Kembali ke pustaka

Pertanyaan kunci Baru

Diproses AI · Disetujui penulis

Bagaimana manajer mengambil kepemilikan atas pekerjaan berbantuan AI, dan kapan pengungkapan penggunaan AI membantu atau merusak kredibilitas?

When Is It Still My Work? Generative AI, Defensibility, and Disclosure in Software Product Managers’ Work
Phong Trang, Tran Dieu Hieu Nguyen, Soumitra Chowdhury · International Conference on Information Systems (ICIS) · 2026
Ilustrasi untuk: Bagaimana manajer mengambil kepemilikan atas pekerjaan berbantuan AI, dan kapan pengungkapan penggunaan AI membantu atau merusak kredibilitas?

Memuat pemutar Spotify; Spotify dapat memasang cookie. Perangkat ini mengingat pilihan Anda.

Temuan utama

  • Manajer umumnya mengandalkan rutinitas 'Tanya-Sesuaikan-Bagikan' (Ask-Tweak-Share), memanfaatkan fase 'Penyesuaian' (Tweak) yang krusial untuk menanamkan konteks khusus perusahaan, kendala teknis, dan penilaian bisnis ke dalam draf yang dihasilkan AI.
  • Keterpertahanan tingkat artefak dibangun selama proses modifikasi sebelum dibagikan, memastikan penulis dapat menjawab pertanyaan mendalam dari pemangku kepentingan terlepas dari alat yang digunakan.
  • Keterpertahanan dan visibilitas yang dimediasi pengungkapan dapat terpisah, mengingat sejumlah manajer menyembunyikan bantuan AI dalam dokumen yang telah diolah ulang secara mendalam demi mencegah rekan kerja meremehkan upaya mereka.
  • Studi ini mengemukakan bahwa pengungkapan lebih berpeluang mendorong eksperimentasi tim ketika rekan kerja memandang pekerjaan tersebut telah diolah secara substansial, dan memicu penilaian negatif ketika dinilai hanya sebagai jalan pintas.
  • Di lingkungan yang belum memiliki tata kelola formal, norma tim lokal dan reaksi rekan kerja secara informal menentukan praktik AI mana yang dapat diterima dan dibicarakan secara terbuka.

Maknanya bagi Anda

CIO / Eksekutif TI

Where AI use runs ahead of policy, build guidelines on existing team norms. Encourage disclosure of substantially reworked work, and protect staff, especially early-career staff, from being judged as low effort when they disclose AI use.

Manajer TI

Review team routines to ensure that every AI-assisted draft undergoes the critical 'Tweak' phase—embedding proprietary context, technical constraints, and business judgement—before it is shared with stakeholders.

Ahli Strategi Bisnis

Before sharing an AI-assisted roadmap or rationale, check it against the decisions, constraints and history colleagues are likely to ask about.

Peneliti

Test whether defensibility and visibility decouple in a setting with formal AI governance, and examine whether seniority and local team norms change how disclosure is received.

Pembuat Kebijakan

When writing guidance on AI disclosure at work, consider that the same disclosure can be read as openness or as low effort, depending on how much the work was reworked.

Ringkasan

Studi kualitatif ini menyelidiki bagaimana manajer produk perangkat lunak mengintegrasikan AI generatif ke dalam rutinitas koordinasi sehari-hari mereka saat kebijakan resmi perusahaan belum tersedia. Melalui wawancara semi-terstruktur dan sesi berbagi layar bersama 21 manajer produk di sebuah perusahaan perangkat lunak otomotif, para peneliti mengkaji bagaimana para profesional menghasilkan karya yang dapat dipertahankan dan menentukan keputusan pengungkapan. Analisis ini menguraikan bagaimana manajer mengevaluasi draf AI terhadap realitas organisasi dan ekspektasi sosial sebelum membagikan hasil kerja. Temuan ini berasal dari satu organisasi perangkat lunak otomotif dan ditujukan untuk transfer analitis ke konteks serupa.

Masalah

Pekerjaan manajerial sangat bergantung pada pembuatan hasil kerja bersama, seperti peta jalan produk dan justifikasi strategis, yang memikul akuntabilitas profesional serta memerlukan pembuktian. AI generatif membuat asal-usul kepengarangan menjadi kabur, membuat para manajer ragu tentang cara membenarkan keluaran berbantuan AI sebagai hasil karya mereka sendiri saat diteliti rekan sejawat. Selain itu, para profesional menghadapi dilema mengenai apakah mengungkapkan keterlibatan AI menunjukkan inovasi atau justru berisiko merusak kredibilitas mereka.

Transkrip
Host: Selamat datang di A.I.S. Insights — powered by Living Knowledge. Saya Anna Ivy Summers. Hari ini kita membahas sebuah studi berjudul "Kapan Ini Masih Pekerjaan Saya? AI Generatif, Keterpertahanan, dan Pengungkapan dalam Pekerjaan Manajer Produk Perangkat Lunak". Studi ini disusun oleh Phong Trang, Tran Dieu Hieu Nguyen, dan Soumitra Chowdhury, serta dipresentasikan di ICIS 2026. Fokus kajian ini adalah meneliti bagaimana para manajer produk perangkat lunak mengintegrasikan AI generatif ke dalam koordinasi kerja harian mereka ketika pedoman resmi organisasi belum tersedia. Bersama saya telah hadir analis kita, Alex Ian Sutherland. Selamat datang, Alex.
Expert: Terima kasih, Anna. Senang bisa bergabung untuk membahas studi ini.
Host: Alex, mari kita mulai dari persoalan utama yang diangkat. Manajer produk bertanggung jawab atas dokumen penting seperti peta jalan produk dan justifikasi strategis. Mengapa integrasi AI generatif memunculkan tantangan akuntabilitas di ranah ini?
Expert: Pekerjaan manajerial sangat bertumpu pada hasil kerja bersama yang menuntut pertanggungjawaban profesional. Ketika seorang manajer menyusun dokumen strategis, mereka harus siap mempertahankan setiap keputusan di depan pemangku kepentingan. Hadirnya AI generatif mengaburkan batasan kepengarangan. Manajer menghadapi ketidakpastian mengenai bagaimana membenarkan draf yang dihasilkan AI sebagai hasil pemikiran mereka sendiri saat diteliti rekan kerja. Selain itu, muncul dilema pengungkapan: apakah mengakui keterlibatan AI akan dinilai sebagai adopsi inovasi, atau justru berisiko menurunkan kredibilitas profesional mereka.
Host: Situasi tersebut tentu membutuhkan pemahaman empiris yang jelas. Bagaimana para peneliti mendekati persoalan ini dalam studi mereka?
Expert: Peneliti merancang studi kualitatif di sebuah perusahaan perangkat lunak otomotif dengan melibatkan 21 manajer produk. Pengumpulan data dilakukan melalui wawancara semi-terstruktur dan sesi berbagi layar secara langsung. Metode ini memungkinkan peneliti mengamati secara faktual bagaimana para praktisi berinteraksi dengan AI, memodifikasi draf keluaran, serta memutuskan apa yang akan dibagikan kepada tim.
Host: Dari pengamatan langsung tersebut, apa temuan utama yang teridentifikasi?
Expert: Temuan pertama menunjukkan bahwa para manajer menerapkan rutinitas tiga tahap, yaitu Tanya, Sesuaikan, dan Bagikan. Fase penyesuaian terbukti sangat krusial. Pada tahap inilah manajer memasukkan konteks spesifik organisasi, batasan teknis perangkat lunak, dan pertimbangan bisnis ke dalam draf AI.
Host: Artinya, keterpertahanan dokumen dibangun secara bertahap sebelum diserahkan kepada pihak lain?
Expert: Tepat. Keterpertahanan artefak kerja dipastikan melalui proses pengolahan ulang tersebut, sehingga manajer mampu menjawab pertanyaan kritis terlepas dari alat bantu yang digunakan. Namun, temuan penting lainnya adalah bahwa keterpertahanan dan pengungkapan tidak selalu berjalan beriringan. Sejumlah manajer memilih menyembunyikan penggunaan AI meskipun draf tersebut telah mereka modifikasi secara mendalam. Alasannya adalah kekhawatiran bahwa rekan kerja akan menyederhanakan upaya mereka dan menganggapnya sekadar hasil otomatisasi.
Host: Bagaimana reaksi lingkungan sosial di tempat kerja memengaruhi keputusan tersebut?
Expert: Data menunjukkan bahwa pengungkapan bantuan AI dinilai positif dan mendorong keterbukaan tim jika rekan kerja melihat adanya pengolahan substansial. Sebaliknya, pengungkapan memicu penilaian negatif bila pekerjaan dinilai hanya sebagai jalan pintas instan. Dalam kondisi belum adanya tata kelola formal, norma tim lokal secara informal menentukan apakah penggunaan AI dapat dibicarakan secara terbuka atau harus dirahasiakan.
Host: Ini membawa kita pada relevansi praktis bagi dunia bisnis. Apa pelajaran terpenting bagi para profesional dan pemimpin organisasi?
Expert: Bagi praktisi, nilai utama bukan terletak pada pembuatan draf awal, melainkan pada kemampuan memberikan konteks bisnis nyata yang tidak dimiliki AI. Bagi manajemen perusahaan, temuan ini menggarisbawahi perlunya kebijakan tata kelola yang jelas. Tanpa panduan resmi, karyawan menanggung beban risiko reputasi secara individual. Kerangka kerja yang transparan akan membantu tim mendefinisikan batas kontribusi yang dapat diterima, sehingga efisiensi teknologi dapat dimanfaatkan tanpa merusak kepercayaan antar-rekan kerja.
Host: Kesimpulannya, penguasaan konteks lokal dan kejelasan norma organisasi menjadi kunci akuntabilitas di era kerja berbantuan AI. Terima kasih banyak atas analisisnya, Alex.
Expert: Terima kasih kembali, Anna.
Host: Dan terima kasih kepada para pendengar setia A.I.S. Insights — powered by Living Knowledge. Sampai jumpa di pembahasan studi berikutnya.
Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS

Generative AI, Software Product Management, Managerial Work, Accountability, AI Disclosure, Work Routines, artefact-level defensibility, disclosure-mediated visibility