65% Karyawan Klaim AI Naikkan Produktivitas, tapi 12% Yakin Transformasi Berhasil

Telset.id – Ada jurang antara potensi teoretis AI dan kenyataan penerapannya di perusahaan besar. Laporan Gallup 2026 State of the Workplace mengungkap bahwa 65% karyawan menyebut AI telah meningkatkan produktivitas individu mereka, tetapi hanya 12% yang sangat setuju bahwa teknologi ini benar-benar mengubah cara kerja di organisasi mereka. Temuan ini menjadi pijakan bagi Mohit Bhat, President & Chief Engineering and AI Transformation Officer di Tenarai, dalam menyoroti pentingnya manusia dalam transformasi AI perusahaan.

Bhat menulis berdasarkan pengalamannya memimpin transformasi teknologi dari dua sisi: sebagai eksekutif yang mendorong inovasi di Canadian National Rail dan sebagai partner yang mempercepat hasil AI bagi pelanggan di Tenarai. Menurutnya, transformasi digital yang sukses tumbuh dari manusia. Di era agentic, kunci hasil AI perusahaan adalah memberdayakan karyawan untuk unlearn—melepaskan alat dan kebiasaan yang telah mereka andalkan bertahun-tahun—agar bisa mengadopsi kemampuan baru dengan percaya diri.

Dari Asisten ke Agen Aktif

Ketika industri bergeser dari asisten AI pasif ke agen AI otonom, model pengiriman perangkat lunak tradisional tidak lagi memadai karena mengabaikan koneksi manusia-AI. Generative AI berfungsi terutama sebagai alat penyusun berbasis tugas, dengan manusia tetap di kursi kemudi untuk meninjau dan menyetujui. Agentic AI, sebaliknya, bersifat berbasis tujuan, sadar konteks, dan kolaboratif—bertindak lebih seperti rekan kerja digital otonom. Pergeseran ini sudah membentuk ulang operasi perusahaan kompleks, tetapi keberhasilannya bergantung pada kemampuan orang untuk beradaptasi.

Bhat mencontohkan migrasi data yang dipimpin timnya untuk pemimpin logistik global. Memindahkan pipeline data dari arsitektur SAS legacy ke cloud menghadirkan kompleksitas rekayasa yang signifikan, namun tantangan yang lebih besar justru membimbing analis bisnis berusia lama untuk unlearn alur kerja yang telah mapan bertahun-tahun. Dengan menyandingkan migrasi teknis dengan inisiatif manajemen perubahan langsung, mereka membantu para analis memahami nilai dan manfaat perubahan. Pada akhirnya, memenangkan kepercayaan mereka jauh lebih mempercepat timeline deployment ketimbang migrasi teknisnya sendiri.

Ketegangan ini mengungkap cacat fundamental dalam adopsi AI tradisional. Ketika karyawan beralih dari mengendalikan alat berbasis tugas ke mengawasi agen otonom, tercipta celah kerentanan. Struktur IT legacy yang sering beroperasi dalam silo secara inheren gagal di lingkungan ini, membiarkan staf garis depan terdampar di antara kebiasaan lama dan kemampuan otonom baru. Menjembatani perpecahan ini membutuhkan model pengiriman modern yang dirancang untuk kolaborasi berpusat pada manusia.

Arsitek Kepercayaan: FDE dan Agentic Design Lead

Untuk menutup celah adopsi dan menskalakan agentic AI dari eksperimen proof-of-concept menjadi hasil bisnis nyata, organisasi harus menerapkan kerangka dual-role. Model ini menanamkan manajemen perubahan, keahlian domain, dan empati operasional langsung ke dalam pipeline teknis melalui dua peran kunci: Forward Deployed Engineer dan Agentic Design Lead.

Tim perangkat lunak tradisional sering menulis kode dalam silo berdasarkan spesifikasi yang bergerak lambat. Model Forward Deployed Engineer (FDE) menghilangkan hambatan itu. FDE beroperasi sebagai arsitek teknis adaptif yang tertanam langsung di persimpangan proses bisnis, konteks korporat, dan kode produksi langsung. Bekerja dalam unit lintas fungsi, FDE berkolaborasi erat dengan agen AI khusus untuk memampatkan siklus build dari berbulan-bulan menjadi berminggu-minggu. Dengan bekerja bersama pengguna bisnis, FDE dengan cepat menerjemahkan tujuan operasional menjadi sistem siap produksi yang skalabel sekaligus menyelesaikan hambatan secara real-time.

Sementara FDE mendorong eksekusi teknis, Agentic Design Lead sepenuhnya berfokus pada koneksi manusia-AI dan keselarasan organisasi. Peran khusus ini membentuk ulang alur kerja bisnis di sekitar kemampuan agentic sebelum pengembangan dimulai, mengamankan adopsi aktif di setiap tahap. Dengan menganalisis perilaku pengguna, Agentic Design Lead merombak proses desain dengan mempertimbangkan pengguna aktual, memastikan koneksi manusia-AI yang mulus ditarik hingga ke solusi akhir.

Pendekatan berbasis manusia ini sejalan dengan pandangan bahwa keberhasilan AI di sektor enterprise tidak cukup hanya mengandalkan teknologi. Seperti diulas dalam artikel tentang keamanan agentic enterprise, fondasi organisasi dan tata kelola menjadi penentu apakah adopsi AI bisa berjalan aman dan berkelanjutan.

Mengelola Risiko Unlearning

Guardrail dan tata kelola menjadi esensial karena unlearning kebiasaan perangkat lunak yang telah terdefinisi selama puluhan tahun bisa sangat tidak nyaman bagi organisasi. Untuk menskalakan alur kerja agentic secara aman, pemimpin harus menetapkan peta jelas di mana unlearning didorong dan di mana tidak, membagi operasi perusahaan ke dalam dua kategori risiko berbeda: deterministik dan probabilistik.

Kontrol deterministik mengatur lingkungan misi-kritis di mana kesalahan berisiko pada operasi fisik atau keselamatan manusia—seperti operasi gudang, pengiriman kereta berat, manajemen lalu lintas udara, atau manufaktur industri. Domain berkonsekuensi tinggi ini menuntut pengamanan ketat yang non-otonom. Sebaliknya, kerangka probabilistik mendukung domain di mana agen otonom unggul, termasuk peramalan permintaan, pemasaran bertarget, dan analisis dokumen otomatis. Untuk lingkungan adaptif ini, pemimpin harus membangun sandbox aman di mana tim lintas fungsi dapat bereksperimen dengan aman, mengevaluasi log performa, dan menskalakan use case yang terbukti secara bertahap.

Bhat juga menyoroti bahwa bahkan arsitektur AI paling canggih akan gagal jika tenaga kerja menolak adopsi. Transformasi perusahaan tidak bisa berhasil melalui mandat eksekutif atau dashboard statis. Pemimpin harus menjalankannya seperti kampanye pemasaran internal, meraih dukungan karyawan di seluruh organisasi dan dengan sengaja membimbing tim melalui keterlibatan akar rumput. Organisasi dapat membangun momentum melalui lokakarya interaktif, hari inovasi, pelatihan yang disesuaikan, dan boot camp imersif yang mendemistifikasi alat baru melalui paparan langsung. Sementara forum bertekanan rendah seperti pertemuan koneksi tim atau sesi brown-bag informal menyediakan ruang aman untuk menjawab kekhawatiran, membangun kepercayaan, dan menumbuhkan kepercayaan kreatif di seluruh tim.

Semua aktivitas ini, meski tampak sederhana, terbukti berhasil. Menang di era agentic bukan soal mengeluarkan lebih banyak dana dibanding pesaing untuk model, melainkan tentang memahami manusia dan menavigasi mereka melewati perubahan. Keberhasilan operasional menjadi milik organisasi yang memandang perubahan bukan sebagai hambatan teknis, melainkan sebagai produk terpenting mereka. Dengan membimbing karyawan dalam seni unlearning, pemimpin mengubah gesekan tenaga kerja menjadi adopsi, memastikan bahwa saat agen mengambil alih pekerjaan berat, potensi manusia tetap menjadi mesin inovasi sejati.

Dinamika ini menjadi relevan di tengah gelombang peluncuran platform AI enterprise oleh pemain besar. Langkah seperti Meta Enterprise Platform menunjukkan bahwa persaingan kini bergeser ke bagaimana organisasi menyiapkan manusia, bukan sekadar menyediakan model. Bagi perusahaan yang ingin serius mengadopsi agen AI, kerangka dual-role dan manajemen perubahan berpusat pada manusia menjadi prasyarat yang tak bisa dilewatkan.