Masalahnya Selalu pada ‘Proses’, Bodoh

• Masalah bisnis tidak bisa diselesaikan hanya dengan mengadopsi AI, dan mengotomatisasi proses yang tidak efisien hanya akan menghasilkan ‘memproduksi sampah lebih cepat’
• Perusahaan sering keliru menganggap AI seperti tongkat sihir, padahal AI bukan membuat organisasi lebih pintar, melainkan sekadar alat untuk meningkatkan kecepatan
• Satu-satunya keunggulan AI adalah kemampuan memproses data tidak terstruktur, tetapi proses yang bergantung pada data seperti ini biasanya juga tidak terstruktur dan tidak terdokumentasi
• Karena itu, sebelum menerapkan AI, proses harus dirancang dan distrukturkan terlebih dahulu, dengan tahapan input, transformasi, dan output yang didefinisikan secara jelas
• Teknologi berubah, tetapi prinsip efisiensi bisnis tidak berubah, dan kunci keberhasilan AI pada akhirnya adalah optimalisasi proses

---

Bukan strategi AI, melainkan optimalisasi proses bisnis

• Perusahaan membahas “strategi AI”, tetapi yang sebenarnya ada hanyalah optimalisasi proses bisnis (BPO)
  • AI bukan strategi mandiri untuk menyelesaikan masalah bisnis, melainkan alat untuk mempercepat proses yang sudah ada
  • Jika AI ditumpangkan di atas struktur yang tidak efisien, hasilnya hanya memperbesar masalah dengan lebih cepat

Ilusi ‘tongkat sihir’

• Banyak perusahaan percaya AI akan secara otomatis menghilangkan inefisiensi, tetapi ini adalah asumsi yang keliru
  • AI tidak memberi kecerdasan, melainkan hanya meningkatkan kecepatan pengambilan keputusan
  • Jika keputusan yang salah diotomatisasi, hasilnya hanya menjadi sistem yang membuat keputusan bodoh dengan kecepatan cahaya
• Jika AI diterapkan pada proses birokratis seperti alur persetujuan yang rumit, itu sama saja dengan menciptakan robot yang frustrasinya seperti karyawan

Jebakan data tidak terstruktur

• AI adalah teknologi pertama yang unggul dalam pemrosesan data tidak terstruktur
  • Email, pesan Slack, PDF, gambar, dan data lain yang tidak bisa ditangani perangkat lunak lama kini dapat diinterpretasikan
• Namun, proses yang bergantung pada data seperti ini kebanyakan juga tidak terstruktur dan informal
  • Contoh: penanganan keluhan pelanggan, perencanaan kampanye pemasaran, dan sebagainya sering kali tidak terdokumentasi dan hanya ada di kepala karyawan yang berpengalaman
  • Karena dulu komputer tidak bisa memprosesnya dan manusia yang menanganinya, flowchart atau prosedur operasi standar (SOP) sering kali tidak ada

Yang tidak dirancang tidak bisa diotomatisasi

• Untuk menerapkan AI, prosesnya harus lebih dulu dirancang dan distrukturkan dengan jelas
  • Untuk menangani data tidak terstruktur, alur kerja itu sendiri harus diberi struktur
• Untuk itu, tiga pertanyaan berikut harus dijawab
  1. Pemicu: dari mana data tidak terstruktur itu muncul?
  2. Transformasi: apa yang harus diekstrak atau ditafsirkan manusia (atau AI) dari data tersebut?
  3. Output: bagaimana hasilnya dicerminkan ke sistem terstruktur seperti ERP atau CRM?

Perbedaan antara kecepatan dan kecerdasan

• AI hanya membuat segalanya lebih cepat, bukan lebih pintar
  • Contoh:
    • Dalam cara lama, analis meninjau 50 kontrak selama 3 hari
    • Dengan AI, klausul berisiko dapat diekstrak dalam 3 menit
  • Proses itu sendiri (peninjauan → identifikasi risiko → ringkasan) tetap sama, tetapi AI hanya bisa bekerja jika prosedurnya didefinisikan dengan jelas
  • Penilaian cerdas untuk menentukan arti dari ‘risiko’ tetap merupakan peran manusia

Kesimpulan: proses adalah segalanya

• Alih-alih mencari AI sebagai penyelamat, perusahaan harus kembali ke papan tulis untuk meninjau ulang rantai nilainya
  • Secara khusus, mereka perlu memvisualisasikan area kompleks yang berpusat pada manusia dan melibatkan data tidak terstruktur, lalu menemukan bottleneck dan pemborosan
• Hanya setelah proses menjadi sederhana, logis, dan kokoh, AI dapat dimanfaatkan sebagai alat akselerasi
• Teknologi berubah, tetapi prinsip efisiensi bisnis tidak berubah
• Pada akhirnya, inti persoalannya selalu proses

[ppp123]

Sepertinya sedang membicarakan hal yang sudah jelas..
Melihat tulisan-tulisan serupa yang terus muncul seperti "jangan cuma klik-klik, pikirkan lalu tulis", sepertinya di Amerika ada cukup banyak kasus penyalahgunaan AI..

[regentag]

Saya pertama kali mulai bekerja sebagai developer di pusat komputer militer pada 2007, dan saat itu saya belajar bahwa "developer harus memahami domain dengan cukup baik, lalu mematangkan kebutuhan pengguna dan mengajukan solusi optimal".
Belakangan ini sepertinya yang menjadi arus utama adalah "kerjakan saja persis seperti yang diminta pengguna". Sebenarnya, mungkin pengguna juga lebih menyukai itu..?

[halfenif]

(Saya bekerja di SI sektor keuangan) Saya bertanya kepada banyak developer, bagaimana kalau alih-alih hanya melakukan apa yang diminta klien meski Anda ahlinya, Anda justru mengatakan kepada klien bahwa mereka harus bekerja dengan cara seperti ini.

Hasilnya ya persis seperti yang dibayangkan.

[roxie]

Apa maksudnya?

[halfenif]

Jika yang Anda tanyakan adalah apa arti dari “hasilnya seperti yang dibayangkan”.

Itu tidak punya makna khusus; saya menuliskannya hanya sebagai semacam permainan kata dengan nuansa “ya begitulah”.

[GN⁺]

Opini Hacker News

• Ini salah satu anekdot favorit saya tentang proses dan dokumentasi
  Saat bekerja di hedge fund, langkah ke-7 dari prosedur 18 langkah untuk menyiapkan hari perdagangan berikutnya setiap sore gagal
  Saya mendokumentasikan langkah itu dan menunjukkannya ke beberapa orang; semua setuju bahwa “dokumen langkah 7 salah”, tetapi sama sekali tidak ada kesepakatan tentang “sebenarnya langkah 7 harus melakukan apa”
  Dari pengalaman ini saya sadar bahwa hanya dengan ‘menuliskan apa yang sedang terjadi sekarang’ saja sudah bisa menjadi kemajuan besar agar orang memahami dan menyepakati proses yang sebenarnya
  Saya juga ingat saat dulu menulis dokumentasi sistem data pasar, orang-orang yang bilang “itu tidak rumit” melihat dokumen yang sudah jadi lalu berkata “ternyata lebih rumit dari yang saya kira”

  • Yang bikin saya gila adalah orang tidak bisa membedakan antara mendokumentasikan kondisi saat ini dan mendiskusikan perbaikan
    Walau sudah dibilang, “sekarang waktunya menulis apa yang sebenarnya dilakukan langkah 7, bukan membahas bagaimana mengubahnya,” tetap saja terus tercampur
    Menurut saya, lebih benar merapikannya dulu menjadi satu versi, meski salah, lalu diperbaiki belakangan
  • Saya juga pernah ikut dalam diskusi langkah 7, dan pengalaman itu benar-benar terasa menguras jiwa
    Pada akhirnya kesimpulannya adalah “jangan didokumentasikan”, dan itu justru lebih bermasalah
    Dokumentasi memberi baseline kesepakatan, dan membuat orang yang baru bergabung juga bisa bekerja tanpa perdebatan detail yang tidak perlu
    Sekarang saya bahkan tidak bisa membayangkan mengerjakan hal besar tanpa proses yang jelas
  • Cerita ini mirip dengan argumen tulisan itu tentang peran AI — yaitu akselerasi dan otomasi
    Saya jadi teringat proses produk 5 langkah milik seorang CEO
    1. Merancang requirement dengan benar dan menyebutkan penanggung jawabnya
    2. Menghapus fitur yang tidak perlu dengan tegas
    3. Penyederhanaan dan optimasi
    4. Akselerasi
    5. Otomasi
       Pada AI, harus jelas ‘kapan’ ia seharusnya dimasukkan
       Banyak orang gagal karena menerapkan urutan ini secara terbalik
  • Saya menganggap menulis itu sendiri adalah salah satu alat terbaik umat manusia, setara dengan api
    Ini sangat diremehkan, padahal seharusnya masuk 5 besar penemuan manusia
  • Ini mengingatkan saya pada algoritme Feynman — tulis masalahnya, pikirkan secara mendalam, lalu tulis jawabannya

• Kalimat “Anda tidak bisa mengubah proses bisnis yang kacau menjadi emas dengan AI” sangat berkesan
  Pada akhirnya tidak ada yang namanya strategi AI, yang ada hanyalah optimasi proses bisnis

  • Di pengembangan perangkat lunak juga ada ungkapan serupa — seperti “bukan technical debt, melainkan utang organisasi”, ada banyak ilusi bahwa masalah sosial bisa diselesaikan dengan teknologi
  • Di perusahaan Fortune 300, mereka mencoba Business Process Redesign dengan biaya 90 juta dolar, tetapi gagal
    Menurut saya masalahnya adalah penamaannya salah — seharusnya bukan ‘Redesign’ melainkan ‘Design’
    Upaya menyatukan nomor pelanggan menjadi benar-benar berantakan, sehingga pada akhirnya mereka memberi nomor baru sambil tetap memakai nomor lama
    Saya membayangkan kekacauan seperti apa yang akan terjadi jika perusahaan seperti ini mengadopsi AI
  • Strategi AI itu memang ada — tapi hanya untuk orang-orang yang menjual fatamorgana, bukan produk
  • Ungkapan seperti “Here’s the hard truth” terasa seperti gaya bahasa LinkedIn dan agak mengganggu
  • Sebagian besar masalah perusahaan sebenarnya bisa diselesaikan dengan orang yang tepat dan pelatihan yang tepat, tetapi karena itu tidak dilakukan, tidak ada yang terselesaikan
    Puluhan tahun penghematan biaya dan pengurangan tenaga kerja telah merusak proses, dan sekarang bahkan perusahaan besar pun tidak berfungsi dengan baik
    Perusahaan AI menelan data dari reruntuhan ini dan menghasilkan uang dengan mengembalikannya sebagai output LLM

• Saya punya perasaan campur aduk soal proses di perusahaan besar
  Itu berguna untuk menarik hasil yang baik dari orang rata-rata, tetapi justru menjadi belenggu bagi orang yang sangat hebat
  Karena itu saya melihat memberi hak pengecualian kepada talenta luar biasa sebagai pendekatan yang realistis
  Semacam membebaskan mereka dari sebagian prosedur agar bisa bergerak cepat dan tetap fokus
  Saya masih memikirkan apa arti pendekatan ini terhadap proses itu sendiri

  • Ini mengingatkan pada “People over process” dari Agile Manifesto
    Untuk kasus yang sering terjadi perlu ada proses yang jelas, tetapi juga perlu ada jalur keluar agar engineer hebat bisa merespons dengan cepat
  • Akan baik jika para ‘rockstar’ diberi lingkungan sandbox terpisah, tetapi karena hasil mereka pada akhirnya harus masuk ke proses organisasi, pemisahan total sulit dilakukan
    Menaikkan kualitas rata-rata memang punya masalah struktural berupa menurunkan plafon
  • Kebutuhan akan rockstar adalah tanda proses yang buruk
    Proses yang baik seharusnya membantu rockstar bekerja lebih cepat
    Masalahnya adalah manajemen yang mengira pekerjaan dokumentasi itu adalah proses
  • Proses melindungi sistem dari orang-orang malas
    Jika permintaan yang kacau dan perilaku yang tidak kooperatif terus berulang, pada akhirnya prosedur memang harus dipaksakan
    Meski percobaan kreatif berkurang, biaya dari kekacauan lebih besar
  • Saya setuju dengan kalimat “di perusahaan besar, bahkan proses tingkat rata-rata terasa seperti inovasi”
    Realitanya, sekadar membuat satu form ServiceNow pun dianggap kemajuan

• Saya suka kalimat “AI adalah teknologi pertama yang menangani data tak terstruktur”
  Saya juga suka ringkasan bahwa proses yang menangani data tak terstruktur umumnya juga tidak terstruktur

  • Namun penjelasan tentang mengapa proses seperti itu tidak mudah distrukturkan masih kurang
    Penyebabnya adalah interaksi tak terstruktur dengan dunia luar atau tim lain, atau variabilitas yang terlalu beragam
    Perancang proses yang berpengalaman mengakui ‘batas semi-terstruktur’ seperti ini dan mengamatinya dengan hati-hati
    AI juga harus mengikuti prinsip ini — jangan terlalu memperluas cakupan sistem, melainkan biarkan proses kecil yang terstruktur mengambang di dalam lingkungan yang tidak terstruktur
  • Proses yang mencakup komunikasi bahasa alami antar manusia pun bisa cukup terstruktur
    Bahkan sebelum ada data terstruktur, banyak perusahaan tetap berjalan dengan baik

• Setelah 13 tahun bekerja di bidang pencarian, saya merasa manajemen selalu bermimpi memotong biaya dengan teknologi yang sedang tren, padahal kenyataannya dibutuhkan investasi yang lebih dalam

  • Karena itulah konsultan muncul
    Mereka mulai menjual tren baru sambil berkata, “teknologi lama memang bermasalah, tetapi teknologi yang dibungkus dengan nama baru inilah yang memberi penghematan nyata”

• Setelah 20 tahun mengerjakan otomasi proses, saya merasa bahwa jika mencoba mengotomasi proses yang tidak terdefinisi, hasilnya akan gagal
  Ada kalanya proses mendefinisikan requirement justru membuat perusahaan menjadi lebih jelas, tetapi kebanyakan orang menghindarinya
  Sebaliknya mereka mencoba menambah fleksibilitas ke alat, dan akhirnya alat itu menjadi tidak berguna sama sekali

  • Saya juga sedang mengalami situasi seperti itu sekarang
    Tim lain menginginkan alat untuk menyederhanakan workflow pemrosesan data, tetapi bahkan dokumentasi proses saat ini pun tidak ada
    Akhirnya kami berada dalam situasi harus merekayasa balik proses mereka

• Saya ingin mengutip “No Silver Bullet” dari Fred Brooks
  tautan

• Saya sudah melihat beberapa perusahaan mengadopsi ERP, tetapi mereka mencoba memindahkan proses lama apa adanya lalu terjebak dalam neraka kustomisasi
  Anggaran dan jadwal selalu melampaui target

• Saya merasa tulisan ini tepat mengenai inti persoalan
  Terlalu banyak proses memang masalah, tetapi struktur itu sendiri selalu diperlukan
  Karena AI bagus dalam menangani data terstruktur, yang penting adalah keseimbangan struktur yang tepat, bukan kebebasan total
  tautan terkait

• Dokumentasi sangat berguna untuk memperjelas pikiran
  Begitu pekerjaan yang berulang ditulis, muncul ide untuk mengurangi langkah yang tidak perlu
  Sekarang saya sedang mencoba menyerahkan sebagian operasi bisnis saya ke AI
  Saat mengakuisisi brand e-commerce kecil, saya memakai prompt 6 halaman agar LLM menangani analisis awal
  Dari pengalaman ini saya sadar bahwa desain kerja yang terstruktur, bukan kecerdasan LLM, yang menciptakan nilai ekonomi
  Hanya saja, karena belum ada agen yang bisa otomatis menangani web browsing dan upload file, otomasi penuh masih sulit

  • Saya mendapat saran bahwa pekerjaan pendahuluan itu bisa diotomatisasi dengan alat seperti Selenium