Kesalahan Perusahaan dalam Penggunaan AI

Di artikel Bahaya Penggunaan AI di Perusahaan, aku bahas risikonya: data sensitif bocor, hasil yang nggak divalidasi, sampai urusan compliance. Kali ini aku mau bahas sisi lain yang lebih sering kejadian tapi jarang disadari, yaitu kesalahan strategi waktu perusahaan mulai pakai AI.

Kesalahan kayak gini jarang bikin heboh. Efeknya pelan-pelan: tools udah dibayar, tapi hasilnya nggak kerasa. Gartner bahkan memprediksi minimal 30% project generative AI bakal ditinggalin setelah tahap proof of concept sampai akhir 2025. Penyebabnya kualitas data yang buruk, kontrol risiko yang kurang, biaya yang membengkak, atau nilai bisnis yang nggak jelas.

Kesalahan 1: AI dipakai tanpa SOP dan dokumentasi

Banyak tim mulai pakai AI dengan cara paling cepat: tiap orang coba sendiri. Prompt yang berhasil kesimpan di chat history masing-masing, hasil yang bagus nggak dicatat, dan cara pakainya beda-beda antar orang. Akibatnya hasil kerja susah diulang dan kualitasnya susah dicek.

Padahal SOP-nya nggak perlu ribet. Cukup ada aturan soal tools apa yang boleh dipakai, data apa yang nggak boleh dimasukin, dan satu tempat bareng buat nyimpen prompt yang udah terbukti jalan. Versi ringkasnya aku tulis di SOP Sederhana Biar AI Perusahaan Tetap Jadi Aset.

Kesalahan 2: Akses AI nempel ke akun personal karyawan

Ini yang paling sering aku lihat. Karyawan daftar tools AI pakai email pribadi, kadang bayar sendiri, lalu dipakai buat kerjaan kantor. Kelihatannya efisien, sampai orangnya resign dan semua chat history, prompt, dan automation ikut pergi. Ceritanya aku bahas lengkap di Waktu AI Perusahaan Ikut Resign Bareng Karyawannya.

Skalanya juga besar. Menurut 2024 Work Trend Index dari Microsoft dan LinkedIn:

AI di tempat kerja(%)

• Pekerja kantoran yang udah pakai AI buat kerja75%
• Pengguna AI yang bawa tools AI sendiri ke kantor78%
• Pengguna AI yang pernah dapat training AI dari perusahaan39%

Artinya, AI udah dipakai luas, tapi sebagian besar lewat jalur pribadi, bukan lewat sistem yang dikelola perusahaan.

Kesalahan 3: Pakai AI buat semua hal tanpa evaluasi kebutuhan

Begitu lagi semangat, semua proses pengennya "di-AI-kan". Padahal banyak kerjaan yang aturannya jelas dan cukup diselesaikan pakai rumus atau script. Pakai AI di proses kayak gitu malah nambah biaya, bikin hasilnya kurang konsisten, dan lebih susah dicek.

Sebelum pilih AI, cek dulu masalahnya sebenarnya butuh apa. Cara nilainya aku bahas di Gak Semuanya Harus Pakai AI, dan khusus buat kerjaan yang berulang, di AI Gak Perlu Buat Kerjaan Repetitif yang Polanya Udah Jelas.

Kesalahan 4: Nggak ada training atau literasi AI buat tim

Tools dibeli, akun dibagi, lalu tim dibiarin belajar sendiri. Data Work Trend Index di atas nunjukin cuma 39% pengguna AI yang pernah dapat training dari perusahaannya. Sisanya belajar dari coba-coba.

Tanpa literasi dasar, tim nggak tahu kapan hasil AI perlu dicek ulang, data apa yang nggak boleh dimasukin, dan cara nulis instruksi yang jelas. Laporan BCG Where's the Value in AI? nemuin sekitar 70% tantangan implementasi AI datang dari faktor orang dan proses, 20% dari teknologi, dan cuma 10% dari algoritmanya. Jadi yang sering jadi hambatan justru kesiapan timnya, bukan kecanggihan modelnya.

Training juga nggak harus mahal. Sesi singkat soal aturan pakai, contoh prompt yang bagus, dan cara ngecek hasil udah jauh lebih baik daripada nggak ada sama sekali.

Kesalahan 5: Pilih model atau tools ikut tren, bukan kebutuhan

Tiap ada model baru yang diklaim paling canggih, selalu ada tim yang langsung pengen pindah. Padahal model paling mahal belum tentu paling cocok, dan harga antar model bisa beda sampai ratusan kali lipat. Cara milihnya aku bahas di Perlombaan Cari Model AI Paling Canggih.

Patokannya sederhana: mulai dari tugasnya, tentuin standar hasil yang dibutuhin, lalu pilih model termurah yang bisa memenuhi standar itu.

Rekomendasi: harus mulai dari mana

Kalau perusahaan kamu baru mau mulai, atau udah terlanjur jalan tanpa arah, urutan ini yang biasanya aku sarankan:

1. Petakan proses dan masalahnya dulu. Cari kerjaan yang paling makan waktu, lalu cek mana yang cukup diotomasi dan mana yang beneran butuh AI.
2. Bikin SOP dan pakai akun perusahaan. Semua akses AI buat kerja pakai identitas perusahaan, dengan aturan pakai yang tertulis.
3. Kasih training dasar ke tim. Fokus ke cara pakai yang aman, cara ngecek hasil, dan contoh kasus dari kerjaan mereka sendiri.
4. Baru pilih tools dan model. Pilih berdasarkan kebutuhan yang udah dipetakan di langkah pertama, bukan berdasarkan tren.