- Pilihan pendekatan ditentukan oleh letak hambatannya. Tugas berulang cocok untuk automation, keputusan yang butuh pertimbangan manusia cocok untuk augmentation, dan alur kerja yang berbelit butuh redesign.
- Automation menjalankan tugas berdasarkan aturan, dengan manusia mengawasi dan menangani pengecualian. Augmentation membuat AI menyiapkan bahan, sementara manusia tetap memutuskan. Redesign mengubah susunan alur kerja, dengan atau tanpa AI.
- Tiga pertanyaan penyaring membantu menentukan pendekatan, dan satu workflow bisa memakai ketiganya di tahap yang berbeda.
- Riset arXiv menemukan agen AI bekerja 88,3 persen lebih cepat dari manusia, tetapi kualitas hasilnya lebih rendah. Karena itu, verifikasi manusia tetap dibutuhkan pada pekerjaan yang menuntut penilaian kualitas.
- Klaim perbaikan hanya bisa dibuktikan bila baseline dicatat sebelum implementasi dimulai.
Implementasi AI di perusahaan tidak selalu harus dimulai dari otomatisasi. Pendekatan yang tepat bergantung pada letak masalahnya. Automation untuk tugas berulang dengan aturan jelas, augmentation untuk keputusan yang tetap butuh pertimbangan manusia, dan redesign untuk alur kerja yang bermasalah sejak awal.
Banyak perusahaan membalik urutannya. Tools AI dibeli lebih dulu, lalu tim mencari pekerjaan yang bisa diotomatisasi. Akibatnya, investasi tidak terpakai atau dipakai di area yang keliru, dan ini juga salah satu alasan pilot AI sulit diperluas ke seluruh organisasi. Panel praktisi yang dirangkum Katadata menekankan hal serupa: implementasi AI perlu menjawab persoalan bisnis yang nyata dan memberi manfaat yang dapat diukur.
Artikel ini membahas perbedaan ketiga pendekatan, cara memilihnya, contoh penerapan di marketing, customer service, dan HR, serta cara mengukur hasilnya.
Apa Perbedaan AI Automation, Augmentation, dan Redesign?
Automation, augmentation, dan redesign berbeda pada siapa yang mengerjakan tugas dan apa yang diubah. Automation menyerahkan pelaksanaan tugas ke sistem. Augmentation membuat AI membantu manusia yang tetap memutuskan. Redesign mengubah alur kerjanya sendiri, dengan atau tanpa AI.
Automation
Automation menggunakan sistem untuk menjalankan tugas atau tahapan kerja berdasarkan aturan dan kondisi yang sudah ditetapkan. Manusia tidak lagi mengerjakan tiap unit satu per satu, tetapi tetap mengawasi sistem, menangani pengecualian, dan mengambil alih bila diperlukan. Contohnya sistem yang mengklasifikasikan permintaan masuk lalu meneruskannya ke anggota tim yang tepat, salah satu bentuk otomasi pekerjaan berulang dengan AI yang paling umum.
Augmentation
Augmentation membuat AI membantu manusia bekerja lebih cepat atau lebih akurat, sementara keputusan akhir tetap di tangan manusia. Contohnya AI yang menyiapkan ringkasan riwayat pelanggan dan draf respons sebelum agen customer service membuka percakapan. Agen tetap menentukan isi dan nada jawaban yang dikirim. Di level tools, pola ini mirip dengan perbedaan AI copilot dan AI agent: copilot mendampingi manusia, sedangkan agent menjalankan tugas sendiri.
Redesign
Redesign atau business process redesign mengubah susunan alur kerja sehingga sebagian langkah tidak perlu dilakukan lagi. AI bisa berperan di dalamnya, bisa juga tidak sama sekali. Contohnya persetujuan tiga lapis lewat email berantai yang disederhanakan menjadi satu persetujuan untuk transaksi berisiko rendah. Waktu tunggu berkurang karena alurnya dipangkas, bukan karena ada teknologi baru. Laporan McKinsey 2026 mencatat hampir tiga perempat AI high performers mendesain ulang workflow secara mendasar, alih-alih sekadar menyisipkan AI ke alur yang sudah ada.
Ketiganya bukan tingkatan kecanggihan yang satu lebih baik dari yang lain. Ketiganya adalah jawaban untuk jenis masalah yang berbeda, dan satu workflow bisa memakai ketiganya di tahap yang berbeda.
Mengapa Salah Memilih Pendekatan AI Bisa Merugikan Bisnis?
Salah memilih pendekatan membuat investasi AI mempercepat bagian yang sebenarnya bukan hambatan. Kesalahan paling umum bukan memilih teknologi yang keliru, melainkan menerapkannya pada masalah yang sumbernya berbeda. Akibatnya, biaya sudah keluar, tetapi waktu proses dan kualitas hasil tidak banyak berubah.
Ada tiga sumber masalah yang sering tertukar. Pertama, pekerjaan memakan waktu karena berulang dan dikerjakan manual. Kedua, pekerjaan lambat karena orang kekurangan informasi atau ragu memutuskan. Ketiga, pekerjaan lambat karena alurnya sendiri berbelit.
Mengotomatisasi proses yang buruk hanya membuatnya gagal lebih cepat dan dalam skala lebih besar. Sebagai ilustrasi, perusahaan yang mengotomatisasi pengingat tagihan padahal data tagihannya sering salah input justru akan mengirim lebih banyak pengingat yang keliru ke lebih banyak pelanggan. Karena itu, efisiensi operasional perlu dilihat di seluruh alur, bukan hanya di satu tugas. Contoh HR di bagian berikutnya menunjukkan pola ini lebih rinci.
Cara Menentukan Pendekatan AI yang Tepat untuk Masalah Bisnis
Pendekatan yang tepat ditentukan dengan memetakan alur kerja, menemukan titik hambatannya, lalu menjawab tiga pertanyaan penyaring tentang sifat tugas tersebut. Jawabannya bergantung pada karakter pekerjaan dan risiko kesalahannya, bukan pada tools yang kebetulan sedang tersedia di perusahaan.
Langkah pertamanya adalah business process mapping untuk melihat waktu, kesalahan, dan antrean di setiap tahap apa adanya. Setelah titik hambatannya terlihat, ajukan tiga pertanyaan berikut:
- Apakah hambatan tetap ada meskipun tugas itu dikerjakan lebih cepat? Jika ya, evaluasi redesign lebih dulu.
- Apakah tugasnya berulang, aturannya jelas, dan outputnya bisa diverifikasi? Jika ya, evaluasi automation.
- Apakah tugasnya membutuhkan pertimbangan, konteks, atau tanggung jawab yang tidak bisa dialihkan? Jika ya, evaluasi augmentation.
Pertanyaan redesign sengaja ditaruh pertama karena tidak ada gunanya mengotomatisasi langkah yang seharusnya dihapus. Setelah alurnya dirapikan, pembagian tugas manusia dan AI pada langkah yang tersisa bisa ditentukan dengan dua pertanyaan berikutnya.
Untuk menentukan prioritas, dahulukan proses yang sering berulang, berdampak pada biaya atau waktu tunggu pelanggan, dan datanya cukup rapi untuk diproses. Proses yang jarang terjadi atau datanya berantakan sebaiknya ditunda sampai kesiapan AI perusahaan memadai.
Contoh Implementasi AI di Marketing, Customer Service, dan HR
Ketiga pendekatan paling mudah dibedakan saat diterapkan di fungsi yang berbeda dalam satu perusahaan. Contoh berikut menunjukkan bahwa marketing cocok untuk automation, customer service untuk augmentation, dan HR justru butuh redesign, karena sifat tugas dan risiko kesalahannya berbeda.
Angka di setiap contoh bersifat ilustratif, bukan data dari perusahaan tertentu.
Marketing: Automation
Tim marketing menyusun laporan performa campaign setiap minggu dengan menyalin data dari beberapa platform ke satu spreadsheet, lalu membuat ringkasan. Prosesnya memakan tiga sampai empat jam dan selalu dikerjakan orang yang sama.
Tugas ini berulang, aturannya jelas, dan hasilnya bisa diverifikasi dengan membandingkan langsung ke sumber data. Pengumpulan dan pemformatan data bisa disusun sebagai AI workflow yang berjalan otomatis setiap minggu. Dengan begitu, waktu tim berpindah ke analisis dan interpretasi.
Customer Service: Augmentation
Agen menangani keluhan pelanggan bernilai tinggi yang emosinya sering sulit diprediksi. Setiap keluhan butuh respons berbeda, tergantung riwayat pelanggan, jenis produk, dan tingkat kegawatan masalahnya.
AI bisa menyiapkan ringkasan riwayat pelanggan dan draf respons awal sebelum agen membuka percakapan. Agen tetap menentukan nada dan keputusan akhir karena kesalahan di sini berbiaya tinggi. Pertanyaan siapa yang memegang kendali atas keputusan AI harus dijawab sejak awal, bukan setelah ada keluhan yang salah ditangani.
Riset arXiv yang membandingkan agen AI dan pekerja manusia mendukung pendekatan ini. Agen AI menyelesaikan tugas 88,3 persen lebih cepat dengan biaya 90,4 sampai 96,2 persen lebih rendah, tetapi kualitas hasilnya lebih rendah dan kadang menutupi kekurangannya dengan data karangan. Peneliti menyarankan agar tugas yang mudah diprogram diserahkan ke agen, sementara pekerjaan yang menuntut penilaian kualitas tetap diawasi manusia, pola yang juga dibahas dalam cara manusia dan AI agent bekerja sama.
Dr. Tan Hong Ming dari NUS Business School juga mendorong perusahaan agar tidak memandang AI sekadar alat otomatisasi. Menurutnya, augmentation menempatkan AI sebagai mitra yang memperkuat kapasitas manusia, dengan keputusan penting tetap di tangan manusia.
HR: Redesign
Proses rekrutmen memakan waktu rata-rata lima minggu dari pengumuman lowongan hingga penawaran kerja. Tim HR mengira penyaringan kandidat adalah penyebabnya dan berencana membeli sistem AI untuk menyaring CV.
Setelah proses dipetakan, diagnosisnya berbeda. Penyaringan kandidat hanya memakan dua hari. Tiga minggu justru habis untuk koordinasi jadwal wawancara dan persetujuan yang harus melewati tiga lapis sebelum penawaran. Sistem penyaring CV hanya akan mempercepat dua hari dari lima minggu.
Yang perlu diperbaiki adalah integrasi kalender antardivisi dan pendelegasian persetujuan untuk posisi tertentu. AI bisa membantu penjadwalan, tetapi perubahan terbesarnya ada pada desain proses.
Cara Mengukur Keberhasilan Implementasi AI
Keberhasilan implementasi AI diukur dengan membandingkan kondisi setelah penerapan terhadap baseline yang dicatat sebelum proyek dimulai. Tanpa angka awal seperti waktu siklus, tingkat kesalahan, dan waktu tunggu antartahap, klaim perbaikan hanya berupa persepsi yang sulit dipertahankan di depan manajemen.
Tantangan ini nyata. Dalam laporan McKinsey 2026, hanya 37 persen responden yang mengaitkan setidaknya sebagian dampak EBIT dengan penggunaan AI, meskipun hampir sembilan dari sepuluh responden sudah memakai AI secara rutin. Banyak perusahaan sudah memakai AI, tetapi belum bisa menunjukkan dampaknya.
Metrik untuk tiap pendekatan sudah tercantum di baris terakhir matriks di atas. Yang perlu ditegaskan, efisiensi waktu tidak otomatis berarti keberhasilan bisnis. Waktu penanganan customer service bisa turun, tetapi jika keluhan berulang naik, hasilnya belum tentu membaik. Klaim hemat waktu dari riset pun perlu dibaca dengan konteksnya, seperti dibahas dalam berapa jam AI menghemat waktu kerja.
Mulailah dari masalah yang kecil dan spesifik, buktikan manfaatnya dengan angka, lalu perluas ke fungsi lain. Urutan ini membantu perusahaan menghindari pola adopsi AI yang berhenti di pilot project.
Risiko Implementasi AI dan Cara Mengantisipasinya
Ada empat risiko utama implementasi AI di perusahaan: kesalahan berskala besar, ketergantungan tanpa verifikasi, data sensitif tanpa kebijakan, dan penolakan dari tim. Keempatnya jauh lebih murah diantisipasi sebelum sistem berjalan daripada diperbaiki setelah insiden terjadi.
- Kesalahan berskala besar. Sistem otomatis yang salah akan mengulang kesalahan yang sama ke ribuan transaksi sebelum ada yang menyadarinya. Uji sistem pada volume kecil dan tetapkan ambang pengecualian yang otomatis dialihkan ke manusia.
- Ketergantungan tanpa kemampuan verifikasi. Tim menerima output AI tanpa memeriksanya, sehingga kesalahan lolos ke pelanggan atau ke keputusan bisnis. Tetapkan titik pemeriksaan manusia pada setiap keputusan yang berdampak, dan bangun AI literacy karyawan agar tim tahu apa yang perlu diperiksa.
- Data sensitif tanpa kebijakan. Tentukan jenis data yang boleh dan tidak boleh dimasukkan ke sistem AI sebelum sistem berjalan, bukan setelah ada insiden.
- Penolakan dari tim. Banyak hambatan implementasi bersumber dari manusia dan proses, bukan hanya dari teknologi. Tim yang tidak dilibatkan sejak tahap diagnosis cenderung memakai sistem seminimal mungkin. Di sinilah peran manajer di era AI menjadi penentu.
Bagaimana Perusahaan Mempersiapkan Tim untuk Implementasi AI?
Perusahaan mempersiapkan tim dengan melibatkan manajer sejak tahap diagnosis, karena merekalah yang paling memahami di mana friction sebenarnya terjadi. Manajer perlu mampu memetakan workflow, menentukan peran AI di setiap titik, dan mengukur dampak perubahan terhadap tim.
Kerangka yang dikembangkan untuk konteks ini adalah AI Work Redesign dari Belajarlagi, yaitu pendekatan mendesain ulang alur kerja pegawai dengan mengadopsi AI dalam pekerjaan sehari-hari pada konteks corporate training, dari memetakan workflow, menemukan friction, menentukan peran AI, mendesain ulang, mendorong adopsi, hingga mengukur hasilnya.
Keenam tahapnya terhubung langsung dengan isi artikel ini. Tahap Workflow dan Friction adalah proses diagnosis untuk menemukan titik hambatan. Tahap AI Role adalah keputusan antara automation dan augmentation. Tahap Redesign dalam kerangka ini menjawab kasus ketika hambatannya ada di desain proses. Tahap Adoption dan Measure memastikan perubahan benar-benar dipakai tim dan dampaknya terukur terhadap baseline.
Untuk manajer yang ingin melatih keterampilan ini secara terstruktur, program Strategic AI for Managers dari Belajarlagi membahas cara mengidentifikasi masalah bisnis yang paling bernilai, merancang solusi berbasis AI, hingga mengimplementasikan dan mengukur dampaknya.
