Beberapa waktu terakhir saya mulai mempertanyakan satu kebiasaan saya sendiri ketika menyiapkan training.
Kalau mengajar Excel, misalnya, biasanya kita ingin materinya lengkap. Formula dasar masuk. Lookup masuk. PivotTable masuk. Kalau waktunya cukup, Power Query sekalian.
Ada kepuasan tersendiri ketika melihat agenda training penuh. Rasanya peserta mendapatkan banyak hal dari satu atau dua hari bersama kita.
Tapi kemudian saya mulai berpikir:
Peserta benar-benar membutuhkan semua itu, atau saya yang merasa harus mengajarkan semuanya?
Pertanyaan itu semakin relevan sejak AI mulai masuk ke pekerjaan sehari-hari.
Sekarang peserta yang lupa formula Excel tidak harus membuka kembali modul training. Dia bisa bertanya ke ChatGPT, Copilot, atau tools AI lainnya.
Bahkan pertanyaannya tidak harus teknis.
"Saya punya data transaksi seperti ini. Saya ingin mengetahui salesperson mana yang penjualannya turun selama tiga bulan terakhir. Saya harus mulai dari mana?"
AI sudah cukup mampu membantu menjelaskan langkahnya.
Lalu kalau begitu, apa yang masih perlu saya ajarkan sebagai trainer?
Awalnya saya berpikir jawabannya sederhana: ya sudah, ajarkan AI juga.
Ternyata setelah dipikir lagi, persoalannya tidak sesederhana itu.
Menambahkan AI ke materi lama belum tentu membuat training kita berubah
Kita bisa saja punya materi Excel 80 slide, lalu menambahkan 10 slide baru tentang ChatGPT atau Copilot.
Secara materi memang lebih aktual.
Tetapi cara belajarnya belum tentu berubah.
Trainer tetap menjelaskan fitur. Peserta mengikuti langkah. Hasilnya dibandingkan dengan layar trainer. Kalau sama, dianggap berhasil.
Padahal AI justru membuat saya melihat persoalan lain.
Kalau suatu hari peserta lupa langkah yang saya ajarkan, sekarang mereka punya tempat bertanya.
Yang lebih sulit justru menentukan:
“Saya sebenarnya sedang mencoba menyelesaikan masalah apa?”
Ini sangat terasa ketika mengajar data.
Kita bisa memberikan sebuah file berisi ribuan transaksi dan langsung mengajarkan cara membuat PivotTable.
Peserta kemungkinan bisa mengikuti.
Tapi coba pertanyaannya diubah.
"Anda mendapat file transaksi ini dari atasan. Besok pagi beliau ingin mengetahui kenapa penjualan bulan ini turun. Apa yang akan Anda lakukan terlebih dahulu?"
Biasanya kelas menjadi lebih menarik.
Ada yang langsung membuat PivotTable.
Ada yang melihat total penjualan.
Ada yang membandingkan produk.
Ada yang memeriksa wilayah.
Dan terkadang ada yang bertanya:
"Turunnya dibanding bulan lalu atau dibanding periode yang sama tahun lalu?"
Nah.
Bagi saya, pertanyaan terakhir itu justru menarik.
Orang tersebut belum menyentuh Excel, tetapi sudah mulai melakukan analisis.
Tools ternyata hanya bagian dari pekerjaan
Saya cukup lama berkecimpung dengan aplikasi, data, dan pekerjaan teknis. Mungkin karena itu saya juga mudah terjebak melihat kemampuan seseorang dari penguasaan tools.
Bisa Excel?
Bisa Power BI?
Bisa membuat dashboard?
Sekarang muncul pertanyaan baru.
Bisa menggunakan AI?
Semua tetap penting. Orang yang bekerja menggunakan Excel tentu harus memahami Excel.
Tetapi pengalaman mengajar membuat saya semakin melihat bahwa kemampuan menjalankan tools dan kemampuan menyelesaikan masalah adalah dua hal yang berbeda.
Seseorang bisa sangat cepat membuat dashboard tetapi belum tentu tahu informasi apa yang seharusnya ditampilkan.
Sebaliknya, orang yang memahami bisnis terkadang sudah tahu apa yang ingin dicari, hanya belum mengetahui bagaimana mendapatkannya dari data.
Di sinilah training menurut saya punya ruang yang menarik.
Kita bisa mempertemukan keduanya.
Bukan sekadar:
“Klik menu ini, kemudian pilih ini.”
Tetapi:
“Kalau masalahnya seperti ini, informasi apa yang kita perlukan?”
Setelah itu barulah kita bicara tools.
Kadang jawabannya PivotTable. Kadang formula. Kadang Power Query. Sekarang mungkin AI bisa ikut membantu.
Tidak semua masalah membutuhkan teknologi yang paling canggih.
Ada satu risiko AI yang menurut saya perlu diperhatikan
AI membuat orang bisa menghasilkan sesuatu yang terlihat cukup meyakinkan dalam waktu sangat singkat.
Laporan bisa dibuat lebih rapi.
Analisis bisa terdengar pintar.
Presentasi bisa terlihat profesional.
Kalimat kesimpulan pun bisa dibuat dalam hitungan detik.
Ini luar biasa membantu. Saya sendiri memanfaatkan AI dalam berbagai pekerjaan.
Tetapi justru karena hasilnya semakin bagus, ada kemampuan lain yang menjadi penting: memeriksa apakah hasil tersebut masuk akal.
Misalnya AI membaca data lalu menghasilkan kesimpulan:
"Penurunan penjualan menunjukkan melemahnya minat pelanggan."
Kalimatnya terdengar masuk akal.
Tapi apakah benar?
Bisa saja penjualan turun karena stok habis.
Bisa karena jumlah outlet berkurang.
Bisa karena bulan sebelumnya ada promosi besar.
Atau jangan-jangan data bulan ini belum lengkap.
Artinya, mendapatkan jawaban sekarang menjadi lebih mudah. Tetapi menerima jawaban tanpa mempertanyakannya juga menjadi lebih mudah.
Saya rasa ini akan menjadi tantangan baru, termasuk dalam training.
Kita bukan hanya perlu mengajari peserta cara mendapatkan jawaban, tetapi juga membiasakan mereka bertanya:
"Dari mana kesimpulan ini datang?"
"Datanya cukup tidak?"
"Ada penjelasan lain tidak?"
"Kalau keputusan dibuat berdasarkan informasi ini, apa risikonya?"
Itu bukan kemampuan yang spesifik untuk ChatGPT, Excel, atau Power BI.
Itu cara berpikir.
Jadi, apakah trainer masih perlu mengajarkan teknis?
Menurut saya tetap perlu.
Saya tidak membayangkan peserta belajar Excel tanpa pernah benar-benar menggunakan Excel.
Fundamental tetap penting. Bahkan mungkin menjadi semakin penting karena kita membutuhkan pengetahuan dasar untuk mengetahui ketika AI memberikan jawaban yang keliru.
Yang mulai saya pertanyakan justru komposisinya.
Kalau sebelumnya sebagian besar waktu training digunakan untuk menunjukkan how, mungkin sekarang sebagian waktunya bisa dialihkan untuk membahas why, when, dan what if.
Bukan hanya:
"Begini cara menggunakan XLOOKUP."
Tetapi:
"Kenapa kita membutuhkan lookup untuk kasus ini?"
Kemudian:
"Kalau struktur datanya berubah, apakah cara tadi masih tepat?"
Dan mungkin:
"Kalau AI sudah bisa membuat formulanya, bagian mana yang tetap harus kita pahami?"
Diskusi seperti itu menurut saya membuat peserta tidak terlalu bergantung pada satu fitur.
Karena fitur akan berubah.
Interface akan berubah.
Tools yang populer hari ini belum tentu menjadi tools yang kita gunakan lima tahun lagi.
Cara berpikir relatif lebih tahan lama.
Ada satu pertanyaan yang sekarang saya pakai ketika membuat materi
Belakangan saya mencoba melihat kembali materi training dengan pertanyaan sederhana:
“Kalau dua atau tiga tahun lagi tools ini berubah, bagian mana dari materi saya yang masih berguna?”
Beberapa slide mungkin tidak lolos.
Screenshot menu bisa kedaluwarsa.
Nama fitur bisa berubah.
Cara menjalankan suatu proses bisa menjadi jauh lebih sederhana karena AI.
Tidak masalah. Materi teknis memang memiliki umur.
Tetapi kemampuan membaca masalah, memahami data, menguji asumsi, melihat hubungan sebab-akibat, menjelaskan temuan kepada orang lain, lalu mengambil keputusan—kemungkinan masih akan kita perlukan.
Karena itu saya mulai melihat AI bukan hanya sebagai topik baru yang harus dimasukkan ke dalam training.
AI justru membuat saya mengevaluasi kembali apa sebenarnya yang layak kita ajarkan kepada peserta.
Mungkin tugas kita sebagai trainer bukan memastikan peserta mengingat semua yang kita ajarkan.
Dan bukan pula berlomba dengan AI dalam memberikan jawaban.
Kalau setelah training peserta menjadi lebih berani menghadapi persoalan yang belum pernah mereka temui, tahu bagaimana memecahnya, tahu apa yang perlu ditanyakan, lalu mampu mencari tools yang tepat untuk membantu menyelesaikannya, bagi saya itu jauh lebih menarik.
Sebab pada akhirnya dunia kerja tidak selalu memberikan soal yang sama seperti yang ada di workbook.
Dan biasanya...
tidak ada kunci jawabannya di halaman terakhir.