5.4 Memetakan Dependency Lintas Fungsi
Stream tidak berjalan sendiri; mereka saling tergantung. Development stream mungkin sudah siap dengan kode chatbot, tetapi operation stream belum selesai menyiapkan basis pengetahuan. Atau development stream butuh akses ke data pelanggan yang ternyata masih dalam proses review compliance. Inilah saatnya dependency mulai muncul dan, jika tidak dipetakan, bisa menghentikan seluruh inisiatif di tengah jalan.
Dependency dalam konteks ini bukan hanya soal teknis. Saya sering melihat tim yang hanya memikirkan dependency antar aplikasi—misalnya, sistem A harus selesai dulu sebelum sistem B bisa diintegrasikan. Padahal, dependency bisa datang dari mana saja. Infrastructure mungkin perlu menyediakan environment baru. Security perlu memberikan persetujuan untuk akses data. Data engineering perlu menyiapkan jalur pemrosesan. Platform perlu mengaktifkan fitur tertentu. Support perlu dilatih sebelum sistem live. Compliance perlu memastikan tidak ada pelanggaran regulasi. Dan fungsi bisnis perlu menyediakan konten, aturan, atau keputusan yang menjadi dasar sistem bekerja.
Setiap dependency ini, jika tidak terlihat sejak awal, akan muncul sebagai kejutan di tengah quarter. Dan kejutan di tengah quarter berarti penundaan, perubahan scope, atau bahkan pembatalan inisiatif.
Berikut adalah contoh dependency map untuk inisiatif chatbot yang menunjukkan ketergantungan dari berbagai fungsi.
AI tidak menghilangkan dependency. Tetapi AI bisa membantu kita mengidentifikasi dan mengelolanya lebih cepat. Bayangkan Anda memiliki AI assistant yang sudah membaca dokumentasi arsitektur, source code, dan catatan keputusan teknis dari semua sistem di organisasi. Ketika Anda bertanya, “Apa dampak jika kita mengubah skema data di sistem customer profile?”, AI assistant bisa langsung memberikan daftar sistem yang terpengaruh, API yang perlu diubah, dan tim yang perlu dilibatkan. Pekerjaan yang dulu membutuhkan waktu berhari-hari untuk tracing manual, sekarang bisa dilakukan dalam hitungan menit.
Tapi AI tidak bisa melakukan semuanya. Identifikasi dependency adalah satu hal; mengelolanya adalah hal lain. Setelah dependency terpetakan, Anda perlu memutuskan bagaimana setiap dependency akan ditangani. Apakah dependency itu bisa dieliminasi? Apakah bisa dijadwalkan ulang? Apakah perlu ada tim khusus yang menanganinya? Apakah ada risiko yang perlu dimitigasi?
Di sinilah dependency map menjadi alat yang berguna. Dependency map adalah representasi visual atau dokumentasi yang menunjukkan hubungan antar stream, sistem, dan fungsi. Map ini tidak harus rumit. Cukup jelas menunjukkan: stream A membutuhkan output dari stream B sebelum tanggal tertentu, stream C tergantung pada keputusan dari fungsi bisnis D, dan stream E tidak bisa lanjut sebelum compliance memberikan clearance.
Yang penting, dependency map harus hidup. Bukan dokumen yang dibuat sekali lalu disimpan. Setiap kali ada perubahan di satu stream, dependency map perlu diperbarui. AI bisa membantu menjaga map ini tetap mutakhir dengan memantau perubahan di repository, tiket, dan dokumen secara otomatis.
Implikasinya untuk tim dan organisasi cukup jelas. Pertama, dependency mapping bukan pekerjaan sekali jadi. Kedua, AI bisa menjadi asisten yang sangat membantu, tetapi keputusan tentang bagaimana mengelola dependency tetap ada di tangan manusia. Ketiga, semakin awal dependency teridentifikasi, semakin besar peluang untuk menanganinya tanpa mengganggu jadwal.
Dengan dependency yang sudah terpetakan, langkah berikutnya adalah memastikan kapasitas tim cukup untuk menangani semua stream yang berjalan. Di sinilah konsep AI-adjusted capacity mulai berperan.
