Cara perusahaan AI-native mengubah alur kerja menjadi kapabilitas operasional

Laporan Sinyal Enterprise terbaru OpenAI menunjukkan bahwa AI di perusahaan beralih dari membantu menjadi mengeksekusi, dengan kecepatan yang sangat berbeda. Perusahaan terdepan—10% perusahaan dengan penggunaan AI tertinggi—kini menghasilkan token output 8,3 kali lebih banyak per pengguna aktif dibandingkan perusahaan pada umumnya, naik dari 2,6 kali pada Januari. Kesenjangan yang melebar menunjukkan perubahan operasional yang lebih mendasar: perusahaan terdepan menghubungkan agen dengan konteks dan alat perusahaan, mendelegasikan pekerjaan yang lebih substantif, serta membuat alur kerja yang berhasil lebih mudah diulangi.

Bagi para pemimpin, tantangannya adalah mengubah kedalaman penggunaan tersebut menjadi pekerjaan yang dapat dipercaya, diukur, dan ditingkatkan. Para pemimpin juga perlu memberi ruang untuk bereksperimen, termasuk dengan kasus penggunaan yang nilainya belum terlihat pada percobaan pertama.

Startup Basis⁠(terbuka di jendela baru), Clay⁠(terbuka di jendela baru), dan Exa Labs⁠(terbuka di jendela baru) telah mengintegrasikan agen ke dalam orientasi karyawan, pengelolaan akun, dan pengembangan ekosistem developer. Alur kerja mereka berbeda, tetapi perkembangannya memberi pelajaran: ajarkan proses yang stabil kepada agen, berikan konteks berkelanjutan saat pekerjaan berubah, lalu biarkan agen mengubah peluang menjadi tindakan yang telah diuji.

Secara keseluruhan, contoh-contoh ini menunjukkan cara tim dapat mengintegrasikan agen ke dalam pekerjaan sehari-hari dan meningkatkan prosesnya dari waktu ke waktu.

Orientasi karyawan sejak lama merepotkan perusahaan maupun karyawan. Di Basis, yang membuat agen AI untuk kantor akuntan, orientasi hari pertama kini hanya memerlukan 30 menit, bukan dua jam, sehingga tim SDM memiliki lebih banyak waktu untuk membahas budaya dan memberi dukungan.

Pada hari pertama, karyawan langsung memperoleh akses ke Codex dan keterampilan orientasi khusus perusahaan—serangkaian petunjuk dan sumber daya yang dapat digunakan kembali untuk alur kerja tertentu. Codex menyambut mereka, memperkenalkan konsep-konsep utama perusahaan, dan menggunakan komputer mereka untuk menyelesaikan penyiapan integrasi di latar belakang. Saat muncul pertanyaan berulang atau pengecualian, tim SDM dapat memperbarui keterampilan tersebut sebelum kelompok berikutnya bergabung.

Basis cukup mendemonstrasikan proses orientasi sekali, lalu mengubahnya menjadi keterampilan yang dapat digunakan kembali, dengan pemicu yang jelas, langkah-langkah yang diketahui, akses ke alat yang tepat, dan definisi "selesai" yang jelas. Proses ini tidak lagi bergantung pada ketersediaan satu orang, tetapi tim tetap dapat turun tangan untuk menangani pengecualian atau pertanyaan rumit. Orientasi kini lebih konsisten, dapat diulang, dan lebih mudah ditingkatkan. Karyawan baru pun langsung memperoleh contoh cara bekerja dengan AI.

Clay, perusahaan yang membangun mesin pendapatan mandiri yang terus belajar untuk tim go-to-market, menghadapi tantangan penjualan yang umum: konteks transaksi penting tersebar di catatan CRM, email, Slack, panggilan, presentasi, pesan teks, serta percakapan dengan tim internal dan pendukung pelanggan.

Agar konteks tersebut selalu mutakhir, salah satu engineer GTM Clay mencoba pendekatan yang lebih baik: workspace permanen dan subagen khusus untuk setiap akun. Setiap subagen meninjau sumber primer dan memperbarui folder transaksinya pada malam hari. Setiap pagi, agen koordinator mengubah pembaruan dari seluruh akunnya menjadi daftar singkat tindakan prioritas: menjawab pertanyaan pelanggan yang belum terselesaikan, mengisi kekosongan dalam komite pembelian, atau memberi calon pelanggan alasan untuk kembali berinteraksi.

Menurut Clay, alur kerja tersebut menghemat sekitar satu jam yang biasanya ia habiskan setiap malam untuk memilah kotak masuk. Prioritas harian membantunya menindaklanjuti langkah-langkah kecil yang dapat memberikan dampak besar selama siklus penjualan enterprise yang panjang. Bukti pendukung selalu disertakan bersama setiap rekomendasi, sehingga penjual dapat memeriksa sumber primer sebelum bertindak. Perusahaan dapat memperluas konteks bersama tersebut kepada account executive, BDR, solutions engineer, dan pemimpin penjualan, sesuai izin akun yang berlaku.

Clay menunjukkan hal-hal yang dibutuhkan agar pekerjaan yang terus berkembang dapat ditingkatkan skalanya: struktur yang konsisten, jadwal pembaruan yang bermanfaat, bukti bersama, dan pertimbangan manusia saat mengambil tindakan.

Exa Labs, yang membangun infrastruktur pencarian web untuk agen AI, ingin menyediakan API pencariannya di mana pun developer dapat menggunakannya. Tim tersebut menyebut sasaran ini "Exa di mana-mana". Sebelumnya, untuk mencapainya, tim hubungan developer dan pengelola akun harus memantau repositori serta ekosistem yang lebih luas, mengidentifikasi integrasi potensial, mengumpulkan konteks, dan mengoordinasikan pekerjaan lintas sistem. Meski peluangnya beragam, proses dari penemuan hingga implementasi selalu mengikuti urutan yang konsisten. Exa mengubah urutan tersebut menjadi alur kerja yang jelas untuk Codex, lengkap dengan prioritas, akses ke sumber yang diperlukan, dan peninjauan manusia sebelum apa pun dirilis.

Codex kini memantau peluang integrasi berprioritas tinggi, mengumpulkan konteks yang relevan, membuat pull request, menjalankan pengujian, dan menyiapkan pembaruan mingguan menggunakan sumber seperti Slack dan Notion. Jika sesuai, Codex juga dapat menyusun draf langkah berikutnya, termasuk pengumuman awal, untuk ditinjau oleh tim. Alur kerja ini membawa peluang dari sinyal menjadi artefak yang telah diuji, sekaligus mengurangi serah terima antara riset, engineering, dan komunikasi.

Manusia tetap menentukan peluang mana yang penting, komitmen apa yang harus dibuat Exa, dan cara mengelola hubungan eksternal. Pengujian dan titik peninjauan membuat pekerjaan agen terlihat sebelum dirilis. Hasil pengujian dan peninjauan manusia dapat menunjukkan bagian alur kerja yang perlu disesuaikan sebelum dijalankan kembali. Seiring meningkatnya dampak pekerjaan, izin, bukti, dan hak pengambilan keputusan menjadi bagian yang semakin penting dalam desain alur kerja.

Secara keseluruhan, Basis, Clay, dan Exa menerjemahkan pola yang kami lihat dalam Sinyal Enterprise ke dalam praktik operasional. Basis mengubah proses yang telah terbukti menjadi keterampilan yang dapat digunakan kembali. Clay memberi agen konteks dan kesinambungan yang diperlukan agar pekerjaan yang terus berkembang selalu mutakhir. Exa menambahkan alat, pengujian, dan peninjauan agar agen dapat mengubah sinyal menjadi pelaksanaan yang terkendali. Ketiganya menjadikan peningkatan sebagai bagian dari alur kerja: pengecualian dalam orientasi mengungkap bagian keterampilan yang perlu disempurnakan; aktivitas akun baru dan validasi penjual menjaga konteks transaksi tetap mutakhir; sementara pengujian dan peninjauan manusia mempertajam batasan pelaksanaan mendatang. Masing-masing dimulai dengan tugas tertentu dan ruang yang cukup untuk mengujinya. Pembagian tugas menjadi semakin jelas melalui penggunaan, dan tanggung jawab bertambah seiring alur kerja membuktikan keberhasilannya.

Dengan melebarnya kesenjangan AI terdepan, pemimpin perusahaan perlu memberi karyawan ruang untuk menguji alur kerja yang berdampak, mengukur keberhasilan, dan mengubah eksperimen terbaik menjadi praktik yang dapat diulang.

• Pilih satu area penciptaan nilai yang berdampak besar. Mulailah dengan alur kerja menyeluruh yang mempertemukan prioritas strategis, sistem, serah terima, kontrol, dan hasil yang dapat diukur. Alur tersebut harus cukup sering berulang agar dapat dipelajari dan cukup penting untuk membenarkan perancangan ulang.
• Tentukan hasil dan cara mengukurnya. Tentukan penanggung jawab, KPI, tolok ukur awal, dan batasan pengaman. Ukur kedalaman penggunaan melalui tugas yang diselesaikan, konteks dan alat yang terhubung, pengecualian, serta beban peninjauan. Ukur nilai melalui waktu siklus, kualitas, biaya, pendapatan, atau risiko. Volume output dapat menunjukkan bahwa orang meminta AI melakukan lebih banyak hal; hasil alur kerja menunjukkan apakah hal itu berdampak.
• Tulis deskripsi tugas agen. Tentukan pemicu pekerjaan, hasil, konteks yang diperlukan, alat, izin, dan seberapa gigih agen harus bekerja hingga tugas selesai. Tentukan bukti yang harus dihasilkan dan titik saat agen harus berhenti untuk peninjauan manusia.
• Bangun sistem manusia di sekitar agen. Libatkan orang-orang yang paling dekat dengan alur kerja dalam proses desain. Tentukan siapa yang bertanggung jawab atas hasil bisnis, logika bidang, akses dan kontrol, adopsi, serta penggunaan sehari-hari. Startup memusatkan berbagai tanggung jawab ini pada beberapa orang; perusahaan memerlukan hak pengambilan keputusan yang jelas seiring peningkatan skala alur kerja.
• Jadikan eksperimen terlihat dan dapat digunakan kembali. Riset OpenAI menemukan bahwa enam bulan setelah adopsi, karyawan di awal karier mengirim 13 pesan lebih banyak per minggu daripada para eksekutif. Beri karyawan ruang untuk menguji kasus penggunaan baru, lalu dokumentasikan proses dan bukti dari hal yang berhasil serta kemas sebagai keterampilan, Plugin, atau workspace bersama. Chat, Work, dan Codex⁠(terbuka di jendela baru) mendukung mode yang berbeda: Chat untuk pertanyaan dan kolaborasi cepat, Work untuk pekerjaan pengetahuan bertahap dan hasil akhir yang siap digunakan, serta Codex untuk pelaksanaan teknis.
• Terapkan pola operasional tersebut ke tahap berikutnya. Pertahankan konteks, izin, evaluasi, titik peninjauan, penanggung jawab, ukuran, dan dukungan yang terbukti berhasil, lalu terapkan semuanya pada area penciptaan nilai berikutnya. Setiap eksperimen baru harus memberi tim berikutnya titik awal yang lebih baik.