Pernahkah Anda mempertimbangkan perbedaan antara alat dan sistem?
Alat adalah hal-hal yang kita gunakan saat bekerja. Sistem, serupa, membuat pekerjaan lebih efisien.
Beberapa orang mungkin memiliki gambaran bahwa sistem hanyalah alat yang lebih kompleks.
Namun, jika kita mengklasifikasikan pekerjaan menjadi dua jenis—pekerjaan iteratif dan pekerjaan berbasis alur—perbedaan antara alat dan sistem menjadi sangat jelas.
Iterasi dan Alur
Pekerjaan iteratif adalah proses menciptakan deliverable secara bertahap melalui trial and error, beradaptasi secara fleksibel seiring berjalannya waktu.
Untuk pekerjaan iteratif, toolkit yang memungkinkan Anda memilih alat yang tepat untuk tugas-tugas spesifik sangatlah berguna.
Pekerjaan berbasis alur, di sisi lain, melibatkan kemajuan melalui tahapan, menghasilkan deliverable pada tahap akhir.
Untuk pekerjaan berbasis alur, memiliki sistem untuk memandu pekerjaan sepanjang alur secara signifikan meningkatkan produktivitas dan kualitas.
Transformasi Pekerjaan Berbasis Alur dan Sistematisasi
Sebagian besar pekerjaan yang dilakukan oleh manusia adalah pekerjaan iteratif atau merupakan komponen dari proses berbasis alur yang telah disistematisasi.
Mentransformasi pekerjaan iteratif menjadi pekerjaan berbasis alur, lalu menyistematisasinya, berkontribusi secara signifikan terhadap peningkatan produktivitas dan kualitas.
Revolusi Industri dan Revolusi TI
Revolusi Industri dan Revolusi TI adalah contoh utama peningkatan produktivitas dan kualitas secara signifikan melalui transformasi pekerjaan iteratif menjadi pekerjaan berbasis alur dan sistematisasi selanjutnya.
Sebelum Revolusi Industri, manufaktur dilakukan sebagai pekerjaan iteratif, di mana manusia dengan terampil menggunakan alat, bebas mengubah pengaturan dan prosedur setiap kali.
Pemrosesan informasi sebelum Revolusi TI juga merupakan pekerjaan iteratif, dengan manusia menggunakan alat dan melanjutkan dengan cara yang tidak terstandardisasi.
Dengan menyistematisasi proses-proses ini, sama seperti lini produksi pabrik dan sistem TI bisnis, produktivitas dan kualitas ditingkatkan.
Namun, bukan hanya sistematisasi, tetapi transformasi berbasis alur dari pekerjaan iteratif tersebut sangatlah krusial. Justru karena transformasi berbasis alur tercapai, sistematisasi menjadi mungkin.
Revolusi AI Generatif
Ketika bertujuan untuk meningkatkan produktivitas dan kualitas dengan memanfaatkan AI generatif dalam bisnis, hanya menggunakan AI sebagai alat tidak akan menghasilkan nilai sejati.
Tujuan utamanya adalah transformasi pekerjaan iteratif menjadi pekerjaan berbasis alur, dan kemudian sistematisasi pekerjaan berbasis alur tersebut.
AI generatif, yang mampu beradaptasi secara fleksibel, dapat menangani tugas-tugas iteratif. Namun, baik dilakukan oleh manusia maupun AI generatif, ada batasan pada produktivitas dan kualitas pekerjaan iteratif.
Inilah mengapa sangat penting untuk menargetkan transformasi berbasis alur dan sistematisasi.
Seseorang mungkin berpendapat bahwa jika transformasi berbasis alur dapat meningkatkan produktivitas dan kualitas bahkan dengan pekerja manusia, inisiatif semacam itu seharusnya sudah dapat dilakukan sebelum munculnya AI generatif.
Namun, transformasi berbasis alur yang didasarkan pada pekerja manusia sebenarnya adalah masalah yang sangat sulit. Pekerja manusia tidak dapat segera beradaptasi dengan perubahan penugasan atau konten tugas.
Di sisi lain, ketika pekerjanya adalah AI generatif, mudah untuk mengkonfigurasi ulang penugasan dan konten tugas melalui trial and error.
Berbeda dengan manusia, AI generatif dapat melupakan langkah-langkah sebelumnya, secara instan membaca dan memahami prosedur baru, serta bekerja berdasarkan prosedur tersebut.
Oleh karena itu, pendekatan utama untuk memanfaatkan AI generatif dalam bisnis adalah transformasi pekerjaan iteratif menjadi pekerjaan berbasis alur dan sistematisasi selanjutnya.
Peningkatan Efisiensi Bisnis Menggunakan AI Generatif
Mari kita pertimbangkan contoh peningkatan efisiensi bisnis menggunakan AI generatif.
Sebagai contoh, pertimbangkan tugas menanggapi pertanyaan karyawan tentang aturan perusahaan.
Dengan menggunakan AI generatif, seseorang dapat mencari aturan perusahaan dan menyusun draf jawaban.
Namun, ada kemungkinan AI generatif merujuk pada aturan yang sudah usang atau secara keliru membayangkan dan memberikan jawaban yang tidak secara eksplisit tercantum dalam aturan.
Selain itu, pertanyaan datang dalam berbagai bentuk, seperti email, messenger tools, panggilan telepon, atau komunikasi verbal.
Oleh karena itu, karyawan yang menangani pertanyaan masih perlu menerimanya seperti sebelumnya.
Efisiensi dapat ditingkatkan dengan menjawab pertanyaan yang dapat ditangani di tempat, dan untuk pertanyaan yang memerlukan verifikasi aturan, memasukkan konten pertanyaan ke dalam AI generatif untuk menghasilkan draf jawaban.
Selain itu, untuk pertanyaan yang sering diajukan, perlu untuk mempublikasikannya di halaman beranda internal perusahaan sebagai FAQ.
AI generatif juga dapat digunakan untuk memasukkan pertanyaan dan jawaban umum serta membuat draf berpoin untuk publikasi di situs web.
Selanjutnya, ketika revisi aturan diperlukan, AI generatif dapat dimanfaatkan untuk menyusun proposal.
Aplikasi semacam itu mungkin membuat persentase tertentu dari tugas penanganan pertanyaan menjadi lebih efisien.
Namun, ini hanya membuat penanganan pertanyaan tetap sebagai pekerjaan iteratif dan menggunakan AI generatif sebagai alat.
Akibatnya, peningkatan efisiensi sangat terbatas.
Transformasi Pekerjaan Berbasis Alur
Untuk memaksimalkan efisiensi tugas penanganan pertanyaan yang diberikan sebagai contoh, tugas ini harus diubah menjadi suatu alur.
Untuk melakukan ini, tugas-tugas yang dilakukan oleh penanggung jawab saat menangani pertanyaan perlu dirinci dan diformalkan.
- Menerima pertanyaan melalui berbagai saluran.
- Jika pertanyaan sama dengan yang telah dijawab sebelumnya dan tidak ada perubahan pada aturan terkait, berikan jawaban yang sama.
- Untuk pertanyaan baru atau pertanyaan yang melibatkan perubahan aturan, konfirmasikan aturan dan susun draf jawaban.
- Periksa apakah draf jawaban tidak merujuk pada aturan usang atau menyertakan informasi yang tidak tercantum dalam aturan.
- Periksa apakah persetujuan diperlukan sebelum menjawab, dan dapatkan persetujuan jika perlu.
- Menanggapi melalui saluran tempat pertanyaan diterima.
- Mendaftarkan konten pertanyaan, hasil persetujuan, dan hasil jawaban dalam data riwayat pertanyaan.
- Secara teratur memeriksa data riwayat pertanyaan dan membuat draf untuk memperbarui pertanyaan dan jawaban yang sering diajukan.
- Memperbarui halaman beranda internal perusahaan setelah mendapatkan persetujuan.
- Memperbarui data aturan yang direferensikan saat aturan diperbarui.
- Bersamaan dengan itu, catat dalam data riwayat pertanyaan sebelumnya bahwa jawaban terkait dan pembaruan aturan telah terjadi.
- Konfirmasi apakah pertanyaan dan jawaban yang sering diajukan perlu ditinjau karena perubahan aturan, dan perbarui jika perlu.
Dengan mendefinisikan secara jelas detail tugas-tugas yang dilakukan, seperti yang dijelaskan di atas, tugas-tugas ini dapat dihubungkan, mengubah pekerjaan iteratif yang fleksibel menjadi proses berbasis alur yang lebih jelas.
Contoh Sistematisasi
Dengan menciptakan alur kerja ini, jalur menuju sistematisasi menjadi jelas.
Untuk sistematisasi, jika mengorbankan sedikit kenyamanan karyawan dapat diterima, salah satu pilihannya adalah mengkonsolidasikan saluran pertanyaan.
Sebaliknya, jika kenyamanan karyawan diprioritaskan, sistem harus mempertahankan kemampuan untuk menerima pertanyaan melalui semua saluran.
Pada dasarnya, sistem harus langsung menerima pertanyaan. Hanya untuk pertanyaan lisan, orang yang bertanggung jawab yang harus memasukkannya ke dalam sistem.
Setelah pertanyaan diterima, sistem TI dan AI generatif harus menjalankan sebanyak mungkin pekerjaan selanjutnya, mengikuti alur. Awalnya, pemeriksaan dan persetujuan manusia harus disisipkan di seluruh sistem, dan operator manusia harus dapat melakukan koreksi.
Kemudian, saat sistem digunakan untuk penanganan pertanyaan, jika AI generatif membuat kesalahan, instruksi kepada AI generatif harus diperbarui dengan peringatan, poin-poin untuk diperiksa, contoh kesalahan, dan contoh yang benar untuk mencegah terulangnya kesalahan.
Ini memungkinkan pengurangan kesalahan AI generatif. Proses memperbarui instruksi untuk AI generatif ini dapat dibuat lebih efisien jika diubah menjadi tugas berbasis alur daripada tugas iteratif.
Dengan cara ini, dengan menyistematisasi pekerjaan berbasis alur, bahkan tugas-tugas yang tampaknya membutuhkan intervensi manusia dapat digantikan oleh sistem yang berpusat pada AI generatif.
Kesalahpahaman Umum
Banyak orang berpendapat bahwa aplikasi bisnis AI generatif saat ini tidak terlalu efektif, atau terlalu dini.
Namun, sebagian besar dari individu-individu ini sering kali jatuh ke dalam dua pola kesalahpahaman.
Kesalahpahaman pertama muncul karena berfokus pada penggunaan AI generatif sebagai alat.
Seperti yang ditunjukkan di sini, memanfaatkan AI generatif sebagai alat untuk tugas-tugas iteratif tidak secara signifikan meningkatkan efisiensi bisnis. Mengalami atau mendengar tentang hal ini menyebabkan kesalahpahaman ini.
Kesalahpahaman kedua berasal dari fokus pada penggunaan AI generatif untuk mengeksekusi tugas-tugas iteratif.
Memang, mencoba membuat AI generatif saat ini melakukan tugas-tugas iteratif tidak berfungsi dengan baik. Akibatnya, AI generatif tidak dapat sepenuhnya mengambil alih tugas-tugas yang dilakukan oleh manusia, dan hanya berfokus pada titik ini menyebabkan kesalahpahaman.
Akhirnya
Seperti yang telah dibahas di sini, dengan mengubah pekerjaan iteratif menjadi pekerjaan berbasis alur dan menyistematisasinya, efisiensi yang lebih besar daripada sekadar menggunakan alat dapat diharapkan.
Lebih jauh, meskipun pekerjaan iteratif itu sendiri tidak dapat ditangani sepenuhnya, banyak tugas individu dalam proses berbasis alur dapat dikelola oleh AI generatif saat ini. Meskipun ada banyak kesalahan awal, perbaikan berkelanjutan dapat dicapai dengan memperbarui instruksi.
Atau, tugas dapat dibagi sesuai kebutuhan, memisahkan penyusunan dari pengecekan, atau menerapkan pengecekan multi-tahap.
Jika sistematisasi dapat dicapai dengan cara ini, maka perbaikan akan terus berlanjut dengan setiap tugas, dan operasi akan menjadi lebih efisien seiring waktu.
Ini adalah cara kerja yang memungkinkan perbaikan berkelanjutan dari mekanisme itu sendiri, mirip dengan produksi pabrik dan implementasi sistem TI.
Untuk memanfaatkan AI generatif, diperlukan perubahan pola pikir: alih-alih hanya memperbaiki tugas iteratif Anda sendiri, Anda perlu secara objektif mengubah pekerjaan Anda menjadi proses berbasis alur dan menyistematisasinya.