AI terasa personal

Excel relatif netral.

PowerPoint juga.

AI assistant lebih personal karena cara orang pakai berbeda.

Ada orang yang suka prompt panjang.

Ada yang singkat.

Ada yang pakai voice.

Ada yang sering upload file.

Ada yang pakai buat brainstorming.

Ada yang lebih suka coding.

Ada yang membangun memory dan context di dalam satu platform.

Semakin lama digunakan, semakin banyak kebiasaan terbentuk.

Makanya pindah AI terasa lebih mirip pindah assistant daripada pindah software.

User punya prompt library.

History.

Style.

Saved workflow.

Custom instruction.

Project.

Connector.

Trust.

Semua menciptakan switching cost psikologis.

Kalau perusahaan memilih vendor lain, user merasa mulai dari nol.

Secara teknis mungkin tidak benar-benar nol.

Tapi feeling-nya ada.

Dan feeling memengaruhi adoption.

BYOAI adalah BYOD versi baru

Beberapa tahun lalu perusahaan menghadapi Bring Your Own Device.

Karyawan membawa laptop atau smartphone pribadi.

IT harus menyesuaikan.

Sekarang kita masuk Bring Your Own AI.

Karyawan membawa tool favorit.

Account pribadi.

Workflow pribadi.

Prompt pribadi.

Extension browser.

Coding agent.

Meeting assistant.

Dari sisi productivity, ini bagus.

Orang menemukan tool yang cocok.

Dari sisi governance, nightmare.

Data perusahaan bisa masuk ke banyak vendor.

IT tidak tahu tool apa yang digunakan.

Legal tidak tahu terms.

Security tidak tahu retention.

Procurement tidak punya leverage.

Perusahaan kehilangan visibility.

Tapi larangan total juga susah.

Karena employee sudah merasakan value.

Kalau tool resmi lebih buruk, mereka akan cari jalan kembali.

Ini membuat AI governance harus realistis.

Bukan sekadar block.

Perusahaan perlu tahu kenapa orang memilih tool tertentu.

Biasanya alasannya sederhana.

Lebih cepat.

Lebih pintar di task tertentu.

Lebih nyaman.

Sudah biasa.

Bisa integrasi.

Bisa pakai dari HP.

Gratis.

Kalau tool resmi tidak memenuhi kebutuhan dasar itu, adoption akan gagal.

Satu vendor tidak mungkin menang semua task

Perusahaan suka standardization.

Lebih mudah kontrak.

Lebih mudah security.

Lebih mudah training.

Lebih mudah support.

Tapi AI adalah kategori yang sangat luas.

Model coding terbaik belum tentu model writing terbaik.

Tool meeting terbaik belum tentu tool research terbaik.

Image generation beda lagi.

Agent automation beda.

Data analysis beda.

Kalau perusahaan memaksa satu vendor untuk semuanya, employee mungkin merasa dibatasi.

Solusi lebih realistis adalah tier.

Satu atau dua platform general-purpose approved.

Beberapa specialist tool untuk function tertentu.

Sandbox untuk eksperimen.

Clear policy untuk consumer tools.

Dengan begitu governance tetap ada tapi tidak membuat organization lambat.

Vendor consolidation memang bagus.

Tapi over-consolidation bisa menurunkan performance.

AI stack mungkin lebih mirip software stack modern.

Ada core platform.

Ada specialist apps.

Tidak harus satu logo.

Karyawan sering tahu use case lebih dulu daripada manajemen

Ini bukan karena karyawan lebih pintar.

Mereka lebih dekat ke friksi.

Manajemen lihat proses dari atas.

Karyawan merasakan step kecil.

Copy data.

Rapikan format.

Cari file.

Buat email.

Baca dokumen.

Follow-up meeting.

Mereka tahu titik yang paling annoying.

Makanya employee-driven experimentation penting.

Kalau perusahaan memilih vendor hanya dari demo vendor, mereka bisa salah.

Demo biasanya showcase feature spektakuler.

Karyawan butuh hal sederhana.

Bisa upload PDF besar?

Output bahasa Indonesia natural?

Bisa baca spreadsheet?

Bisa terhubung ke email?

Response cepat?

Bisa dipakai di mobile?

Bisa maintain context?

Kadang feature sederhana menentukan adoption.

Perusahaan harus melakukan pilot dengan user nyata.

Bukan hanya IT.

Marketing.

Finance.

Legal.

HR.

Sales.

Operations.

Developer.

Setiap fungsi punya kebutuhan beda.

Procurement jangan hanya bertanya “AI paling bagus apa?”

Pertanyaan itu terlalu umum.

Lebih baik:

Untuk task kita, mana yang paling konsisten?

AI favorit bisa menciptakan silo baru

Setiap tool punya history dan data.

Kalau tim A pakai platform A, tim B platform B, knowledge mulai terfragmentasi.

Prompt bagus cuma hidup di satu akun.

Project context terkunci di satu tool.

Agent workflow hanya bisa dijalankan user tertentu.

Kalau orang resign, knowledge hilang.

Ini problem yang mulai muncul.

AI personal meningkatkan productivity individual.

Tapi organisasi butuh productivity kolektif.

Perusahaan perlu memisahkan personal habit dan institutional asset.

Prompt yang berharga sebaiknya didokumentasi.

Workflow penting masuk repository.

Knowledge base tidak boleh hanya ada di chat history.

Agent credential harus enterprise-owned.

Automation punya owner.

Kalau semua tergantung akun pribadi employee, organisasi rapuh.

Ini mirip Excel macro zaman dulu.

Satu orang punya file ajaib.

Semua kerja bergantung padanya.

Lalu orangnya cuti.

AI bisa menciptakan versi modern dari problem itu.

Standardization tetap perlu, tapi jangan terlalu cepat

Ada kecenderungan manajemen ingin segera memilih.

“Udah, kita pilih satu vendor dan scale.”

Kadang terlalu cepat.

Pasar AI bergerak cepat.

Model berubah.

Harga berubah.

Capability berubah.

Feature integration berubah.

Vendor yang unggul hari ini bisa kalah enam bulan lagi.

Kontrak tiga tahun bisa jadi risky.

Perusahaan perlu memikirkan portability.

Jangan hard-code terlalu banyak workflow ke satu model.

Gunakan model gateway.

Simpan prompt dan evaluation sendiri.

Pisahkan data layer.

Kalau vendor berubah, migrasi lebih mudah.

Ini juga memberi bargaining power.

Perusahaan tidak harus pindah.

Yang penting bisa pindah.

Kalau vendor tahu customer terkunci, pricing power naik.

Karyawan sebenarnya membantu menemukan benchmark nyata

Preference employee bisa dijadikan data.

Bukan dianggap gangguan.

Misalnya 70 persen analyst lebih suka platform A untuk document analysis.

Developer lebih suka platform B untuk code.

Marketing lebih suka platform C untuk brainstorming.

Kenapa?

Test.

Buat evaluation.

Bandingkan.

Karyawan bisa menjadi benchmark hidup.

Mereka menggunakan tool dalam kondisi nyata.

Ini lebih valuable daripada benchmark publik yang task-nya tidak sama dengan perusahaan.

Perusahaan bisa membuat internal eval.

Ambil 30 task nyata.

Hilangkan data sensitif.

Uji beberapa platform.

Nilai accuracy.

Time saved.

Cost.

Ease of use.

Security.

Hasilnya lebih objektif.

Vendor selection tidak lagi karena CEO suka demo tertentu.

Ada evidence.

Kebijakan harus menjelaskan data, bukan merek

Policy yang terlalu fokus pada logo cepat basi.

“Boleh pakai A, dilarang B.”

Besok vendor A punya feature baru.

Vendor B mendapat enterprise control.

Vendor C lebih aman.

Policy harus berbasis data class dan action.

Misalnya:

Public data boleh di approved consumer AI.

Confidential internal data hanya enterprise environment.

Personal data perlu restriction.

Highly sensitive data tidak boleh masuk external model.

Action yang mengirim email eksternal perlu approval.

Financial transaction perlu human confirmation.

Ini lebih durable.

Vendor bisa berubah.

Prinsip tetap.

IT tinggal mapping vendor ke risk tier.

Employee juga lebih mudah paham.

Mereka tidak perlu menghafal 40 nama tool.

Cukup tahu jenis data dan action.

Jakarta office culture mempercepat adoption informal

Di kota seperti Jakarta, terutama kantor startup, agency, consulting, media, dan digital business, informasi menyebar cepat.

Orang pindah perusahaan.

Bawa kebiasaan.

“Di kantor lama gue pakai ini.”

Teman nongkrong sharing tool.

Group WhatsApp kirim prompt.

LinkedIn penuh demo.

Satu tool bisa masuk organisasi tanpa sales rep.

Ini membuat bottom-up adoption sangat cepat.

Vendor enterprise dulu harus presentasi.

Sekarang employee sudah menjadi channel distribusi.

Buat vendor AI, user individual adalah Trojan horse yang legal.

Masuk lewat personal use.

Buktikan value.

Lalu employee meminta perusahaan beli license.

Strategi product-led growth seperti ini sangat efektif.

Perusahaan harus sadar dinamika tersebut.

Bukan curiga.

Tapi jangan naif.

Free tool bisa menjadi funnel.

Saat usage besar, vendor punya leverage.

Itulah alasan procurement perlu masuk sebelum dependency terlalu tinggi.

Jangan menghukum orang yang eksperimen

Kalau perusahaan menemukan employee memakai tool tidak approved, respons kasar bisa salah.

Langsung blok.

Warning.

Disipliner.

Employee belajar satu hal:

“Jangan cerita kalau pakai AI.”

Itu bahaya.

Shadow usage malah makin gelap.

Lebih sehat membuat kanal disclosure.

“Kalau lo pakai tool baru, lapor di sini.”

Fast review.

Risk classification.

Alternatif approved.

Kalau use case bagus, evaluasi.

Budaya governance harus membuat orang nyaman bilang:

“Gue nemu tool baru, boleh nggak?”

Bukan membuat mereka diam.

Security terbaik datang dari visibility.

Kita tidak bisa mengamankan tool yang tidak tahu keberadaannya.

Perusahaan perlu menjadi cukup cepat untuk mengejar user

Inti problemnya bukan employee terlalu cepat.

Perusahaan terlalu lambat.

AI market bergerak mingguan.

Procurement enterprise bergerak bulanan.

Gap pasti ada.

Solusinya bukan membuat employee ikut lambat.

Buat governance lebih agile.

Pre-approved category.

Sandbox.

Trial process.

Security template.

Legal checklist standar.

Procurement fast lane untuk low-cost experiment.

Sehingga tim bisa coba tanpa menunggu tiga bulan.

Eksperimen kecil tidak harus punya kontrak enterprise penuh.

Tapi data sensitif tetap dilarang.

Balance seperti ini lebih realistis.

AI favorit akan tetap ada

Perusahaan tidak akan bisa menghapus preference individu.

Sama seperti browser.

Ada yang suka Chrome.

Safari.

Edge.

Ada yang pakai VS Code.

Ada yang pakai JetBrains.

Tool choice adalah bagian dari cara orang bekerja.

Target governance bukan membuat semua orang identik.

Targetnya memastikan organisasi tidak kehilangan control.

Data aman.

Cost terkendali.

Workflow critical tidak tergantung account pribadi.

Knowledge tidak hilang.

Vendor lock-in dikelola.

Output penting tetap diverifikasi.

Kalau itu tercapai, perusahaan bisa membiarkan sedikit diversity.

Bahkan diversity bisa berguna.

Tim menemukan tool baru lebih cepat.

Benchmark internal lebih kaya.

Innovation tidak stagnan.

Di 2026, banyak perusahaan mungkin masih berpikir mereka punya waktu memilih AI terbaik lalu mengajarkannya ke karyawan.

Realitasnya sudah kebalik.

Karyawan sudah memilih.

Sudah belajar.

Sudah punya prompt.

Sudah punya preference.

Tugas perusahaan sekarang bukan memulai adoption dari nol.

Tugasnya adalah mengejar adoption yang sudah terjadi, mengubah kebiasaan individual menjadi capability organisasi, lalu memberi guardrail tanpa membunuh alasan orang memakai AI sejak awal.

Karena kalau tool resmi terasa lebih ribet daripada AI yang sudah dipakai setiap hari, kebijakan perusahaan boleh bagus di PDF.

Yang menang di lapangan tetap AI favorit masing-masing.