Ringkasan
Paper ini memperkenalkan sebuah konsep baru bernama burnout latency: fase senyap dalam pekerjaan yang didukung kecerdasan buatan (AI) ketika seseorang masih terus menghasilkan output seperti biasa, padahal fokus, energi, dan kapasitas emosinya diam-diam menurun. Konsep ini menjawab teka-teki yang makin sering dijumpai organisasi modern. Keluhan burnout terus naik padahal angka produktivitasnya terlihat stabil.
Latar belakang
AI mengubah cara kerja diorganisasi, dieksekusi, dan diawasi dalam skala besar. Otomasi memang mengurangi beban fisik, tetapi beban berpikirnya bertambah. Pekerja dituntut terus menafsirkan aliran data, merespons cepat dorongan sistem, dan menjaga perhatian di banyak layar sekaligus. Jeda semakin tipis, tugas semakin terfragmentasi, dan produktivitas semakin bergantung pada kapasitas mental, bukan otot.
Dari kacamata organisasi, sistem kerja yang dipercepat secara digital juga mengubah cara kinerja dinilai. Metrik yang mengutamakan kecepatan dan output bisa membuat organisasi tampak efektif di permukaan, sementara kapasitas adaptifnya diam-diam terkikis. Sinyal kelelahan menjadi teredam atau bahkan dianggap normal. Dari situlah pertanyaan besar paper ini lahir. Ke mana perginya tanda-tanda awal burnout kalau semua dasbor kinerja masih hijau?
Research gap
Literatur technostress dan burnout selama ini berjalan di jalur yang terpisah-pisah. Keduanya sering diteliti sendiri-sendiri, dan fokusnya lebih banyak ke bagaimana individu bertahan, bukan ke apa yang memicunya dari sisi organisasi. Padahal bukti menunjukkan orang jarang mengakui dirinya burnout pada tahap awal. Sinyal mikro seperti komunikasi yang memendek, atensi yang menipis, dan nada emosi yang mendatar biasanya sudah muncul ketika kinerja masih terlihat utuh.
Celah teoretisnya spesifik. Belum ada yang menjelaskan keadaan di antara keduanya: saat produktivitas masih terlihat baik padahal tenaga berpikir terus terkuras. Fase ini ada secara empiris, tetapi tidak bernama secara teoretis.
Problem statement
Sistem kerja bermediasi AI menciptakan kondisi ketika kinerja yang terlihat stabil malah menyembunyikan penurunan kapasitas psikologis. Karena sistem evaluasi hanya merekam output dan kecepatan, organisasi baru menyadari burnout ketika sudah mahal dan sulit dipulihkan. Pertanyaannya tidak berhenti pada mengapa burnout terjadi. Yang dikejar adalah kapan ia mulai, berapa lama ia tidak terlihat, dan sinyal awal apa yang muncul lebih dulu.
Novelty
Kebaruan utama paper ini adalah menamai dan memodelkan fase yang selama ini tak bernama: burnout latency, tahap yang belum bisa didiagnosis, berada di antara technostress yang berkepanjangan dan burnout yang sudah kasatmata. Dua pembeda konseptualnya tegas. Berbeda dari technostress, latency dimulai ketika tekanan teknologi sudah ternormalisasi dan perilaku tetap patuh secara fungsional. Berbeda dari burnout, latency ditandai oleh upaya kompensasi, bukan kolaps: output dipertahankan lewat pengeluaran kognitif dan emosional yang makin mahal, bukan lewat kapasitas yang berkelanjutan.
Ada juga lima proposisi yang dirumuskan untuk diuji peneliti berikutnya. Salah satunya, percepatan AI menaikkan beban berpikir meski beban kerja formalnya tidak bertambah. Yang lain, tindakan HR pada fase latency lebih ampuh daripada upaya pemulihan setelah burnout terjadi.
Landasan teori
Teorinya disusun mengikuti lima tahap yang menanjak. Yang pertama adalah percepatan waktu dalam sistem kerja yang dijalankan AI. Manajemen algoritmik memperpendek siklus keputusan dan menjadikan kecepatan sebagai ukuran normal organisasi. Yang kedua adalah teori beban kognitif. Daya ingat kerja manusia itu terbatas, sementara AI menaikkan jumlah dan kekerapan informasi yang harus diolah. Ketiga, technostress sebagai tekanan kognitif dan emosional yang menetap. Keempat, burnout sebagai akumulasi kelelahan emosional, detasemen, dan menurunnya kapasitas.
Seluruh rangkaian itu kemudian diposisikan dalam kerangka Job Demands-Resources (JD-R). Burnout latency melengkapi JD-R, bukan menggantikannya. JD-R menjelaskan ketimpangan antara tuntutan dan sumber daya yang memicu tekanan. Burnout latency menyorot rentang waktu ketika kesehatan sudah mulai terganggu, tetapi hal itu tertutupi oleh kerja keras pegawai menutupi kekurangan dan oleh hasil kerja yang masih stabil. HRM diposisikan sebagai konteks tata kelola yang menentukan apakah fase ini dikenali lebih awal atau dibiarkan menumpuk.
Metode
Ini paper konseptual. Modelnya dibangun melalui review terstruktur dan sintesis literatur lintas disiplin tentang tempo kerja bermediasi AI, beban kognitif, technostress, dan burnout. Tidak ada data empiris yang dikumpulkan; kekuatannya ada pada integrasi teoretis yang menghubungkan konstruk-konstruk yang selama ini berserakan menjadi satu lintasan temporal tunggal. Perangkatnya ada empat: model eskalasi lima tahap, tabel yang memetakan setiap tahap ke kondisi kerja dan sinyal kinerjanya, tabel indikator mikro untuk deteksi dini, dan vignette konseptual berupa cerita pegawai yang tampak baik-baik saja.
Perlu diketahui bahwa vignette itu bukan bagian dari paper awal; ia lahir sebagai jawaban atas kritik reviewer yang menilai paper terlalu abstrak. Pelajaran metodologisnya: paper konseptual di jurnal Q1 tidak dinilai dari luasnya bacaan, melainkan dari ketajaman satu gagasan yang dinamai, dimodelkan, diberi proposisi yang bisa diuji, dan diturunkan menjadi tindakan.
Temuan
Model eskalasinya bergerak lima tahap. Pada tahap pertama, percepatan berbasis AI, tugas diatur sistem dan kerja dipantau real time. Kinerjanya stabil, bahkan bisa membaik. Pada tahap kedua, beban berpikir mulai menumpuk. Perpindahan tugas terjadi terus-menerus tanpa jeda yang nyata, dan kinerjanya masih terjaga tetapi dengan cara memaksakan diri. Tahap ketiga, technostress: ekspektasi keterampilan terus naik, batas kerja dan istirahat makin tipis, konsistensi kerja mulai goyah meski masih dalam batas wajar. Pada tahap keempat, burnout latency, kinerja hanya dinilai dari output dan kecepatan. Tanda-tanda awalnya tidak dikenali dan kelelahan berlangsung senyap. Tahap kelima, burnout yang kasatmata, ketika penurunan akhirnya terlihat dan organisasi baru bereaksi.
Tanda-tanda dini bisa dibaca pada empat ranah, lengkap dengan alasan mengapa organisasi kerap melewatkannya. Bahasa: pesan makin pendek dan seperlunya, tetapi perubahan gaya komunikasi hampir tidak pernah dilacak. Atensi: makin sulit bertahan pada tugas kompleks, tetapi masalah atensi tersembunyi selama pekerjaan tetap selesai. Ekspresi emosi, dengan nada yang mendatar dan kehangatan yang berkurang, tetapi sikap netral itu malah dibaca sebagai profesionalisme. Dinamika upaya: output sama namun butuh waktu lebih lama dan lembur diam-diam, tetapi kerja ekstra malah dipuji sebagai dedikasi sampai biayanya tertagih.
Lima proposisi diajukan untuk diuji peneliti berikutnya, dari klaim bahwa akselerasi AI menaikkan beban kognitif meski beban kerja formal tetap, sampai klaim bahwa intervensi HR pada fase latency lebih efektif daripada pemulihan pasca burnout. Konsekuensi praktisnya, deteksi dini harus bertumpu pada psychological safety dan percakapan manusiawi, bukan surveilans intrusif.
Kontribusi
Ada empat sumbangan teoretis di sini. Pertama, burnout dipahami ulang sebagai satu rangkaian waktu yang menyatukan percepatan kerja, beban berpikir, technostress, dan kelelahan dalam satu lintasan, bukan sebagai hal-hal yang berdiri sendiri. Kedua, ia mengisi celah konseptual antara technostress kronis dan burnout terdiagnosis, fase yang selama ini hadir secara empiris tetapi tidak bernama. Ketiga, ia menegaskan satu batas yang penting bagi riset SDM. Kinerja tidak bisa digunakan sebagai ukuran pengganti kesejahteraan. Keempat, ia memperinci urutan waktu pada jalur health impairment dalam kerangka JD-R, menjelaskan mengapa jendela intervensi dini rutin terlewat di sistem kerja yang berorientasi output.
Bagi praktik, pencegahannya dipetakan per tahap. Pada fase percepatan, tetapkan ekspektasi waktu membalas yang masuk akal dan berhenti memberi penghargaan pada perilaku selalu siaga. Saat beban mental mulai menumpuk, lindungi waktu fokus dan kurangi perpindahan tugas yang tidak perlu. Ketika technostress sudah menetap, sediakan dukungan pengembangan keterampilan dan batas waktu pemulihan yang jelas. Dan pada fase latency, perlakukan sinyal-sinyal kecil itu sebagai alasan untuk mengajak bicara, bukan alasan untuk mengawasi atau menyalahkan. Bagi kebijakan publik, paper ini mengingatkan bahwa adopsi AI yang dipacu cepat perlu diimbangi perlindungan atas pemulihan mental, kejelasan batas ketersediaan, dan transparansi tentang bagaimana algoritma mengatur tempo dan evaluasi kerja, agar target produktivitas tidak diam-diam memindahkan biayanya ke kapasitas kognitif pekerja.
Perjalanan review
Perjalanannya sekitar lima bulan dari submit sampai accepted, dengan tiga kali penyerahan revisi. Cepat untuk ukuran jurnal Q1, dan itu bukan kebetulan. Papernya masuk dengan posisi yang sudah tajam sejak awal.
Catatan reviewer ronde 1 nyaris ditolak
Inilah bagian paling dramatis di seluruh etalase ini. Pada ronde pertama, reviewer 1 merekomendasikan reject. Kritiknya keras dan personal: bahasa paper dinilai terlalu kompleks sampai sulit diikuti, argumen dianggap tersesat dalam kerumitannya sendiri, dan paper dinilai tidak membumi karena tanpa contoh konkret tentang seperti apa rasanya burnout. Reviewer itu bahkan menulis bahwa buku-buku kaum Stoa yang sedang ia baca lebih mudah diikuti daripada paper ini. Reviewer 2 lebih membangun, dengan rekomendasi major revision. Ia meminta konsep burnout latency dibedakan tegas dari teori proses burnout yang sudah ada, khususnya Maslach dan Leiter, dan batas antara technostress dan latency dipertajam. Model tahapannya yang terlalu lurus perlu diberi pengakuan bahwa konteks bisa berbeda. Klaim kebaruannya diminta tidak berlebihan, dan implikasi praktisnya perlu dilengkapi panduan tindakan.
Keputusan editor Prof. Peter Stokes menjadi penyelamat: rekomendasi reject itu diperlakukan sebagai major revision, dan penulis diundang menyerahkan revisi dengan respons poin demi poin. Pintu yang tampak tertutup ternyata masih terbuka.
Bagaimana kritik itu dijawab di paper final dari reject ke accepted
Yang membuat kisah ini layak dipelajari adalah jejak perbaikannya bisa dilihat langsung di artikel terbitnya. Kritik reviewer 1 soal paper tanpa contoh dijawab dengan menambahkan bagian vignette konseptual: dua ilustrasi naratif tentang pegawai yang tampak baik-baik saja padahal sedang terkuras, ditulis dengan bahasa sehari-hari. Kritik reviewer 2 soal pembedaan teori dijawab dengan bagian khusus yang memposisikan burnout latency terhadap konstruk tetangganya, lengkap dengan penjelasan mengapa ia melengkapi dan bukan menggantikan kerangka JD-R dan model proses Maslach-Leiter. Kritik soal linieritas dijawab dengan bagian boundary conditions yang mengakui variasi antar konteks kerja.
Setelah revisi besar itu, ronde 2 masih berbuah major revision (Februari 2026), ronde 3 tinggal minor revision (26 Mei), dan sehari setelah revisi terakhir diserahkan, paper dinyatakan accepted pada 28 Mei 2026. Ada tiga pelajaran di sini. Reject belum tentu akhir cerita selama editor masih membuka pintu, kritik paling pedas sering menunjuk kelemahan yang paling nyata, dalam hal ini bahasa yang berjarak dari pembaca. Cara menjawab yang paling ampuh ternyata bukan membantah lewat surat respons, tetapi benar-benar memperbaiki papernya.