6.8 AI sebagai Asisten Inventarisasi dan Pemetaan
Anda sudah memetakan building block, melihat capability gap, dan mulai membayangkan target state. Sekarang muncul pertanyaan praktis: bagaimana cara menjaga peta ini tetap akurat? Karena kenyataannya, inventarisasi bukan pekerjaan sekali selesai. Aplikasi baru masuk, modul diubah, integrasi ditambah, dan dokumentasi sering tertinggal.
Pada tahap ini, AI berguna sebagai alat bantu awal.
Bayangkan Anda mendapat spreadsheet berisi dua ratus baris aplikasi dari berbagai divisi. Beberapa kolom terisi, beberapa kosong. Nama aplikasi ditulis dengan gaya berbeda: ada yang pakai singkatan, ada yang pakai nama produk, ada yang cuma kode proyek. Anda perlu waktu berhari-hari untuk merapikan ini secara manual.
Dengan AI, Anda bisa memberikan spreadsheet itu ke asisten yang sudah dilatih membaca pola. Minta dia mengelompokkan aplikasi berdasarkan fungsi yang terlihat dari nama dan deskripsi. Minta dia menandai kemungkinan duplikasi: dua aplikasi dengan nama berbeda tapi fungsi yang mirip. Minta dia mengusulkan building block awal dari dokumentasi yang ada.
Hasilnya tidak sempurna, tapi jauh lebih cepat dari nol.
Contoh yang sering terjadi: AI membaca deskripsi aplikasi "Sistem Pengajuan Cuti Karyawan" dan "Portal HR Self-Service", lalu menandai bahwa keduanya punya modul persetujuan yang tumpang tindih. Anda tidak perlu membaca dua ratus baris satu per satu. Anda tinggal verifikasi temuan itu ke pemilik aplikasi.
Sebagai gambaran, berikut command bash sederhana yang bisa Anda jalankan untuk melihat kemungkinan duplikasi dari file CSV inventaris:
# Ekstrak kolom nama aplikasi (kolom pertama), hitung kemunculan, urutkan
cut -d',' -f1 inventory.csv | sort | uniq -c | sort -nr | head -20
Command ini akan menampilkan 20 nama aplikasi yang paling sering muncul, membantu Anda menemukan duplikasi potensial sebelum dianalisis lebih lanjut oleh AI.
Tapi inilah titik kritisnya: AI hanya asisten, bukan pengganti verifikasi.
Sumber data tetap harus dicek oleh manusia. AI bisa mengelompokkan aplikasi berdasarkan kemiripan teks, tapi dia tidak tahu konteks organisasi. Dia tidak tahu bahwa "Sistem Cuti" sebenarnya sudah dijadwalkan untuk pensiun bulan depan. Dia tidak tahu bahwa "Portal HR" dikelola oleh vendor berbeda dengan kontrak yang tidak bisa diubah. Dia tidak tahu bahwa modul persetujuan di dua aplikasi itu ternyata dipakai oleh divisi yang berbeda dan tidak bisa digabung.
Karena itu, hasil AI harus selalu melewati review pemilik aplikasi. Jadikan AI sebagai pembaca cepat yang menyiapkan draft awal, lalu manusia yang memvalidasi dan menyesuaikan dengan realitas organisasi.
Pola kerja yang efektif adalah: masukkan semua data mentah ke AI, minta dia menghasilkan usulan pengelompokan dan peta awal building block, lalu undang pemilik aplikasi untuk sesi review. Di sesi itu, Anda tunjukkan temuan AI, tanyakan apakah sesuai, dan perbaiki jika ada kesalahan. Proses ini jauh lebih cepat daripada memulai dari spreadsheet kosong dan mewawancarai satu per satu pemilik aplikasi dari awal.
AI juga bisa membantu menjaga peta tetap hidup. Setelah inventarisasi awal selesai, Anda bisa memberikan update berkala ke asisten AI: dokumen baru, notifikasi perubahan, atau tiket integrasi. AI membaca perubahan itu dan menyarankan penyesuaian di peta building block. Anda tinggal memutuskan apakah saran itu perlu diterapkan atau ditunda.
Dengan cara ini, inventarisasi tidak lagi menjadi proyek besar yang dilakukan setahun sekali dan langsung usang setelah selesai. Inventarisasi menjadi aktivitas berkelanjutan yang dijaga oleh kombinasi AI dan manusia.
Setelah peta building block dan capability tersusun dengan bantuan AI, langkah selanjutnya adalah memastikan bahwa peta ini benar-benar dipakai untuk mengambil keputusan. Bukan sekadar dokumen yang disimpan di folder dan dilupakan.