Namun, kemudahan akses teknologi ini tidak lantas berarti manusia akan terpinggirkan. Justru sebaliknya, berbagai riset terbaru menunjukkan bahwa peran manusia semakin krusial di era GenAI. Tetap ada beberapa area krusial yang memerlukan human oversight, terutama untuk memastikan aspek seperti akurasi konten, menjaga konsistensi brand, memahami konteks spesifik perusahaan dan audience, serta mengarahkan creative direction dan storytelling yang efektif.

Lantas, bagaimana praktiknya di dunia nyata? Framework yang paling efektif adalah dengan membagi peran. AI menangani tugas-tugas yang repetitif dan teknis, sementara manusia fokus pada aspek strategis dan kreatif.

Dalam konteks produksi video pembelajaran, kolaborasinya bisa terlihat seperti ini. GenAI bisa digunakan untuk membuat draft visual awal, iterasi storyboard dengan cepat, atau bahkan menghasilkan animasi sederhana untuk konsep-konsep dasar. Ini menghemat waktu yang luar biasa banyak dalam tahap eksplorasi ide.

Sementara itu, manusia tetap memegang kendali penuh dalam hal-hal krusial seperti menulis script yang sesuai dengan tone perusahaan, memastikan akurasi materi terutama untuk topik-topik teknis yang kompleks, melakukan final editing untuk menjaga kualitas dan konsistensi, serta membuat keputusan kreatif yang selaras dengan tujuan pembelajaran.

Data dari Accenture menunjukkan bahwa perusahaan yang fokus pada kolaborasi human-AI mengalami pertumbuhan revenue 38% lebih tinggi dibandingkan yang tidak. Ini membuktikan kolaborasi yang produktif antara manusia dan GenAI bisa menghasilkan dampak baik.

Ini juga bisa menjadi kesempatan besar bagi tim L&D untuk meningkatkan efisiensi tanpa mengorbankan kualitas. Materi pelatihan bisa diproduksi lebih cepat dan disesuaikan dengan kebutuhan yang berubah dengan lebih responsif. Namun, elemen-elemen yang membuat video pembelajaran efektif seperti storytelling yang menarik dan relevan dengan audiens tetap memerlukan sentuhan manusia.

Pergeseran ini kemudian merambah ke area produksi konten multimedia pembelajaran. Selama bertahun-tahun, membuat video training yang berkualitas membutuhkan budget besar, tim produksi lengkap, dan waktu yang tidak sebentar. Kini, berbagai platform GenAI menawarkan solusi praktis.

Daya tarik utamanya jelas: kecepatan dan efisiensi. OpenText, misalnya, melaporkan peningkatan kecepatan pengembangan eLearning hingga 62% berkat penggunaan GenAI. Bayangkan, konten yang biasanya memerlukan berhari-hari atau berminggu-minggu untuk diproduksi, kini bisa jadi dalam beberapa jam saja. Belum lagi kemampuan untuk membuat versi multilingual atau mengupdate konten dengan cepat ketika ada perubahan kebijakan atau prosedur. Bagi banyak L&D professional yang selama ini kewalahan dengan timeline ketat dan budget terbatas, ini seperti mimpi yang jadi kenyataan.

Realitas di lapangan menunjukkan cerita yang berbeda. Data dari MIT dan RAND Corporation mengungkapkan bahwa 70-85% inisiatif AI gagal memenuhi ekspektasi yang diharapkan. Lebih mengkhawatirkan lagi, 77% perusahaan menyatakan keprihatinan mereka terhadap halusinasi AI, kondisi di mana AI menghasilkan informasi yang terdengar masuk akal tapi sebenarnya tidak akurat. Bahkan ada 47% pengguna AI enterprise yang mengakui pernah membuat keputusan bisnis penting berdasarkan konten yang ternyata salah. Sebagai respons, 76% perusahaan kini mengimplementasikan proses “human-in-the-loop” untuk menangkap kesalahan sebelum konten dipublikasikan.

Para ahli instructional design dan peneliti pembelajaran sepakat bahwa AI sangat bagus dalam membuat draft awal, tapi supervisi manusia tetap esensial untuk memastikan kualitas. AI punya keterbatasan mendasar yang tidak bisa diabaikan. Teknologi ini memiliki keterbatasan dari segi nuansa emosional, tidak bisa memastikan akurasi pedagogis tanpa panduan yang jelas, dan tidak bisa menyesuaikan konten dengan kultur perusahaan atau konteks spesifik dari peserta ajar.

Di sinilah peran instructional designer menjadi semakin krusial, bukan malah tergantikan. Mereka tetap dibutuhkan untuk menyusun script berdasarkan prinsip-prinsip learning science, membuat storyboard yang selaras dengan objektif pembelajaran yang jelas, melakukan refinement konten agar relevan dengan realitas organisasi, dan memastikan accessibility serta cultural sensitivity.

Memahami cara kerja otak hanyalah langkah awal. Tantangan berikutnya adalah menerjemahkan teori tersebut ke dalam desain video yang nyata dan relevan dengan kebutuhan korporasi. Di sinilah kekuatan visual memainkan peran penting. Studi menunjukkan bahwa penggunaan visual yang tepat dapat meningkatkan pembelajaran hingga beberapa kali lipat dibandingkan teks saja. Ketika kata dan gambar digabungkan secara tepat, otak membentuk dua representasi memori sekaligus, sebuah proses yang dikenal sebagai dual coding.

Prinsip-prinsip pembelajaran multimedia Mayer memberikan panduan praktis tentang bagaimana memanfaatkanya. Prinsip Koherensi, misalnya, mengingatkan kita untuk berani membuang elemen yang tidak relevan, betapapun menariknya secara visual. Prinsip Penandaan mendorong penggunaan penekanan visual atau verbal untuk mengarahkan perhatian peserta ke informasi kunci. Sementara itu, prinsip Segmentasi sangat relevan dengan tren microlearning, di mana materi kompleks dipecah menjadi potongan video singkat yang mudah dicerna oleh peserta.

Bukti empiris mendukung pendekatan ini. Meta-analisis terhadap puluhan studi menunjukkan bahwa penggunaan video yang dirancang dengan prinsip kognitif secara konsisten meningkatkan pemahaman dan retensi belajar. Salah satu studi kasus yang sering dikutip datang dari sektor pendidikan, di mana video pembelajaran matematika yang mengaitkan konsep abstrak dengan situasi sehari-hari berhasil meningkatkan kepercayaan diri dan pemahaman peserta. Dalam konteks korporasi, pendekatan serupa dapat diterapkan pada pelatihan kepemimpinan, keselamatan kerja, hingga onboarding karyawan baru.

Ke depan, teknologi AI membuka babak baru dalam desain video pembelajaran. AI kini mampu menganalisis kecepatan belajar, preferensi, bahkan perkiraan pengetahuan awal peserta. Dengan data ini, konten video dapat disesuaikan secara real-time dari berbagai segi seperti kedalaman materi. AI generatif juga mempercepat proses produksi, mulai dari penulisan skrip hingga pembuatan storyboard, sehingga personalisasi tidak lagi sesulit dahulu.

Selain itu, pendekatan neuroaesthetics mulai dilirik untuk merancang tampilan visual yang selaras dengan respons neurologis manusia. Warna, komposisi, dan gerakan tidak lagi dipilih semata berdasarkan selera desain, tetapi berdasarkan dampaknya terhadap emosi dan memori. Ketika digabungkan dengan pengalaman imersif seperti VR atau AR, video pembelajaran berubah menjadi simulasi yang memungkinkan peserta belajar secara aman namun kontekstual, mendekati pengalaman nyata di tempat kerja.

Adopsi GenAI dalam satu tahun terakhir juga meningkat secara drastis. Antara 2023 dan 2024, tingkat adopsi melonjak dua kali lipat menjadi 65 persen. Pada 2025, lebih dari setengah orang dewasa di Amerika Serikat sudah menggunakan GenAI dalam aktivitas sehari-hari. Efek bisnisnya pun signifikan. Setiap satu dolar yang diinvestasikan dalam GenAI diperkirakan menghasilkan nilai balik sebesar 3,70 dolar, menjadikannya salah satu teknologi dengan ROI terbaik saat ini.

Dampaknya terasa di berbagai sektor. Dalam layanan pelanggan, chatbot menjadi lebih empatik dan mampu membaca emosi. Di bidang manufaktur, waktu desain hingga produksi dapat dipangkas hingga 30 persen. Dunia kesehatan mulai memanfaatkan AI untuk mendeteksi demensia hanya dari sinyal EEG. Sementara di dunia pelatihan dan pendidikan korporat, GenAI memungkinkan pembuatan konten belajar yang adaptif dan dipersonalisasi secara otomatis.

Skala pertumbuhan ekonominya juga tidak main-main. Pasar GenAI diproyeksikan mencapai 1,3 triliun dolar pada tahun 2032, naik sangat jauh dari 40 miliar dolar di tahun 2022. McKinsey memperkirakan nilai ekonominya bisa menembus 4,4 triliun dolar per tahun secara global, dengan kontribusi langsung terhadap peningkatan produktivitas tenaga kerja antara 0,1 hingga 0,6 persen per tahun hingga 2040. Angka-angka tersebut menegaskan bahwa GenAI sudah menjadi komponen strategis dalam transformasi bisnis global.

Namun, adopsi cepat ini membawa tantangan yang sama besarnya. Risiko seperti deepfake, bias data, halusinasi AI, dan persoalan privasi menjadi perhatian khusus. Fei-Fei Li dari Stanford Human-Centered AI mengingatkan bahwa kemajuan GenAI harus sejalan dengan prinsip transparansi, keadilan, dan akuntabilitas. Pendekatan human-in-the-loop menjadi semakin relevan karena meskipun AI dapat memproses dan mengeksekusi banyak hal, keputusan penting tetap harus melibatkan manusia untuk memastikan integritas dan nilai etis tetap terjaga. Selain itu, biaya implementasi AI tingkat lanjut masih cukup tinggi, dan kebutuhan komputasi yang besar menuntut perusahaan untuk mencari solusi komputasi yang lebih hemat energi, terutama menjelang meningkatnya target adopsi GenAI secara global pada 2030.

Di tengah tren besar ini, korporasi Indonesia perlu mengambil langkah strategis yang tidak terburu-buru, tetapi juga tidak lamban. Langkah pertama adalah aktif mengeksplorasi area bisnis yang paling relevan untuk GenAI, dimulai dari pilot project kecil yang langsung menyentuh permasalahan nyata. Langkah berikutnya adalah berinvestasi pada pengembangan SDM. Bukan AI yang akan menggantikan manusia, tetapi manusia yang memanfaatkan AI-lah yang akan menggantikan mereka yang tidak.

Oleh karena itu, upskilling menjadi fondasi penting bagi keberhasilan transformasi digital. Selain itu, perusahaan perlu membangun kerangka etika dan tata kelola yang jelas untuk memastikan keamanan data, kualitas output, dan tanggung jawab penggunaan AI. Kolaborasi juga memegang peran penting. Tidak semua perusahaan harus membangun teknologi dari nol. Mengandalkan mitra teknologi dan startup dapat mempercepat proses adopsi secara signifikan. Pada akhirnya, GenAI harus diintegrasikan sebagai bagian dari visi bisnis jangka panjang dan sebagai pendorong inovasi dan pengembangan perusahaan.

Di tengah lonjakan adopsi GenAI yang begitu cepat, peran HR dan Learning & Development menjadi semakin strategis. HR dan L&D kini berada di garis depan transformasi keterampilan perusahaan, menentukan apakah organisasi hanya akan menjadi pengguna AI, atau benar-benar mampu memanfaatkan AI sebagai keunggulan kompetitif.

Tantangan terbesarnya adalah menyusun peta pengembangan keterampilan yang relevan dan berkelanjutan. Mengajarkan cara menggunakan tools seperti ChatGPT, Copilot, atau platform AI lainnya masuk ke dalam fundamental yang perlu dilakukan. Namun, pola pikir baru seperti bagaimana karyawan bisa bekerja berdampingan dengan AI juga perlu dipertimbangkan.

Strategi pembelajaran pun mau tidak mau harus beradaptasi. Pendekatan satu arah lewat kelas konvensional akan semakin tertinggal. Perusahaan perlu mendorong pembelajaran berbasis praktik, simulasi, studi kasus nyata, hingga microlearning yang bisa diakses kapan saja. Di sinilah teknologi seperti pembelajaran digital ataupun yang mengandung fitur interaktif memiliki peran besar.

Sebelum disrupsi AI, platform media sosial umum seperti YouTube, Instagram, dan TikTok serta banyak platform E-learning seperti LinkedIn Learning, Coursera, dan Inspigo sudah menyediakan banyak video microlearning. LinkedIn Learning sendiri menyediakan lebih dari 22.000 course untuk memenuhi berbagai kebutuhan L&D seperti upskilling, reskilling, dan manajemen.

Kemajuan GenAI mendorong Divisi L&D untuk merancang program pelatihan yang lebih terarah dan berdampak. AI bisa membantu menganalisis data yang telah diperoleh perusahaan, tetapi keputusan tentang keterampilan apa yang perlu diprioritaskan tetap membutuhkan kepekaan manusia terhadap dinamika organisasi.

Di sinilah kurasi konten menjadi krusial. L&D perlu berperan sebagai kurator, memilah mana yang relevan dengan konteks perusahaan. Konten yang terlalu generik sering kali tidak cukup berdampak jika tidak diterjemahkan ke dalam studi kasus dan tantangan nyata di lingkungan kerja.

Selain itu, pendekatan pembelajaran juga semakin personal. Dengan bantuan teknologi, termasuk AI, perusahaan kini bisa merancang learning journey yang lebih adaptif sesuai dengan peran, level jabatan, hingga performa karyawan. Seorang supervisor tentu membutuhkan pendekatan yang berbeda dengan seorang individual contributor. Personalisasi inilah yang akan membuat pembelajaran terasa lebih mengena.

Di ranah multimedia pembelajaran, GenAI menaikkan standar kecepatan dan aksesibilitas. Tools seperti HeyGen, Google Veo, Synthesia, Lumen5, dan Renderforest memungkinkan pembuatan video berbasis teks lengkap dengan VO, animasi, dan pacing yang rapi. Pasca-produksi pun dipermudah melalui otomatisasi pemilihan shot, color grading, audio mixing, dan sebagainya.

Namun, parameter kualitas tidak terbatas pada visual dan audio yang luar biasa saja. GenAI, apabila digunakan secara mentah tanpa bantuan manusia, masih memiliki keterbatasan dalam berbagai hal seperti logika naratif, konsistensi emosi, dan relevansi konteks. Risiko halusinasi, bias, ketidakakuratan, hingga masalah etika seperti deepfake dan lisensi rupa membuat pengawasan manusia menjadi sangat esensial.

Sentuhan manusia berperan besar, misalnya sebagai kurator akurasi alias pihak yang memastikan fakta dan referensi valid; penjaga etika dan merek yang menjaga konsistensi; ataupun pihak yang memastikan emosi tersampaikan dengan tepat melalui storytelling yang mencakup empati asli manusia. Dalam praktiknya, GenAI bisa berfungsi optimal sebagai asisten draf pertama. Misalnya dengan memberikan variasi skrip, storyboard alternatif, riset cepat, atau ide visual. Ahli di tahap produksi tersebut kemudian bisa menyempurnakannya.

Yang jelas, GenAI mampu mendorong percepatan iterasi kreatif yang sebelumnya membutuhkan waktu dan biaya tinggi. Misalnya, pembuatan beberapa versi skrip atau storyboard yang biasanya memerlukan sesi brainstorming yang panjang, kini, kita dapat membuat hal yang sama dengan kuantitas yang lebih banyak, lalu memilih yang paling relevan dan memperbaikinya sesuai konteks perusahaan. Efisiensi ini memungkinkan tim untuk lebih fokus pada penyempurnaan kualitas.

Di sisi lain, GenAI juga memperluas akses bagi organisasi yang sebelumnya kurang memiliki kapasitas produksi multimedia. Perusahaan menengah atau tim L&D dengan sumber daya terbatas kini dapat menciptakan konten berkualitas tinggi tanpa harus menyewa studio, talent, atau motion designer. Hal ini menciptakan semacam demokratisasi yang membuat inovasi pembelajaran lebih merata dan tidak hanya dimonopoli oleh perusahaan besar dengan anggaran besar.

Selama sebuah organisasi mampu dengan tepat mengarahkan GenAI untuk menghasilkan produk pembelajaran yang lebih optimal, maka teknologi ini akan menjadi akselerator, bukan pengganti, dalam proses peningkatan kualitas pengalaman pembelajaran.

Selain membagi video, LinkedIn Learning juga menghindari tampilan yang penuh teks. Sebagian besar penjelasan disampaikan oleh pengajar secara lisan, sementara visual hanya mendukung. Hal ini sesuai dengan Redundancy Principle, yang menyatakan bahwa menampilkan grafik, narasi, dan teks panjang secara bersamaan justru bisa mengganggu proses belajar.

Ketika mata harus membaca teks dan sekaligus memproses animasi atau gambar, saluran visual kita menjadi terlalu sibuk. Akibatnya, fokus beralih dari memahami isi ke sekadar mengejar informasi di layar.

Mengapa begitu? Karena otak manusia memiliki dua jalur pemrosesan utama, yaitu jalur visual, yang memproses gambar, teks, dan gerakan, serta jalur auditori, yang memproses suara atau narasi. Ketika animasi dan teks panjang muncul bersamaan, keduanya masuk melalui jalur visual. Akibatnya, terjadi visual overload, saluran penglihatan kita terlalu sibuk menangani dua hal sekaligus. Otak akhirnya lebih banyak menghabiskan energi untuk menavigasi tampilan ketimbang memahami isinya.

Sebaliknya, jika kita hanya menampilkan grafik dan narasi suara, maka kerja otak menjadi lebih seimbang. Visual berfokus pada gambar dan animasi, sementara narasi masuk lewat jalur auditori. Kombinasi ini memudahkan peserta untuk menghubungkan kata dengan gambar.

Pada akhirnya, Segmenting Principle dan Redundancy Principle sama-sama menyoroti pentingnya memahami cara kerja otak manusia dalam memproses informasi. Dalam konteks pelatihan di perusahaan, kedua prinsip ini membantu tim L&D merancang video pembelajaran yang efektif dalam membantu karyawan memahami materi.

Dengan membagi konten ke dalam segmen-segmen kecil dan menampilkan informasi dalam porsi yang seimbang antara audio dan visual, pembelajaran menjadi lebih fokus, tidak membebani, dan lebih mudah diingat. Prinsip-prinsip ini bisa membantu dalam membuat video pembelajaran yang efektif.

Di Monkey Melody, kami sering menemukan kesalahan umum saat mengonversi materi pelatihan menjadi video. Teks penjelasan panjang umumnya ditempel begitu saja di layar bersamaan dengan gambar atau animasi. Cara seperti ini justru membuat peserta belajar kehilangan fokus dan kesulitan memproses pesan utama.

Untuk mengatasinya, tim kami menerapkan pendekatan Modality Principle dengan memisahkan fungsi visual dan auditori secara cermat. Kami menganalisis setiap bagian materi untuk menentukan mana yang dapat diwakili oleh visual, dan mana yang lebih tepat disampaikan lewat narasi. Visual dirancang untuk menggambarkan konsep inti, sementara penjelasan detail dihadirkan melalui suara narasumber atau voice over talent profesional.

Misalnya, dalam video pembelajaran Nutrifood terkait pengembangan distribusi, kami banyak menyandingkan aset visual dengan suara narasumber. Namun, di bagian tertentu yang berhubungan dengan poin-poin, kami menggunakan teks saja tanpa gambar. Terkadang, kami membubuhkan icon sederhana untuk melengkapi teks dalam porsi yang sesuai. Semua pertimbangan ini tentu direncanakan mulai dari storyboard.

Dalam beberapa video PLN, kami bahkan hanya menggunakan suara dari voice over talent saja tanpa ada sosok narasumber. Demikianlah pentingnya informasi verbal dalam melengkapi sebuah video pembelajaran. Pendekatan ini membuat penonton tidak perlu membaca teks panjang di layar, melainkan bisa fokus memahami hubungan antar konsep melalui kombinasi gambar dan suara.

Tentu saja, Modality Principle tidak selalu wajib digunakan. Prinsip ini paling efektif untuk materi yang kompleks dan cepat, di mana pembelajar tidak punya cukup waktu untuk membaca dan melihat visual sekaligus. Namun, untuk materi yang lambat, atau di mana peserta bisa mengontrol tempo belajarnya (misalnya e-learning interaktif), teks tertulis tetap bisa digunakan tanpa menimbulkan beban berlebih.

Selain itu, ada kondisi tertentu di mana teks di layar justru dibutuhkan. Yaitu ketika materi berisi istilah teknis atau simbol yang sulit dilafalkan dan ketika peserta masuk ke dalam golongan non-native speaker atau memiliki keterbatasan pendengaran. Kuncinya adalah menyesuaikan format penyajian dengan konteks dan karakteristik audiens.

Bagi divisi Learning & Development, teori ini dapat dijadikan sebagai dasar dalam merancang pengalaman belajar yang memanfaatkan kekuatan multimedia secara optimal. Setiap elemen seperti narasi, teks, dan visual harus ditempatkan dengan tujuan yang jelas agar beban kognitif peserta tetap seimbang.

Di Monkey Melody, pemahaman terhadap prinsip dual-channel diterapkan sejak tahap awal pra-produksi. Ketika tim storyboard mulai bekerja, setiap bagian naskah dianalisis untuk menentukan bentuk penyajiannya. Ada bagian yang lebih kuat jika divisualisasikan melalui ilustrasi atau animasi, dan ada pula bagian yang lebih tepat dijelaskan lewat narasi agar visual di layar bisa berfungsi sebagai pendukung konteks.

Keselarasan antara visual dan audio, atau yang disebut Mayer sebagai temporal contiguity, menjadi perhatian utama. Narasi dan visual perlu muncul pada waktu yang tepat agar otak peserta tidak perlu mengingat satu informasi lebih dulu lalu mencocokkannya dengan elemen lain beberapa detik kemudian.

Jika hal ini diabaikan, otak akan bekerja beberapa kali lipat lebih keras, membuat proses belajar menjadi melelahkan dan tidak efisien. Karena itu, dalam setiap storyboard, tim kami menyesuaikan timing kemunculan elemen visual agar selaras dengan tempo narasi, ritme bicara narator, dan konteks pesan yang disampaikan.

Proses ini membutuhkan pemahaman yang mendalam terhadap isi materi. Storyboarder kami selalu mempelajari bahan ajar dan script untuk memastikan setiap visual yang ditampilkan akurat dan relevan. Dalam beberapa proyek, terutama yang bersifat teknis, tim kami bahkan melakukan riset tambahan atau memanfaatkan teknologi seperti generative AI untuk membantu menginterpretasikan konsep yang sulit divisualisasikan. Hasil interpretasi tersebut kemudian diverifikasi kembali bersama Subject Matter Expert (SME) agar tidak terjadi distorsi makna.

Untuk membantu peserta belajar lebih efisien, Mayer mengusulkan tiga tujuan utama dalam desain multimedia learning. Ketiganya berfokus pada bagaimana kita dapat mengelola beban kognitif agar sesuai dengan kapasitas otak manusia, tanpa mengurangi kedalaman pemahaman yang ingin dicapai.

Tujuan pertama adalah mengurangi extraneous processing, yaitu beban kognitif yang muncul akibat hal-hal yang tidak mendukung tujuan pembelajaran. Dalam praktiknya, hal ini berarti memastikan tampilan visual bersih dari elemen yang tidak relevan dan fokus pada inti pesan yang ingin disampaikan. Desainer dapat menambahkan penanda visual seperti highlight atau panah untuk membantu peserta memusatkan perhatian pada bagian penting.

Selain itu, elemen-elemen yang saling berkaitan, seperti teks dan gambar, sebaiknya ditampilkan secara berdekatan dan bersamaan agar otak tidak perlu melompat dari satu informasi ke informasi lainnya. Prinsip ini membuat peserta dapat memproses informasi dengan lebih efisien tanpa terganggu oleh tata letak yang membingungkan atau jeda waktu yang tidak perlu.

Tujuan kedua adalah mengelola essential processing, yakni beban kognitif yang berasal dari kompleksitas materi itu sendiri. Tidak semua topik mudah dicerna sekaligus, sehingga penyajian materi perlu dipecah menjadi bagian-bagian kecil yang dapat dipelajari secara bertahap. Pendekatan ini memberi waktu bagi peserta untuk benar-benar memahami satu konsep sebelum beralih ke konsep berikutnya.

Selain itu, memberikan pengantar terlebih dahulu mengenai istilah-istilah atau konsep kunci juga dapat membantu peserta membangun kerangka pemahaman yang lebih kuat sebelum mereka masuk ke materi inti. Dalam konteks multimedia, penggunaan narasi suara untuk menjelaskan sebuah visual juga terbukti efektif karena membagi beban antara saluran visual dan auditori, sehingga peserta tidak kelelahan memproses terlalu banyak informasi visual sekaligus.

Terakhir, desain pembelajaran juga harus mendorong generative processing, yaitu upaya peserta untuk mengaitkan pengetahuan baru dengan apa yang telah mereka ketahui sebelumnya. Untuk mencapai hal ini, gaya penyampaian yang terasa personal dan hangat sering kali lebih efektif dibandingkan bahasa yang terlalu formal atau datar. Narasi dengan intonasi manusia dan gaya tutur yang alami dapat meningkatkan keterlibatan emosional peserta, sehingga membuat proses belajar terasa lebih hidup.

Selain itu, menggabungkan teks dan visual dalam satu kesatuan yang bermakna akan memperkuat pemahaman. Agar peserta benar-benar aktif berpikir, kegiatan sederhana seperti refleksi, kuis singkat, atau simulasi interaktif dapat dimasukkan sebagai bagian dari pengalaman belajar.

Ketiga strategi ini membantu memastikan bahwa setiap elemen dalam video pembelajaran bekerja selaras dengan cara kerja otak manusia. Ketika beban kognitif dikelola dengan baik dengan cara dibuat tidak terlalu ringan hingga membuat peserta pasif dan tidak terlalu berat hingga membuat mereka kewalahan, pembelajaran menjadi jauh lebih efektif dan menyenangkan.