Ada kalimat yang mulai sering muncul di ruang rapat:
“Kalau AI bisa mengerjakan ini, tim kita sebenarnya perlu sebesar sekarang nggak?”
Pertanyaan itu sensitif.
Karena begitu bicara organisasi lebih kecil, orang langsung memikirkan PHK.
Padahal perubahan struktur akibat AI tidak selalu sesederhana “lebih sedikit orang”.
Yang mulai berubah adalah rasio antara manusia, software, agent, dan pekerjaan.
Satu tim yang dulu butuh banyak orang untuk mengumpulkan informasi, membuat draft, mengecek status, dan meneruskan pekerjaan bisa sekarang menjalankan sebagian task melalui AI.
Hasilnya memang bisa membuat organisasi lebih lean.
Tapi lean bukan berarti tipis sampai rapuh.
Organisasi yang lebih kecil hanya masuk akal kalau ia juga lebih cepat mengambil keputusan, lebih jelas ownership-nya, dan lebih mudah diukur.
Kalau headcount dipotong tapi approval, sistem, dan target tetap sama, perusahaan cuma membuat orang yang tersisa lebih capek.
Itu bukan AI transformation.
Itu cost cutting dengan branding baru.
BCG pada 2026 menggambarkan corporate functions masa depan sebagai tim yang lebih kecil, dengan AI agents mengambil routine work sementara manusia fokus pada judgement, strategy, dan business support. McKinsey juga mulai membahas perusahaan “symbiotic”, di mana manusia dan AI bekerja sebagai satu sistem operasional.
Arah itu masuk akal.
Tapi yang menarik bukan angka orangnya.
Yang menarik adalah apa yang hilang dari struktur.
Lebih kecil karena informasi tidak perlu melewati banyak tangan
Banyak layer organisasi lahir karena biaya koordinasi.
Manager mengumpulkan update.
Membuat report.
Menyampaikan ke atas.
Memecah instruksi ke bawah.
Memastikan semua orang punya informasi yang sama.
Kalau AI bisa merangkum status, membaca dokumen, menghubungkan data, dan memberikan context secara langsung, sebagian fungsi koordinasi bisa berkurang.
Bukan berarti semua manager hilang.
Tapi manager yang nilai utamanya hanya menjadi relay informasi akan mendapat tekanan.
Peran yang bertahan lebih kuat biasanya punya judgement.
Coaching.
Negotiation.
Prioritization.
Risk.
Customer relationship.
Decision.
AI mengurangi kebutuhan untuk “meneruskan informasi”.
Itu bisa membuat layer lebih datar.
Namun flattening hanya terjadi kalau perusahaan juga mendelegasikan authority.
Kalau semua keputusan tetap naik ke atas, layer informasi mungkin hilang tapi bottleneck decision tetap.
Organisasi lebih kecil belum tentu lebih cepat.
Speed datang dari kombinasi information access dan decision rights.
AI bisa memberi yang pertama.
Leadership harus memberi yang kedua.
Tim kecil jadi lebih powerful karena span pekerjaan melebar
Bayangkan tim finance yang dulu punya beberapa orang khusus menyiapkan report rutin.
AI dan automation mengambil sebagian.
Orang yang tersisa tidak hanya menghasilkan report.
Mereka menganalisis anomaly.
Membantu decision.
Mengecek exception.
Menjelaskan risiko.
Perannya lebih lebar.
Ini pattern yang kemungkinan muncul di banyak fungsi.
Marketing.
HR.
Legal.
Operations.
Customer service.
Routine work berkurang.
High-value work naik porsinya.
Tim bisa menjadi lebih kecil secara jumlah tetapi lebih senior secara rata-rata.
Ini punya konsekuensi.
Cost per employee mungkin naik.
Training lebih penting.
Hiring lebih sulit.
Career ladder berubah.
Jadi “lebih kecil” bukan otomatis “lebih murah”.
Perusahaan mungkin punya 20 persen lebih sedikit orang tapi membayar talent yang tersisa lebih tinggi.
Masih bisa lebih produktif.
Tapi economics-nya harus dilihat lengkap.
Jangan menjual narasi headcount saving yang terlalu sederhana.
AI meningkatkan leverage, bukan menghapus kebutuhan capability.
Organisasi cepat membutuhkan lebih sedikit handoff
Headcount bukan satu-satunya ukuran lean.
Perusahaan dengan 500 orang bisa bergerak lebih cepat dari perusahaan dengan 200 kalau handoff lebih sedikit dan authority jelas.
AI transformation seharusnya memangkas flow.
Contoh hiring.
Dulu request dari manager ke HR.
HR sourcing.
Recruiter screen.
Coordinator schedule.
Interviewer.
HR compile feedback.
Offer approval.
Banyak tangan.
AI bisa membantu sourcing, scheduling, summarization, dan coordination.
Kalau workflow didesain ulang, handoff turun.
HR team bisa lebih kecil dan proses lebih cepat.
Tapi jangan otomatis memberi AI keputusan hiring.
Judgement tetap manusia.
Yang dihilangkan adalah friction.
Organisasi lean bekerja karena prosesnya lean.
Bukan karena semua orang dipaksa melakukan dua pekerjaan.
Ini distinction yang menentukan apakah AI meningkatkan productivity atau burnout.
Lebih terukur karena pekerjaan meninggalkan jejak digital
Agent punya sifat yang sebenarnya sangat menarik untuk management: action bisa dilog.
Task.
Input.
Output.
Time.
Cost.
Failure.
Human override.
Workflow yang dulu bergantung percakapan dan ingatan bisa menjadi lebih observable.
Ini membuat organisasi lebih terukur.
Misalnya procurement agent.
Berapa request?
Berapa selesai otomatis?
Berapa escalated?
Berapa cost?
Berapa error?
Berapa cycle time?
Data seperti ini membuat process improvement lebih mudah.
Human work juga bisa diukur pada level outcome.
Bukan surveillance setiap klik.
Ini penting.
“Lebih terukur” jangan berubah jadi “lebih diawasi”.
Kalau AI digunakan untuk memantau semua aktivitas karyawan, trust turun.
Measurement seharusnya melihat workflow.
Bukan membuat employee merasa punya kamera digital di pundak.
Outcome.
Queue.
Exception.
Cycle.
Quality.
Itu yang perlu.
Organisasi yang terlalu obsessed dengan activity akan menggunakan AI untuk micro-management.
Organisasi matang menggunakan AI untuk process visibility.
Dua hal sangat berbeda.
AI bisa membuat struktur informal lebih penting dari struktur formal
Satu employee mungkin punya tiga agent.
Research agent.
Reporting agent.
Scheduling agent.
Di org chart, dia tetap satu orang.
Secara productive capacity, dia mengelola lebih banyak.
Ini membuat struktur kerja baru.
Team bukan hanya orang.
Team adalah orang plus digital capability.
Manager perlu memahami portfolio agent.
Siapa owner?
Apa permission?
Apa task?
Apa cost?
Apa dependency?
Ada kemungkinan satu orang menjadi semacam “mini team lead” untuk beberapa digital worker tanpa title berubah.
Ini mengubah span of control.
Bukan hanya manager ke employee.
Employee ke agent.
Perusahaan perlu mulai memikirkan digital capacity dalam workforce planning.
Bukan mengganti FTE dengan angka agent secara mekanis.
Tapi melihat task.
Berapa dilakukan manusia.
Berapa agent.
Berapa shared platform.
Workforce planning jadi hybrid.
Tim lebih kecil membutuhkan knowledge yang lebih rapi
Kalau organisasi lean, dependency pada satu orang makin berbahaya.
Satu senior resign.
Knowledge hilang.
AI bisa membantu mengurangi risiko ini kalau knowledge didokumentasikan.
Policy.
Process.
Decision history.
Template.
Data.
Knowledge base.
Agent juga membutuhkan context.
Ironisnya, untuk menjadi lean dengan AI, perusahaan harus lebih disiplin soal dokumentasi.
Tim besar kadang bisa survive dengan knowledge di kepala karena ada redundancy manusia.
Tim kecil tidak.
Ini salah satu alasan “AI membuat organisasi kecil” tidak otomatis mudah.
Perusahaan perlu infrastructure knowledge lebih baik.
Kalau tidak, organisasi lean rapuh.
Satu orang cuti, workflow berhenti.
AI tidak bisa membantu kalau tidak ada source.
Smaller team requires stronger system.
Bukan weaker.
Kecepatan datang dari exception-based management
Organisasi tradisional sering mengelola semua kasus secara sama.
Semua request masuk approval.
Semua report dibaca.
Semua transaction dicek.
AI memungkinkan normal case berjalan otomatis.
Human melihat exception.
Ini membuat tim lebih kecil tetap mampu menangani volume besar.
Contoh sederhana.
Finance tidak perlu melihat setiap invoice normal.
System membaca, mencocokkan, dan process.
Human menangani mismatch.
Customer service AI menangani FAQ.
Human menangani complaint rumit.
Security system mengawasi normal traffic.
Analyst melihat anomaly.
Model ini sudah ada sebelum generative AI.
Agentic AI memperluas ke cognitive task.
Exception-based management adalah salah satu cara utama organisasi bisa lean tanpa kehilangan control.
Tapi quality of exception detection harus tinggi.
Kalau AI salah membedakan normal dan abnormal, risk.
Maka evaluation dan monitoring jadi critical.
Perusahaan lebih kecil memerlukan governance lebih kuat, bukan lebih lemah.
Jalur karier bisa menjadi casualty kalau tidak didesain ulang
Salah satu fungsi organisasi besar adalah tempat belajar.
Junior mengerjakan pekerjaan dasar.
Naik.
Menjadi senior.
Jika AI mengambil banyak task entry-level, struktur pyramid bisa menipis di bawah.
Jangka pendek produktif.
Jangka panjang dari mana senior datang?
Perusahaan harus membuat learning path baru.
Simulation.
Rotasi.
Apprenticeship.
Review AI output.
Shadow senior.
Project ownership kecil.
Jangan berharap orang menjadi expert hanya karena AI memberi jawaban.
Pengalaman tetap perlu.
BCG dan banyak riset workforce 2026 menekankan bahwa perubahan AI bukan hanya tentang pengurangan pekerjaan, tetapi redesign role dan capability.
Ini area yang harus serius.
Organisasi lebih kecil tidak boleh berarti organisasi berhenti membangun manusia.
Kalau semua perusahaan hanya merekrut senior, market kehabisan senior.
Talent pipeline harus diciptakan.
Lebih cepat juga bisa berarti lebih sedikit committee
AI tidak mempercepat meeting committee kalau semua orang tetap harus hadir.
Salah satu perubahan paling nyata bisa berupa decision architecture.
Siapa benar-benar perlu ikut?
AI bisa menyiapkan context.
Meeting hanya exception.
Decision owner jelas.
Orang lain informed.
Ini mengurangi coordination overhead.
Perusahaan besar sering lambat bukan karena orang bodoh.
Karena terlalu banyak dependency.
AI memberi kesempatan menyederhanakan.
Tapi menghapus committee punya political cost.
Orang merasa kehilangan visibility atau influence.
Leadership harus mengelola.
Transparency bisa mengganti sebagian meeting.
Dashboard.
Log.
Summary.
Decision record.
Orang tetap tahu tanpa harus hadir.
Ini pola organisasi yang lebih cepat.
Information accessible.
Decision localized.
Accountability clear.
Jakarta punya alasan tambahan untuk menyukai organisasi cepat
Waktu koordinasi mahal.
Meeting lintas kota.
Traffic.
Hybrid work.
Tim di client site.
Cabang.
Kalau semua harus sinkron, banyak waktu hilang.
AI dan async work bisa mengurangi.
Satu tim kecil yang punya access informasi dan decision rights bisa bergerak tanpa menunggu semua orang masuk ruangan.
Ini bukan soal ikut gaya startup.
Ini soal geography dan tempo bisnis.
Tentu sektor regulated punya requirement.
Tapi bahkan di regulated environment, tidak semua decision perlu committee.
Rule dan threshold bisa membantu.
Lebih cepat bukan berarti lebih reckless.
Justru organisasi kecil perlu control yang lebih explicit karena tidak punya banyak layer untuk catch mistake.
Audit.
Logging.
Risk tier.
Escalation.
Lean system harus disciplined.
Perusahaan harus mengukur leverage, bukan sekadar headcount
Kalau organisasi ingin tahu AI membuatnya lebih lean, lihat ratio.
Revenue per employee.
Gross profit per employee.
Customer per service agent.
Transaction per operations FTE.
Cycle time.
Decision time.
Quality.
Error.
Employee workload.
Jangan hanya:
“Headcount turun 10 persen.”
Bisa jadi workload naik 40 persen.
Not sustainable.
Productivity yang sehat adalah output dan value naik relatif terhadap resource tanpa merusak quality dan manusia.
Metric perlu seimbang.
Lean bukan starvation.
Satu tim yang terlalu kecil bisa terlihat efficient selama enam bulan lalu runtuh karena burnout.
AI tidak mengubah biologi manusia.
Attention dan energy tetap terbatas.
Lebih kecil adalah hasil, bukan target utama
Kalau leadership mulai dengan target:
“Kita harus 30 persen lebih kecil karena AI,”
mereka mungkin memotong sebelum workflow siap.
Ini backwards.
Mulai dari process.
Apa yang bisa dihapus?
Apa yang bisa AI bantu?
Apa yang berubah?
Setelah itu workforce requirement muncul.
Mungkin memang lebih kecil.
Mungkin sama tetapi output lebih besar.
Mungkin fungsi tertentu bertambah karena opportunity baru.
AI transformation tidak harus berarti shrinking.
Bisa berarti scaling tanpa proportional hiring.
Itu sering lebih sehat.
Business tumbuh.
Headcount relatif stabil.
Productivity naik.
Tidak ada mass layoff.
Economic benefit tetap nyata.
Ini nuance penting.
Organisasi AI-native mungkin terasa lebih seperti network daripada pyramid
Kalau informasi accessible dan routine work automated, value bergerak ke judgement dan coordination.
Team bisa lebih cross-functional.
Shared platforms.
Specialist pools.
Agents.
Small accountable squads.
Hierarchy masih ada.
Tapi tidak semua information harus naik turun pyramid.
Ini bisa membuat perusahaan lebih responsive.
BCG pada 2026 menggambarkan corporate functions yang bergerak dari silo menjadi platform yang menjalankan pekerjaan end-to-end.
Konsep itu menarik.
Function tidak hilang.
Cara memberi service berubah.
Finance bukan hanya department.
Menjadi platform financial decision.
HR platform talent.
Procurement platform buying.
AI membantu menghubungkan.
Organisasi lebih kecil bukan tujuan estetika.
Ia konsekuensi jika pekerjaan rutin berkurang dan fungsi didesain ulang.
Pada akhirnya, AI memang bisa mendorong perusahaan menjadi lebih kecil, cepat, dan terukur.
Tapi ketiga kata itu harus datang bersama.
Kecil tanpa cepat adalah understaffed.
Cepat tanpa terukur adalah chaos.
Terukur tanpa trust adalah surveillance.
Yang dicari adalah organisasi yang punya lebih sedikit friction, lebih jelas outcome, dan lebih banyak leverage per manusia.
Kalau itu tercapai, org chart mungkin mengecil.
Mungkin tidak banyak.
Yang pasti, perusahaan akan terasa berbeda.
Lebih sedikit orang meneruskan informasi.
Lebih banyak orang mengambil judgement.
Lebih sedikit approval rutin.
Lebih banyak exception.
Lebih sedikit pekerjaan yang ada hanya karena “dari dulu memang begini”.
Dan mungkin itu bentuk organisasi yang benar-benar berubah karena AI, bukan sekadar organisasi lama yang kebetulan membeli banyak software baru.
Bacaan terkait
Artikel ini berada dalam Business Transformation dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Reports dan analisis mendalam.