Intensitas AI Generatif Tak Menaikkan Produktivitas UMKM

Cekricek.id — Selama bertahun-tahun, pertanyaan tentang teknologi dan usaha kecil berhenti pada satu hal: bersediakah pemiliknya memakai alat baru itu.

Penelitian adopsi teknologi tumbuh di sekitar pertanyaan tersebut. Yang diukur niat memakai, penerimaan, dan harapan atas kinerja.

Kedatangan AI generatif menggeser pertanyaannya. Alatnya murah, mudah dicoba, dan tidak menuntut belanja infrastruktur, sehingga soalnya bukan lagi bersedia atau tidak.

Sebuah penelitian baru menguji pergeseran itu pada 200 UMKM Indonesia. Hasilnya, intensitas pemakaian AI generatif tidak menaikkan produktivitas secara nyata.

Penelitinya empat orang. Murniati dan Mufida Sekardhani dari BINUS Business School Universitas Bina Nusantara, Sugeng Rianto dari Universitas Brawijaya, dan Ayman Ghazi Taher Nazzal dari Palestine Technical University.

Murniati penulis korespondensinya. Tulisan mereka berjudul Generative Artificial Intelligence Productivity in Indonesian Micro, Small, and Medium Enterprises.

Naskahnya terbit di Signifikan: Jurnal Ilmu Ekonomi Volume 15 Nomor 2 tahun 2026, halaman 515 sampai 530. Diterima 11 Mei 2026 dan disetujui 20 Juni 2026.

Sebelum GenAI: Adopsi Teknologi sebagai Soal Penerimaan

Bacaan pustaka yang dipakai naskah ini menunjukkan pergeseran itu. Lapisan pertamanya penelitian yang bertanya apa yang membuat usaha kecil menerima teknologi.

Maroufkhani dan kawan-kawan pada 2023 dikutip untuk faktor organisasi dan teknologi dalam penerapan teknologi digital. Yang ditekankan kesiapan, bukan hasil.

Arroyabe dan kawan-kawan pada 2024 memeriksa UMKM Eropa. Kemampuan digital dan kemampuan berinovasi disebut menentukan adopsi kecerdasan buatan di sana.

Badghish dan Soomro pada 2024 memakai kerangka teknologi, organisasi, dan lingkungan. Adopsi kecerdasan buatan dihubungkan dengan kinerja usaha yang berkelanjutan.

Untuk Indonesia, Lupiyoadi dan kawan-kawan pada 2025 dikutip. Kecerdasan yang dirasakan dan harapan atas kinerja disebut penentu adopsi pada UMKM dan perusahaan pemula.

Himmati dan kawan-kawan pada 2025 menambah syarat. Adopsi AI generatif oleh UMKM disebut perlu ditopang pemerataan infrastruktur digital.

Anatan dan Nur pada 2023 menempatkan soalnya sebagai kesiapan. Keterbatasan infrastruktur, kemampuan organisasi, dan keterampilan digital pekerja disebut menahan adopsi di negara berkembang.

Purnomo dan kawan-kawan pada 2024 mencatat bentuk pemakaiannya. Sebagian UMKM Indonesia disebut memakai AI generatif hanya untuk pemasaran digital dan pembuatan konten.

Noy dan Zhang 2023, lalu Brynjolfsson 2025

Lapisan kedua pustakanya bergerak ke hasil, bukan ke niat. Noy dan Zhang pada 2023 dikutip untuk percobaan pada tugas menulis profesional.

AI generatif di sana disebut menaikkan produktivitas dan mutu keluaran. Tugasnya terstruktur dan dikerjakan perorangan.

Brynjolfsson, Li, dan Raymond pada 2025 melaporkan hal serupa. Pekerja dukungan pelanggan yang dibantu AI generatif disebut mengalami perbaikan produktivitas yang besar.

Gao dan Feng pada 2023 dikutip untuk sisi perusahaan. Kecerdasan buatan disebut berkaitan dengan produktivitas perusahaan.

Rajaram dan Tinguely pada 2024 memberi syaratnya. Nilai AI generatif pada usaha kecil disebut muncul bila perusahaan menemukan kasus pemakaian berfrekuensi tinggi.

Calvino, Reijerink, dan Samek pada 2025 menulis untuk OECD. Perolehan produktivitas disebut bergantung pada kecocokan tugas, kemampuan pemakai, dan penyesuaian organisasi.

Di situlah celahnya. Bukti tentang hasil hampir seluruhnya datang dari tugas perorangan yang terstruktur, bukan dari perusahaan kecil dengan kegiatan yang beragam.

Baca juga Riset UGM: Suhu Naik Satu Derajat, Pendapatan UMKM Anjlok

Dua Ratus UMKM Indonesia pada 2026

Penelitian ini mengisi celah itu dengan survei lintas seksi. Kuesionernya ditujukan kepada pemilik, pengelola, atau pengambil keputusan senior.

Pengambilan sampelnya bertujuan dengan tiga syarat. Usahanya UMKM Indonesia, respondennya terlibat dalam pengambilan keputusan, dan usahanya sudah memakai atau menilai alat AI generatif.

Sebanyak 203 kuesioner kembali. Tiga di antaranya digugurkan karena tidak memenuhi kriteria UMKM, sehingga sampel akhirnya 200 perusahaan.

Menurut ukuran usaha, sampelnya 68 usaha mikro, 80 usaha kecil, dan 52 usaha menengah. Ketiganya berjumlah pas 200.

Menurut bidang usaha, angkanya tidak menutup. Perdagangan 109, jasa 42, industri 16, dan teknologi informasi 13, sehingga 20 perusahaan tidak tergolongkan.

Naskahnya tidak menyebut golongan lain. Selisih 20 perusahaan itu tidak diterangkan.

Lima peubah laten diukur dengan skala Likert satu sampai lima. Masing-masing diwakili empat butir pernyataan.

Kelimanya kegunaan yang dirasakan, kesiapan teknologi, dukungan organisasi, intensitas adopsi AI generatif, dan produktivitas UMKM. Kesiapan organisasi disusun sebagai gabungan dua peubah.

Alatnya pemodelan persamaan struktural kuadrat terkecil parsial. Hitungannya memakai SmartPLS 4 dengan pengambilan sampel ulang.

Mutu pengukurannya lolos. Bobot butirnya di atas 0,70 kecuali satu butir kesiapan teknologi yang bernilai 0,709.

Keandalan gabungannya antara 0,886 dan 0,920. Ragam rata-rata terekstraknya antara 0,661 dan 0,742.

Rata-rata jawabannya memberi petunjuk awal. Kegunaan yang dirasakan tertinggi di 4,182, sedangkan intensitas adopsi terendah di 3,834.

Produktivitas berada di 4,072. Kesiapan teknologi 4,003 dan dukungan organisasi 3,937.

Urutan itu dibaca penulisnya sebagai kesenjangan. UMKM disebut sudah melihat manfaat AI generatif sebelum rutinitas dan tata kelolanya terbentuk.

Arroyabe 2024 dan Batas Kesiapan Organisasi

Delapan hipotesis diuji. Hasilnya memisahkan dua hal yang biasanya disatukan.

Untuk intensitas adopsi, kesiapan teknologi paling kuat dengan koefisien jalur 0,360. Nilai t-nya 2,410 dan nilai p-nya 0,017.

Kegunaan yang dirasakan menyusul dengan koefisien 0,263. Nilai t-nya 2,393 dan nilai p-nya 0,018.

Dukungan organisasi tidak nyata untuk adopsi. Koefisiennya 0,181 dengan nilai p 0,118.

Untuk produktivitas, urutannya berbalik. Kegunaan yang dirasakan berkoefisien 0,531 dengan nilai t 6,296 dan nilai p 0,000.

Dukungan organisasi berkoefisien 0,259 dengan nilai p 0,001. Keduanya nyata pada taraf 1 persen.

Kesiapan teknologi justru runtuh di sini. Koefisiennya tinggal 0,071 dengan nilai p 0,391.

Intensitas adopsi AI generatif pun tidak nyata. Koefisiennya 0,095 dengan nilai t 1,538 dan nilai p 0,126.

Suku interaksinya juga tidak nyata. Kesiapan organisasi dikalikan intensitas adopsi berkoefisien minus 0,039 dengan nilai p 0,507.

Karena itu kesiapan organisasi dibaca ulang. Perannya disebut kemampuan yang memungkinkan, bukan pemoderasi hubungan adopsi dan produktivitas.

Pada model perluasan, kesiapan organisasi berkoefisien 0,507 terhadap intensitas adopsi. Terhadap produktivitas koefisiennya 0,296, keduanya dengan nilai p 0,000.

Ukuran sumbangan praktisnya sejalan. Kegunaan yang dirasakan menyumbang 0,432 pada produktivitas, sedangkan intensitas adopsi hanya 0,017.

Kesiapan teknologi menyumbang 0,104 pada adopsi. Sumbangannya pada produktivitas tinggal 0,007.

Arroyabe dan kawan-kawan pada 2024 dipakai untuk membaca pola itu. Kesiapan disebut mengubah percobaan menjadi nilai usaha, bukan melipatgandakan pemakaian.

Wahab dan Radmehr pada 2024 dikutip untuk batasnya. Infrastruktur dan keterampilan digital sendiri disebut belum cukup untuk memperbaiki kinerja.

Ardito dan kawan-kawan pada 2025 menyebut pelengkapnya. Internet of Things, analitik data besar, dan pembelajaran organisasi disebut ikut menentukan.

Baca juga UMKM Sasirangan Banjarmasin dan Panah Regresi yang Terbalik

Calvino 2025 dan Rantai yang Belum Selesai

Penulisnya tidak memperlakukan hasil tak nyata itu sebagai kegagalan. Hasil tersebut disebut temuan teori, yaitu bahwa AI generatif yang mudah diperoleh tidak otomatis menaikkan produktivitas.

Raisch dan Krakowski pada 2021 dikutip untuk paradoks otomasi dan augmentasi. Nilai kecerdasan buatan disebut lahir dari pembagian peran manusia dan mesin.

Oldemeyer, Jede, dan Teuteberg pada 2025 dikutip untuk hambatan penerapan. Celah kemampuan, tata kelola, dan kematangan penerapan disebut menahan usaha kecil.

Naskahnya sendiri menandai batas bacaannya. Datanya lintas seksi dan produktivitasnya dilaporkan sendiri oleh responden.

Seluruh hubungannya karena itu ditafsirkan sebagai keterkaitan, bukan sebab akibat. Sampelnya juga hanya UMKM Indonesia.

Satu hal yang tidak dibahas menyangkut cara pengukurannya. Kegunaan yang dirasakan dan produktivitas dinilai responden yang sama pada kuesioner yang sama.

Naskahnya menyebut kedekatan keduanya. Korelasinya 0,832, dan penulisnya menyarankan penelitian lanjutan memakai indikator objektif.

Indikator yang diusulkan empat. Keluaran per pekerja, penjualan per karyawan, kecepatan transaksi, dan penurunan kesalahan.

Ada pula penamaan tabel yang tertukar. Tabel yang berjudul ukuran pengaruh justru memuat daya jelas model, sedangkan ukuran pengaruhnya ada di tabel berikutnya.

Dua koefisien model perluasan juga dirujuk ke tabel yang tidak memuatnya. Angka 0,507 dan 0,296 tidak muncul di tabel pengujian hipotesis.

Calvino dan kawan-kawan pada 2025 dipakai penulisnya sebagai penutup. Pengaruh AI generatif disebut bergantung pada cara alat itu ditanam ke dalam tugas, keahlian manusia, dan penyesuaian organisasi.

Baca juga Wirausaha Pemuda Berinternet Berpendapatan 55 Persen Lebih

Temuan ini karena itu bukan titik akhir, melainkan satu mata rantai: sesudah bukti pada tugas perorangan, kini ada bukti bahwa perusahaan kecil belum tentu ikut terangkat.