Ada project AI yang punya banyak orang penting di meeting.
CIO hadir.
CTO hadir.
Risk.
Legal.
Finance.
HR.
Business.
Vendor.
Semua punya komentar.
Semua punya concern.
Semua punya slide.
Tapi ketika ditanya satu pertanyaan sederhana, ruangan bisa mendadak sunyi.
“Kalau project ini tidak menghasilkan value, siapa yang bertanggung jawab?”
Ini problem ownership.
AI transformation sangat gampang menjadi proyek milik bersama yang akhirnya tidak benar-benar dimiliki siapa pun.
Technology team merasa mereka menyediakan platform.
Business merasa AI adalah program teknologi.
Innovation merasa mereka hanya melakukan pilot.
Finance hanya mengawasi budget.
Risk hanya menjaga boundary.
Vendor bilang mereka mengimplementasikan sesuai scope.
Ketika hasilnya lemah, semua punya penjelasan.
Tidak ada owner.
Transformasi seperti ini bisa berjalan lama karena tidak ada satu orang yang punya tekanan untuk membuat outcome benar-benar terjadi.
AI project butuh sponsor, tapi sponsor bukan owner
Sponsor memberi dukungan.
Budget.
Political cover.
Akses ke leadership.
Penting.
Tapi sponsor belum tentu menjalankan workflow.
Misalnya CEO sponsor AI sales agent.
Kalau proposal cycle time tidak berubah, apakah CEO yang memperbaiki?
Tidak.
Owner seharusnya orang yang punya process dan metric.
Head of Sales Operations.
Chief Commercial Officer.
Atau role yang sesuai.
Mereka hidup dengan outcome.
Jika conversion turun, terasa.
Jika cycle time lambat, terasa.
Jika customer complaint, terasa.
Itu ownership.
AI team membantu.
Sponsor membuka jalan.
Business owner bertanggung jawab.
Tanpa struktur ini, project bisa dianggap “sukses secara teknis” walaupun bisnis tidak berubah.
KPMG pada Juni 2026 menemukan organisasi yang memiliki accountability leadership lebih jelas cenderung melaporkan confidence dan business value AI yang lebih tinggi.
Correlation tidak otomatis berarti satu faktor menyebabkan semua.
Tapi logikanya kuat.
Ownership memaksa keputusan.
Project tidak bisa mengambang.
Owner harus punya metric yang sudah ada sebelum AI
Ini trik penting.
Jangan buat metric baru yang hanya hidup karena AI.
“AI adoption score.”
“Prompt volume.”
“Agent utilization.”
Boleh ada sebagai operational metric.
Outcome owner sebaiknya punya business metric.
Revenue.
Margin.
Cycle time.
Resolution.
Error.
Cost.
Working capital.
Churn.
Conversion.
Jika use case AI bagus, metric bisnis bergerak.
Ini membuat conversation lebih jujur.
Misalnya agent untuk procurement.
Target bukan “berapa banyak task agent selesai”.
Target:
Purchase cycle lebih cepat.
Maverick spend turun.
Price variance membaik.
Manual workload berkurang.
Error tidak naik.
Sekarang owner punya alasan memperbaiki workflow.
AI bukan tujuan.
Alat.
Kalau agent usage tinggi tapi cycle time sama, ada yang salah.
Owner akan mengejar.
AI team mungkin puas dengan uptime.
Business owner tidak.
Owner perlu punya authority, bukan cuma tanggung jawab
Ini sering dilupakan.
Seseorang ditunjuk owner.
Tapi tidak boleh mengubah process.
Tidak bisa menghapus approval.
Tidak punya budget.
Tidak bisa meminta data team.
Tidak bisa mengubah KPI.
Akhirnya owner hanya jadi nama di RACI.
Responsibility tanpa authority adalah jebakan.
AI transformation sering menyentuh lintas fungsi.
Owner harus punya mandate.
Mungkin lewat executive steering.
Kalau perlu mengubah workflow legal dan sales, ada jalur.
Kalau perlu mengakses data, ada support.
Kalau perlu menghentikan tool, bisa.
Ownership harus nyata.
Kalau semua keputusan tetap naik tiga level, owner tidak bisa deliver.
Mereka hanya coordinate.
Ini distinction penting.
Coordinator menjaga project bergerak.
Owner bertanggung jawab outcome dan punya kuasa mengambil trade-off.
AI agent sendiri juga harus punya owner
Semakin banyak agent production, perusahaan perlu menjawab:
Agent ini punya siapa?
Bukan secara intellectual property.
Secara operational accountability.
Misalnya agent customer service.
Owner business-nya siapa?
Siapa approve behavior?
Siapa review incident?
Siapa memutuskan knowledge update?
Siapa bisa mematikan?
Kalau tidak jelas, agent menjadi orphan system.
Developer yang membuat mungkin pindah.
Vendor update model.
Business menganggap system sudah otomatis.
Tidak ada yang benar-benar menjaga.
Agent bukan employee yang otomatis punya manager.
Perusahaan harus memberi ownership.
Registry agent seharusnya menyimpan owner.
Criticality.
Permission.
Model.
Data.
Last review.
Ini bukan bureaucracy berlebihan.
Kalau agent punya ability bertindak, perusahaan perlu tahu siapa bertanggung jawab.
Failure paling buruk terjadi di celah antarowner
AI workflow sering lintas sistem.
Misalnya lead qualification.
Marketing memberi data.
AI scoring.
Sales menerima.
CRM menyimpan.
Siapa owner kalau score buruk?
Marketing bilang model.
Data team bilang source.
Sales bilang lead quality.
AI team bilang prompt.
Ini classic cross-functional problem.
Owner end-to-end diperlukan.
Bukan berarti mereka mengerjakan semua.
Mereka memastikan semua bagian bekerja.
Tanpa itu, setiap fungsi mengoptimalkan metric sendiri.
Marketing mengejar volume lead.
Sales mengejar conversion.
AI model dipasang di tengah.
Tidak ada yang bertanggung jawab terhadap full funnel.
Transformation perlu process ownership yang kadang belum ada sebelum AI.
Ini alasan AI bisa memaksa organization design berubah.
Technology memperlihatkan gap accountability lama.
Owner harus punya budget visibility
AI economics bisa messy.
License.
API.
Inference.
Storage.
Connector.
Consulting.
Human review.
Monitoring.
Kalau semua cost tersebar di IT, business owner tidak tahu unit economics.
Mereka bisa meminta scale tanpa merasa cost.
Sebaliknya, IT melihat cost tapi tidak tahu value.
Owner perlu showback.
“Workflow ini cost sekian per bulan.”
“Volume sekian.”
“Value sekian.”
Tidak harus chargeback keras.
Yang penting visibility.
KPMG 2026 menemukan cost visibility berkaitan kuat dengan kemampuan perusahaan menunjukkan ROI AI.
Masuk akal.
Sulit mengelola return kalau denominator-nya nggak kelihatan.
Owner harus memahami economics.
Bukan detail token tiap prompt.
Tapi cost per outcome.
Kalau cost naik, cari optimization.
Model routing.
Caching.
Process.
Volume.
Business trade-off.
Ownership menghubungkan tech economics dan business economics.
Owner juga harus berani stop
Ini bagian yang jarang dirayakan.
Owner yang baik tidak hanya scale.
Mereka kill.
Use case tidak work.
Model terlalu mahal.
Employee tidak pakai.
Risk terlalu besar.
Benefit kecil.
Stop.
Kalau tidak ada owner, project punya inertia.
Semua takut mengambil keputusan stop.
Vendor terus diperpanjang.
Pilot jalan.
Budget kecil tapi permanen.
Ini “zombie AI”.
Tidak benar-benar hidup.
Tidak mati.
Portfolio penuh.
Perusahaan kehilangan fokus.
Owner memberi closure.
Scale.
Pivot.
Atau stop.
Satu dari tiga.
Tidak ada fase “pilot selamanya”.
Transformation butuh keputusan.
Owner harus punya review cadence
AI berubah.
Model berubah.
Data.
Workflow.
Business.
Ownership bukan tanda tangan saat launch.
Ada cadence.
Weekly untuk critical operation.
Monthly value review.
Quarterly portfolio.
Tergantung use case.
Pertanyaan:
Metric bergerak?
Failure?
Cost?
User feedback?
Model update?
Risk baru?
Apa yang perlu diubah?
Without cadence, ownership nominal.
System dibiarkan.
Sampai incident.
AI membutuhkan active ownership karena probabilistic.
Software tradisional juga perlu maintenance.
AI bahkan lebih.
Behavior bisa bergeser setelah model version.
Source knowledge berubah.
User menemukan cara baru.
Monitoring penting.
Owner menjaga connection ke business.
Project manager tidak sama dengan outcome owner
PM memastikan timeline.
Task.
Milestone.
Vendor.
Dependency.
Sangat penting.
Tapi ketika project selesai, PM mungkin pindah.
Outcome tetap harus hidup.
Maka jangan confound.
Project bisa on time, on budget, dan gagal menghasilkan value.
Owner tetap harus ada setelah project close.
Ini shift dari project mindset ke product atau capability mindset.
AI system production punya lifecycle.
Bukan implement lalu serah terima.
Business owner harus merasa itu bagian operasi.
Seperti channel sales.
Seperti process finance.
Bukan project teknologi yang “sudah selesai”.
CEO perlu tahu nama owner tanpa buka deck
Tes simpel.
Tanya CEO:
“Siapa owner use case AI terbesar kita?”
Kalau jawabannya:
“Tim digital.”
Terlalu kabur.
Nama function atau role harus jelas.
“Chief Customer Officer untuk service agent.”
“CFO untuk finance automation.”
“COO untuk operations.”
Bukan soal mencari orang untuk disalahkan.
Accountability membuat alignment.
Owner tahu mereka punya mandate.
Team tahu siapa decision maker.
Board tahu siapa memberi update.
Issue tidak mengambang.
Kejelasan seperti ini mempercepat.
Governance juga.
Kalau high-risk decision, owner sadar tanggung jawab.
Mereka lebih serius pada control.
Ownership menciptakan skin in the game.
Di perusahaan keluarga atau founder-led, ownership kadang terlalu terkonsentrasi
Ada situasi lain.
Semua AI decision menunggu owner bisnis atau CEO.
Ini juga problem.
Ownership bukan micromanagement.
Owner harus bisa delegate.
Low-risk decisions ke team.
Technical decisions ke platform owner.
Risk ke risk function.
Owner menjaga outcome.
Bukan approve setiap prompt.
Kalau semua naik ke satu orang, bottleneck.
Responsibility harus jelas.
Decision rights distributed.
Ini bagian operating model.
Owner yang baik membangun system yang bisa berjalan tanpa mereka menyentuh semuanya.
Kalau tidak, AI malah menambah beban leader.
Jakarta banyak project lintas divisi yang tersangkut bukan karena kurang orang pintar
Semua fungsi kompeten.
Masalahnya kepemilikan.
Project berada di antara departemen.
Saling menunggu.
AI memperparah karena kategorinya baru.
“Ini IT atau business?”
“Ini data atau legal?”
“Ini automation atau HR?”
Kalau organisasi menghabiskan terlalu banyak waktu menentukan kotak, momentum hilang.
Lebih baik mulai dari outcome.
Siapa yang punya outcome itu hari ini?
Mereka owner.
Fungsi lain support sesuai domain.
Sederhana.
Tidak selalu mudah.
Tapi lebih jelas.
Transformation bukan committee sport
Committee dibutuhkan untuk alignment dan risk.
Tapi committee tidak bisa memiliki outcome.
Collective accountability sering berarti diluted accountability.
Seseorang harus bangun Senin pagi dan merasa:
“Kalau ini tidak bekerja, gue harus memperbaiki.”
Itu owner.
Mereka tidak harus mengerjakan code.
Tidak harus paling paham model.
Mereka harus paham business.
Tahu customer.
Tahu process.
Tahu metric.
Dan punya authority.
AI transformation tanpa owner mudah terlihat sibuk.
Banyak meeting.
Banyak pilot.
Banyak vendor.
Banyak discussion.
Tidak ada satu orang yang dipaksa menghubungkan semuanya ke hasil.
Begitu owner jelas, pertanyaan berubah.
Bukan lagi:
“AI ini keren nggak?”
Tapi:
“Outcome gue berubah nggak?”
Itu pertanyaan yang lebih keras.
Dan justru karena keras, transformation punya kesempatan menjadi nyata.
Owner juga perlu punya satu hak yang sering tidak disebut: hak mengatakan bahwa teknologi bukan jawaban. Kalau setelah melihat data ternyata bottleneck ada di policy atau struktur approval, jangan memaksa AI hanya karena budget sudah tersedia. Accountability yang sehat bukan loyalitas pada project. Ia loyalitas pada hasil. Kadang keputusan terbaik seorang AI transformation owner justru membatalkan use case dan mengalihkan energi ke problem yang lebih worth it.
Bacaan terkait
Artikel ini berada dalam Business Transformation dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Reports dan analisis mendalam.