Tim menjadi “lebih besar” tanpa menambah orang

Misalnya tim marketing lima orang.

Sebelum AI, capacity mereka punya batas.

Research.

Copy.

Design brief.

Reporting.

Semua memakan waktu.

Setelah AI, satu orang bisa menghasilkan lebih banyak draft dan analysis.

Secara headcount tetap lima.

Secara productive capacity mungkin terasa seperti lebih.

Ini membuat manager mengambil lebih banyak scope.

Campaign tambahan.

Market tambahan.

Experiment tambahan.

Di sinilah struktur tim berubah.

Bukan karena orang dipindah.

Karena capacity per orang berubah.

Kemudian role boundary ikut blur.

Copywriter melakukan analysis.

Analyst membuat presentation draft.

Designer memakai generative tool.

Developer membuat prototype lebih cepat.

Generalist mendapat leverage.

Spesialis tetap penting untuk judgement.

BCG pada Juni 2026 menulis bahwa AI-first companies mulai memikirkan ulang organizational structure, operating model, talent strategy, dan cost structure, bukan hanya memasang tool baru.

Perubahan itu sudah terasa di level tim.

Org chart baru menyusul.

Junior layer mendapat tekanan paling cepat

Banyak pekerjaan entry-level historically punya fungsi ganda.

Menghasilkan output.

Sekaligus belajar.

Junior membuat research.

Draft.

Reconciliation.

Basic analysis.

Senior review.

Proses repetitif itu memang tidak glamorous.

Tapi menjadi training ground.

AI mengambil sebagian task tersebut.

Secara efficiency bagus.

Secara career architecture, ada problem.

Kalau junior tidak lagi membuat first draft, bagaimana mereka belajar menjadi senior?

Kita bisa bilang:

“Mereka belajar dengan AI.”

Benar.

Tapi learning path perlu didesain.

Jangan hanya menghapus pekerjaan dasar lalu berharap expertise muncul.

Riset 2026 tentang system administration bahkan menemukan kekhawatiran “compression of traditional expertise pathways”, ketika AI mempercepat pekerjaan tapi mengurangi paparan terhadap siklus hands-on yang dulu membentuk expertise.

Ini bukan argumen anti-AI.

Ini argumen bahwa training architecture perlu berubah.

Tim harus sengaja memberi learning exposure.

Debug.

Review.

Reasoning.

Shadowing.

Simulation.

Kalau tidak, organization menikmati productivity hari ini sambil mengurangi supply senior lima tahun lagi.

Manager layer juga ikut berubah

Narasi populer sering bilang AI akan flatten organization.

Mungkin.

Tapi tidak selalu sesederhana “manager hilang”.

AI bisa memperluas span of control.

Manager bisa mendapat summary otomatis.

Dashboard.

Agent.

Status.

Mereka mungkin mengelola lebih banyak scope.

Di sisi lain, AI output perlu review dan judgement.

Kalau reliability belum tinggi, managerial workload bisa naik.

Riset akademik tentang GenAI dan organizational structure menunjukkan efeknya bergantung pada reliability, hallucination, dan biaya human validation. Dalam kondisi tertentu AI bisa memperluas span of control, tapi dalam kondisi lain justru meningkatkan kebutuhan oversight.

Jadi jangan buru-buru gambar org chart datar.

Perusahaan perlu lihat workflow nyata.

Manager mana yang hanya mengoordinasikan informasi?

AI bisa mengurangi peran itu.

Manager mana yang melakukan judgement, coaching, escalation, negotiation?

Peran mereka mungkin makin penting.

“Middle management” bukan satu jenis pekerjaan.

AI akan membelah.

Tim kecil bisa mengambil scope yang dulu butuh departemen

Ini terlihat di startup.

Satu product squad dengan coding agent, design AI, research assistant, dan automation bisa bergerak cepat.

Mereka tidak perlu fungsi support sebesar perusahaan lama.

Bukan berarti tidak butuh legal, finance, HR.

Tapi shared service bisa lebih lean.

AI-first company bisa mulai dengan struktur berbeda.

Perusahaan established punya tantangan.

Mereka punya layers yang dibentuk oleh biaya koordinasi lama.

Kalau AI menurunkan biaya koordinasi, sebagian layer mungkin tidak lagi perlu.

Tapi menghapus layer bukan pekerjaan teknologi.

Itu organizational surgery.

Ada power.

Career.

Compensation.

Status.

Span.

Decision right.

Makanya struktur resmi bergerak lambat.

Perusahaan lebih mudah membeli AI daripada menghapus satu level jabatan.

Tim informal akhirnya bergerak dulu.

Org chart tertinggal.

Role bisa berubah tanpa nama berubah

Seorang analyst tetap Analyst.

Tapi pekerjaannya berubah.

Dulu 60 persen data preparation.

Sekarang 20 persen.

Sisa waktu pindah ke interpretation.

Stakeholder communication.

Exception.

Model review.

Job title sama.

Skill profile beda.

Ini penting buat HR.

Kalau job description tidak diupdate, recruitment salah.

Training salah.

Performance salah.

Salary benchmark juga bisa tertinggal.

Perusahaan harus melihat task composition.

Bukan hanya title.

AI transformation paling nyata terjadi di task level.

Satu pekerjaan terdiri dari banyak task.

AI mengambil sebagian.

Membantu sebagian.

Tidak menyentuh sebagian.

Role baru muncul dari kombinasi baru.

Ini alasan diskusi “pekerjaan hilang atau nggak” sering terlalu kasar.

Yang lebih cepat berubah adalah isi pekerjaannya.

Structure follows tasks.

Lama-lama title akan mengejar.

Team interface juga berubah

Kalau AI membuat satu fungsi jauh lebih cepat, hubungan antarteam berubah.

Marketing bisa membuat campaign lebih cepat.

Legal menjadi bottleneck.

Developer ship lebih cepat.

Security review tertinggal.

Finance analysis cepat.

Business approval tetap lambat.

AI mengubah balance.

Tim yang sebelumnya bukan bottleneck tiba-tiba jadi bottleneck.

Ini memaksa structure adjustment.

Mungkin legal perlu embedded counsel.

Security perlu automated review.

Manager perlu decision delegation.

Organisasi hidup seperti jaringan.

Kalau satu node dipercepat, tekanan pindah.

Itu sebabnya deployment AI per fungsi tidak cukup.

Perlu end-to-end thinking.

Kalau tidak, satu tim bangga produktivitas naik 3x.

Tim sebelah tenggelam.

Perusahaan secara total tidak lebih cepat.

Tim yang lebih kecil butuh orang lebih senior

Ada pattern potensial.

Jika AI mengambil banyak task dasar, team bisa leaner.

Tapi orang yang tersisa perlu judgement lebih kuat.

Mereka menangani exception.

Quality.

Customer.

Risk.

Architecture.

Artinya team size turun tapi average seniority naik.

Ini punya implikasi.

Salary cost per person mungkin naik.

Career ladder berubah.

Jumlah junior hire turun.

Recruiting lebih kompetitif untuk high-skill talent.

Perusahaan tidak bisa hanya melihat headcount saving.

Talent pipeline harus dihitung.

Kalau semua company mengurangi junior, dari mana senior masa depan datang?

Mungkin apprenticeship baru.

AI-assisted training.

Simulation.

Rotational program.

University partnership.

Organisasi perlu membuat jalur.

Market tidak akan otomatis menyelesaikan.

AI menjadi “anggota tim” tanpa status hukum yang sama

Manager makin sering bicara seperti:

“Agent ini pegang research.”

“AI yang bikin first pass.”

“Automation yang route.”

Ini secara operasional seperti digital worker.

Tapi agent tidak punya employment contract.

Tidak punya performance review.

Tidak punya accountability sendiri.

Maka manager harus mengelola asset yang behave seperti worker tapi secara hukum tetap software.

Ini kategori baru.

Siapa owner agent?

Kalau salah?

Siapa update prompt?

Siapa monitor cost?

Siapa retire?

Team structure perlu memasukkan agent ownership.

Bukan menggambar agent sebagai manusia di org chart.

Tapi jelas siapa bertanggung jawab.

Satu employee mungkin mengoperasikan lima agent.

Capacity model berubah.

Workforce planning juga harus mulai menghitung digital capacity.

Bukan hanya FTE.

Meeting dan coordination layer bisa mengecil

Salah satu sumber layer organisasi adalah information coordination.

Manager mengumpulkan update.

Membuat report.

Menyampaikan ke atas.

Menerjemahkan ke bawah.

AI bisa mengotomasi banyak.

Status bisa summarized.

Data real-time.

Decision context bisa disiapkan.

Ini bisa mengurangi meeting.

Kalau perusahaan berani redesign.

Kalau tidak, AI cuma membuat meeting deck lebih cepat dan meeting tetap sama banyak.

Struktur tidak berubah.

Ini pilihan managerial.

Technology membuka kemungkinan flattening.

Tidak menjamin.

Banyak perusahaan punya habit coordination yang kuat.

Layer bertahan karena culture dan power.

Bukan karena informational need.

AI bisa memperlihatkan layer mana yang sebenarnya hanya information relay.

Itu uncomfortable.

Tapi penting.

Jakarta corporate culture punya tantangan sendiri

Di banyak perusahaan Indonesia, hierarchy masih kuat.

Approval naik.

Title penting.

Decision sering menunggu senior.

AI bisa mempercepat information.

Belum tentu mempercepat authority.

Junior punya analysis dalam 30 menit.

Tetap tunggu manager.

Manager tunggu director.

Director meeting minggu depan.

Technology cepat.

Power structure lambat.

Ini contoh kenapa struktur organisasi lebih lambat berubah.

AI tidak bisa otomatis mendistribusikan authority.

Leadership harus mau.

Kalau tidak, employee punya output cepat tapi decision tetap lama.

Perusahaan merasa produktivitas naik.

Customer tidak merasakan.

Transformation mentok di hierarchy.

Ini mungkin salah satu area paling sulit.

Bukan technical.

Cultural.

Team design seharusnya mengikuti flow of work

Daripada mulai dari title, mulai dari outcome.

Apa yang team harus deliver?

Task apa?

Mana AI?

Mana manusia?

Mana shared service?

Mana specialist?

Siapa decision owner?

Dari sana team shape muncul.

Mungkin squad lebih kecil.

Mungkin specialist shared.

Mungkin manager span lebih lebar.

Mungkin reviewer baru diperlukan.

Tidak ada formula universal.

BCG melihat AI-first companies mulai reorganize around agents dan AI-centric operating models, tapi setiap industri berbeda.

Jangan copy startup structure ke bank.

Jangan copy tech company ke manufacturer.

Risk, regulation, dan physical operations beda.

Design harus context-specific.

HR harus masuk lebih awal

AI sering dimulai CIO atau CTO.

Structure akhirnya CHRO problem.

Role.

Skill.

Workforce plan.

Career path.

Learning.

Compensation.

BCG bahkan menempatkan CHRO sebagai aktor penting dalam AI-driven enterprise karena transformasi kerja, role, dan culture tidak bisa diserahkan ke IT.

Masuk akal.

Kalau HR baru dipanggil setelah decision headcount dibuat, terlambat.

Mereka perlu membantu melihat skill transition.

Siapa reskill?

Role apa tumbuh?

Role apa menyusut?

Bagaimana assessment?

Bagaimana junior development?

AI bukan hanya productivity software.

Ia workforce technology.

Maka workforce design harus paralel.

Struktur resmi akan mengejar, tapi jangan menunggu

Perusahaan tidak harus langsung reorganize besar.

Berisiko.

Mulai dari team experiment.

Ubah workflow.

Lihat task shift.

Measure.

Adjust role.

Setelah pattern stabil, baru structure.

Ini lebih aman.

Organization design sebaiknya mengikuti evidence.

Bukan hype.

Mungkin beberapa layer memang bisa flat.

Mungkin tidak.

Mungkin team lebih kecil.

Mungkin justru perlu specialist baru.

Yang penting jangan menganggap org chart hari ini adalah constraint abadi.

AI sedang mengubah economics of work.

Structure eventually follows economics.

Tapi sampai itu terjadi, kita akan hidup di fase aneh.

Employee bekerja dengan cara 2026.

Job description ditulis 2023.

KPI mungkin 2021.

Org chart bahkan lebih lama.

Di atas kertas semuanya sama.

Di lapangan tidak.

Perusahaan yang peka akan melihat perubahan di task sebelum terlihat di headcount.

Mereka akan bertanya:

Kerja apa yang hilang?

Apa yang bertambah?

Siapa sekarang bottleneck?

Skill apa yang makin penting?

Manager sebenarnya mengelola apa?

Dari jawaban itu, struktur baru muncul.

Bukan karena AI “menghapus manusia”.

Tapi karena ketika satu orang, satu agent, dan satu workflow baru bisa menghasilkan sesuatu yang dulu butuh lima handoff, bentuk tim yang optimal memang tidak mungkin tetap sama selamanya.