Proses Bisnis Rusak Membuat Otomasi Memperbesar Masalah

Intisari Artikel

• Teknologi tidak menyelesaikan masalah proses bisnis, karena otomasi dan AI hanya menjalankan apa pun logika yang sudah ada, kalau prosesnya rusak, hasilnya adalah kerusakan yang sama dalam skala dan kecepatan yang jauh lebih besar.
• Kernel Future memperkenalkan Amplification Formula, Dampak Teknologi sama dengan Kualitas Proses Dasar dikalikan Kejelasan Aturan Keputusan dikalikan Kesiapan Menangani Pengecualian.
• McKinsey menemukan hanya 17 persen organisasi berhasil menskalakan otomasi AI, dan kesenjangan itu hampir selalu kembali ke kejelasan proses sebelum penerapan, bukan ke alat yang dipilih.
• Sebelum menerapkan otomasi atau AI berikutnya, periksa dulu kesiapan proses Anda lewat Process Readiness Check di lima dimensi, Consistent Steps, Clear Decision Rules, Standardized Input, Exception Rate Low, dan Single Process Owner.

Siapa yang tidak berharap otomasi atau AI baru akan membereskan proses bisnis yang selama ini terasa berantakan? Rasanya begitu sistemnya canggih, kekacauan yang selama ini terjadi akan otomatis rapi dengan sendirinya. Tapi tahukah Anda, dalam banyak kasus, teknologi yang diterapkan pada proses yang berantakan justru membuat kekacauan itu berjalan lebih cepat dan menyebar lebih luas, bukan menghilang?

Kernel Future ingin meluruskan satu hal sejak awal. Masalahnya bukan karena teknologi yang dipilih kurang canggih. Masalahnya adalah karena teknologi diberi tugas menyembunyikan proses yang sudah rusak, padahal yang sebenarnya terjadi adalah proses rusak itu justru dipercepat dan diperbesar skalanya, bukan diperbaiki.

Proses Bisnis: Otomasi sebagai Amplifier, Bukan Obat

BOC Group menyatakannya secara langsung, mengotomasi proses yang cacat akan memperbesar kecacatan itu sendiri. Karena itu, kejelasan dan optimasi proses harus selalu mendahului otomasi, teknologi bisa memperkuat proses yang sudah kuat, tapi tidak bisa menutupi proses yang sudah rusak.

Bill Gates menulis sesuatu pada 1995 yang justru semakin relevan hari ini, otomasi yang diterapkan pada operasi yang efisien akan memperbesar efisiensinya, sementara otomasi yang diterapkan pada operasi yang tidak efisien akan memperbesar ketidakefisienan itu. Kalimat ini ditulis jauh sebelum ChatGPT ada, tapi menggambarkan persis apa yang terjadi pada adopsi AI hari ini, mereka yang berhasil sudah lebih dulu merapikan prosesnya, AI hanya membuat mereka semakin sulit dikejar, sementara yang berjuang berharap AI membereskan alur kerja yang berantakan, hasilnya justru mempercepat kekacauan itu dalam skala yang lebih besar.

Kernel Future Insight Ibarat pengeras suara, otomasi tidak peduli apakah sinyal yang masuk itu jernih atau berisik, ia hanya memperbesar apa pun yang diterimanya. Kalau perusahaan Anda berharap membeli sistem otomasi atau AI akan otomatis merapikan proses yang selama ini berantakan, harapannya sudah salah sejak awal. Otomasi bukan alat untuk memperbaiki proses, ia adalah alat untuk memperbesar proses, entah itu proses yang bagus atau yang buruk.

Ekosistem Penuh, Bukan Cuma Satu Titik

Kesalahan umum lain adalah memperbaiki satu bagian proses tanpa melihat bagaimana bagian itu terhubung dengan keseluruhan sistem, dari hulu sampai hilir.

Analisis dari Carolina Handling menegaskan otomasi tidak menyembunyikan masalah, ia justru mengungkapnya. Manusia bisa mengakali proses yang cacat, memakai logika, jalan pintas, dan pengalaman untuk tetap membuat sesuatu berjalan. Otomasi tidak melakukan itu, ia menjalankan persis apa yang diperintahkan, kalau prosesnya cacat, hasilnya akan cacat secara konsisten. Analisis ini juga mencatat, tanpa pemahaman penuh terhadap keseluruhan sistem, termasuk dampak hulu dan hilirnya, teknologi bisa menciptakan inefisiensi baru alih alih menyelesaikan yang sudah ada, karena otomasi butuh ekosistem, bukan sekadar dipasang lalu dilupakan.

Kernel Future Insight Memperbaiki satu titik tanpa melihat keseluruhan sistem adalah resep untuk kekecewaan. Meningkatkan throughput di satu bagian operasi bisa menciptakan bottleneck baru di bagian lain kalau sistem secara keseluruhan tidak dipertimbangkan. Otomasi yang benar benar berhasil selalu dimulai dari pertanyaan, apa yang terjadi sebelum dan sesudah titik ini dalam keseluruhan alur kerja, bukan cuma bagaimana mempercepat titik itu sendiri.

Skala Kegagalan yang Bisa Diukur

Klaim soal otomasi memperbesar masalah bukan sekadar opini, angkanya konsisten muncul di berbagai riset independen.

McKinsey menemukan hanya 17 persen organisasi berhasil menskalakan otomasi AI, dan kesenjangan antara yang berhasil dan yang tidak hampir selalu kembali ke kejelasan proses sebelum penerapan, bukan ke alat yang dipilih. Sejalan dengan itu, riset yang dikutip Harvard Business Review menemukan sekitar 80 persen proyek AI gagal, dan alasannya bukan teknologinya, melainkan kelemahan operasional, data yang buruk, alur kerja yang tidak jelas, dan proses yang tersekat sekat. Riset lain menemukan hanya 14 persen perusahaan yang benar benar “siap AI”, dan perusahaan perusahaan ini menangkap 70 persen dari nilai finansial AI secara keseluruhan, sementara mayoritas lainnya berputar putar tanpa hasil jelas dari investasi AI mereka.

Kernel Future Insight Angka 17 persen, 80 persen, dan 14 persen ini semuanya bercerita tentang hal yang sama dari sudut berbeda, kegagalan otomasi dan AI jarang sekali soal teknologinya. Kalau teknologi benar benar jadi penyebab utama, angka kegagalan seharusnya membaik seiring teknologi makin canggih dari tahun ke tahun. Tapi karena akar masalahnya konsisten soal kesiapan proses, angka ini tetap bertahan tinggi meski model AI sudah jauh lebih pintar dibanding beberapa tahun lalu.

Framework Second Order Impact, dari Otomasi ke Kekacauan yang Melipat Ganda

Bagian ini menunjukkan bagaimana menerapkan otomasi pada proses yang belum siap bisa merambat jadi kerugian yang jauh lebih besar dari yang terlihat di awal.

First Order Impact Perusahaan menerapkan otomasi atau AI pada proses yang sudah berjalan, dengan harapan proses tersebut jadi lebih cepat dan lebih murah untuk dijalankan.

↓

Second Order Impact Otomasi menjalankan proses tersebut apa adanya secara konsisten. Celah yang dulu bisa ditambal manual oleh manusia, seperti mengecek data yang hilang atau menghubungi rekan kerja untuk memastikan sesuatu, kini hilang begitu saja, dan celah yang tadinya tersembunyi mulai terlihat sekaligus membesar dalam skala yang jauh lebih luas dari sebelumnya.

↓

Third Order Impact Konsekuensi organisasional mulai menumpuk, biasanya baru terasa penuh setelah beberapa minggu berjalan, dalam bentuk,

• Compounding errors, kesalahan yang dulu jarang terjadi kini muncul berulang karena dijalankan secara konsisten pada skala penuh
• Shadow process, tim membangun proses manual bayangan untuk menambal kesalahan otomasi, sehingga organisasi kini mengelola dua proses sekaligus, bukan satu yang lebih efisien
• Escalating fix cost, memperbaiki proses setelah otomasi diterapkan bisa memakan biaya tiga sampai lima kali lebih mahal dibanding memperbaikinya sebelum otomasi dijalankan
• Trust erosion, kepercayaan tim terhadap sistem otomatis runtuh, membuat inisiatif otomasi berikutnya jadi lebih sulit mendapat dukungan

↓

Business Impact Value creation atau value destruction. Perusahaan yang membereskan proses terlebih dahulu sebelum menerapkan otomasi mendapat force multiplier yang sesungguhnya. Perusahaan yang mengotomasi proses yang belum siap akan menyaksikan kekacauan yang sama berlipat ganda, dalam skala dan kecepatan yang jauh lebih sulit dihentikan dibanding sebelum otomasi diterapkan.

Process Business Readiness Check

Setelah memahami rantai dampaknya, langkah berikutnya adalah menilai apakah proses Anda benar benar siap diotomasi. Kernel Future menggunakan lima pertanyaan berikut. Jawab setiap pertanyaan dengan Ya atau Belum, lalu hitung total jawaban Ya di akhir.

Consistent Steps Apakah proses ini dijalankan dengan cara yang sama, siapa pun orang yang mengerjakannya? (Ya / Belum)

Clear Decision Rules Apakah semua titik keputusan dalam proses ini bisa dijelaskan tanpa kata “tergantung situasinya”? (Ya / Belum)

Standardized Input Apakah data atau input yang masuk ke proses ini sudah dalam format yang konsisten, bukan bercampur dari berbagai sumber? (Ya / Belum)

Exception Rate Low Apakah kasus pengecualian yang membutuhkan penilaian manusia kurang dari 15 persen dari total volume proses? (Ya / Belum)

Single Process Owner Apakah ada satu pemilik proses yang jelas bertanggung jawab penuh atas hasil akhirnya? (Ya / Belum)

Hasil 0 sampai 2 jawaban Ya, artinya proses Anda belum siap diotomasi, dan menerapkan teknologi sekarang berisiko memperbesar kekacauan yang sudah ada. 3 sampai 4 jawaban Ya, artinya proses Anda sudah cukup siap, tinggal menutup celah yang tersisa sebelum menerapkan otomasi secara penuh. 5 jawaban Ya, artinya proses Anda benar benar siap diotomasi, dan teknologi akan berfungsi sebagai force multiplier sesungguhnya.

Kalau hasil Anda belum sampai lima, itu artinya menerapkan otomasi atau AI sekarang justru berisiko mempercepat masalah yang sama, bukan menyelesaikannya.

Pertanyaan yang Sering Diajukan (FAQ)

Sebelum bertanya kenapa sistem otomasi atau AI kami tidak bekerja seperti yang dijanjikan, tanyakan terlebih dahulu apakah proses di baliknya sudah cukup jelas dan konsisten sebelum diotomasi.

Daftar Pustaka

1. BOC Group, Business Process Automation, Strategy and Benefits Guide, https://www.boc-group.com/en/blog/bpm/process-automation-your-path-to-operational-efficiency/
2. Document Strategy Media, Why Technology Won’t Solve Your Business Process Problem, https://documentmedia.com/article-2589-Why-Technology-Wont-Solve-Your-Business-Process-Problem.html
3. Carolina Handling, Automation Is a Power Amplifier, Not a Silver Bullet, https://www.carolinahandling.com/handled-it/automation-is-a-power-amplifier
4. EnvisionUP, AI Won’t Fix Your Broken Processes, It’ll Just Break Them Faster, https://www.envisionup.com/blog/ai-wont-fix-your-broken-processes-itll-just-break-them-faster/
5. AI Essentials, Why Workflow Automation Fails When Your Process Is Already Broken, https://aiessentials.us/blog/why-workflow-automation-fails-when-your-process-is-already-broken