Kesan Keletihan Perubahan: AI Kurangkan Beban Pasukan

Pada penghujung tahun akademik dan penutupan bajet hujung tahun (Disember selalunya begini), banyak institusi pendidikan nampak satu corak yang sama: projek berjalan, mesyuarat bertambah, sistem baharu “perlu siap cepat”, tetapi tenaga pasukan makin susut. Bukan sebab orang tak mahu berubah. Masalahnya lebih mudah—mereka dah tak cukup tenaga untuk terus menampung perubahan yang bertindan.

Dalam kajian kepimpinan pendidikan tinggi yang menguji Energy-Commitment Model (ECM), hampir 89.7% pemimpin melaporkan pasukan mereka mengalami keletihan perubahan sederhana atau tinggi, dan lebih 60% kata keadaan itu meningkat dalam enam bulan kebelakangan. Ini bukan isu kecil; ia corak organisasi. Dan dalam konteks AI dalam Pendidikan dan EdTech, ini isu yang patut kita ambil serius kerana AI sepatutnya mengurangkan beban perubahan—bukan menambah satu lagi lapisan tekanan.

Keletihan perubahan: bukan “degil”, bukan “tak faham”

Jawapan terus: Keletihan perubahan ialah keadaan kehabisan sumber psikologi akibat perubahan yang kerap dan intens, sehingga pasukan hilang kapasiti untuk kekal fokus, terlibat emosi, dan mengekalkan momentum.

Ramai pemimpin silap baca simptom. Bila staf nampak perlahan, kurang respons, atau sinis, kita mudah label: “resistance”. Lalu kita buat dua perkara yang nampak logik tetapi sering salah sasaran:

• Tambah “motivational push” (tekanan pematuhan, KPI, ucapan semangat)
• Tambah latihan (anggap isu ialah kekurangan kemahiran)

Masalahnya, keletihan perubahan bukan isu kemahuan atau kefahaman. Ia isu kapasiti tenaga. Dalam bahasa mudah: “Aku nak buat, tapi kepala dan emosi dah tak larat.”

Yang lebih bahaya, jika dibiarkan, keletihan perubahan boleh bertukar menjadi sinisme perubahan—kepercayaan umum bahawa perubahan itu sia-sia dan kepimpinan “cakap lain buat lain”. Bila sampai tahap ini, memujuk dah tak jalan. Yang perlu ialah bina semula tenaga dan kepercayaan.

ECM dalam bahasa organisasi: tenaga + komitmen mesti kekal serentak

Jawapan terus: ECM menekankan kejayaan transformasi bergantung pada dua paksi—tenaga (energy) dan komitmen (commitment). Bila salah satu jatuh bawah ambang tertentu, penglibatan akan runtuh.

Saya suka cara ECM “memaksa” kita jujur: komitmen sahaja tak cukup. Dalam institusi pendidikan, komitmen biasanya tinggi—pensyarah, pegawai akademik, dan pasukan sokongan ramai yang benar-benar peduli pada pelajar. Tapi bila tenaga rendah, komitmen tinggi pun tak dapat diterjemahkan menjadi tindakan.

Ini sangat relevan untuk projek AI/EdTech. Kita sering fokus pada kenapa AI penting (komitmen), tetapi kurang fokus pada berapa banyak tenaga yang tinggal untuk belajar, mencuba, membaiki, dan menstabilkan (tenaga).

Bila AI jadi “perubahan ke-4 dalam 6 bulan”

Kajian menunjukkan lebih 80% pasukan mengalami tiga atau lebih perubahan besar dalam enam bulan, dan 17.2% melaporkan perubahan berterusan atau bertindih. Kalau AI diperkenalkan tanpa strategi pengurangan beban (workload offset), ia akan dianggap satu lagi projek yang “menyedut tenaga”.

5 isyarat keletihan perubahan yang paling boleh dipercayai

Jawapan terus: Lima isyarat yang paling konsisten dan boleh diperhati untuk mengesan keletihan perubahan pada tahap pasukan ialah kesilapan meningkat, ketidakhadiran saat akhir, output perlahan, kurang idea/inisiatif, dan kerjasama mula pecah.

Dalam kajian tersebut, lima tingkah laku ini terbukti paling kuat kaitannya dengan keletihan perubahan:

1. Kesilapan & terlepas pandang
   • Tarikh akhir terlepas, kerja perlu dibuat semula, “missed steps” dalam proses.
2. Ketidakhadiran saat akhir
   • MC mengejut, tukar jadual pada hari yang sama, “tak mampu hadir”.
3. Output makin perlahan
   • Bukan malas—kelajuan proses mental dan fokus menurun.
4. Idea & inisiatif berkurang
   • Kreativiti jatuh, orang buat minimum untuk “survive”.
5. Kerjasama mula pecah (signal paling kuat)
   • Mula menyendiri, mudah tersinggung, tak mahu bantu, trust menurun.

Jika anda pemimpin projek AI di universiti/kolej/sekolah, saya cadangkan satu disiplin mudah: pantau kluster. Satu simptom mungkin kebetulan. Tiga simptom serentak, berulang 2–4 minggu, itu amaran jelas pasukan sedang beroperasi di bawah ambang tenaga.

AI boleh jadi “anti-keletihan”—kalau reka bentuknya betul

Jawapan terus: AI mengurangkan keletihan perubahan apabila ia menghapus kerja berulang, memendekkan kitaran keputusan, dan meningkatkan sokongan pembelajaran/operasi—bukan sekadar menambah alat baharu.

AI dalam pendidikan paling berguna bukan pada demo yang cantik, tetapi pada kerja yang membebankan setiap minggu.

1) Automasi kerja pentadbiran: pulangkan masa dan fokus

Antara punca keletihan perubahan ialah masa dan bandwidth kognitif semakin sempit. AI/EdTech boleh menampung beban ini melalui:

• Draf awal e-mel kepada pelajar/ibubapa mengikut templat polisi
• Ringkasan minit mesyuarat dan penjejakan tindakan (action items)
• Penyusunan FAQ kursus dan respons awal pertanyaan rutin
• Semakan format rubrik/markah untuk kurangkan kerja berulang

Prinsipnya: setiap jam yang dijimatkan = tenaga dipulihkan untuk kerja yang perlukan pertimbangan manusia (pengajaran, intervensi pelajar, reka bentuk kurikulum).

2) Pengesanan awal “fatigue pattern” melalui analitik

ECM fokus pada pengesanan awal. AI boleh bantu, tetapi mesti beretika.

Contoh indikator operasi (tanpa mengintip individu secara melampau):

• Lonjakan kerja pembetulan (rework) dalam sistem tiket/permohonan
• Masa respons terhadap tugasan rutin makin memanjang
• Penurunan aktiviti kolaborasi dalam alat kerja (contoh: komen dokumen pasukan)
• Ketidakhadiran mengejut meningkat pada tempoh tertentu

Apa yang saya cadangkan ialah dashboard kesihatan pasukan pada tahap agregat (unit/jabatan), bukan “score” individu. Tujuannya bukan menghukum—tujuannya memberi amaran awal supaya pemimpin boleh ubah pacing.

3) Pembelajaran diperibadikan untuk staf, bukan pelajar sahaja

Kita selalu cakap AI untuk personalisasi pembelajaran pelajar. Tetapi dalam transformasi EdTech, staf juga perlukan personalisasi.

• Laluan pembelajaran mikro (10–15 minit) ikut peranan: pensyarah, admin akademik, IT, QA
• Sokongan “just-in-time”: panduan ringkas ketika staf cuba buat tugas sebenar
• Contoh penggunaan berdasarkan konteks kursus/peperiksaan (bukan tutorial generik)

Ini penting kerana latihan panjang 2 jam selepas waktu kerja hanya menambah keletihan.

Cara praktikal mengurus perubahan AI tanpa membakar pasukan

Jawapan terus: Untuk melaksanakan AI secara lestari, pemimpin perlu mengurus ambang tenaga—dengan had perubahan serentak, pemotongan kerja, dan gelung maklum balas yang rapat.

Berikut pendekatan yang saya lihat paling berkesan (dan realistik) di institusi pendidikan:

1) “Satu masuk, satu keluar” untuk kerja pasukan

Jika anda tambah satu sistem atau proses AI baharu, nyatakan apa yang dihentikan.

Contoh:

• Jika ada chatbot sokongan pelajar, kurangkan beban kaunter pertanyaan atau jadual giliran e-mel.
• Jika automasi laporan prestasi wujud, hentikan laporan manual berganda.

Tanpa “keluar”, AI jadi beban tambahan.

2) Stabilkan struktur sebelum tambah perubahan teknikal

Kajian menonjolkan gangguan struktur (pertukaran kepimpinan, reorganisasi) sebagai penguat keletihan. Jadi, kalau jabatan sedang melalui penstrukturan semula, jangan serentakkan dengan rollout AI besar.

Jika terpaksa juga, buat “buffer”:

• Jelaskan peranan dan pemilik proses (process owner) secara bertulis
• Kekalkan rutin operasi yang konsisten sekurang-kurangnya 6–8 minggu
• Beri ruang pemulihan: minggu tanpa pelancaran baharu (“no-launch week”)

3) Ukur kejayaan awal melalui metrik tenaga, bukan hanya adoption

Selain kadar penggunaan (adoption), ukur metrik yang berkait terus dengan ECM:

• Masa yang dijimatkan per minggu (contoh: 2 jam/pegawai/minggu)
• Rework berkurang (contoh: tiket berulang turun 20%)
• Kualiti kolaborasi (contoh: tugasan lintas pasukan siap tanpa eskalasi)

Bila metrik tenaga naik, komitmen biasanya ikut.

4) Tutup jurang persepsi antara eksekutif dan barisan hadapan

Kajian menunjukkan eksekutif cenderung menilai keletihan lebih rendah berbanding pengurus barisan. Ini bukan salah siapa-siapa; ini isu jarak.

Amalan yang membantu:

• Sesi 30 minit setiap 2 minggu: pengurus kongsi 3 isyarat lapangan (bukan laporan panjang)
• “Stoplight status” tenaga pasukan: Hijau/Kuning/Merah dengan justifikasi ringkas
• Saluran maklum balas anonim untuk isu beban kerja (bukan isu prestasi)

Bila eksekutif nampak realiti tenaga, mereka lebih berani mengurangkan pertindihan projek.

Soalan lazim yang biasanya timbul (dan jawapan ringkas)

Adakah keletihan perubahan sama dengan burnout? Tidak. Burnout sering dilihat pada individu. Keletihan perubahan ialah pola sistemik yang boleh menjangkiti satu pasukan dan kekal walaupun satu stresor telah selesai.

Kalau staf sinis, patutkah kita tegas? Tegas tanpa pulihkan tenaga hanya mengukuhkan sinisme. Mulakan dengan kurangkan beban, jelaskan keutamaan, dan tunjuk konsistensi keputusan.

AI boleh sebabkan keletihan juga? Ya—jika AI diperkenalkan sebagai alat tambahan tanpa pemotongan kerja, atau jika polisi penggunaan kabur sehingga staf takut tersalah langkah.

Langkah seterusnya: jadikan AI alat pemulihan tenaga, bukan beban baharu

Dalam siri AI dalam Pendidikan dan EdTech, saya selalu ulang satu prinsip: teknologi yang baik bukan yang paling banyak ciri, tetapi yang mengembalikan masa, fokus, dan maruah kerja manusia. Keletihan perubahan memberi kita bahasa yang tepat untuk menilai sama ada transformasi AI sedang sihat—atau sedang menghampiri titik patah.

Jika pasukan anda menunjukkan kesilapan meningkat, output perlahan, inisiatif jatuh, absen mengejut, dan terutama kerjasama mula pecah, jangan label mereka “menolak AI”. Anggap itu sebagai data operasi bahawa ambang tenaga sudah rendah—dan ubah cara anda melaksanakan perubahan.

Anda nak AI membantu institusi bergerak laju? Bagus. Soalan yang patut kita pegang selepas ini: AI apa yang patut dibina/dibeli dulu supaya tenaga pasukan naik dalam 30 hari—bukan enam bulan?