Perusahaan sudah memakai AI, tapi ROI belum otomatis jelas

Hype beberapa tahun lalu memberi kesan sederhana.

Tambahkan AI.

Produktivitas naik.

Profit naik.

Realitas lebih messy.

Reuters pada 7 Agustus 2026 menyoroti bahwa banyak perusahaan masih mengejar manfaat ekonomi AI yang konkret. Dalam laporan itu, survei KPMG yang dikutip menunjukkan hanya sebagian kecil eksekutif yang bisa menunjukkan return yang jelas dari investment AI, walau mayoritas tetap ingin terus berinvestasi.

Ini masuk akal.

AI bisa membuat task cepat.

Belum tentu P&L berubah.

Kalau employee menghemat waktu tapi target dan proses tidak berubah, value belum tentu captured.

Kalau tool mahal dan usage rendah, ROI buruk.

Kalau pilot bagus tapi tidak scale, benefit kecil.

Kalau automation membuka bottleneck baru, cost pindah.

2026 adalah tahun perusahaan belajar bahwa adoption bukan transformation.

Pakai AI mudah.

Mengubah sistem kerja lebih susah.

AI sudah masuk sebelum policy

Ini pattern yang terlihat di banyak organisasi.

Employee pakai tool pribadi.

Meeting assistant.

Coding assistant.

Chatbot.

Image generator.

Legal baru menyusul.

Security baru bertanya.

“Data masuk ke mana?”

Ini tidak unik untuk AI.

Shadow IT sudah lama ada.

Yang berbeda adalah breadth.

AI bisa menyentuh hampir semua data.

Email.

Document.

Code.

Customer.

Finance.

HR.

Strategy.

Satu tool general-purpose punya surface area besar.

Policy tradisional berdasarkan aplikasi jadi kurang cukup.

Perusahaan perlu rule berdasarkan data dan action.

Apa yang boleh dibaca.

Apa yang boleh diubah.

Apa yang boleh dikirim.

Apa yang perlu approval.

Governance bergerak dari tool list ke permission architecture.

Aturan pendidikan juga masih mencari bentuk

Mahasiswa sudah memakai AI hampir universal di sejumlah survei negara maju.

Kampus tidak bisa pura-pura teknologi belum ada.

Larangan total sulit.

AI detector juga bukan solusi sempurna.

Assessment harus berubah.

Dosen perlu tahu skill apa yang sebenarnya dinilai.

Kalau tugas bisa selesai satu prompt, mungkin desain tugasnya memang perlu diperbarui.

Education system biasanya bergerak lebih lambat daripada student behavior.

2026 memperlihatkan gap itu.

Mahasiswa sudah hidup di dunia AI.

Institusi masih menulis policy.

Ini tidak harus dianggap kegagalan.

Adaptasi memang butuh waktu.

Yang penting arah.

Ajarkan penggunaan.

Disclosure.

Verification.

Process.

Oral defense.

Critical thinking.

Bukan hanya policing.

Hukum sedang belajar membedakan bot dan agent

Internet lama punya kategori.

Human.

Bot.

Crawler.

Attacker.

AI agent blur semuanya.

Agent bisa mewakili user sah.

Bisa browsing.

Beli.

Mengakses account.

Platform mungkin memblokir.

User merasa itu tool mereka.

Kasus Amazon dan Perplexity pada 2026 menunjukkan pengadilan mulai menguji batas ini.

Apakah agent adalah actor terpisah?

Atau extension dari user?

Jawaban hukum akan memengaruhi web.

Kalau platform punya control absolut, agentic browsing bisa jadi walled garden.

Kalau agent bebas total, security risk naik.

Standar identity dan authorization dibutuhkan.

Teknologinya sudah bergerak.

Hukum masih membangun kategori.

Ini normal.

Masalah muncul kalau gap terlalu panjang.

Business butuh certainty.

Agent juga sudah bisa membayar sebelum identity global selesai

Visa dan Mastercard pada 2026 mulai menjalankan atau menguji transaksi agentic yang authenticated.

Ini langkah besar.

Software bukan cuma merekomendasikan.

Ia bisa membantu mengeksekusi purchase.

Tapi begitu uang bergerak, pertanyaan jadi serius.

Mandat.

Limit.

Consent.

Fraud.

Dispute.

Liability.

Agent boleh belanja sampai berapa?

Boleh merchant apa?

Perlu confirmation?

Kalau salah, siapa tanggung?

Payment industry sedang membangun layer jawabannya.

Di sini kita melihat pola lagi.

Capability muncul dulu.

Rulebook mengikuti.

Perusahaan yang deploy agent harus berhati-hati.

Jangan tunggu regulation sempurna.

Buat boundary sendiri.

Least privilege.

Audit.

Approval.

Rollback.

Governance internal harus bergerak lebih cepat daripada pemerintah.

Website juga berubah sebelum standard selesai

Pada 2026 ada llms.txt.

Schema.org terus berkembang.

Agent protocol.

Commerce protocol.

MCP.

Berbagai pendekatan.

Belum ada satu final standard.

Tapi bisnis tidak bisa menunggu.

AI assistant sudah membaca web.

Traffic sudah datang.

Agent mulai browsing.

Maka website mulai ditulis untuk manusia dan mesin.

Content lebih explicit.

Entity jelas.

Structured data.

API.

Machine-readable policy.

Semua masih eksperimen.

Ini mirip web awal.

Banyak standard.

Banyak format.

Nanti beberapa bertahan.

Yang penting jangan overcommit ke gimmick.

Fondasi tetap.

Good HTML.

Clear content.

Sitemap.

Structured data.

Canonical.

Accessibility.

Fast website.

Evidence.

Jika standard baru datang, fondasi ini tetap berguna.

AI safety juga bergerak dari prinsip ke operasi

“Responsible AI” dulu bisa menjadi slogan.

Sekarang perusahaan perlu log.

Monitoring.

Incident response.

Evaluation.

Access control.

Human escalation.

Kalau agent bertindak, safety harus real-time.

NIST pada 2026 makin menekankan monitoring AI setelah deployment.

Ini perubahan maturity.

Safety tidak selesai sebelum launch.

Production behavior harus dilihat.

Seperti cybersecurity.

System aman hari ini bisa punya vulnerability besok.

Model update.

Prompt injection.

Data berubah.

Tool integration baru.

Semua mengubah risk.

Perusahaan perlu continuous oversight.

AI governance menjadi operation.

Bukan satu document.

Regulator juga sedang mengejar hal yang bergerak

Uni Eropa punya AI Act.

Sebagian transparency dan GPAI enforcement masuk fase penting pada Agustus 2026.

Indonesia juga bergerak menyiapkan kerangka AI yang lebih formal.

Amerika mengembangkan standard dan policy dengan pendekatan berbeda.

China membangun governance dan national standards sendiri.

Tidak ada satu global rulebook.

Perusahaan multinational harus hidup dengan patchwork.

Ini menambah cost.

Tapi mungkin inevitable.

Nilai, hukum, dan risk appetite negara berbeda.

AI global.

Law lokal.

Friction akan ada.

Yang penting interoperability.

Kalau setiap negara membuat sistem yang sepenuhnya incompatible, innovation mahal.

Standar teknis bisa membantu menyambungkan.

Identity.

Audit.

Risk taxonomy.

Data format.

Protocol.

Governance global mungkin tidak seragam, tapi bisa saling bicara.

Karyawan sudah mengubah cara kerja tanpa menunggu job description

Ini mungkin perubahan paling nyata.

Job description masih sama.

Pekerjaan sudah beda.

Copywriter sekarang edit AI.

Developer review code agent.

Customer service menangani escalation.

Manager membaca summary otomatis.

Analyst melakukan lebih banyak synthesis.

Prompt disimpan seperti template.

AI tidak selalu menghapus jabatan.

Ia mengubah task composition.

HR dan performance system tertinggal.

KPI masih mengukur volume lama.

Training masih generic.

Career path belum jelas.

2026 adalah fase mismatch.

Technology cepat.

Organization design lambat.

Perusahaan yang cepat menyesuaikan operating model punya advantage.

Bukan hanya beli tool.

Ubah role.

Decision rights.

Review.

KPI.

Skill.

Itu pekerjaan lebih sulit.

Makanya belum semua ROI kelihatan.

Masyarakat juga masih membangun norma

Kapan harus disclose AI?

Apakah email personal boleh AI?

Apakah karya AI punya value yang sama?

Apakah anak boleh pakai AI untuk PR?

Apakah orang akan tersinggung kalau condolence message dibuat AI?

Ini bukan pertanyaan hukum.

Ini social norm.

Norma butuh waktu.

Smartphone juga begitu.

Dulu telepon di meja makan dianggap bagaimana?

Sekarang ada etiquette.

AI juga akan punya etiquette.

Kita akan belajar konteks mana yang okay.

Mana yang terasa tidak autentik.

Mana yang butuh disclosure.

Mana yang normal.

Tidak semua harus diatur negara.

Sebagian akan terbentuk sosial.

2026 adalah tahun eksperimen norma.

Kesalahan akan terjadi.

AI normal bukan berarti AI selesai

Ini distinction penting.

Teknologi bisa menjadi biasa sebelum matang.

Mobil dulu jadi populer sebelum safety standard matang.

Internet jadi massal sebelum privacy rule matang.

Social media scale sebelum society paham dampaknya.

AI mengikuti pattern.

Adoption cepat bukan bukti semua problem sudah selesai.

Justru semakin biasa, semakin banyak edge case muncul.

Dan karena AI masuk banyak domain, problem-nya beragam.

Copyright.

Labor.

Education.

Privacy.

Security.

Competition.

Energy.

Water.

Identity.

Payment.

Public service.

Tidak ada satu “AI regulation” yang bisa menyelesaikan semua.

Kita perlu banyak layer.

Perusahaan perlu prinsip yang tahan perubahan

Kalau rulebook eksternal belum selesai, organisasi tetap butuh pegangan.

Beberapa prinsip cukup durable.

Data minimization.

Human accountability.

Least privilege.

Auditability.

Transparency sesuai risk.

Reversibility.

Independent verification.

Portability.

Monitoring.

Prinsip ini tetap masuk akal walau vendor berubah.

Model berubah.

Regulasi berubah.

Jangan membuat governance berdasarkan hype satu tahun.

Buat berdasarkan risk.

Kalau action bisa merugikan besar, control tinggi.

Kalau low-risk, biarkan eksperimen.

Simple.

Bukan mudah.

Tapi simple.

2026 adalah fase belajar hidup bersama AI

Mungkin inilah cara paling masuk akal melihat tahun ini.

Bukan tahun AI tiba.

AI sudah tiba sebelumnya.

Bukan juga tahun AI mengambil semua pekerjaan.

Belum.

2026 lebih seperti tahun manusia mulai belajar hidup normal dengan AI.

Pakai setiap hari.

Mengeluh kalau lambat.

Memilih tool favorit.

Membuat workflow.

Mengatur policy.

Menciptakan dispute.

Menemukan benefit.

Menemukan risiko.

Semua bersamaan.

Ketika teknologi menjadi biasa, percakapan justru bisa jadi lebih sehat.

Kita berhenti kagum pada demo.

Mulai bertanya:

Worth it nggak?

Aman nggak?

Siapa accountable?

Apa impact ke kerja?

Apa data yang dipakai?

Apa benefit ke customer?

Itu pertanyaan dewasa.

AI tidak lagi dinilai karena “wah”.

Dinilai karena outcome.

Aturan akan terus mengejar.

Beberapa akan bagus.

Beberapa overreact.

Beberapa terlambat.

Teknologi juga akan berubah.

Model yang populer hari ini mungkin bukan yang populer dua tahun lagi.

Tapi satu hal sudah kelihatan.

Kita tidak kembali ke dunia sebelum AI.

Maka pekerjaan sekarang bukan menunggu semuanya pasti.

Pekerjaannya adalah membangun kebiasaan, sistem, dan aturan yang cukup fleksibel untuk tetap masuk akal ketika teknologi berikutnya datang.

AI sudah biasa.

Yang belum biasa adalah bagaimana manusia, perusahaan, sekolah, pengadilan, dan negara membagi tanggung jawab di sekitar mesin yang semakin mampu melakukan lebih banyak hal.

Dan mungkin bagian itu memang butuh waktu lebih lama daripada membuat model baru.