Mengapa Produktivitas dari AI Belum Terlihat di Laba Perusahaan?

AI bisa membantu seseorang menyelesaikan tugas lebih cepat tanpa otomatis mengubah biaya, pendapatan, atau laba perusahaan. Perbedaan itulah yang membantu menjelaskan kesenjangan dalam survei McKinsey 2026: 80% responden mengatakan AI meningkatkan produktivitas pribadi mereka, sementara 37% mengaitkan AI dengan setidaknya sebagian dampak pada EBIT. Sekitar 6% masuk kategori berkinerja tinggi menurut definisi McKinsey: responden yang mengaitkan sedikitnya 5% EBIT dengan AI dan menyebut dampaknya signifikan. Angka-angka ini merupakan laporan responden, bukan bukti bahwa satu praktik tertentu pasti menghasilkan keuntungan finansial. 68

Mengapa produktivitas belum tentu menaikkan laba

Tugas yang selesai lebih cepat hanyalah satu bagian dari proses bisnis. Jika persetujuan, serah terima pekerjaan, sistem, dan wewenang pengambilan keputusan tetap sama, waktu yang dihemat belum tentu mengurangi biaya atau menambah pendapatan. Survei McKinsey 2026 mengaitkan kinerja AI yang lebih kuat dengan perancangan ulang alur kerja. Riset McKinsey sebelumnya juga menemukan bahwa perancangan ulang alur kerja memiliki hubungan terkuat dengan dampak EBIT di antara faktor-faktor yang mereka teliti. Hubungan ini memberi petunjuk, tetapi bukan bukti sebab-akibat. 514

Hal ini juga penting untuk menentukan apa yang perlu diukur. Akses ke alat, frekuensi penggunaan, dan waktu yang dihemat dapat menunjukkan bahwa AI dipakai. Namun, jika dilihat sendiri-sendiri, metrik tersebut belum menjelaskan apakah bisnis memperoleh pendapatan lebih besar atau mengeluarkan biaya lebih sedikit. Kesenjangan antara produktivitas pribadi dan dampak pada EBIT membuat perusahaan perlu memantau keduanya. 68

Langkah praktis dari uji coba AI menuju nilai bisnis

Mulai dari sasaran bisnis yang jelas

Pilih proses dengan penanggung jawab yang dapat merumuskan masalah dan hasil yang ingin diuji. Sasaran bisa berupa menekan biaya layanan atau meningkatkan konversi—yang penting, targetnya sesuai kebutuhan bisnis, bukan sekadar menghitung aktivitas AI. Catat kondisi awal sebelum proses diubah agar hasilnya bisa dibandingkan.

Batasi lingkup awal agar hasilnya mudah dievaluasi. Dengan proses dan sasaran yang terdefinisi, perusahaan bisa melihat bagian mana yang terbantu oleh AI, kapan karyawan masih perlu turun tangan, dan apakah perubahan itu layak diperluas.

Jadikan mutu dan kepemilikan data bagian dari pekerjaan

Salah satu sesi perdagangan DMEXCO 2026 membahas data produk dari pemasok yang datang dalam berbagai format, dengan label yang tidak konsisten dan informasi yang kurang. Tanpa standar yang disepakati, masalah tersebut dapat terbawa ke umpan data produk dan akhirnya perlu dibetulkan secara manual. 25

Tetapkan siapa yang bertanggung jawab atas mutu data, hasil bisnis, dan keputusan untuk meninjau keluaran AI. Dalam perdagangan, informasi produk yang konsisten dan lengkap—termasuk harga yang akurat bila relevan—juga penting ketika konsumen menemukan produk melalui asisten AI, media sosial, dan marketplace. 273334

Rancang ulang alur kerja, bukan hanya tugas

Tinjau seluruh rangkaian pekerjaan: apa yang masuk ke proses, bagian mana yang ditangani AI, kapan persetujuan dibutuhkan, dan siapa yang menindaklanjuti hasilnya. Jika sesuai, kurangi atau ubah serah terima yang tidak perlu. Namun, pastikan manusia tetap bertanggung jawab atas penilaian, pengecualian, dan keputusan yang membawa risiko bisnis.

Intinya adalah mengubah cara kerja, bukan sekadar menambahkan alat baru ke proses lama. Riset McKinsey mengaitkan perancangan ulang alur kerja dengan dampak finansial yang dilaporkan lebih kuat. Namun, survei 2026 tersebut tidak membuktikan bahwa perancangan ulang saja akan menghasilkan keuntungan itu. 514

Ukur hasil dengan metrik bisnis

Pantau apakah perubahan berdampak pada pendapatan, biaya, margin, atau EBIT—bukan hanya tingkat adopsi, jumlah keluaran, atau waktu yang diklaim berhasil dihemat. Masukkan juga biaya penerapan dan peninjauan oleh manusia ke dalam perhitungan, lalu bandingkan hasilnya dengan kondisi awal. Dengan begitu, perusahaan dapat menguji apakah peningkatan produktivitas benar-benar sampai ke hasil finansial.

Intinya

Survei ini tidak memberikan formula pasti untuk memperoleh keuntungan dari AI. Namun, temuannya menunjukkan mengapa adopsi dan produktivitas saja belum cukup untuk menilai keberhasilan: responden jauh lebih banyak melaporkan peningkatan produktivitas pribadi daripada dampak positif pada EBIT. Perusahaan dapat merespons dengan menggabungkan penggunaan AI yang terarah, data yang andal, penanggung jawab yang jelas, alur kerja yang dirancang ulang, dan pengukuran finansial—seraya tetap menempatkan manusia sebagai pemimpin dan pengambil keputusan. 6814