“Eh, itu bikin pakai apa?”

Besoknya dipakai dua orang.

Minggu depannya satu tim.

Tahu-tahu AI sudah ada di workflow kantor sebelum perusahaan sempat memutuskan apakah AI “resmi” dipakai atau nggak.

Ini pola yang cukup manusiawi.

Teknologi jarang diadopsi persis seperti diagram transformasi di PowerPoint.

Orang pakai sesuatu karena membantu kerja hari itu.

Bukan karena strategi lima tahun perusahaan.

AI menyebar lewat rasa malas yang produktif

Banyak teknologi kantor masuk karena satu alasan sederhana: orang nggak mau melakukan pekerjaan repetitif terus-menerus.

Bukan malas dalam arti buruk.

Justru ini bentuk efisiensi paling natural.

Kalau setiap Senin harus merangkum 40 email, orang akan cari cara biar lebih cepat.

Kalau tiap meeting harus menulis action item, pasti ada yang mencoba assistant.

Kalau harus bikin proposal dengan struktur mirip, seseorang akan menyimpan prompt.

Kalau harus membandingkan tiga dokumen, orang mulai tanya AI.

Perubahan besar sering muncul dari friksi kecil.

Dan friksi kecil ini biasanya tidak masuk ke agenda board.

CEO mungkin bicara tentang “AI-enabled enterprise”.

Karyawan cuma mikir, “Gimana caranya gue pulang jam enam?”

Dua-duanya bisa menuju arah sama.

Bedanya, yang satu strategis.

Yang satu praktis.

Di lantai kantor daerah Kuningan atau Sudirman, adopsi AI sering lebih dekat ke yang kedua.

Bukan proyek.

Kebiasaan.

Kebiasaan lebih cepat daripada policy

Policy selalu punya proses.

Legal review.

IT security.

Procurement.

Risk assessment.

Vendor comparison.

Budget.

Approval.

Karyawan tidak selalu menunggu.

Kalau ada tool gratis yang bisa membantu, mereka coba.

Kalau hasilnya bagus, mereka pakai lagi.

Di titik ini muncul shadow AI.

Istilahnya terdengar dramatis, padahal sering bentuknya sederhana.

Copy teks dari dokumen kerja ke chatbot.

Upload file presentasi.

Masukkan data customer untuk dirapikan.

Pakai AI meeting assistant dari akun pribadi.

Generate code lewat tool yang belum disetujui perusahaan.

Masalahnya bukan karena karyawan jahat.

Masalahnya karena kebutuhan kerja datang lebih cepat daripada kebijakan.

Kalau policy terlalu lambat, orang membuat jalur sendiri.

Perusahaan sering baru sadar setelah usage sudah meluas.

Makanya pertanyaan “Apakah perusahaan kita menggunakan AI?” kadang salah.

Jawaban formal mungkin belum.

Jawaban sebenarnya mungkin setiap hari.

AI adoption perlu dilihat dari perilaku, bukan lisensi

Perusahaan suka mengukur adoption dari jumlah seat.

Kami beli 200 license.

Berarti 200 orang menggunakan AI.

Belum tentu.

Bisa jadi 150 seat nganggur.

Sebaliknya, perusahaan yang merasa belum punya AI resmi mungkin punya ratusan employee yang pakai tool consumer.

Adoption tidak sama dengan procurement.

Yang lebih penting adalah behavior.

Tugas apa yang berubah?

Pekerjaan apa yang jadi lebih cepat?

Apa yang mulai ditinggalkan?

Apa yang sekarang otomatis?

Apa yang masih manual?

Karyawan pakai AI untuk apa?

Di mana mereka merasa aman?

Di mana mereka takut?

Ini lebih useful daripada hanya melihat jumlah akun.

Kalau ingin tahu AI sudah masuk atau belum, jangan cuma tanya CIO.

Tanya orang yang bikin deck.

Tanya admin.

Tanya sales.

Tanya recruiter.

Tanya analyst.

Tanya anak magang.

Kadang jawaban paling jujur ada di level yang paling dekat dengan pekerjaan repetitif.

Orang biasanya mulai dari low-risk task

Menariknya, adopsi AI jarang langsung mulai dari keputusan kritis.

Orang mulai dari hal yang terasa aman.

Bikin draft.

Cari wording.

Ringkas catatan.

Merapikan grammar.

Membuat outline.

Brainstorm.

Mengubah format.

Menulis email.

Dari sana trust tumbuh.

Kalau AI cukup membantu 20 kali, orang mulai memberi task lebih besar.

Bandingkan vendor.

Baca kontrak.

Analisis spreadsheet.

Bikin proposal.

Menjawab customer.

Membuat code.

Di sinilah risk naik.

Masalahnya, kebiasaan tumbuh pelan sehingga orang tidak selalu sadar boundary-nya berubah.

Kemarin AI cuma memperbaiki kalimat.

Hari ini AI membaca data pelanggan.

Besok mungkin AI mengirim output langsung ke client.

Perusahaan perlu menangkap transisi ini.

Bukan untuk menghentikan.

Untuk menentukan titik di mana guardrail harus mulai masuk.

Tool favorit biasanya menang karena praktis, bukan karena terbaik

Kalau tanya karyawan kenapa pakai tool tertentu, jawabannya sering bukan benchmark.

“Udah biasa.”

“Login-nya gampang.”

“Cepat.”

“Di HP juga ada.”

“Bisa baca file.”

“Teman gue pakai.”

Ini reminder penting.

Adoption didorong usability.

Perusahaan bisa memilih vendor yang secara security sempurna tapi UX-nya ribet.

Karyawan tetap kembali ke tool consumer yang mereka suka.

Kalau ingin governance jalan, sanctioned tool harus cukup enak dipakai.

Policy yang hanya bilang “jangan pakai tool lain” tanpa memberi alternatif bagus biasanya kalah.

Ini mirip era BYOD.

Dulu karyawan membawa smartphone pribadi ke kantor karena device corporate terlalu kaku.

Sekarang orang membawa AI pribadi.

Bukan secara fisik.

Tapi lewat account.

Prompt.

Workflow.

Preference.

Perusahaan yang mengabaikan ini akan berakhir dengan compliance di atas kertas dan shadow usage di lapangan.

Meeting adalah pintu masuk paling gampang

Salah satu use case yang paling cepat menyebar adalah meeting.

Bukan karena canggih.

Justru karena semua orang benci pekerjaan setelah meeting.

Notulen.

Summary.

Action items.

Follow-up.

Siapa bilang apa.

Apa deadline.

Meeting assistant mengurangi pekerjaan ini.

Begitu satu orang pakai dan hasilnya lumayan, seluruh tim melihat benefit.

Tapi meeting juga memperlihatkan problem governance.

Apakah semua peserta tahu meeting direkam?

Data disimpan di mana?

Apakah pembicaraan rahasia ikut masuk?

Siapa yang bisa akses transcript?

Berapa lama disimpan?

Apakah digunakan untuk training?

Kalau meeting dengan client, apakah consent-nya jelas?

Use case sederhana tiba-tiba menyentuh privacy.

Inilah karakter AI adoption.

Benefit muncul dulu.

Governance menyusul.

Karyawan belajar lewat eksperimen sosial

Adopsi AI di kantor banyak terjadi lewat sharing informal.

“Prompt gue begini.”

“Coba pakai ini.”

“Kalau output-nya ngaco, kasih contoh.”

“Jangan upload file mentah.”

“Pakai mode ini.”

Knowledge menyebar seperti trik Excel dulu.

Satu orang jadi AI person di tim.

Bukan karena jabatannya AI.

Karena paling sering eksperimen.

Lama-lama orang datang minta bantuan.

Ini sebenarnya asset.

Perusahaan bisa memanfaatkan power user sebagai internal champion.

Bukan cuma untuk adoption.

Tapi juga untuk governance.

Mereka tahu use case nyata.

Mereka tahu di mana AI membantu.

Mereka juga tahu di mana hasilnya sering jelek.

Training formal bisa belajar banyak dari orang seperti ini.

Kalau perusahaan hanya membuat modul online “AI 101”, hasilnya sering terlalu umum.

Employee sudah butuh jawaban yang lebih konkret.

“Boleh upload file ini nggak?”

“Kalau pakai data customer, gimana?”

“Output ini boleh kirim langsung ke client?”

“Tool ini approved?”

“Kalau AI salah, siapa yang cek?”

Itu pertanyaan sehari-hari.

Bukan teori.

AI policy seharusnya mengikuti workflow nyata

Banyak policy AI gagal karena terlalu abstrak.

“Gunakan AI secara bertanggung jawab.”

Bagus.

Tapi maksudnya apa saat employee lagi dikejar deadline jam lima sore?

Policy perlu menjawab scenario.

Boleh pakai AI untuk draft internal.

Tidak boleh masukkan data pribadi tertentu.

Boleh pakai approved meeting assistant.

Harus human review untuk output eksternal.

Tidak boleh memberi credential ke agent yang belum disetujui.

Kalau tool baru dibutuhkan, ada jalur request cepat.

Semakin konkret, semakin mudah dipakai.

Governance yang efektif tidak mengandalkan karyawan membaca 18 halaman PDF.

Ia muncul di titik kerja.

Warning di tool.

Template.

Approved workflow.

Training singkat.

Checklist.

Access control.

AI harus dibuat mudah digunakan secara aman.

Kalau cara aman lebih ribet daripada cara berisiko, orang akan memilih yang cepat.

Target kerja bisa ikut berubah

Ada efek yang tidak selalu disukai.

Begitu AI membuat satu task dua kali lebih cepat, organisasi bisa menaikkan ekspektasi.

Dulu bikin tiga proposal seminggu.

Sekarang lima.

Dulu balas 30 ticket.

Sekarang 60.

Dulu satu analyst menangani dua project.

Sekarang empat.

Productivity gain tidak selalu menjadi waktu luang.

Sering berubah menjadi workload baru.

Ini bisa menciptakan resistance.

Karyawan awalnya excited.

Lama-lama merasa AI cuma membuat target naik.

Adoption yang sehat perlu membicarakan distribution of benefit.

Kalau AI menghemat 10 jam, waktu itu dipakai untuk apa?

Belajar?

Pekerjaan bernilai tinggi?

Lebih banyak target?

Headcount reduction?

Perusahaan perlu jujur.

Kalau tidak, karyawan akan menyembunyikan productivity gain.

Ini fenomena lama.

Orang tidak selalu mau memberi tahu bos kalau mereka menemukan cara menyelesaikan kerja lebih cepat karena takut diberi kerja tambahan.

AI bisa memperkuat itu.

Perubahan organisasi sering datang setelah kebiasaan terbentuk

Banyak perusahaan menunggu strategi dulu.

Tapi kadang strategi paling bagus justru muncul setelah melihat behavior.

Tim finance menemukan AI cocok untuk reconciliation tertentu.

Marketing menemukan workflow riset baru.

Legal menemukan drafting tidak banyak membantu tapi document comparison sangat berguna.

Sales menemukan call summary jauh lebih valuable daripada email generation.

Dari eksperimen kecil seperti ini, perusahaan bisa menemukan use case yang benar-benar worth it.

Transformasi tidak selalu top-down.

Bisa bottom-up.

Yang penting organisasi punya mekanisme menangkap learning.

Power user sharing.

Internal case study.

Usage survey.

Pilot.

Risk review.

Automation library.

Kalau semua eksperimen tersebar tanpa dokumentasi, perusahaan tidak belajar secara kolektif.

Setiap tim mengulang trial yang sama.

Itu buang waktu.

AI literacy lahir dari penggunaan, bukan seminar

Orang tidak jadi jago AI karena nonton satu webinar.

Mereka jadi jago karena pakai.

Salah.

Perbaiki.

Coba lagi.

Belajar kapan output bagus.

Belajar kapan harus curiga.

Belajar memberikan context.

Belajar memecah task.

Belajar memverifikasi.

Sama seperti Excel.

Tidak ada yang jadi power user dari slide presentasi.

Harus pegang file.

Maka perusahaan perlu memberi ruang eksperimen yang aman.

Sandbox.

Approved tools.

Synthetic data.

Training berbasis task.

Community internal.

Jangan hanya bilang AI penting.

Kasih tempat untuk mencoba.

Kalau semuanya terlalu dikontrol, learning lambat.

Kalau semuanya bebas, risk tinggi.

Butuh tengah.

Kebiasaan kecil adalah sinyal terbesar

Kalau ingin tahu apakah AI benar-benar masuk perusahaan, lihat hal kecil.

Apakah orang mulai copy summary AI ke email?

Apakah meeting notes berubah?

Apakah prompt disimpan?

Apakah orang bertanya ke AI sebelum tanya rekan?

Apakah template kerja berubah?

Apakah tugas tertentu makin jarang dilakukan manual?

Apakah folder punya file bernama “prompt”?

Apakah junior mulai menghasilkan output lebih cepat?

Itu tanda adoption nyata.

Bukan banner “AI Transformation 2026”.

Perusahaan sering terlalu fokus pada project besar dan melewatkan perubahan kecil.

Padahal perubahan kecil itulah yang akhirnya mengubah operating model.

Satu prompt.

Satu automation.

Satu habit.

Lalu berkembang.

Di kantor, teknologi jarang menang karena diperintah.

Teknologi menang ketika terasa berguna.

Dan AI, seperti WhatsApp, Google Docs, atau Excel sebelumnya, sering masuk organisasi bukan lewat keputusan besar.

Ia masuk karena seseorang punya pekerjaan membosankan, menemukan cara lebih cepat, lalu orang sebelah bilang:

“Eh, share caranya dong.”