15.4 Membandingkan Opsi dengan Aturan yang Sama

Seorang arsitek yang saya dampingi pernah menghadapi situasi menarik. Ia harus memilih platform untuk aplikasi data analytics perusahaan. Tiga vendor masuk dengan proposal yang sangat berbeda. Vendor A menawarkan solusi cloud-native dengan harga per pemakaian. Vendor B memberikan harga tetap tahunan dengan kapasitas terbatas. Vendor C datang dengan pendekatan hybrid yang menggabungkan on-premise dan cloud.

Setiap vendor menyajikan argumen yang kuat. Tapi masalahnya, mereka membandingkan diri dengan standar yang berbeda. Vendor A bicara skalabilitas. Vendor B bicara biaya prediktabel. Vendor C bicara kontrol data. Arsitek itu bingung: bagaimana cara membandingkan apel dengan apel?

Di sinilah AI bisa membantu, tetapi dengan syarat. AI tidak bisa membandingkan opsi secara adil jika kita hanya memberikan deskripsi masing-masing opsi lalu bertanya, “Mana yang terbaik?” AI akan menjawab berdasarkan asumsinya sendiri, bukan berdasarkan prioritas kita.

Caranya adalah dengan memberikan constraint yang seragam untuk semua opsi. Misalnya, kita punya tiga constraint utama: biaya tahunan tidak boleh melebihi 500 juta, latency maksimal 200 milidetik, dan tim internal harus bisa mengelola sendiri tanpa vendor lock-in. Dengan constraint ini, kita minta AI mengevaluasi setiap opsi terhadap aturan yang sama.

Berikut contoh struktur JSON yang bisa digunakan untuk mendefinisikan constraint dan mengevaluasi setiap vendor secara konsisten.

{
  "constraints": [
    {
      "nama": "biaya_tahunan",
      "batas_maks": 500000000,
      "bobot": 0.4,
      "vendor_a": 450000000,
      "vendor_b": 480000000,
      "vendor_c": 420000000
    },
    {
      "nama": "latency_ms",
      "batas_maks": 200,
      "bobot": 0.3,
      "vendor_a": 150,
      "vendor_b": 210,
      "vendor_c": 180
    },
    {
      "nama": "kemudahan_pengelolaan",
      "skala": "1-10",
      "bobot": 0.3,
      "vendor_a": 4,
      "vendor_b": 7,
      "vendor_c": 8
    }
  ]
}

Dengan format ini, AI dapat menghitung skor akhir secara konsisten dan transparan.

Berikut diagram alur yang merangkum proses perbandingan tersebut.

flowchart TD A[Tiga opsi vendor] --> B[Tentukan constraint seragam] B --> C[Biaya bobot 40 persen] B --> D[Latency bobot 30 persen] B --> E[Kemudahan pengelolaan bobot 30 persen] C --> F[Evaluasi Setiap Opsi terhadap Constraint] D --> F E --> F F --> G[Skor Akhir per Opsi] G --> H[Pilih Opsi dengan Skor Tertinggi] H --> I{Judgment manusia} I --> J[Vendor Terpilih] style A fill:#e1f5fe,stroke:#01579b style B fill:#fff3e0,stroke:#e65100 style C fill:#f3e5f5,stroke:#4a148c style D fill:#f3e5f5,stroke:#4a148c style E fill:#f3e5f5,stroke:#4a148c style F fill:#e8f5e9,stroke:#1b5e20 style G fill:#e8f5e9,stroke:#1b5e20 style H fill:#e8f5e9,stroke:#1b5e20 style I fill:#ffccbc,stroke:#bf360c style J fill:#c8e6c9,stroke:#2e7d32

Saya meminta arsitek itu mencoba pendekatan berbeda. Ia menulis prompt yang berisi konteks singkat, lalu menyusun tabel constraint dengan bobot yang jelas. Biaya diberi bobot 40 persen, latency 30 persen, dan kemudahan pengelolaan 30 persen. AI kemudian diminta menilai setiap vendor terhadap masing-masing constraint dan memberikan skor akhir.

Hasilnya menarik. Vendor A unggul di latency dan biaya variabel, tetapi kalah di kemudahan pengelolaan karena membutuhkan sertifikasi khusus. Vendor B unggul di biaya prediktabel, tetapi latency-nya di atas batas maksimal. Vendor C berada di tengah-tengah, tidak unggul di satu area tetapi memenuhi semua constraint minimum.

Tapi inilah bagian yang membutuhkan judgment manusia. AI bisa memberikan skor, tetapi tidak bisa menentukan bobot. Apakah biaya benar-benar lebih penting dari latency? Apakah kemudahan pengelolaan bisa dikorbankan jika selisih biaya cukup besar? Pertanyaan-pertanyaan ini hanya bisa dijawab oleh manusia yang memahami konteks organisasi, prioritas bisnis, dan risiko yang bisa diterima.

Arsitek itu akhirnya memutuskan tidak memilih vendor dengan skor tertinggi. Ia memilih vendor C karena meskipun skornya lebih rendah, vendor itu memberikan fleksibilitas untuk migrasi bertahap. Keputusan itu lahir dari pemahaman bahwa organisasi sedang dalam fase transformasi, dan stabilitas jangka panjang lebih penting daripada efisiensi jangka pendek.

Yang perlu diingat: AI adalah alat untuk membuat perbandingan menjadi transparan dan konsisten. Tapi menetapkan bobot, mempertanyakan asumsi, dan mengambil keputusan akhir tetap ada di tangan manusia. Setelah opsi terpilih, langkah selanjutnya adalah mengumpulkan evidence yang bisa memvalidasi keputusan itu.