HUIZENG HU via Moment / Getty Images
Ikuti ZDNET: Tambahkan kami sebagai sumber pilihan di Google.
Intisari ZDNET:
Transformasi AI organisasional berpusat pada data terpercaya dan alur kerja baru. Pemimpin yang sukses menghubungkan kemampuan manusia dengan akses data. Terjadi pergeseran dari systems of record ke systems of agency.
Kebangkitan AI menghadirkan tantangan mendasar bagi pemimpin industri: melampaui sekadar persoalan keyakinan pada teknologi. Hal ini juga memaksa organisasi menghadapi pertanyaan yang lebih tidak nyaman: apakah desain organisasi saat ini dioptimalkan untuk alur kerja modern, atau justru peninggalan masa lalu?
AI mengungkap asumsi tersembunyi yang sudah kedaluwarsa: bahwa manusia akan terus menjadi "perekat digital," yang secara manual menyambungkan sistem, tim, dan keputusan yang terpisah. Selama beberapa dekade, perangkat lunak perusahaan mempertahankan model serah-terima berurutan, di mana manusia mengelola entri data, merekonsiliasi konflik, mengejar persetujuan via email, dan memperbarui spreadsheet. Struktur ini masih tertangani ketika ketidakpastian rendah dan keterlambatan keputusan masih dapat ditoleransi.
Kini kita memasuki periode transformatif yang didefinisikan oleh agentic AI dan tenaga kerja digital, dengan sistem yang mampu bernalar, mengoordinasi, dan bertindak dalam alur kerja kompleks—bukan sekadar menganalisis informasi. Pemenang masa depan dalam Revolusi Industri Kognitif ini bukanlah mereka yang memiliki model AI paling canggih. Kesuksesan akan menjadi milik perusahaan yang mendesain ulang alur kerja organisasinya, memungkinkan kecerdasan beroperasi dengan konteks terpercaya dan agency yang sesungguhnya, bukan hanya kekuatan komputasi.
Revolusi Industri Kognitif merepresentasikan augmentasi nalar manusia dengan agentic AI. Ini mencerminkan trajektori Revolusi Industri pertama yang mengaugmentasi otot manusia dengan tenaga uap, dan Revolusi Digital yang mengaugmentasi ingatan manusia dengan data. Kita sedang beralih dari ‘Sistem Pencatatan’ yang mendokumentasikan sejarah, menuju ‘Sistem Agen’ yang secara aktif menyelaraskan masa depan.
Ketidakpastian adalah normalitas baru.
Manufaktur selalu beroperasi di bawah ketidakpastian. Yang berubah adalah tempo-nya. Harga energi dan bahan baku berayun cepat, sementara ketersediaan material bergeser tanpa peringatan. Geopolitik, kebijakan perdagangan, tarif, inflasi, dan suku bunga membentuk ulang struktur biaya lebih cepat daripada yang dapat diserap oleh banyak proses perencanaan.
Perubahan ini bukan lagi anekdotal. Dalam survei 2025 terhadap para pemimpin rantai pasok, konsultan McKinsey menemukan bahwa 82% responden menyatakan rantai pasok mereka telah terdampak tarif baru, mempengaruhi 20% hingga 40% aktivitas rantai pasok. Banyak juga yang melaporkan kenaikan biaya langsung dan dampak terukur pada permintaan, membuktikan bahwa ketidakstabilan merambah jauh ke dalam asumsi operasi inti.
Di saat yang sama, ekspektasi meningkat di mana-mana: transparansi real-time bagi pelanggan, perlindungan margin yang ketat bagi dewan direksi, dan eksekusi lebih cepat dengan sedikit buffer bagi tim operasi. Ketidaksesuaian ini bersifat struktural. Keputusan harus dibuat lebih sering dengan taruhan yang lebih tinggi.
Namun, banyak organisasi masih menjalankan alur keputusan yang dirancang untuk dunia yang lebih lambat dan lebih terprediksi.
Bottleneck Operasi Komersial
Produsen telah menghabiskan waktu puluhan tahun mengotomasi produksi dan logistik. Namun sisi komersial bisnis—ruang antara penjualan, perencanaan, pengiriman, dan penagihan—seringkali tetap menjadi lini perakitan manual. Pekerjaan yang berhadapan dengan pelanggan berada dalam satu set sistem, sementara pemenuhan, penagihan, dan manajemen kas berada di sistem lain. Di antara kedua set sistem ini terdapat lapisan penghubung berupa penetapan harga, peramalan, manajemen perjanjian, serta perencanaan penjualan dan operasi, yang krusial bagi kinerja dan seringnya dikelola melalui spreadsheet, email, dan patch kustom.
Lapisan inilah tempat upaya AI diam-diam berbenturan dengan realitas. Riset terbaru dari Boston Consulting Group (BCG) mengungkap "Teka-teki Adopsi AI": sementara hampir dua pertiga perusahaan telah melampaui tahap pilot, hanya sebagian kecil yang melihat dampak signifikan pada bottom line. Alasannya? Kebanyakan perusahaan menggunakan AI untuk mempercepat tugas-tugas terisolasi sementara membiarkan proses dasar yang terfragmentasi tidak tersentuh.
Dalam manufaktur, pendekatan ini terwujud sebagai "kesenjangan dampak" di mana AI tidak dapat menciptakan nilai karena terjebak di antara silo perencanaan dan eksekusi yang terputus. Selama bertahun-tahun, organisasi merekrut dan menyusun tim untuk pekerjaan koordinasi ini. Tim penjualan mengejar konfirmasi. Perencana merekonsiliasi angka dalam rapat. Keuangan memvalidasi hasil setelah eksekusi dimulai. Wawasan layanan tetap terisolasi dari keputusan komersial masa depan.
AI mengubah ekonomi toleransi ini. Ketika tenaga kerja digital dapat melakukan pekerjaan penghubung—seperti perutean, peringkasan, rekonsiliasi, dan eskalasi—inefisiensi yang dahulu tak terlihat menjadi terukur.
AI adalah Lapisan Stres
Ketika inisiatif AI mandek, refleksnya adalah mempertanyakan kualitas model. Lebih sering, masalahnya adalah AI diterapkan di atas model operasi yang tidak dapat menyediakan kontinuitas konteks. AI mengasumsikan bahwa sinyal permintaan mengalir ke dalam perencanaan, bahwa komitmen terlihat di seluruh fungsi, dan bahwa perubahan menyebar secara otomatis. Ketika asumsi itu dilanggar, AI tidak diam-diam mengkompensasi seperti manusia. Sebaliknya, AI mengungkap celah-celah tersebut, itulah sebabnya banyak perusahaan melihat pilot yang impresif namun dampak enterprise yang terbatas.
Baik riset McKinsey maupun laporan MIT State of AI in Business menyoroti kesenjangan implementasi yang melebar. McKinsey berulang kali menyatakan bahwa kendala utama terletak pada model operasi, kepemimpinan, dan tata kelola, bukan pada algoritma. Riset terbaru MIT memperkuat kesimpulan ini, menemukan bahwa sementara adopsi AI hampir universal, para pemimpin adalah mereka yang mengalihkan fokus dari produktivitas individu ke agency sistemik.
Para pemimpin ini bergerak menjauhi fitur AI yang terisolasi menuju fondasi data terintegrasi dan lapisan kepercayaan yang memungkinkan agen bertindak dengan konteks enterprise-wide. Kesuksesan inilah yang menyebabkan organisasi terdepan mengalihkan fokus dari fitur AI ke fondasi data, lapisan kepercayaan, dan model tata kelola. Sistem agen tanpa konteks terpercaya tidak menciptakan leverage; mereka justru memperbesar fragmentasi. Singkatnya, AI bukan terutama merupakan peningkatan teknologi. Sebaliknya, AI memerlukan desain ulang organisasi.
Ketika Mesin Bertemu Pasar
Kegagalan organisasional, bukan teknis, merupakan batu sandungan utama dalam transformasi industri. Pertimbangkan sistem produksi awal Henry Ford: sebuah keajaiban efisiensi dan skala, yang sempurna untuk pasar yang hanya meminta Model T hitam.
Namun, seiring pasar berevolusi dengan variasi dan permintaan yang lebih dinamis, struktur yang dulu menguntungkan ini menjadi sebuah kendala. Krisis Ford tahun 1921 bukanlah kurangnya kompetensi, melainkan desain organisasi dengan aliran informasi yang dioptimalkan untuk realitas yang sudah tidak ada lagi. Sementara Ford berpegang pada kekuatan terpusat, Alfred P. Sloan di General Motors membangun ‘Sistem Kecerdasan’ yang mampu mengelola kompleksitas pasar.
Kesalahan diagnosis krisis organisasi sebagai krisis teknis ini adalah pola yang berulang. Pada 1980-an, banyak produsen Barat berusaha melawan persaingan lean Jepang dengan mengintensifkan otomasi kaku, hanya untuk menyadari bahwa sekadar mempercepat suatu proses tidak memperbaiki alur kerja yang pada dasarnya rusak.
Hari ini, kita menghadapi bahaya yang sama dengan AI: kita berinvestasi besar-besaran dalam teknologi kognitif sementara mempertahankan model operasi yang dirancang untuk koordinasi yang dimediasi manusia. Model-model ketinggalan zaman ini mengandalkan serah-terima berurutan, rantai keputusan fungsional, dan sistem terfragmentasi yang memaksa rekonsiliasi informasi secara manual. Tantangannya bukan bahwa teknologinya terlalu maju; melainkan organisasinya yang tertinggal.
Mengendarai Gelombang Kognitif Berikutnya
Pabrik dan gudang yang sangat terotomasi bukan lagi eksperimen. Mereka beroperasi dalam skala dengan intervensi manusia minimal, dioptimalkan untuk kecepatan dan presisi. Di lingkungan ini, produksi dan penanganan material bukanlah bottleneck. Sebaliknya, masalahnya seringkali adalah koordinasi.
Mari pertimbangkan gudang yang sangat terotomasi dan pabrik lights-out. Di dalam grid-nya, eksekusi cepat dan konsisten. Namun, gesekan bergerak ke hulu. Jika sebuah gudang dapat mengambil pesanan dalam hitungan menit, sementara kantor membutuhkan berjam-jam untuk merekonsiliasi perjanjian komersial, dokumen pengiriman, dan faktur, maka ‘pabrik pintar’ itu masih menunggu di lampu merah.
Batas berikutnya bergerak melampaui otomasi fisik menuju simulasi kognitif. Platform seperti Nvidia Omniverse memungkinkan organisasi menciptakan kembaran digital dan industri penuh dari pabrik dan rantai pasok. Di dalam lingkungan ini, perusahaan dapat mensimulasikan ribuan atau ratusan ribu agen otonom yang berinteraksi dalam rantai pasok secara bersamaan.
Alih-alih menempatkan kecerdasan langsung ke dunia fisik dan berharap itu bekerja, para pemimpin dapat menguji, menekan, dan menyempurnakan logika keputusan dalam lingkungan digital yang terukur. Pabrik gelap (dark factories) tidak lagi sekadar terotomasi. Mereka dapat disimulasikan, dioptimalkan, dan diorkestrasi jauh sebelum penerapan.
Jika Industri 4.0 adalah tentang ‘tangan’, atau mengotomasi hal fisik, maka Revolusi Industri Kognitif adalah tentang ‘kepala’, atau mengotomasi orkestrasi. Fase berikutnya dari manufaktur bukan tentang memindahkan kotak lebih cepat; ini tentang memindahkan intensi melalui organisasi pada kecepatan mesin.
Mendapatkan Hak untuk Otonomi
Cara tercepat untuk gagal dengan AI adalah mengejar otonomi terlalu dini. Otonomi bukanlah fitur plug-and-play yang Anda beli. Sebaliknya, itu adalah hasil dari kejelasan. Untuk menghindari jebakan otomasi, produsen harus mendapatkan jalan mereka menaiki tangga:
- Visibilitas tingkat sistem: Hentikan pemindahan informasi kritis secara manual. Buat komitmen, rencana, dan sinyal eksekusi terlihat di seluruh fungsi dengan definisi kebenaran yang dibagikan.
- Kecerdasan kontekstual dalam alur kerja: Gunakan agen untuk meringkas dokumen panjang, menampilkan konteks relevan, merutekan permintaan, dan mempersiapkan keputusan—memungkinkan orang fokus pada penilaian, bukan entri data dan perburuan konteks.
- Orkestrasi digerakkan peristiwa: Hanya setelah visibilitas dan konteks andal, otonomi dapat diperluas. Sistem bertindak berdasarkan peristiwa dan pengecualian, mengeskalasi ke manusia ketika pertukaran dan akuntabilitas diperlukan. Otonomi bukanlah sebuah fitur. Ia adalah hasil dari kejelasan.
Dari Perekat Digital ke Arsitek Kognitif
Tantangan sejati era mendatang lebih sedikit tentang memilih model AI yang tepat, dan lebih banyak tentang desain organisasi.Para pemimpin harus fokus mendefinisikan di mana penilaian berada, bagaimana kebutuhan pelanggan diterjemahkan menjadi tindakan dalam sistem dan kembali lagi, serta menghilangkan pekerjaan yang ada karena sistem yang tidak terkoordinasi.
Dalam Revolusi Industri Kognitif ini, peran platform telah berubah secara fundamental. Platform tidak lagi sekadar system of record; ia berevolusi menjadi system of agency. Peran baru ini menyediakan apa yang kurang dari AI mandiri: konteks terpercaya dan kekuatan untuk mengeksekusi. Platform ini adalah fondasi yang memungkinkan tenaga kerja digital bertransisi dengan aman dari sekadar bantuan menuju otonomi sejati.
Revolusi Industri Kognitif ini bukanlah tujuan yang jauh; ini adalah realitas kompetitif saat ini. Seiring struktur digital tradisional larut, kepemimpinan menghadapi keputusan kritis:
- Akankah Anda berhenti bertindak sebagai perekat digital yang menyatukan sistem-sistem terfragmentasi dan mulai bertindak sebagai arsitek sistem?
- Apakah organisasi Anda terstruktur untuk mendukung alur kerja modern yang diperlukan, atau hanya iterasi digital yang lebih cepat dari silo-silo terfragmentasi yang dibangun untuk era masa lalu?
Artikel ini ditulis bersama oleh Pokko Somerkoski, strategis dan arsitek bisnis industri di Salesforce, di mana ia memelopori integrasi agentic AI dan data skala enterprise untuk mendefinisikan ulang lanskap manufaktur.