Setiap minggu, saya berbicara dengan pemilik bisnis yang merasa khawatir tertinggal. Mereka melihat berita utama tentang Generative AI, mereka melihat pesaing membual tentang otomatisasi, dan insting pertama mereka adalah mencari dan mempekerjakan seorang 'ahli teknis'. Mereka mencari pengembang atau ilmuwan data untuk membangun strategi AI untuk UKM yang sukses.
Saya di sini untuk memberi tahu Anda bahwa itu adalah sebuah kesalahan.
Dalam pengalaman saya menjalankan bisnis yang sepenuhnya otonom dan mengutamakan AI, saya melihat pola yang berulang: transisi AI yang paling sukses tidak dipimpin oleh orang yang tahu cara menulis Python. Transisi tersebut dipimpin oleh orang yang tahu seluk-beluk permasalahan dalam lembar kerja (spreadsheet) Anda. Mereka dipimpin oleh karyawan yang telah menghabiskan sepuluh tahun menyempurnakan alur kerja hingga menjadi kebiasaan di luar kepala.
Kita sedang memasuki era Alur Skill-to-Agent. Ini adalah proses di mana anggota tim Anda yang paling berpengalaman berhenti melakukan pekerjaan dan mulai merancang AI yang melakukannya untuk mereka. Jika Anda ingin menang, Anda tidak butuh seorang koder. Anda butuh ahli proses terbaik Anda untuk menjadi Arsitek AI baru Anda.
Celah Ekstraksi Keahlian
💡 Ingin Penny menganalisis bisnis Anda? Dia memetakan peran mana yang dapat digantikan oleh AI dan membuat rencana bertahap. Mulai uji coba gratis Anda →
Kebanyakan bisnis menderita apa yang saya sebut sebagai Celah Ekstraksi Keahlian. Ini adalah jarak antara 'firasat' karyawan senior dan proses terdokumentasi yang dapat diikuti oleh mesin (atau manusia lain).
Selama berdekade-dekade, kita telah menoleransi celah ini. Kita menerima bahwa 'hanya Dave yang tahu cara menangani rekonsiliasi pajak triwulanan' atau 'hanya Sarah yang benar-benar memahami nada bicara kita dalam layanan pelanggan.' Ini menciptakan hambatan besar. Saat Dave sedang berlibur, proses terhenti. Saat Sarah pergi, merek tersebut kehilangan jiwanya.
Perangkat lunak tradisional mencoba menjembatani celah ini dengan logika yang kaku dan pembuatan khusus yang mahal. Namun AI mengubah perhitungannya. Large Language Models (LLMs) tidak membutuhkan kode yang kaku; mereka membutuhkan konteks, nuansa, dan logika.
Siapa yang memiliki konteks itu? Bukan konsultan. Bukan karyawan teknis baru. Mereka adalah Dave dan Sarah. Dalam perbandingan AI vs Konsultan yang tepat, Anda akan menemukan bahwa hambatan 'teknis' sebenarnya adalah bagian terkecil dari masalah. Pekerjaan yang sebenarnya adalah mengekstraksi keahlian tersebut.
Mengapa 'Prompt Engineering' Sebenarnya Adalah 'Process Engineering'
Ada banyak kehebohan seputar 'prompt engineering.' Orang-orang menganggapnya seperti bahasa rahasia atau mantra sihir. Padahal bukan.
Prompting hanyalah tindakan menjelaskan proses bisnis dengan kejernihan resolusi tinggi sehingga mesin dapat mengeksekusinya tanpa cela. Jika 'ahli proses' Anda tidak dapat menjelaskan pekerjaan mereka kepada AI, itu biasanya karena mereka sebenarnya tidak memiliki proses—mereka hanya memiliki serangkaian kebiasaan.
Inilah mengapa ahli proses terbaik Anda adalah Arsitek AI terbaik Anda. Mereka memahami kasus-kasus khusus (edge cases). Mereka tahu bahwa 'jika klien berada di UE, kita menerapkan aturan X, tetapi jika mereka adalah klien lama dari sebelum 2019, kita menerapkan aturan Y.'
A seorang pengembang mungkin melewatkan nuansa tersebut. Seorang ahli proses menjalaninya. Ketika Anda memberdayakan ahli tersebut untuk membangun 'Agent' (AI khusus yang dikonfigurasi untuk menjalankan peran tertentu), Anda tidak hanya melakukan otomatisasi; Anda sedang mengkloning orang terbaik Anda.
Alur Skill-to-Agent: Kerangka Kerja 4 Langkah
Saya telah mengembangkan kerangka kerja untuk transisi ini. Saya menyebutnya Alur Skill-to-Agent. Ini adalah cara Anda memindahkan keterampilan manusia dari tugas manual menjadi aset otomatis.
1. Observasi (Fase Audit)
Berhentilah mencoba 'menerapkan AI' di seluruh bisnis sekaligus. Mulailah dengan mengamati di mana manusia dengan bayaran tertinggi Anda melakukan pekerjaan kognitif yang repetitif. Saya berbicara tentang entri data, riset awal, menyusun draf email, atau memeriksa kepatuhan. Lihat panduan penghematan layanan profesional kami untuk melihat di mana biaya-biaya ini biasanya bersembunyi.
2. Dekonstruksi (Fase Logika)
Mintalah ahli Anda duduk dan menuliskan setiap keputusan mikro yang mereka buat selama tugas tersebut.
- Apa hal pertama yang mereka lihat?
- Apa yang membuat mereka mengatakan 'tidak' pada sebuah prospek (lead)?
- Frasa spesifik apa yang mereka cari dalam sebuah kontrak? Ini adalah 'ekstraksi' keahlian.
3. Prompt (Fase Arsitektur)
Terjemahkan logika yang telah didekonstruksi tersebut menjadi serangkaian instruksi untuk agen AI. Anda tidak sedang 'mengoding'; Anda sedang 'memberi instruksi.' Jika ahli tersebut dapat menjelaskannya kepada magang junior, mereka dapat menjelaskannya kepada LLM.
4. Iterasi (Fase Penyempurnaan)
Jalankan agen bersamaan dengan manusia. Manusia menjadi 'Pemimpin Redaksi.' Mereka tidak melakukan pekerjaan tersebut; mereka meninjau hasil AI dan menyesuaikan instruksi hingga AI mencapai tingkat keberhasilan 95%.
Aturan 90/10 dalam Manajemen Modern
Saat Anda mengimplementasikan alur Skill-to-Agent, Anda pasti akan menemui apa yang saya sebut sebagai Aturan 90/10.
Aturan ini menyatakan bahwa ketika AI menangani 90% dari suatu fungsi, Anda harus bertanya pada diri sendiri: Apakah sisa 10% membenarkan peran penuh waktu, atau apakah itu tanggung jawab yang bisa digabungkan ke posisi lain?
Ini adalah realitas yang tidak nyaman dari strategi AI untuk UKM yang efektif bagi para pemiliknya. Ini bukan hanya tentang 'efisiensi'—ini tentang restrukturisasi. Jika agen AI dapat menangani 90% dari tiket IT Anda, Anda tidak lagi membutuhkan meja bantuan IT khusus dengan skala yang sama. Anda mungkin menemukan biaya dukungan IT Anda turun sebesar 80% karena 'orang IT' Anda telah berpindah dari 'menjawab tiket' menjadi 'mengelola AI yang menjawab tiket.'
Berpindah dari Manajer ke Kurator
Pergeseran budaya adalah bagian tersulit. Karyawan Anda mungkin merasa bahwa dengan membangun agen-agen ini, mereka sedang 'mengotomatisasi diri mereka sendiri hingga kehilangan pekerjaan.'
Kenyataannya, mereka sedang meningkatkan level mereka sendiri. Mereka berpindah dari seorang Pekerja (seseorang yang mengeksekusi tugas) menjadi seorang Kurator (seseorang yang mengelola kualitas dan logika dari sekumpulan agen).
Dalam bisnis saya sendiri, saya tidak memiliki tim pemasaran. Saya memiliki logika pemasaran yang telah saya bangun ke dalam agen-agen. Saya adalah Kuratornya. Saya menetapkan strategi, dan agen-agen yang mengeksekusi. Jika sebuah kampanye gagal, saya tidak memecat orang; saya memperbarui instruksi dalam alur tersebut. Ini adalah pendekatan 'Skin in the Game' terhadap AI—menggunakannya untuk berjalan lebih ramping dan lebih cepat daripada yang pernah diimplikan oleh agensi tradisional mana pun.
Langkah Tindakan untuk Pemilik UKM
Jika Anda ingin memulai hari ini, lakukan hal ini:
- Identifikasi 'Orang Kunci' Anda: Siapa orang yang ketidakhadirannya menyebabkan hambatan paling besar dalam alur kerja Anda?
- Beri mereka mandat 'Pembangun': Beri tahu mereka bahwa tujuan mereka selama 90 hari ke depan bukan hanya melakukan pekerjaan mereka, tetapi untuk mendokumentasikan dan mendigitalisasi pekerjaan mereka ke dalam agen AI.
- Ukur 'Nilai Keahlian': Jangan hanya mengukur waktu yang dihemat; ukur seberapa banyak pekerjaan 'tingkat ahli' yang diselesaikan tanpa ahli tersebut harus menyentuhnya.
Berhentilah mencari 'ahli AI' di papan lowongan kerja LinkedIn. Mereka sudah duduk di kantor Anda, mungkin merasa frustrasi oleh proses manual yang telah mereka lakukan ribuan kali. Beri mereka alat untuk mengkloning keahlian mereka, dan Anda akan melihat bisnis Anda berjalan dengan kecepatan yang tidak pernah Anda bayangkan sebelumnya.
AI bukanlah revolusi teknologi; ini adalah revolusi proses. Dan orang-orang yang memiliki proses tersebut akan selalu memiliki masa depan.