Peluang AI Perusahaan adalah Augmentasi, Bukan Penggantian

Kecerdasan buatan generatif dapat menghasilkan visi masa depan yang masuk akal dalam hitungan detik. Itu tidak berarti bisnis harus membangun strategi mereka di sekitarnya.

Sebuah studi baru-baru ini yang membandingkan skenario tenaga kerja yang dihasilkan AI dengan foresight yang dipimpin ahli menemukan pembagian kekuatan yang jelas.¹ ChatGPT 4.5, Gemini Advanced 2.5 Pro, dan DeepSeek R1 menghasilkan skenario terstruktur dengan cepat, efisien, dan mencakup beragam tema. Namun, para ahli manusia menghasilkan masa depan dengan kedalaman konteks yang lebih besar, sensitivitas etis, dan kegunaan strategis yang lebih tinggi.

Penelitian ini berfokus pada manajemen bakat di sektor pariwisata dan perhotelan, namun implikasinya melampaui hotel dan perjalanan. Setiap perusahaan yang kini mempertimbangkan AI untuk perencanaan, perekrutan, analisis risiko, atau dukungan keputusan eksekutif menghadapi pertanyaan yang sama: Apakah sistem menghasilkan wawasan, atau sekadar menyusun ide-ide yang sudah dikenal menjadi narasi yang meyakinkan?

Jawabannya bukan bahwa AI tidak bernilai. Sebaliknya, nilai AI paling besar ketika ia memperluas bidang kemungkinan sebelum orang berpengalaman memutuskan apa yang layak dipertimbangkan secara serius.

Bagaimana Peneliti Menguji GenAI sebagai Alat Foresight Strategis

Para peneliti meminta tiga platform AI untuk mengembangkan skenario tenaga kerja tahun 2035 menggunakan kerangka Four Futures milik Dator. Metode ini mengeksplorasi empat arah luas: kelanjutan, keruntuhan, disiplin, dan transformasi.

Setiap model menerima prompt standar yang mencakup kondisi tempat kerja, penggunaan AI dalam sumber daya manusia, persepsi karyawan, keterampilan yang muncul, etika, kebijakan, dan pendidikan. Narasi yang dihasilkan dibandingkan dengan skenario yang sebelumnya dikembangkan melalui wawancara dengan 30 ahli internasional di bidang pariwisata dan perhotelan, termasuk manajer, profesional HR, spesialis teknologi, dan akademisi.

Keempat skenario berkisar dari tempat kerja yang digerakkan AI di mana otomatisasi meningkatkan rekrutmen dan pelatihan hingga masa depan yang terlalu otomatis dengan pengawasan, depersonalisasi, dan ketidakpuasan karyawan. Model juga mempertimbangkan tempat kerja manusia-AI yang seimbang dan masa depan di mana industri secara sengaja membatasi otomatisasi untuk mempertahankan layanan pribadi.

Eksperimen ini sengaja dibatasi. Model menerima prompt satu kali tanpa pertanyaan lanjutan, validasi eksternal, umpan balik pemangku kepentingan, atau penyempurnaan iteratif. Akibatnya, makalah ini mengevaluasi masa depan AI‑generated dasar alih‑alih hasil optimal yang mungkin dicapai melalui alur kerja manusia‑AI yang canggih.

Di Mana AI Lebih Unggul dan Di Mana Ahli Tetap Memiliki Keunggulan

Hasil perbandingan studi menunjukkan mengapa AI generatif menarik bagi bisnis. Ia dapat dengan cepat mengisi halaman kosong dengan peran, risiko, kebijakan, dan respons organisasi yang mungkin. Kecepatan itu dapat membuat perencanaan skenario formal menjadi dapat diakses oleh perusahaan kecil yang tidak dapat menyewa tim konsultan besar untuk setiap pertanyaan strategis.

Kelemahan muncul ketika kebutuhan akan kelengkapan harus menjadi penilaian. Model mengenali isu‑isu seperti bias, privasi, penggantian pekerjaan, dan pengawasan, namun umumnya memperlakukan mereka hanya sebagai kategori yang disebutkan. Para ahli menelusuri bagaimana isu‑isu tersebut akan memengaruhi moral, budaya layanan, suara karyawan, kendala organisasi, dan beban emosional yang menjadi inti perhotelan.

Perbedaan ini penting. Model bahasa dapat mengidentifikasi bahwa otomatisasi mungkin mengurangi kontak manusia. Seorang operator berpengalaman lebih mungkin memahami interaksi mana yang dihargai pelanggan, keputusan mana yang akan ditolak pekerja, dan di mana proses yang tampaknya efisien dapat merusak kepercayaan atau retensi.

Peluang Sebenarnya bagi Perusahaan adalah Eksplorasi Strategis yang Lebih Cepat

Interpretasi yang paling berguna bukanlah bahwa manusia mengalahkan AI. Melainkan bahwa masing‑masing beroperasi pada lapisan masalah yang berbeda.

GenAI efektif dalam menghasilkan kemungkinan. Para ahli lebih unggul dalam mengevaluasi kemungkinan. Menggabungkan kedua fungsi ini dapat menciptakan proses yang lebih kuat daripada mengandalkan sepenuhnya pada salah satu pihak.

Sebuah organisasi dapat menggunakan AI untuk membuat puluhan skenario dasar, mengubah asumsi kritis, mengidentifikasi sinyal lemah, dan mengungkap kontradiksi. Peserta manusia kemudian dapat menolak narasi umum, menambahkan bukti lokal, memperkenalkan perspektif pemangku kepentingan, dan memutuskan perkembangan mana yang layak mendapatkan investasi atau perencanaan kontinjensi.

Pendekatan ini menyerupai transisi yang lebih luas dari model mandiri ke sistem perusahaan yang lengkap. Seperti yang telah diteliti sebelumnya oleh Securities.io, sebagian besar penerapan agenik kehilangan lapisan penting di sekitar kecerdasan yang mendasarinya. Model yang mampu hanyalah satu komponen. Akses data, orkestrasi, tata kelola, keamanan, akuntabilitas, dan integrasi menentukan apakah ia menciptakan nilai yang berkelanjutan.

Untuk penggunaan praktis, perusahaan harus memperlakukan skenario yang dihasilkan AI sebagai hipotesis yang harus melewati beberapa pemeriksaan:

• Asumsi mana yang tidak didukung atau terlalu umum?
• Kepentingan dan pengalaman siapa yang tidak ada?
• Bukti apa yang akan mengonfirmasi atau melemahkan skenario tersebut?
• Keputusan mana yang tetap dapat dibalik jika perkiraan salah?

Ini mengubah AI dari otoritas menjadi rekan sparring intelektual. Tujuannya adalah memperluas pertimbangan, bukan menutup perdebatan.

Mengapa Pengawasan Manusia Menjadi Kebutuhan Ekonomi

Tinjauan manusia sering disajikan sebagai jaminan etis yang ditambahkan setelah sistem AI dibangun. Dalam aplikasi strategis, hal ini menjadi bagian dari produk itu sendiri.

Sebuah perkiraan yang mengabaikan regulasi, resistensi tenaga kerja, atau perilaku pelanggan dapat mengarahkan modal ke proyek yang salah. Sistem perekrutan yang mengoptimalkan efisiensi yang dapat diukur sambil melemahkan kepercayaan dapat meningkatkan turnover dan eksposur hukum. Alat perencanaan skenario yang mengulang asumsi dominan dapat membuat eksekutif lebih percaya diri tanpa membuat mereka lebih terinformasi.

Regulasi memperkuat kebutuhan ini. European Union’s AI Act mengklasifikasikan aplikasi tertentu dalam bidang ketenagakerjaan dan manajemen pekerja sebagai berisiko tinggi dan memanggil langkah-langkah termasuk dokumentasi, keterlacakan, akurasi, dan pengawasan manusia. Persyaratan ini menjadikan kemampuan tata kelola relevan secara komersial, bukan sekadar reputasi.

Keunggulan kompetitif yang muncul mungkin oleh karena itu adalah intelijen kontekstual: kemampuan menghubungkan output model dengan data kepemilikan, pengetahuan sektor, regulasi, sejarah organisasi, dan pengalaman hidup orang yang terdampak. Model fondasi akan terus berkembang, tetapi akses ke model yang mampu menjadi kurang berbeda. Aset yang lebih sulit direproduksi adalah sistem di sekitarnya.

Ini juga membantu menjelaskan mengapa kecerdasan semakin diperlakukan sebagai infrastruktur. Infrastruktur menjadi berguna secara ekonomi ketika dapat diandalkan, dikelola, dan terhubung dengan operasi nyata. Generasi mentah hanyalah awal dari rantai nilai tersebut.

Batasan Kritis Mengubah Cara Hasil Harus Dibaca

Studi ini mengandung asimetri penting. Skenario AI merupakan output mentah pertama, sementara perbandingan manusia berasal dari wawancara yang disintesis, disunting, dan dipublikasikan melalui tinjauan sejawat. Beberapa keunggulan para ahli mungkin mencerminkan proses produksi yang lebih kaya daripada perbedaan inheren antara penalaran manusia dan mesin.

Versi model yang dipilih juga mencerminkan jendela pengumpulan data Februari hingga Maret 2025. Mengingat kecepatan perkembangan AI, penelitian ini tidak boleh diinterpretasikan sebagai peringkat permanen ChatGPT, Gemini, DeepSeek, atau pakar manusia.

Batasan tersebut tidak membatalkan temuan utama. Sebaliknya, mereka mengarah pada eksperimen berikutnya: membandingkan tim ahli dengan tim ahli yang menggunakan AI, dengan kedua belah pihak diberikan akses yang setara ke bukti, iterasi, dan penyempurnaan editorial. Hal ini akan mengukur apakah GenAI menutup kesenjangan kontekstual ketika diintegrasikan dalam proses yang ketat.

Berinvestasi pada Lapisan Integrasi Manusia-AI

Temuan ini menciptakan kasus investasi alami bagi Accenture. Perusahaan berada di antara model fondasi yang semakin canggih dan perusahaan yang membutuhkan model tersebut diubah menjadi alur kerja yang aman dan spesifik industri.

Relevansi Accenture tidak didasarkan pada kepemilikan model fondasi terkemuka. Hal ini berasal dari menggabungkan implementasi teknologi dengan pengetahuan proses, transformasi tenaga kerja, tata kelola, dan keahlian sektor. Posisi tersebut sangat selaras dengan kesimpulan studi bahwa AI menjadi lebih berguna ketika outputnya ditafsirkan dan dikontekstualisasikan oleh manusia.

Perusahaan baru-baru ini membentuk Accenture Gemini Enterprise Business Group bersama Google Cloud. Inisiatif ini menggabungkan profesional bersertifikat, keahlian industri, kerangka kerja implementasi, dan tenaga kerja teknik yang dikerahkan ke depan berjumlah 1.000 orang. Tujuan yang dinyatakan adalah memindahkan pelanggan dari percobaan AI terbatas menuju hasil perusahaan yang dapat diukur.

Strategi itu juga membawa risiko. Proyek AI yang dipimpin konsultan dapat menjadi mahal, manfaatnya sulit diukur, dan perangkat lunak yang berkembang cepat dapat mengotomatisasi sebagian pekerjaan implementasi. Accenture harus membuktikan bahwa keahliannya menghasilkan perbaikan operasional yang berkelanjutan, bukan hanya program percontohan yang diperpanjang. Namun, penelitian mendukung premis dasar bahwa perusahaan akan membutuhkan lebih dari sekadar akses model. Mereka akan memerlukan bantuan untuk merancang ulang keputusan, tanggung jawab, dan alur kerja di sekitarnya.

AI Akan Membentuk Strategi Tanpa Menjadi Strategis

AI generatif sudah mampu membuat eksplorasi strategis menjadi lebih cepat dan lebih murah. Ia dapat menghasilkan alternatif, mengatur ketidakpastian, dan memberi para pengambil keputusan sesuatu yang konkret untuk ditantang. Itu merupakan keunggulan yang berarti.

Apa yang belum dapat disediakannya secara mandiri adalah akuntabilitas atas asumsi-asumsi dalam narasinya. Ia tidak menanggung biaya ketika rekomendasi umum berbenturan dengan budaya tempat kerja, regulasi, atau perilaku manusia.

Model perusahaan yang paling kuat oleh karena itu bukanlah otomatisasi penuh maupun penolakan AI. Itu adalah pembagian kerja yang disiplin: mesin menghasilkan dan memvariasikan kemungkinan, sementara manusia menyediakan bukti, konteks, penilaian etis, dan tanggung jawab. Bagi investor, hal ini mengalihkan fokus dari sekadar model ke perusahaan yang membangun lapisan integrasi, tata kelola, dan keahlian yang membuat AI dapat digunakan dalam ekonomi nyata.

Referensi:

¹ El Hajal, G., & Ivanov, S. (2026). Mesin, pikiran, dan masa depan kerja: GenAI dan imajinasi kerja masa depan. Futures, 184, 103934. https://doi.org/10.1016/j.futures.2026.103934