Asisten AI Tercerdaspun Masih Sering Gagal Mengurus Operasional Kantor

Banyak pelaku industri membayangkan kecerdasan buatan (AI) dapat segera mengambil alih rutinitas birokrasi kantor yang melelahkan. Anda tinggal memberikan satu instruksi, lalu asisten digital akan membuka berbagai peranti lunak, memperbarui pangkalan data, hingga mengirim surel ke banyak divisi. Namun, apakah agen AI masa kini benar-benar mampu mengeksekusi rangkaian tugas rumit tersebut tanpa tersandung? Temuan ilmiah terbaru menunjukkan bahwa kemampuan teknologi otomasi saat ini ternyata masih jauh dari kata sempurna.

Sebuah tim peneliti gabungan yang dipimpin oleh Chenxin Li dan Benyou Wang merilis laporan evaluasi komprehensif lewat repositori ilmiah arXiv. Mereka menguji 13 model bahasa besar terdepan dunia untuk mengukur kesiapan AI dalam mengelola pekerjaan kantor yang dinamis. Hasil pengujian menunjukkan bahwa model paling pintar sekalipun hanya berhasil menuntaskan 66,7 persen tugas dengan benar. Angka capaian tertinggi ini membuktikan bahwa tidak ada satu pun model di pasar yang mampu melampaui tingkat keberhasilan 70 persen ketika berhadapan dengan alur kerja multi-sistem yang nyata.

Kelemahan terbesar agen otonom ini muncul saat menangani alur kerja lintas departemen, terutama urusan manajemen personalia (HR) dan persetujuan bertingkat. Mengurus mutasi karyawan, misalnya, mewajibkan AI menyelaraskan data absensi, memperbarui hak akses peladen, sekaligus mengisi dokumen penggajian. Ketika harus berpindah-pindah layanan digital sambil menjaga keakuratan data, fokus mesin kerap terputus. AI sering kali tampak percaya diri telah merampungkan instruksi, padahal data di sistem internal perusahaan belum berubah sama sekali.

Peneliti utama riset ini, Chenxin Li, menyoroti kekeliruan cara industri menilai kemampuan AI selama ini. Kebanyakan pengujian lawas hanya memeriksa teks jawaban akhir tanpa melihat riwayat eksekusi di latar belakang komputer. Menurut Chenxin, model bahasa sangat pandai merangkai alasan yang meyakinkan di layar obrolan seolah-olah pekerjaannya beres. Kondisi ini persis seperti pegawai magang yang pandai menyusun laporan manis di atas meja, tetapi lupa menekan tombol simpan pada aplikasi basis data kantor.

Guna menyingkap titik lemah tersebut, para peneliti merancang tolok ukur pengujian baru bernama Claw-Eval-Live. Sistem ini tidak lagi menggunakan soal ujian statis yang mudah dihafal oleh mesin AI. Penguji mengumpulkan 105 skenario masalah langsung dari aktivitas kerja harian yang sedang berkembang di dunia nyata. Sistem pengujian ini merekam setiap jejak klik, panggilan antarmuka pemrograman aplikasi (API), serta perubahan berkas lokal untuk memastikan mesin benar-benar bekerja dan tidak sekadar bersilat lidah.

Kolega risetnya, Benyou Wang, mengingatkan para pelaku usaha agar tidak gegabah menyerahkan sistem krusial perusahaan sepenuhnya kepada agen digital. Kesalahan kecil pada otomasi perbankan atau administrasi logistik dapat berujung pada kerugian materi yang nyata bagi perusahaan. Menurut Benyou, organisasi bisnis perlu membangun mekanisme audit berlapis untuk memantau setiap langkah yang diambil asisten kecerdasan buatan secara berkala. Verifikasi mandiri jauh lebih mendesak daripada sekadar mengejar model AI dengan parameter ukuran terbesar di pasar.

Tantangan otomasi modern kini bergeser dari sekadar kepintaran bercakap-cakap menuju keandalan bertindak secara presisi. Bisnis yang ingin mengadopsi AI perlu memosisikan teknologi ini sebagai mitra pendamping kerja, bukan pengganti penuh tenaga manusia. Pengawasan berkala dari staf operasional tetap menjadi benteng pertahanan utama untuk mencegah kekacauan data internal kantor. Memahami batas kemampuan teknologi membantu para pengambil keputusan memanfaatkan otomasi secara tepat guna tanpa mempertaruhkan stabilitas bisnis.