Microsoft: Benahi Alur Kerja Sebelum Menugaskan Agen AI

Microsoft dalam playbook Becoming a Frontier Firm menyampaikan pesan yang tegas: menerapkan agen AI adalah perubahan model operasi, bukan sekadar peluncuran perangkat lunak. Berdasarkan ratusan upaya transformasi internalnya, Microsoft menilai pekerjaan harus terlebih dahulu dibuat terlihat, disederhanakan, dan diatur tata kelolanya sebelum agen diberi tugas menjalankan sebagian proses tersebut. Keberhasilan sebaiknya diukur lewat mutu, kecepatan, risiko, pendapatan, dan dampak kepada pelanggan—bukan banyaknya lisensi yang dibagikan atau prompt yang dikirim. 12

Mulai dari alur kerja, bukan alat AI

Langkah pertama menurut Microsoft adalah memahami bagaimana pekerjaan benar-benar berlangsung. Artinya, organisasi perlu memetakan proses dari ujung ke ujung, menemukan titik serah-terima dan pengecualian, memperjelas siapa yang mengambil keputusan, serta mengidentifikasi data dan sistem yang dipakai karyawan. Tanpa langkah ini, perusahaan berisiko mengotomatisasi proses yang tidak konsisten atau bernilai rendah, alih-alih memperbaikinya. 12

Microsoft merangkumnya sebagai “lean before agents”: rapikan proses sebelum memberi tugas kepada agen. Sebelum agen AI diberi tanggung jawab, organisasi perlu:

• menyederhanakan dan menstandarkan proses dasar;
• menghapus persetujuan, pekerjaan berulang, serta serah-terima yang tidak perlu;
• menyiapkan data bersama yang dapat digunakan dan koneksi ke sistem relevan;
• menetapkan kontrol akses serta tata kelola; dan
• menentukan secara tegas keputusan, pengecualian, dan tindakan berisiko tinggi yang tetap harus dipimpin manusia. 12

Implikasinya cukup praktis: agen harus menerima tanggung jawab yang jelas batasnya dalam alur kerja yang sudah dipahami, bukan instruksi samar seperti “tingkatkan produktivitas”.

Tiga jalur untuk menjalankan transformasi

Microsoft menggambarkan tiga pendekatan yang saling melengkapi, bukan satu jalur adopsi yang berlaku untuk semua organisasi.

1. Percepatan peran (Persona Acceleration)

Pendekatan ini membekali peran-peran prioritas dengan asisten, prompt, keterampilan, dan agen yang spesifik untuk peran tersebut. Tujuannya adalah menjadikan praktik pengguna AI yang paling efektif sebagai kemampuan tim yang dapat diulang, dengan pembelajaran dan pola manajemen yang membuat kolaborasi manusia-AI menjadi kebiasaan kerja. 1

2. Desain ulang proses berbasis AI (AI-Powered Process Redesign)

Fokusnya adalah satu alur kerja lintas fungsi secara utuh. Organisasi tidak berhenti pada otomatisasi satu tugas, tetapi mendesain ulang proses untuk memangkas keterlambatan, duplikasi, pemborosan, dan keputusan yang terpecah-pecah. Ini merupakan wujud paling jelas dari pandangan Microsoft bahwa nilai AI bergantung pada perubahan cara kerja diorganisasi. 12

3. Eksplorasi AI-first (AI-First Possibility)

Jalur ini memberi tim kecil yang ahli ruang untuk menciptakan produk, layanan, atau cara operasi dengan asumsi AI sudah menjadi bagian dasarnya sejak awal. Ketidakpastiannya lebih besar, tetapi pendekatan ini dapat membuka pola kerja dan peluang produk yang tidak akan muncul dari otomatisasi bertahap. 1

Naikkan otonomi agen secara bertahap

Microsoft tidak memandang otonomi sebagai pilihan biner—sepenuhnya otomatis atau sama sekali tidak. Ada perkembangan bertahap, sementara manusia tetap memegang tanggung jawab:

1. Manusia dengan asisten AI: AI membantu membuat draf, merangkum, menganalisis, dan mendukung pertimbangan manusia.
2. Tim manusia-agen: agen menjalankan tugas atau keputusan tertentu dalam batas kontrol, jalur eskalasi, dan pengawasan yang jelas.
3. Alur kerja dipimpin manusia, dioperasikan agen: agen menangani sebagian besar aliran operasional, sementara manusia mengarahkan strategi, menangani pengecualian, memvalidasi hasil, dan tetap bertanggung jawab. 1

Tingkat-tingkat ini bukan berarti setiap organisasi harus menaiki satu tangga kematangan yang kaku. Untuk proses yang berbeda, tingkat otonominya dapat berbeda pula, tergantung risikonya, kesiapan data, dan dampak jika terjadi kesalahan.

Pelajaran dari contoh internal Microsoft

Microsoft mengatakan pekerjaan rantai pasok cloud-nya dimulai dari desain ulang alur kerja dan fondasi bersama sebelum diperluas menjadi lebih dari 111 agen yang dibuat khusus untuk perencanaan, pengadaan, pemenuhan, dan logistik. Perusahaan melaporkan pengurangan waktu siklus hingga 75% pada alur kerja rantai pasok tertentu. Investigasi rencana permintaan, yang sebelumnya memerlukan lima hingga tujuh hari, disebut dapat dipangkas menjadi hitungan jam. 24

Contoh lain adalah Copilot Cowork: tim lintas fungsi beranggotakan sembilan orang merilis produk awal dalam 35 hari dengan pendekatan AI-first. Pelajaran yang disorot Microsoft bukan hanya percepatan pengembangan. Insinyur dan manajer produk beralih ke peran yang disebutnya “meta-engineers” dan “meta-PMs”—mengarahkan, meninjau, dan mengoordinasikan keluaran agen sambil berfokus pada penilaian produk serta rancangan sistem. 24

Dalam kerangka ini, AI mengurangi waktu untuk membuat draf awal, riset rutin, dan mengejar informasi operasional. Pekerjaan manusia bergeser ke perumusan masalah, perancangan sistem, validasi keluaran, penanganan pengecualian, membangun hubungan, serta penggunaan pertimbangan. Perubahan itu membutuhkan literasi AI, kepercayaan, eksperimen, dan penyesuaian peran maupun manajemen—bukan sekadar akses ke lisensi Copilot. 12

Keunggulan berkelanjutan bukan semata-mata dari model AI

Microsoft berpendapat model fondasi akan makin mudah saling menggantikan. Sumber keunggulan yang lebih sulit ditiru, menurut perusahaan, ada pada hal-hal khusus organisasi: pengetahuan institusional yang tepercaya, akses terkelola ke data dan alat, orkestrasi alur kerja, definisi internal mengenai hasil kerja yang baik, serta evaluasi yang terhubung dengan hasil nyata. 15

Microsoft menyebut putaran perbaikannya sebagai “hill-climbing machine”. Gagasan dasarnya: tetapkan hasil yang diinginkan, evaluasi keluaran agen, catat umpan balik dan kesalahan, perbaiki alur kerja atau agennya, lalu ulangi. Dalam pandangan ini, keunggulan tidak terutama datang dari memilih satu model tertentu, melainkan dari terus meningkatkan sistem berdasarkan standar dan pekerjaan organisasi sendiri. 5

Gambaran dari data agen perusahaan

Analisis Microsoft atas 40.093 agen perusahaan Copilot Studio di hampir 2.000 tenant—lingkungan organisasi dalam layanan Microsoft—menemukan bahwa kasus penggunaan produktivitas karyawan internal dan dukungan pengguna mencakup 64,6% agen yang diterapkan. Microsoft juga melihat pergeseran ke aplikasi operasional yang lebih sempit dan spesifik, termasuk bantuan teknis serta alur kerja bisnis khusus. 3

Pola itu mendukung argumen utamanya: asisten produktivitas yang luas mungkin menjadi titik awal yang umum, tetapi penerapan agen yang lebih berdampak kemungkinan bergantung pada proses yang batasnya jelas, data yang relevan, kontrol yang memadai, dan hasil yang dapat diukur.

Ini kerangka kerja, bukan patokan universal

Bukti dalam playbook tersebut berasal dari pelaporan Microsoft sendiri atas transformasi internal dan ekosistem produknya. Angka kinerjanya belum divalidasi secara independen. Microsoft juga menyatakan playbook itu merupakan pendekatan kerja yang terus berkembang, bukan solusi preskriptif atau jaminan hasil bagi organisasi lain. 12

Karena itu, pelajaran yang paling berguna bukan menyalin angka atau nama peran Microsoft. Yang lebih relevan adalah menguji urutannya: pilih hasil bisnis yang penting, buat alur kerja terlihat dan lebih sederhana, siapkan fondasi data serta tata kelola, berikan tugas dengan batas jelas kepada agen, pertahankan akuntabilitas manusia, lalu tingkatkan sistem melalui umpan balik yang terukur.