3.5 AI Leverage: Bagian Mana yang Bisa Dipercepat
Kepala produk itu mulai melihat pola. Timnya menghabiskan banyak waktu pada aktivitas yang sebenarnya tidak membutuhkan judgment tinggi. Menulis ulang dokumen spesifikasi dengan format yang berbeda. Membuat slide presentasi untuk setiap review. Merangkum notulensi rapat yang panjang. Menyusun draft komunikasi ke fungsi lain. Semua ini penting, tetapi porsinya terlalu besar dibandingkan pekerjaan yang benar-benar membutuhkan pemikiran manusia.
Dia mulai bertanya: bagian mana dari pekerjaan ini yang bisa dipercepat tanpa membuat tim kehilangan kendali atas kualitas?
Pertanyaan itu membawanya pada konsep yang saya sebut AI leverage. Leverage di sini berarti pengungkit: alat yang membuat usaha kecil menghasilkan dampak besar. Dalam konteks pekerjaan teknis dan organisasi, AI leverage adalah kemampuan untuk mempercepat bagian pekerjaan yang bersifat produksi, pengulangan, atau pencarian informasi, tanpa melemahkan ownership dan judgment manusia.
Ownership adalah rasa memiliki terhadap hasil kerja. Judgment adalah kemampuan memutuskan mana yang benar, mana yang cukup baik, dan mana yang perlu diubah. Keduanya tidak bisa didelegasikan ke AI. Tetapi keduanya bisa diperkuat jika manusia tidak kehabisan energi pada hal-hal yang seharusnya bisa lebih cepat.
Mari kita bedah. Dalam satu inisiatif teknis, selalu ada lapisan pekerjaan. Paling bawah adalah eksekusi murni: menulis kode yang sudah jelas polanya, membuat dokumen dari template, merangkum percakapan, mencari referensi di basis pengetahuan. Lapisan di atasnya adalah penyesuaian: memilih pendekatan, mengevaluasi trade-off, memutuskan kompromi. Lapisan paling atas adalah keputusan strategis: apakah ini layak dikerjakan, apakah ini selaras dengan arah organisasi, apakah risiko bisa diterima.
Berikut diagram tiga lapis pekerjaan dalam satu inisiatif teknis, yang menunjukkan di mana AI memberikan leverage paling besar.
AI leverage bekerja paling baik di lapisan pertama. Di sinilah AI bisa menulis draf pertama, membuat ringkasan, menghasilkan kode boilerplate, atau mencari pola dari data historis. Manusia tetap memegang lapisan kedua dan ketiga: memeriksa, menyesuaikan, memutuskan, dan bertanggung jawab.
Kepala produk itu mulai menerapkan ini di timnya. Untuk setiap aktivitas, mereka bertanya: apakah ini membutuhkan judgment tinggi atau rendah? Kalau rendah, bisakah AI membantu? Kalau tinggi, siapa yang paling tepat memegangnya? Hasilnya, waktu yang dulu habis untuk menyusun dokumen dan slide bisa dialihkan ke diskusi desain, review kualitas, dan validasi dengan pengguna.
Yang menarik, timnya tidak merasa digantikan. Mereka merasa diperluas kapasitasnya. Seorang engineer yang dulu menghabiskan setengah hari menulis kode pengulangan kini bisa menghabiskan waktu itu untuk memikirkan arsitektur yang lebih baik. Seorang analis bisnis yang dulu sibuk merapikan format dokumen kini bisa ikut dalam sesi eksplorasi kebutuhan pelanggan.
AI leverage bukan tentang siapa yang lebih cepat. Ini tentang mana yang lebih penting. Ketika bagian yang bisa dipercepat sudah dipercepat, manusia punya ruang untuk melakukan apa yang hanya bisa dilakukan manusia: mempertanyakan asumsi, membaca konteks, mengambil tanggung jawab, dan memutuskan di tengah ketidakpastian.
Setelah kita memahami bagian mana yang bisa dipercepat, pertanyaan berikutnya adalah: seberapa besar dampak percepatan ini terhadap kelayakan suatu inisiatif? Apakah inisiatif yang dulu tidak layak karena biaya terlalu tinggi kini menjadi feasible? Bagian berikutnya bergerak ke persoalan tersebut, ketika kita menghitung return secara praktis menggunakan payback period, ROI sederhana, dan cost of delay.
