Setelah 2,5 Tahun Merintis Bisnis dan 100% Adopsi AI, Perusahaan Malah Menjadi Lebih 'Tradisional'

marsbitDipublikasikan tanggal 2026-08-21Terakhir diperbarui pada 2026-08-21

Abstrak

Pendiri perusahaan "Digital Life Kha'Zix" berbagi pengalaman setelah 2,5 tahun menerapkan AI secara menyeluruh di perusahaannya. Meskipun AI digunakan hampir 100% di semua posisi (keuangan, HR, hukum, bisnis, dll.), perusahaan justru terasa lebih "tradisional". Kunci utamanya adalah pendekatan "platform tipis, lini depan tebal". Alih-alih membuat tim AI terpusat, mereka memberdayakan setiap karyawan untuk menggunakan Agent AI secara mandiri guna menyelesaikan masalah di lapangan. Hal ini memberi karyawan rasa kendali. Yang terpenting bukanlah AI-nya, melainkan **data**. Perusahaan berfokus pada "menyimpan segalanya" secara sistematis – data konten, bisnis, rapat, dokumen – sebagai aset berharga. Namun, data ini harus diatur dan dibersihkan agar tidak membingungkan AI. Dengan AI mengerjakan tugas repetitif, inti dari setiap peran muncul: **membangun hubungan dan kepercayaan manusiawi**. Staf bisnis punya lebih banyak waktu untuk bertemu klien, manajer fokus pada pengambilan keputusan dan tanggung jawab, bukan sekadar mengawasi. Tantangan baru muncul: **bagaimana melatih karyawan baru** jika AI langsung memberi jawaban 80%? Solusinya adalah memberi mereka ruang untuk memahami alasan di balik keputusan AI, membuat kesalahan, dan mengembangkan penilaian mereka sendiri. Kesimpulannya, AI terbaik menghilangkan friksi yang tidak perlu dalam organisasi, sehingga orang punya **lebih banyak waktu untuk terhubung secara bermakna** – dengan klien, rekan kerja, dan kehidupan mereka s...

Penulis: Digital Life Kha'Zix

Hari ini adalah momen yang agak spesial.

Karena saya sudah mendirikan perusahaan ini selama dua setengah tahun, tepatnya satu 'Kun' tahun.

Selama dua setengah tahun ini, perusahaan telah melalui banyak badai, ada beberapa momen genting yang mengancam keberlangsungan, tetapi untungnya, kami masih bertahan.

Dan, bertahan dengan cukup baik, perusahaan juga baru-baru ini akan pindah kantor lagi.

Karena jumlah orang semakin banyak, meskipun tim dan bisnis sudah berkembang dengan sangat hati-hati, tetap saja sudah tidak muat lagi di tempat duduk, jadi meski baru pindah kantor akhir tahun lalu, sekarang kami harus mencari rumah baru lagi.

Beberapa hari yang lalu saat ngobrol dengan teman, mereka merasa agak heran, katanya, "Bukannya kalian pakai banyak AI, kok masih butuh rekrut orang? Secara teori kan seharusnya orang semakin sedikit, kantor semakin kecil, ya. Harusnya cuma belasan orang duduk di satu ruangan, masing-masing bawa belasan karyawan digital, lalu menyelesaikan pekerjaan yang dulu butuh ratusan orang."

Baru terdengar seperti AI, kedengarannya canggih dan seksi.

Saya bilang, "Omong kosong."

Kenyataannya adalah, tingkat penetrasi AI kami sekarang hampir 100%, hampir semua karyawan menggunakan berbagai macam Agent, semua posisi seperti keuangan, HR, legal, bisnis, manajemen bakat, operasional, dll. juga sudah menggunakan Agent untuk membuat berbagai proses dan alat.

Tetapi ada beberapa hal yang memang tidak bisa dipercepat dengan AI, dan hal-hal itu justru muncul menjadi hal terpenting bagi karyawan manusia kami saat ini.

AI semakin canggih, kami semakin banyak pakai AI, namun dalam pemahaman saya dan orang-orang, kami malah semakin menjadi "tradisional".

Ini fenomena yang sangat menarik. Dalam wawancara beberapa hari lalu dan juga beberapa jamuan makan malam dengan teman, mereka sebenarnya cukup tertarik dengan transformasi AI di perusahaan, jadi sering ngobrol dengan saya, dan bertanya kenapa saya tidak menuliskan pengalaman ini.

Jadi, pada momen saya mendirikan perusahaan selama satu 'Kun' tahun ini, saya memberanikan diri untuk berbagi sedikit, sebagai perusahaan kecil yang belum sampai 40 orang, dengan bisnis yang relatif tradisional, bagaimana kami menggunakan AI dalam organisasi perusahaan.

Tentu saja saya tidak berbicara dari posisi bos sukses yang memberi tahu cara mengelola perusahaan, jauh dari itu, kami sama sekali belum sukses. Hanya saya merasa bisa berbagi sedikit pengalaman pribadi.

Jadi, mari kita mulai.

I. AI-ifikasi Seluruh Karyawan

Saya bertemu banyak sekali perusahaan, manajer perusahaan yang bilang mau melakukan AI-ifikasi, reaksi pertama seringkali sangat mirip. Yaitu membangun satu set sistem, atau mencari seorang penanggung jawab, lalu mendirikan platform AI terpusat.

Ini terlihat profesional, dan juga memberikan rasa aman.

Saya sangat paham pemikiran ini, dulu dulu juga kami pernah melakukannya.

Tapi kemudian kami menemukan, cara ini ada jebakannya.

Terlihat paling terorganisir, tetapi justru paling mudah membuat AI menjadi pusat penjadwalan lain di perusahaan.

Misalnya, HR menemukan masalah penyaringan kandidat dengan AI, langsung minta kebutuhan ke platform. Atau divisi bisnis ingin buat alat analisis klien dengan AI, langsung tulis dokumen kebutuhan.

Masalah terjadi di lini depan bisnis, tetapi kebutuhan harus melewati beberapa lapisan orang baru sampai ke orang yang benar-benar membuat alatnya.

Kita semua tahu, informasi itu ada yang hilang, setiap kali diteruskan sekali, konteksnya hilang banyak. Begitu alatnya akhirnya jadi, dunia sudah berubah jadi apa.

Dan yang paling merepotkan adalah, orang di lini depan akan semakin ahli dalam mengajukan kebutuhan, orang di platform akan semakin ahli menggunakan AI.

Akhirnya, yang benar-benar memiliki kemampuan mencipta di perusahaan, tetap hanya segelintir orang itu.

Tapi organisasi di era AI, menurut saya seharusnya tidak seperti itu, seharusnya organisasi di mana setiap orang bisa menggunakan AI atau menggunakan AI untuk menciptakan alat memecahkan masalah, bukan hanya terbatas di platform AI.

Jadi kemudian, baik di perusahaan sendiri maupun saat ngobrol dengan teman yang punya perusahaan, saya selalu memberi saran yang cukup terkendali.

Perusahaan dengan jumlah karyawan asli belum melebihi 100 orang, mendirikan platform AI terpusat harus sangat hati-hati.

Bukan platform AI tidak ada nilainya. Sistem yang sangat besar, Feishu, software akuntansi, basis keamanan dan hak akses yang terpadu, tentu harus ada orang profesional yang bertanggung jawab.

Tapi platform yang disebut-sebut ini, harus dibuat sesederhana mungkin.

Ia menjaga hak akses, keamanan, biaya, standar data, dan garis merah yang tidak boleh disentuh, lalu membantu menyelesaikan masalah server, token, dan sejenisnya. Sisa hal-hal yang sangat terkait dengan bisnis, berubah setiap hari, harus diselesaikan sendiri oleh orang yang paling dekat dengan masalah menggunakan AI.

Entah kamu langsung pakai Agent, atau pakai Agent untuk menciptakan alat, atau bikin crawler, nulis script, buat RPA, terserah, tapi harus diselesaikan sendiri.

Karena hanya mereka yang benar-benar memahami di mana titik sakitnya, kebocoran informasi yang paling rendah.

Jadi di perusahaan kami, mungkin agak kejam, banyak hal dan proses yang perlu dioptimalkan terjadi, tetapi hal itu tidak ada posisi tertentu yang membantu kamu mengembangkannya, yang bisa menyelesaikannya hanyalah kamu sendiri dan Agent, entah itu Codex, Workbuddy, Claude Code, dll., tidak masalah, tapi harus diselesaikan oleh orang divisi bisnis sendiri.

Proses awalnya kemungkinan besar sangat tidak bagus.

Ada yang tidak bisa mendeskripsikan, ada yang takut kode, ada yang capek-capek setengah mati hanya menghasilkan barang kecil yang cuma bisa dipakai.

Bahkan banyak sekali tugas, pertama kali diselesaikan dengan Agent, justru lebih lambat daripada dikerjakan manual.

Tapi kekikukan ini sangat penting.

Percayalah, AI tidak serumit itu. Ketika seseorang pertama kali dengan tangannya sendiri mengubah kerepotan dalam pekerjaannya menjadi sesuatu yang bisa dijalankan, meski kasar, perasaannya terhadap pekerjaan akan berubah.

Dulu, dia hanya bisa menerima proses, menerima hal-hal yang tidak dia sukai.

Sekarang, dia pertama kali tahu, proses pun bisa dia ubah sendiri.

Saya baru menyadari kemudian, hal paling berharga yang diberikan AI-ifikasi kepada karyawan biasa, mungkin bukan hanya efisiensi, tapi juga inisiatif yang sudah lama hilang.

Saya sangat mendorong semua orang menggunakan Agent sendiri untuk mengoptimalkan hal-hal yang menurut mereka tidak enak di tempat kerja.

Baru ini yang saya anggap sebagai AI-ifikasi. Jadi saya sekarang lebih setuju dengan struktur "Platform Tipis, Lini Depan Tebal" ini.

II. Data Menggerakkan Segalanya

Tentu saja, membagikan Agent ke setiap orang, juga tidak akan otomatis tumbuh organisasi era AI yang disebut-sebut.

Banyak perusahaan yang datang ngobrol soal AI-ifikasi dengan saya, di belakang, saya sering mendengar masalah yang sama.

Mereka tidak punya data.

Rapat dulu tidak ada transkrip lengkap, komunikasi dengan klien tersebar di chat record orang yang berbeda, bahkan kontrak dan penawaran tidak ada versi seragam, setelah proyek selesai juga tidak ada evaluasi.

Banyak pengalaman terpenting hanya ada di kepala beberapa karyawan senior.

Agent apaan lagi, tidak bisa di-Agentkan sama sekali.

Bagi sebuah organisasi, satu hal yang sekarang semakin saya percaya adalah:

Agent tidak sepenting itu, data yang paling penting.

Saya sendiri sangat percaya pada munculnya data.

Kami, XuShi Media, bergerak di bisnis MCN, menandatangani ratusan creator, berhubungan dengan hampir ratusan brand.

Data konten masa lalu, data bisnis, data kolaborasi, kami sebisa mungkin akan disimpan sebagai aset data di internal kami.

Dan hal-hal yang sulit dimasukkan ke dalam field standar, juga akan dijadikan karakteristik, diberi label tidak terstruktur, lalu disatukan ke dalam Feishu Multi-dimensional Table.

Apalagi semua transkrip rapat, dokumen, pengetahuan, SOP kami, juga akan masuk ke knowledge base.

Kegiatan harian tim manajemen bakat sekarang adalah memberi label pada banyak creator yang pernah bekerja sama dengan kami.

Tentu saja ini sangat melelahkan.

Banyak catatan saat ini tidak terlihat nilainya, label juga tidak mungkin sekali jadi sempurna, bahkan detail tertentu yang disimpan hari ini, mungkin setengah tahun tidak berguna.

Tapi saya tetap merasa harus disimpan.

Karena yang benar-benar dimiliki sebuah perusahaan, tidak pernah hanya uang di rekening, peralatan di kantor, dan daftar karyawan.

Tetapi juga semua data dan konteks yang kamu kumpulkan selama bertahun-tahun ini.

Model bisa dibeli, Token bisa dibeli, Codex juga bisa dipakai setiap perusahaan.

Tapi percayalah, konteks yang ditinggalkan sebuah perusahaan dalam banyak hari spesifik, di luar hampir tidak mungkin bisa dibeli.

Jadi strategi yang saya terapkan di internal adalah simpan sebanyak mungkin.

Tapi yang disebut simpan sebanyak mungkin juga bukan berarti semua hal langsung dibuang ke knowledge base atau multi-dimensional table lalu selesai.

Karena konflik di dunia nyata terlalu banyak, aturan lama sering bercampur dengan aturan baru, sama seperti kode yang di-Vibe Coding sekarang, misalnya dua departemen punya dua set standar untuk indikator yang sama, template kontrak yang sudah lama tidak dipakai masih muncul di hasil pencarian, Agent juga tidak akan membantu organisasi mencerna kekacauan ini.

Ia hanya akan memilih satu hal yang paling mirip jawaban dari dalamnya, lalu dengan kecepatan AI, mengeksekusi kesalahan itu.

Jadi data yang kami simpan harus punya sumber, waktu, penanggung jawab.

Hal lama harus berani dibuang, standar yang bertentangan harus ada yang memutuskan, keputusan yang benar-benar mempengaruhi uang, kontrak, dan orang, harus ada yang rutin memeriksa lalu melakukan pembersihan data.

Harus tahu, Agent tidak akan membuat perusahaan yang kacau otomatis menjadi canggih dan tertib.

Pengelolaan data di balik semua ini, baru kerja keras, kerja lelah, kerja kotor yang sebenarnya, tapi juga syarat cukup dan perlu yang membuat AI-ifikasi organisasi bisa melakukan lompatan.

III. Kembali ke Esensi Posisi

Setelah data perlahan-lahan ada, Agent benar-benar masuk ke setiap posisi, hal lain yang sangat menarik terjadi.

Orang-orang tidak menjadi semakin mirip mesin.

Malah semakin mirip manusia.

Contohnya, dulu seorang staf bisnis, mungkin 50% waktunya mengatur data, bikin tabel, cari bahan, ubah kontrak, 50% sisanya menjalankan klien.

Sekarang pekerjaan di depan sebagian besar dimakan Agent, mungkin hanya butuh 20% waktu. Sisa 80% itu, bisa dipakai untuk menemui klien, memahami apa yang sebenarnya dikhawatirkan klien, membuat proposal lebih komprehensif dan detail.

Manajer bakat kami juga sama.

Dulu, mereka menghabiskan banyak waktu mengumpulkan data, mengatur catatan, konfirmasi berulang. Sekarang hal-hal ini perlahan bisa diserahkan ke Agent, dia bisa ngobrol dengan satu creator lagi, lebih serius mendengarkan kondisi terbaru orang lain, lebih banyak waktu untuk mempertahankan hubungan yang sulit diukur.

HR, legal, konten, operasional, sebenarnya sama.

Yang paling ahli dimakan AI adalah pekerjaan yang bisa dideskripsikan, diulang, diverifikasi.

Setelah pekerjaan ini dikupas lapis demi lapis, yang akhirnya muncul justru hal yang paling sulit dipercepat.

Komunikasi tulus antar manusia.

Bagi perusahaan seperti kami yang bisnisnya sangat tradisional, hampir ToB, ini sangat realistis.

Misalnya, saat klien bermasalah, apakah masih mau mengangkat teleponmu.

Seorang creator apakah bersedia menyerahkan beberapa tahun ke depan sepenuhnya padamu, dll.

Hal-hal ini, Codex bisa membantumu menyiapkan materi, mengingat detail, mengevaluasi setiap komunikasi.

Tapi dia tidak bisa menggantikan kamu mengalami waktu, menggantikan kamu berkomunikasi langsung dengan orang lain.

Jadi saya selalu bilang, di era AI, kepercayaan dan merek, adalah hal yang lebih berharga daripada berlian.

Hal ini terlalu sulit dikumpulkan, selalu butuh banyak waktu untuk dikelola.

Saat menghadapi orang yang kamu layani, janji yang kamu buat terpenuhi, tambah satu poin. Saat bermasalah tidak menghindar tapi berani menyelesaikan, tambah satu poin. Saat pihak lain paling sulit, kamu bukan hanya mengirim basa-basi, tapi benar-benar muncul melihat apakah bisa membantu, dll., tambah satu poin lagi.

Ini lambat sekali.

Tapi justru, semakin cepat AI, semakin mahal hal ini.

Ini juga kenapa, semakin banyak Agent kami, perusahaan malah semakin tradisional.

Staf bisnis semakin mirip orang zaman dulu yang harus terus keluar, duduk bersama klien.

Manajer bakat juga semakin mirip orang zaman dulu yang benar-benar perlu kenal creator, pahami creator, temani creator menjalani perjalanan.

Manajer juga semakin tidak bisa bersembunyi di balik laporan, harus menghadapi konflik, membuat keputusan, menanggung hasil.

AI menyelesaikan semua masalah terkait efisiensi, hubungan paling kuno antar manusia justru muncul.

IV. Waktu yang Dihemat

Menulis sampai sini, sebenarnya ada pertanyaan yang sangat kejam.

Yaitu waktu yang dihemat Agent, akhirnya pergi ke mana.

Banyak perusahaan bicara AI-ifikasi, paling suka menghitung penghematan jam kerja.

Satu proses dulu butuh 4 jam, sekarang cuma 20 menit. Satu posisi dulu bisa layani 20 orang, sekarang bisa layani 50 orang. Satu proposal dulu dua hari baru keluar, sekarang setengah jam sudah ada draft awal.

Angka-angka ini tentu penting.

Tapi jika waktu yang dihemat akhirnya diisi lagi dengan lebih banyak rapat, lebih banyak laporan, lebih banyak persetujuan, lebih banyak tabel yang tidak ada yang baca, perusahaan itu hanya jadi lebih sibuk.

Jika seorang karyawan karena pakai Agent, awalnya sehari kerjakan 5 hal, sekarang diminta kerjakan 20 hal, dan 20 hal itu harus langsung dikumpulkan, dia tidak akan merasa teknologi membebaskan dirinya.

Dia hanya akan merasa, cambuknya jadi lebih cepat.

Dari sudut ini, saya rasa seorang bos, mungkin sangat mudah mengabaikan.

Karena dari sisi perusahaan, peningkatan efisiensi secara alami seperti hal baik.

Kami akan bersemangat, merasa batas terbuka, banyak hal yang dulu tidak mampu dilakukan sekarang bisa dilakukan.

Saya sendiri juga begitu.

Kemampuan sedikit lebih banyak, pengin bikin satu proyek lagi. Begitu juga, manajer bakat bisa layani lebih banyak creator, pengin tanda tangan lebih banyak creator. Staf bisnis bisa cerna lebih banyak informasi, pengin jangkau lebih banyak klien. Produksi konten lebih cepat, pengin cover lebih banyak topik.

Kemampuan yang dihemat, cepat-cepat diisi lagi dengan ambisi baru.

Saya rasa, ini mungkin juga salah satu alasan kenapa orang kami semakin banyak, harus pindah kantor lagi.

AI belum tentu membuat perusahaan jadi lebih kecil.

Yang pertama kali diperbesar, mungkin ambisi perusahaan dan bos.

Kalimat ini saya tulis, sebenarnya juga mengingatkan diri sendiri.

Ambisi tidak salah, sebuah perusahaan tentu harus melangkah maju.

Tapi jika setiap efisiensi akhirnya hanya jadi angka yang lebih tinggi, penjadwalan yang lebih padat, dan pekerjaan yang lebih banyak, maka AI-ifikasi yang kami bicarakan, bagi karyawan paling biasa, hanyalah lembur yang lebih sulit ditolak.

Jadi di perusahaan, saya semakin tidak mau hanya bertanya, Agent menghemat berapa jam.

Saya lebih ingin bertanya, jam-jam ini akhirnya diberikan kepada siapa.

Mengembalikan waktu staf bisnis kepada klien.

Mengembalikan waktu manajer bakat kepada creator.

Mengembalikan waktu HR kepada karyawan yang benar-benar perlu didengar.

Mengembalikan waktu legal kepada keputusan sulit, bukan mengubah format edisi ke-27 secara mekanis.

Mengembalikan waktu tim konten kepada pengalaman, rasa ingin tahu, dan hal yang benar-benar layak ditulis.

Dan mengembalikan waktu seorang manusia biasa, sedikit kepada dirinya sendiri.

Dia bisa belajar satu hal lagi, bisa kerjakan pekerjaan lebih baik, bisa pulang lebih awal, makan dengan tenang.

Manajer sangat mudah menganggap karyawan sebagai kapasitas produksi.

Tapi saya rasa, manusia bukan baterai yang menunggu dikeringkan Agent.

Nilai organisasi terbaik AI, menurut saya, adalah setiap orang seharusnya lebih mencintai dan bahagia dari lubuk hati.

Hanya dengan begitu, baru akan penuh rasa ingin tahu terhadap dunia lagi, kamu baru bisa ke luar, mengumpulkan lebih banyak kepercayaan.

V. Apa itu Manajer

Lalu, hal paling kejam berikutnya. Manajer sendiri.

Dulu, seorang manajer sangat mudah membuktikan nilai dengan mengatur tindakan.

Rapat, kejar progres, terima laporan harian, lakukan persetujuan, pecah satu hal jadi 10 langkah, lalu periksa apakah setiap orang sudah melaksanakan 10 langkah itu dengan ketat.

Tapi, setelah Agent memakan banyak pekerjaan eksekusi, manajemen seperti ini akan semakin canggung.

Karyawan sendiri bawa Codex, bisa riset bahan, bisa bikin proposal, bisa tulis script, bisa jalankan satu proses yang dulu perlu lintas beberapa departemen dulu.

Saat ini, hal yang benar-benar harus dilakukan manajer, justru seharusnya tidak ada begitu banyak tindakan.

Justru lebih harus bertanya:

Tujuannya sebenarnya apa?

Apa yang pasti tidak boleh salah?

Risiko apa yang bisa ditanggung perusahaan?

Hasil sampai seperti apa baru sempurna?

Saat terjadi hal tak terduga, siapa yang buat keputusan akhir?

Saat ada masalah, siapa yang bertanggung jawab?

Hal-hal ini menurut saya sangat sulit, juga sama sekali tidak bisa dibuat jadi PPT yang bagus.

Tapi ini baru manajemen.

Seorang manajer tidak bisa nulis Prompt, masih ada waktu belajar.

Seorang manajer tidak bisa jelaskan tujuan, tidak bisa buat keputusan, saat ada masalah hanya lempar tanggung jawab ke bawahan, menurut saya, Agent sekuat apapun tidak bisa selamatkan dia.

Bahkan kadang saya rasa, dampak terbesar AI bagi manajer, benar-benar tidak ada hubungannya sama sekali dengan alat baru atau AI, tapi sampai era AI, banyak ketidakmampuan yang dulu tersembunyi di dalam proses, sedikit demi sedikit terbongkar oleh AI.

Dulu bisa bilang kurang orang, bisa bilang informasi belum diatur baik, bisa bilang eksekusi di bawah tidak tepat.

Sekarang, ngomong apaan lagi.

Nanti Agent sudah cari semua bahan, sudah kasih proposal, biaya eksekusi juga sudah turun, keputusan yang masih belum bisa dibuat, masih tidak bisa putuskan, ya ngomong apa lagi?

Ini bagi saya juga sama.

Saya tidak bisa sementara minta semua orang berinisiatif mencipta, sementara juga minta setiap detail sesuai keinginan saya.

Saya tidak bisa sementara bilang berorientasi hasil, sementara juga menilai seseorang dari lama lembur, kecepatan balas pesan, dan ekspresi sibuk.

Saya juga tidak bisa lempar target yang tidak jelas ke bawah, lalu pakai kalimat "kamu harus belajar pakai AI" untuk lempar tanggung jawab manajemen ke karyawan.

Ini justru wujud ketidakmampuan saya yang sangat.

Jadi, organisasi era AI akhirnya akan berevolusi jadi seperti apa, seringkali hanya tergantung perusahaan ini awalnya seperti apa.

Perusahaan yang tidak percaya orang, akan pakai Agent untuk membuat pengawasan lebih detail.

Bos yang biasa mengontrol, akan pakai Agent untuk memberi perintah lebih cepat.

Perusahaan yang mau menghargai orang, baru benar-benar jadikan Agent alat di tangan karyawan biasa.

AI tidak akan otomatis bawa manajemen yang maju.

Ia hanya akan, membuat sisi gelap bulan, terlihat jelas.

VI. Bagaimana dengan Karyawan Baru

Ini hal yang kami lakukan tidak baik, tapi juga berusaha mencari tahu. Kami merekrut seorang karyawan baru, kami tidak tahu, bagaimana membimbingnya. Contohnya, dulu seorang pemula di industri konten, mungkin akan mulai dari cari bahan, ubah judul, atur studi kasus, tulis draft awal. Seorang pemula bisnis, akan atur data klien dulu, ikut rapat, tulis notulen, ubah proposal. Seorang pemula legal, akan mulai dari kontrak dan klausul paling dasar perlahan-lahan.

Pekerjaan ini sangat sepele, kadang juga menyiksa.

Tapi seseorang dulu seringkali justru melalui pekerjaan kikuk ini, perlahan tumbuh perasaan.

Tapi sekarang, Agent kami bisa kasih jawaban 80 poin ke pemula dalam beberapa menit.

Jangka pendek sangat enak.

Seseorang yang baru bergabung, mungkin minggu pertama sudah bisa keluarkan sesuatu yang dulu butuh setengah tahun baru selesai, dari sudut pandang perusahaan, merasa biaya pelatihan turun, karyawan baru juga merasa tiba-tiba jadi hebat.

Tapi output tiba-tiba bagus, tidak berarti seseorang benar-benar tumbuh.

Jika dia tidak pernah mengalami pekerjaan dasar itu, juga sama sekali tidak punya kesempatan paham kenapa Agent melakukannya seperti itu, saat AI beri jawaban salah yang mirip benar, dia bahkan tidak akan ragu.

Yang paling saya takuti bukan karyawan baru tidak bisa pakai AI.

Saya takut, dia hanya bisa pakai AI, tapi tidak pernah lagi punya kesempatan tumbuh penilaiannya sendiri.

Karena jujur saja, karyawan baru selalu kelompok terlemah di organisasi.

Seringkali, dia agak bingung, tidak tahu masalah apa yang bisa ditanyakan, tidak tahu aturan mana yang sudah kadaluarsa, tidak tahu saat Leader bilang "kamu lihat sendiri", apakah dia benar-benar punya hak memutuskan.

Agent memberinya output, tapi belum tentu memberinya kemampuan menanggung konsekuensi.

Jika perusahaan hanya lihat hasil, dia bahkan akan didorong terus oleh jawaban 80 poin itu, sampai di tempat yang sangat penting, buat masalah besar, lalu perusahaan tanya, kenapa hal ini tidak kamu paham.

Jadi saya juga khawatir, ini sangat tidak baik untuk pertumbuhan karyawan baru.

Bagi perusahaan kami, saya terus berpikir, bagaimana mendesain ulang jalan pertumbuhan karyawan baru.

Jalan ini, tentu bukan sengaja suruh karyawan baru terus kerja keras tanpa arti, apalagi untuk melatih langsung tekan kembali ke era manual.

Tapi kami sebisa mungkin banyak menghabiskan waktu, minta dia jelaskan kenapa Agent melakukan seperti ini, minta dia bandingkan proposal berbeda, minta dia benar-benar temui klien, minta dia lihat konsekuensi kesalahan, minta dia buat satu keputusan saat ada yang menanggung, juga minta dia tanda tangan namanya sendiri di hal yang akhirnya dikumpulkan.

Yang dibutuhkan seorang pemula, menurut saya, tidak pernah hanya output lebih cepat.

Dia perlu aman melakukan beberapa kesalahan, perlu dikoreksi orang yang benar-benar paham, perlu tahu suatu hari dia juga bisa jadi orang yang menanggung orang lain.

Memberi pemula Agent yang bisa kasih jawaban 80 poin mudah sekali.

Memberinya jalan tumbuh jadi ahli, baru manajemen.

VII. Esensi Kami

Jadi kembali ke awal, kenapa saya bilang semakin banyak AI di perusahaan, kami malah semakin mirip perusahaan tradisional.

Karena saat AI mempercepat semua hal yang bisa dipercepat, bagian organisasi yang benar-benar sulit, tidak bisa dipercepat AI, akhirnya juga muncul dari bawah es.

Data bisa diatur otomatis, kepercayaan tidak bisa.

Kontrak bisa dibuat cepat, tanggung jawab tidak bisa.

Komunikasi tulus antar manusia, tidak pernah bisa. Sama seperti informasi klien tentu bisa dianalisis, tapi apakah dia mau tetap percaya kamu saat muncul berita buruk, hal ini kamu murni analisis tidak mungkin bisa hitung.

Hal-hal ini tua, lambat, tidak seksi.

Tapi nyawa sebuah perusahaan kecil, seringkali terikat pada hal-hal ini.

Bagi perusahaan kami, kami memang bukan perusahaan yang punya penghalang teknologi, kami hanya di era ini, berusaha memotong sedikit bisnis, menghidupi teman-teman sendiri, menemukan cara bertahan perusahaan kecil.

Kami bisa bertahan, karena masih ada klien yang mau serahkan anggaran pada kami, masih ada creator yang mau percayakan karir pada kami, masih ada orang hebat yang mau repot-repot sama kami bikin acara offline, bahkan acara varietas, juga masih ada sekelompok rekan kerja yang mau percaya, hal yang kami ingin "hubungkan semuanya di era AI" ini bisa dikerjakan bersama.

Jadi sekarang saya semakin merasa, data, Agent, otomatisasi, nilai sebenarnya mereka di organisasi, seharusnya bukan mengeluarkan manusia dari tengah.

Kami buat begitu banyak label creator, bukan untuk suatu hari tidak perlu kenal creator.

Justru agar manajer bakat saat ketemu dia, lebih paham dia dulu alami apa, sekarang butuh apa.

Staf bisnis minta Agent atur data klien, juga bukan untuk sejak itu tidak ketemu klien.

Justru agar saat duduk di depan klien, tidak perlu lagi buang waktu di PR yang seharusnya selesai duluan.

Kami simpan rapat, dokumen, dan SOP, juga bukan agar organisasi hanya bergantung sistem.

Tapi agar setiap orang yang baru bergabung, tidak perlu menunduk minta-minta ke mana-mana, tidak perlu dalam kekosongan menginjak lagi semua lubang yang pernah diinjak orang.

AI bertanggung jawab menghilangkan pemborosan tidak perlu antar manusia.

Lalu, beri seseorang lebih banyak waktu, benar-benar datang di depan orang lain.

Ini esensi kami.

Kami bukan perusahaan super yang hanya andalkan puluhan karyawan digital, bisa beroperasi sendiri di awan.

Kami sekelompok orang biasa, bantuan teknologi paling maju era ini, berusaha kerjakan beberapa hal tradisional dengan baik.

Layani baik satu klien, temani baik satu creator, bimbing baik satu pemula, jaga satu janji, juga buat orang yang kerja sama, hidup sedikit lebih baik.

Jadi justru kami semakin banyak pakai AI, kami semakin jadi tradisional, tapi menurut saya, ini bukan kemunduran.

Hanya saat teknologi perlahan-lahan mengupas cangkang efisiensi ini.

Kami akhirnya lihat jelas, antar manusia, hal paling esensial itu apa.

Tulisan Penutup

Menulis sampai sini, melihat lagi dua setengah tahun ini, saya sendiri juga agak terharu.

Kami alami banyak kali genting, juga buat banyak keputusan salah.

Sekarang meski masih hidup, bahkan akan pindah ke kantor lebih besar, saya juga tidak berani bilang, kami sudah temukan jawaban benar apa.

AI-ifikasi seluruh karyawan apakah pasti cocok untuk setiap perusahaan, saya tidak tahu.

Platform tipis, lini depan tebal apakah cara organisasi era AI yang bagus, saya juga tidak tahu.

Jalan pertumbuhan yang kami desain untuk pemula sekarang, akhirnya benar-benar bisa berjalan atau tidak, saya lebih tidak tahu.

Tapi setidaknya satu hal, sekarang semakin saya yakini.

Transformasi organisasi era AI, di permukaan ubah alat, proses, data, efisiensi, ujungnya ujiannya, tetap bagaimana sebuah perusahaan memperlakukan manusia.

Apakah kamu mau serahkan kekuatan mencipta ke lini depan.

Mau kembalikan waktu yang dihemat Agent, ke klien, creator, karyawan, dan kehidupan.

Mau di saat seorang pemula belum matang, beri dia ruang salah dan tumbuh.

Juga mau di saat ada masalah, tidak bersembunyi di balik proses dan laporan, berdiri sendiri menanggung hasil.

Hal-hal ini, baru yang menentukan sebuah perusahaan akhirnya jadi seperti apa.

Akhirnya, saya ingin pakai satu kalimat Saint-Exupéry di "Terre des Hommes" (Manusia dan Bumi), untuk jadi akhir artikel ini.

Dia bilang:

“Kebesaran sebuah profesi, mungkin pertama-tama terletak pada menyatukan manusia. Hanya ada satu kemewahan sejati di dunia, yaitu hubungan antar manusia.”

Dulu baca kalimat seperti ini, mungkin merasa cukup romantis.

Tapi setelah dirikan perusahaan dua setengah tahun, alami saat-saat perusahaan mungkin tidak bisa bertahan, lalu lihat orang di sekitar perlahan bertambah, sekarang saya rasa, kalimat ini kebenaran.

Terakhir, kami ke depan mungkin juga akan buat beberapa kolom khusus, untuk berbagi sedikit, rekan-rekan di perusahaan kami, di posisi mereka, misalnya keuangan, legal, HR, operasional, bisnis, dll., bagaimana pakai AI, saya sendiri rasa kadang lihat mereka pakai, juga cukup memberi pencerahan.

Pertanyaan Terkait

QMengapa perusahaan penulis justru menjadi lebih 'tradisional' setelah menerapkan AI secara menyeluruh?

AKarena AI telah mengambil alih sebagian besar pekerjaan yang berulang dan terukur (seperti pengolahan data, pembuatan laporan, penyesuaian kontrak), sehingga pekerjaan manusia yang tersisa justru lebih fokus pada aspek yang sulit dipercepat oleh AI, yaitu membangun dan memelihara hubungan dan kepercayaan antar manusia. Seperti bertemu klien secara langsung, memahami kebutuhan mendalam mereka, serta mendampingi dan memahami perjalanan karier para kreator.

QApa yang dimaksud penulis dengan struktur 'AI middle platform yang tipis dan lini depan yang tebal'?

AStruktur ini berarti platform AI pusat di perusahaan hanya menangani hal-hal penting seperti keamanan, izin, biaya, standar data, dan server. Sementara untuk masalah spesifik dan dinamis yang sangat terkait dengan operasional bisnis sehari-hari, diserahkan kepada staf di garis depan (seperti bagian penjualan, HR, operasional) untuk menyelesaikannya sendiri menggunakan berbagai alat AI. Tujuannya adalah agar solusi yang dibuat benar-benar sesuai dengan kebutuhan nyata dan mengurangi kebocoran informasi akibat birokrasi.

QMenurut artikel, apa yang lebih penting daripada Agent (AI) itu sendiri dalam transformasi AI sebuah organisasi?

AData adalah hal yang paling penting. Agent atau alat AI dapat dibeli atau digunakan oleh siapa saja, tetapi data dan konteks spesifik yang terakumulasi selama bertahun-tahun dalam sebuah perusahaan tidak dapat dibeli. Tanpa data yang terstruktur, lengkap, dan terawat dengan baik (seperti catatan rapat, dokumen, riwayat proyek, prosedur standar), AI tidak akan dapat berfungsi dengan optimal dan bahkan mungkin menghasilkan kesalahan dengan cepat.

QBagaimana perusahaan seharusnya mengelola waktu yang dihemat oleh penggunaan AI, agar tidak menjadi beban baru bagi karyawan?

AWaktu yang dihemat harus dikembalikan kepada hal-hal yang bernilai. Misalnya, waktu staf penjualan dikembalikan untuk lebih banyak bertemu klien; waktu manajer kreator dikembalikan untuk lebih memahami dan mendampingi kreator; waktu karyawan dikembalikan untuk belajar, meningkatkan kualitas kerja, atau kehidupan pribadi mereka. Tujuannya adalah menciptakan organisasi di mana manusia dapat lebih menghargai pekerjaan dan hidup, bukan sekadar meningkatkan target dan beban kerja.

QApa tantangan utama dalam membimbing karyawan baru di era AI menurut penulis, dan bagaimana seharusnya?

ATantangannya adalah jika karyawan baru langsung bergantung pada AI yang dapat menghasilkan jawaban 80% sempurna, mereka akan kehilangan kesempatan untuk memahami proses dasar, mengembangkan penilaian mandiri, dan belajar dari kesalahan. Perusahaan harus merancang jalur pelatihan baru yang memungkinkan mereka untuk memahami alasan di balik keputusan AI, membandingkan berbagai solusi, mengalami konsekuensi dari kesalahan, membuat keputusan dalam lingkungan yang aman, dan bertanggung jawab atas pekerjaan mereka. Ini adalah cara untuk membina mereka menjadi profesional yang matang, bukan hanya operator AI.

Bacaan Terkait

Pembacaan Laporan Riset Morgan Stanley: Skala Pembelian Kembali Kementerian Keuangan Bertambah Dua Kali Lipat, Logika Steepening Kurva Treasury AS Tidak Berubah

Departemen Keuangan AS menggandakan ukuran pembelian kembali obligasi jangka panjang, efektif 9 September. Dalam laporannya pada 20 Agustus, Morgan Stanley (MS) menginterpretasikan langkah ini sebagai sinyal yang lebih penting daripada operasi pembelian kembali itu sendiri. Peningkatan jumlah pembelian ini dipandang sebagai upaya untuk menstabilkan suku bunga jangka panjang dan memperoleh waktu sebelum jendela pembiayaan kembali (quarterly refunding) bulan November, di mana Departemen Keuangan dapat memilih untuk mengurangi penawaran obligasi jangka panjang. MS berpendapat bahwa kekhawatiran atas pasokan (supply) bukanlah pendorong utama kenaikan imbal hasil (yield) obligasi jangka panjang baru-baru ini. Analisis mereka menunjukkan bahwa kenaikan yield terutama mencerminkan penilaian ulang pasar terhadap harga energi dan jalur kebijakan bank sentral, bukan kekhawatiran akan defisit dan pasokan obligasi pemerintah. MS juga mencatat bahwa penerbitan obligasi korporasi peringkat investasi yang padat tidak berdampak berkelanjutan pada pasar obligasi pemerintah. Mengingat data tenaga kerja, konsumsi, dan inflasi menunjukkan ekonomi tidak terlalu panas, MS mempertahankan rekomendasi perdagangan untuk pembengkakan kurva imbal hasil (steepening trade), khususnya antara obligasi 7 tahun dan 30 tahun, dengan target spread 100 basis poin (saat ini sekitar 71 bps). Selain itu, tim strategi valas MS mencatat bahwa langkah ini dapat ditafsirkan sebagai upaya moderat untuk meredam penguatan Dolar AS, yang dapat mendukung pelemahan Dolar lebih lanjut, terutama terhadap Franc Swiss, dan potensi kenaikan EUR/USD.

marsbit28m yang lalu

Pembacaan Laporan Riset Morgan Stanley: Skala Pembelian Kembali Kementerian Keuangan Bertambah Dua Kali Lipat, Logika Steepening Kurva Treasury AS Tidak Berubah

marsbit28m yang lalu

Kaito Hidupkan Kembali "Ekonomi Omong Kosong", Namun Banyak yang Ragu Menginstal Plugin Baru

Penulis Asher melaporkan bahwa Kaito AI telah meluncurkan ekstensi browser baru bernama Kaito Pulse pada 18 Agustus. Ekstensi ini bertujuan menghubungkan diskusi pengguna di X (sebelumnya Twitter) dengan aktivitas *on-chain* dan pengaruh sosial mereka. Dengan menampilkan informasi seperti posisi perdagangan publik dari platform seperti Polymarket langsung di linimasa X, Kaito Pulse berupaya membantu pengguna menilai apakah opini suatu akun selaras dengan tindakan nyatanya. Ini menandai evolusi dari model insentif konten "Yaps" sebelumnya. Sistem baru memperkenalkan metrik "Aura" yang mengukur pengaruh pengguna dengan memverifikasi tidak hanya konten dan interaksi, tetapi juga perilaku *on-chain*, untuk membedakan pengaruh nyata dari sekadar aktivitas posting massal. Namun, peluncurannya memicu kontroversi privasi. Analis seperti Ultra menuding ekstensi tersebut mengumpulkan data secara mendalam, termasuk pembuatan *fingerprint* perangkat, pelacakan perilaku di X, dan verifikasi akun pihak ketiga (seperti ChatGPT dan platform trading), yang berpotensi mengancam anonimitas dan data sensitif pengguna. Komunitas terpecah. Pihak yang mendukung percaya verifikasi tambahan diperlukan untuk memerangi pengaruh palsu di ekosistem *InfoFi*. Sementara pihak yang skeptis khawatir tentang pengumpulan data yang berlebihan dan pengorbanan privasi. Pendiri Kaito, Yu Hu, menanggapi dengan menyatakan prinsip minimalisasi data. Dia menegaskan bahwa Kaito Pulse tidak mengumpulkan data mentah pengguna, tetapi hanya menghasilkan bukti verifikasi (misalnya, menggunakan teknologi seperti zkTLS) setelah izin pengguna. Dia mengakui bahwa penjelasan permintaan izin dapat diperbaiki di versi mendatang. Artikel ini menyimpulkan bahwa Kaito Pulse menyoroti dilema inti di *InfoFi*: platform memerlukan lebih banyak data untuk memvalidasi pengaruh nyata, tetapi pengguna harus mempertimbangkan seberapa banyak privasi yang mereka rela berikan untuk imbalan dan peringkat potensial. Keseimbangan antara verifikasi dan privasi menjadi tantangan utama.

marsbit28m yang lalu

Kaito Hidupkan Kembali "Ekonomi Omong Kosong", Namun Banyak yang Ragu Menginstal Plugin Baru

marsbit28m yang lalu

Kaito Hidupkan Kembali "Ekonomi Ngomong Doang", Tapi Banyak yang Takut Pasang Plugin Baru

Kaito AI meluncurkan ekstensi browser "Kaito Pulse" pada 18 Agustus, yang bertujuan mengintegrasikan aktivitas diskusi pengguna di X (sebelumnya Twitter) dengan aktivitas *on-chain* dan pengaruh sosial. Ekstensi ini memungkinkan pengguna melihat posisi perdagangan publik dari platform seperti Polymarket dan Hyperliquid langsung di linimasa X, untuk menilai kesesuaian antara opini dan tindakan nyata suatu akun. Ini merupakan peningkatan dari model insentif konten "Yaps" sebelumnya, dengan memperkenalkan sistem penilaian "Aura" baru yang mengukur pengaruh berdasarkan konten, interaksi komunitas, dan verifikasi perilaku *on-chain*. Namun, peluncuran Kaito Pulse memicu kontroversi privasi. Analisis kode oleh Ultra menunjukkan dugaan pengumpulan data yang luas, termasuk pembuatan *fingerprint* perangkat, pelacakan perilaku di X, dan verifikasi akun pihak ketiga (seperti ChatGPT, Claude, dan platform perdagangan). Komunitas terpecah: beberapa mendukung verifikasi untuk memerangi pengaruh palsu, sementara yang lain khawatir tentang pengorbanan privasi. Pendiri Kaito, Yu Hu, menanggapi dengan menyatakan prinsip minimalisasi data. Dia menegaskan bahwa Kaito Pulse tidak mengumpulkan data mentah pengguna, tetapi hanya menghasilkan bukti verifikasi atas izin pengguna, menggunakan teknologi seperti zkTLS. Dia mengakui bahwa penjelasan izin perlu diperbaiki untuk menghindari kesalahpahaman. Debat ini menyoroti dilema mendasar di sektor InfoFi: platform membutuhkan lebih banyak data untuk membedakan pengaruh asli dari kepalsuan, tetapi pengguna harus mempertimbangkan sejauh mana mereka bersedia membagikan data untuk mendapatkan peringkat, poin, dan insentif potensial.

Odaily星球日报48m yang lalu

Kaito Hidupkan Kembali "Ekonomi Ngomong Doang", Tapi Banyak yang Takut Pasang Plugin Baru

Odaily星球日报48m yang lalu

Trading

Spot
活动图片