Ketika COO Nik, kepala operasi di perusahaan distributor makanan senilai $84 milyar, dan CEO sebuah perusahaan media teknologi besar masuk ke ruangan yang sama di Fortune COO Summit, mereka siap bicara soal apa yang AI lakukan untuk mereka. Kecepatan. Skala. Pendapatan yang terbuka. Masa depan yang datang lebih cepat dari jadwal.
Tapi yang mereka jelaskan, saat sesi makan siang yang diadakan oleh Thomson Reuters, adalah sesuatu yang lebih mirip kekacauan yang terorganisir.
"Tantangan terbesar yang saya lihat adalah kecepatan tanpa kejelasan," kata Venkatesh Alagirisamy, EVP dan COO Nike. "Saya lihat banyak hype seputar AI yang mendorong banyak energi di dalam organisasi untuk mau mengadopsi AI, tapi tanpa kejelasan itu, tanpa tujuan yang jelas, kecepatan itu bisa membawa kita ke arah yang salah."
Selamat datang di apa yang disebut panelis sebagai "ilus *i otomatisasi" — celah berbahaya antara apa yang dijanjikan AI kepada para pemimpin operasi dan apa yang sebenarnya diberikan.
Janjinya sederhana
Cara para COO menjelaskannya ke Diane Brady, Direktur Editorial Fortune, tawaran AI itu hampir terlalu bagus. Otomatiskan tugas rutin. Bebaskan tenaga kerja. Biarkan mesin menangani peramalan, logistik, kepatuhan, layanan pelanggan. Biarkan manusia menangani strategi.
Aayush Bhatnagar, kepala layanan pelanggan global di Sysco — yang mengirimkan makanan ke restoran di seluruh Amerika Utara, menghasilkan pendapatan hampir $84 miliar per tahun — berkata terus terang: tujuannya adalah mengambil pengetahuan tribal yang sudah lama ada dalam hubungan manusia selama puluhan tahun dan melembagakannya dalam skala besar. "Setiap brokoli yang Anda makan telah berpindah rata-rata 2.000 mil," katanya. Rantai pasokan yang membuat itu terjadi bergantung pada keputusan berdasarkan penilaian orang-orang yang telah melakukannya selama bertahun-tahun. AI seharusnya menyerap keahlian itu dan melipatgandakannya.
Dan di beberapa sisi, itu sudah terjadi. Nike meluncurkan platform pembelajaran internal 12 bulan yang lalu — dikurasi oleh rekan kerja, dari bawah ke atas, tidak diperintahkan dari atas — dan mencatat 20.000 kursus digital telah diambil, dengan 3.000 sesi pelatihan langsung dilakukan. Sysco menggunakan AI untuk memikirkan ulang cara mereka memperkirakan dan membeli. Thomson Reuters menggunakannya untuk membantu pengacara, akuntan pajak, dan profesional perdagangan bekerja lebih cepat.
Tapi semua ini datang dengan pemeriksaan realita yang besar.
Ilusi mulai terasa
Laura Clayton McDonnell, presiden korporat di Thomson Reuters, menjelaskan lebih lanjut tentang ilusi otomatisasi. "Kita akan bergerak cepat, kita akan mendapatkan jawaban ini dengan sangat cepat," katanya. "Tapi bagaimana memastikan keluaran itu bisa diandalkan, akurat, itu adalah sesuatu yang bisa kamuandalkan untuk menjalankan bisnismu?" Itu, tambahnya, adalah di mana perusahaan benar-benar perlu berhenti sejenak daripada menyerah pada kebutuhan akan kecepatan.
Bagi para profesional yang dilayani Thomson Reuters — pengacara yang masuk ruang sidang, akuntan yang menghadapi tarif, tim perdagangan yang berurusan dengan sanksi — tidak ada ruang untuk kesalahan. "Kamu tidak boleh salah," kata McDonnell. "Kamu benar-benar tiak boleh salah." Model bahasa besar yang dengan percaya diri menghasilkan jawaban yang masuk akal tapi salah bukanlah alat produktivitas dalam konteks itu, melainkan sebuah kewajiban.
Tapi ilusinya lebih dalam dari sekadar akurasi. Masalah yang lebih besar adalah AI telah membuat lingkungan operasi menjadi secara fundamental kurang bisa diprediksi — persis lingkungan yang dibayar para COO untuk dikelola.
Olivia Nottebohm, COO Box, mengatakan dia telah melihatnya terjadi di perusahaannya sendiri. Box menjual produk AI. Box menggunakan Box AI secara internal. Box terus-menerus berbicara tentang AI. Dan ketika Nottebohm melihat angka adopsi, angkanya rendah. "Ini kita, sebuah perusahaan AI yang menjual AI," katanya, "dan saya bahkan tidak melihat adopsi yang saya harapkan." Ketika dia menyelidiki, dia menemukan jawabannya bukanlah penolakan — itu adalah kebingungan. Orang-orang tidak tahu caranya. Alatnya tersedia. Keahliannya tidak.
Dia berbagi bahwa perusahaan menerapkan program yang disebut "No Boxer Left Behind." Itu berhasil, tapi itu juga mengungkapkan kebenaran yang lebih pahit: bahkan di perusahaan yang maju secara teknologi, celah antara menerapkan AI dan mengoperasionalkannya sangat besar. "Benar-benar memastikan bahwa orang tidak merasa terpinggirkan, saya pikir itu hal yang memakan waktu paling lama untuk saya pahami," dia berbagi, menambahkan bahwa dia "seharusnya menyadarinya lebih cepat." Pelatihan wajib perusahaan jelas tentang apa yang harus dipelajari Boxer, "dan jika kamu memilih untuk tidak ikut dalam transformasi AI, itu terserah kamu. Tapi kami, sebagai pemberi kerja, tidak akan membiarkanmu melakukan itu."
Masalah manajemen yang belum ada yang selesaikan
Tidak ada yang menggambarkan celah itu lebih gamblang daripada pengakuan Bhatnagar tentang timnya. Empat minggu yang lalu, dia memberi tahu ruangan, dia menambahkan tujuh agen AI ke dalam timnya. Mereka punya nama. Mereka punya peran yang ditentukan — agen eskalasi, agen pengiriman, agen komunikasi. Kinerja mereka ditinjau bersama manusia dalam tinjauan bisnis mingguannya.
"Saya kehilangan waktu tidur malam itu," katanya, "berpikir bahwa hukum kepemimpinan tradisional kita, prinsip kepemimpinan kita, tidak berlaku untuk agen-agen ini." Intinya, tidak ada literatur manajemen untuk itu, tidak ada kebijakan SDM atau rencana perbaikan kinerja tempat Anda bisa menempatkan seorang agen. Dan para COO seperti dia sudah bertanggung jawab atas hasil kerja mereka — hasil kerja yang bisa dengan segera berkembang dan bisa salah dengan cepat.
"Bagaimana cara saya melatih manajer saya sekarang?" dia bertanya ke ruangan. Mungkin itu adalah rangkuman paling jujur tentang di mana posisi AI perusahaan saat ini.
Yang dipertaruhkan lebih dalam
Menjelang akhir diskusi, pertanyaan yang menggantung di ruangan menjadi eksplisit: apa yang terjadi pada pekerja tingkat awal yang biasanya membangun penilaian mereka dengan melakukan tugas-tugas yang sekarang diserap oleh AI?
McDonnell terus kembali ke pagar pengaman yang sama: manusia di dalam lingkaran itu bukan pilihan, itu struktural. "Saya tidak berpikir kita telah menemukan alat yang benar-benar bisa menjalankan penilaian bisnis," katanya. "Itulah yang membuat perbedaan."
Alagirisamy menggambarkannya sebagai kemampuan kepemimpinan utama saat ini: kelincahan belajar. Bukan kefasihan AI, bukan kedalaman teknis, tapi kekuatan organisasi untuk terus beradaptasi saat l]. atan terus berubah. "Apakah tim Anda memiliki kelincahan belajar untuk beradaptasi dengan lingkungan baru ini?" katanya.
Bagi para COO, il du j otomatisasi bukan hanya tentang keluaran AI yang buruk. Ini tentangcelah yang melebar antara kecepatan teknologi bergerak dan kecepatan di mana kerja manusia hilang dalam hiruk-pikuk.
Mereka datang dengan membicarakan tentang apa yang AI lakukan apk yang membuat Anda sendrian?? Dan re**ita bahwa hal itu jauh lebih mudah diucapkan daripada dilakukan.
Mereka awalnya sama! bla bla soal AI _ tapi setelah disk[[‘djadi pikiran keras.
Baik! say Udate tentang paramoury seperti korpohan untuk sis sajna nyes aja saya bikla . hi:;de mode di matikan")?
FEr sap! Sudapi ) Semhgs :sem" kono gor yg pU: lalu iktw tidak Jadi– EOT