Kehadiran kecerdasan buatan (artificial intelligence/AI) generatif yang semula dijanjikan dapat mempercepat dan memudahkan pekerjaan, kini dinilai memunculkan persoalan baru. Alih-alih meningkatkan efisiensi, banjir konten hasil AI seperti ChatGPT atau Gemini disebut justru menjadi beban tambahan bagi pekerja.
Fenomena ini dikenal dengan istilah workslop, gabungan kata work (pekerjaan) dan slop (sampah). Istilah tersebut dipakai untuk menggambarkan ledakan konten dangkal yang membebani alur kerja organisasi. Laporan riset Harvard Business Review (HBR) bersama Stanford dan BetterUp menyoroti bahwa masalah utama di banyak tempat kerja kini bukan lagi kekurangan informasi, melainkan terlalu banyak informasi yang minim nilai.
“Yang awalnya ditujukan untuk membantu, kini malah menghambat,” tulis HBR, seperti dikutip KompasTekno dari HBR.org, Selasa (30/9/2025).
Dari luar, dokumen yang dihasilkan AI kerap tampak rapi dan menjanjikan. Namun, ketika dibaca lebih jauh, isinya sering membuat penerima harus menghabiskan waktu untuk memahami maksud sebenarnya. Situasi ini memunculkan biaya tersembunyi: waktu yang terbuang hanya untuk memilah, memeriksa, dan menafsirkan informasi yang kurang jelas.
Penelitian dari Stanford Social Media Lab dan BetterUp Labs menyebutkan, 40 persen pekerja profesional di Amerika Serikat mengaku pernah menerima konten semacam itu dalam sebulan terakhir. Para peneliti menyebut kondisi tersebut sebagai workslop.
Berbeda dari kekhawatiran lama tentang mesin yang menggantikan manusia, workslop menandai era ketika mesin digunakan manusia untuk “melempar” pekerjaan—beserta beban kognitifnya—kepada rekan kerja. Dokumen hasil AI dinilai sering tampak rapi di permukaan, tetapi miskin konteks dan pada akhirnya menambah beban kognitif orang lain yang harus menindaklanjutinya.
Dalam temuan riset tersebut, setiap kasus workslop dapat menghabiskan satu hingga dua jam untuk diperbaiki atau ditulis ulang. Jika diakumulasi, perusahaan dengan 10.000 karyawan berpotensi kehilangan lebih dari 9 juta dollar AS per tahun akibat “limbah digital” ini.
Kondisi itu memperlihatkan dua dampak besar. Pertama, waktu kerja tersita untuk memilah dan memverifikasi informasi. Kedua, kualitas keputusan melemah karena data yang digunakan kerap dangkal atau bias.
Selain menurunkan produktivitas, workslop juga dikaitkan dengan kelelahan mental. Karyawan merasa terbebani oleh ekspektasi untuk selalu cepat menanggapi arus informasi, meskipun sebagian besar tidak berguna. Survei Stanford–BetterUp juga menunjukkan satu dari tiga responden enggan bekerja sama dengan rekan yang kerap mengirim konten workslop. Situasi ini dinilai dapat mengikis kepercayaan, merusak kolaborasi, dan melemahkan etos kerja tim.
