya bantu buat pebisnis dan solopreneur.

Mendiagnosa kerjaan yang bocor cuma satu tahap dari sistem kerja ber-AI yang utuh. Lihat peta lengkapnya di Panduan AI untuk Produktivitas dan Efisiensi Bisnis.