Ketika AI Mempercepat Segalanya, Kecuali Perusahaan

Akhir-akhir ini saya sering mendengar keluhan yang sangat spesifik.

Bukan "AI tidak berguna". Melainkan sesuatu yang lebih membingungkan:

"Saya sudah cepat."

"Alatnya juga sudah ada."

"Draf jadi dalam setengah jam."

Namun proyeknya tetap merangkak maju dengan ritme lama. Ada yang bahkan mulai meragukan diri sendiri: jangan-jangan saya salah pakai.

Tetapi semakin saya mendengarkan, semakin saya merasa mereka membidik sasaran yang keliru. Sebab yang menjadi lebih cepat biasanya hanya satu orang. Yang tidak menjadi lebih cepat adalah perusahaannya.

Bayangkan sebuah siang hari kerja biasa. Seorang insinyur duduk di depan layar. Ia memakai AI untuk menghasilkan satu versi kode yang bisa dipakai. Tiga puluh menit. Jauh lebih cepat daripada mengetik sendiri seperti dulu.

Ia membuka sebuah pull request, hatinya sedikit lega: hari ini satu bagian bisa maju.

Lalu ia mulai menunggu. Menunggu review. Menunggu umpan balik pengujian. Menunggu seseorang berkata "boleh digabung". Menunggu tim lain mengangguk. Menunggu orang dengan wewenang lebih besar membalas.

Dua hari kemudian, kode itu masih di sana. Bukan karena tidak bisa ditulis. Melainkan karena setelah ditulis, tak ada yang bisa menyambutnya.

Bagian tercepat sudah berakhir. Bagian terlambat justru baru dimulai.

Masalah ini tidak hanya muncul di perusahaan perangkat lunak. Proposal ditulis dalam setengah jam; keputusannya rapat dua minggu. Laporan analisis sudah ada sore itu; rantai persetujuannya berjalan sampai bulan depan. Balasan pelanggan bisa dibuat seketika, tetapi stempel kontrak masih di kotak masuk atasan di lapis ketiga.

AI mempercepat banyak kegiatan "mengerjakan". Tetapi perusahaan masih tersangkut di "memutuskan".

Percakapan biasa senang bertanya: bisakah AI meningkatkan produktivitas?

Future Lab lebih ingin bertanya: ketika eksekusi menjadi lebih cepat, mengapa organisasi secara keseluruhan sering tidak ikut lebih cepat? Di lapisan mana sebenarnya hambatan yang sesungguhnya?

Ada satu hipotesis intuitif: AI sedang menurunkan biaya eksekusi. Tetapi ia tidak menurunkan, dengan laju yang sama, biaya organisasi — keputusan, kepercayaan, tanggung jawab, koordinasi, persetujuan.

Dulu, perusahaan lambat sebagian besar karena orang belum cukup cepat, informasi belum cukup cepat, dan produksi terlalu mahal. Kini kendala-kendala itu mengendur. Maka hal-hal yang selalu ada di dalam struktur lama, tetapi tertutup oleh "semua orang sibuk", mulai tersingkap: keputusan, kepercayaan, tanggung jawab, koordinasi, persetujuan.

Ini bukan penyakit baru. Ini lebih mirip apa yang selalu Future Lab sebut sebagai AI as a Revealing Agent, AI sebagai zat pengungkap: AI belum tentu menciptakan masalah, ia membuat terlihat di mana struktur lama sebenarnya tersangkut.

Ketika menulis kode masih menjadi hambatan, tak seorang pun melihat review. Kini karena menulis kode tak lagi langka, review melangkah ke sorotan. Di masa depan, ketika review pun sebagian ditelan alat, yang benar-benar tersingkap mungkin adalah keputusan — dan orang yang bersedia menandatangani keputusan itu.

Kami menyebut struktur waktu ini — ketika hasil sudah tiba tetapi organisasi belum menyerapnya — sebagai Organizational Latency, latensi organisasi.

Itu tidak berarti perusahaan tak punya orang pandai. Tidak berarti perusahaan tak punya AI. Melainkan: informasi sudah tiba, AI sudah selesai, tetapi sistem masih menunggu pada keputusan, verifikasi kepercayaan, penetapan tanggung jawab, penyelarasan koordinasi, dan persetujuan.

Sangat mirip latensi dalam jaringan. Bandwidth naik. Paket data melaju lebih cepat. Tetapi jika setiap perjalanan bolak-balik harus mengantre menunggu konfirmasi, kecepatan yang dirasakan tetap tak mau naik.

Perasaan individu bahwa "saya menjadi lebih cepat" biasanya mengukur bandwidth. Keputusasaan perusahaan yang berkata "mengapa masih selambat ini" biasanya mengukur latensi.

Di sini kita harus berhenti sejenak dan mengakui satu keberatan.

Tidak dalam setiap situasi eksekusi benar-benar menjadi lebih cepat.

Pada 2025, METR menjalankan studi terkontrol acak terhadap para pengembang sumber terbuka yang berpengalaman: dengan kondisi alat saat itu, diizinkan memakai AI justru menambah waktu penyelesaian tugas sekitar 19%. Yang lebih ganjil — para pengembang sebelumnya memperkirakan akan 24% lebih cepat, dan sesudahnya tetap yakin mereka sekitar 20% lebih cepat.

Dengan kata lain, sebagian "percepatan" pertama-tama adalah ilusi. Waktunya dimakan oleh menyusun prompt, memeriksa ulang, dan menunggu hasil dibuat.

Maka tulisan ini tidak menegaskan: semua orang di dunia sudah dipercepat oleh AI. Tulisan ini membahas struktur lain yang sudah terjadi, dan makin umum: ketika lapisan eksekusi benar-benar menjadi lebih cepat — atau setidaknya tampak lebih cepat — mengapa keluaran organisasi masih bisa tidak bergerak.

Contoh paling meyakinkan bukanlah perusahaan tradisional yang "belum bisa memakai AI". Melainkan Anthropic sendiri.

Pada Maret 2026, ketika Anthropic mengumumkan Code Review di blog resmi Claude, mereka menulisnya dengan blak-blakan: selama setahun terakhir, keluaran kode per insinyur Anthropic tumbuh 200%. Code review menjadi hambatan.

Mereka juga mendengar pelanggan mengatakan hal yang sama berulang kali: para pengembang tertarik terlalu tipis, dan banyak pull request hanya bisa dibaca sekilas, bukan dibaca dengan teliti.

Cat Wu, pemimpin produk Claude Code, menjelaskan mekanismenya lebih gamblang dalam sebuah wawancara: kini satu orang, dengan satu prompt, bisa melempar sebuah pull request yang tampak masuk akal; bebannya berpindah ke peninjau — yang harus menghabiskan banyak waktu memverifikasi kasus-kasus batas.

Perhatikan struktur kalimat itu. AI tidak menghapus pekerjaan. Ia memindahkan pusat gravitasi pekerjaan dari "produksi" ke "verifikasi".

Tanggapan Anthropic pun sangat berbicara: mereka memakai sistem multi-agen untuk melakukan code review yang lebih dalam, menaikkan proporsi pull request internal dengan komentar substantif dari 16% menjadi 54%.

Tetapi mereka tetap tegas: alat tidak menyetujui pull request. That is still a human call.

Kalimat itu hampir menjadi kunci seluruh tulisan ini. AI bisa menurunkan biaya verifikasi. AI bahkan bisa menurunkan sebagian biaya organisasi. Tetapi organisasi tetap cenderung menyisakan satu simpul manusia: siapa yang menanggung akibat dari "boleh digabungkan".

Di permukaan, review adalah mencari kesalahan. Satu lapis lebih dalam, ia adalah membangun kepercayaan: apakah saya percaya keluaran ini layak masuk ke jalur utama. Lebih dalam lagi, ia adalah membagi tanggung jawab: jika saat rilis ada yang rusak, dicatat ke rekening siapa.

Maka ketika ada yang bertanya apakah hambatan terbesar era AI adalah kecerdasan, jawaban Future Lab lebih dekat ke ini: sering kali bukan kecerdasan. Ini tanggung jawab — simpul langka yang bersedia mempertanggungjawabkan hasil.

Ini satu garis dengan Commitment Economy, ekonomi komitmen, yang kami ajukan dalam AI Tidak Akan Menggantikan Manusia Lebih Dulu — Ia Akan Menggantikan Para Penyampai Pesan: ketika eksekusi menjadi murah, yang mahal adalah orang yang berani bertanggung jawab.

Tulisan ini tidak memutar "hambatan tanggung jawab" menjadi istilah baru. Ia sudah berada di dalam ekonomi komitmen. Latensi organisasi adalah kelangkaan tanggung jawab yang tersingkap sepanjang waktu, seperti film yang dicuci.

Riset McKinsey 2025 menamai fenomena di sisi perusahaan dengan lantang: paradoks gen AI.

Hampir delapan dari sepuluh perusahaan melaporkan memakai gen AI, dan sama banyaknya melaporkan tak ada dampak nyata pada laba. Untuk kasus penggunaan vertikal bernilai lebih tinggi, sekitar sembilan dari sepuluh masih tersangkut di tahap uji coba.

Poin mereka: tantangan yang lebih besar sering kali bukan teknologi, melainkan manusia — kepercayaan, adopsi, tata kelola.

Di sisi lain, uraian MIT Sloan tentang riset "rantai tugas" lebih tajam lagi: setiap kali pekerjaan berpindah dari AI ke manusia, lalu dari manusia kembali ke AI, ia membutuhkan review, validasi, penyesuaian. Titik-titik pemeriksaan itu memperlambat seluruh sistem.

Dengan kata lain, organisasi lambat sering kali bukan karena tak punya orang pandai. Melainkan karena orang-orang pandai itu semua ditempatkan di sepanjang rantai konfirmasi yang sangat panjang. Semua orang "bertanggung jawab atas satu bagian". Sangat sedikit yang dirancang untuk "bertanggung jawab atas hasil".

Maka muncul semacam perputaran yang familiar — yang Future Lab sebut kerabat dekat dari Hollow Company, perusahaan berongga: rapat banyak, materi banyak, alat banyak, kemajuan sedikit.

Setelah AI masuk, perputaran itu bisa jadi makin ramai. Karena biaya menghasilkan menurun, organisasi lebih mudah mengisi penantian dengan lebih banyak dokumen, lebih banyak proposal, lebih banyak "draf pertama AI". Tampak lebih sibuk. Latensi belum tentu turun. Kadang malah naik.

Ini juga gema di tingkat organisasi dari Judgment Outsourcing, pengalihdayaan penilaian: ketika manusia berhenti menilai dan hanya memerankan penyampaian serta konfirmasi, sistem menjadi lebih aman, dan juga lebih lambat.

Lambat, kadang adalah pengendalian risiko. Lambat, kadang hanya karena tak ada yang mau menjadi orang yang menandatangani. Keduanya tampak sangat mirip. Perlu dibedakan.

Sebuah alur kerja bisa dibelah kasar menjadi empat lapisan:

Eksekusi. Menulis kode, menulis proposal, membuat analisis, menghasilkan desain. Lapisan yang paling keras dihantam AI.

Koordinasi. Menyelaraskan tujuan, menyinkronkan kemajuan, serah terima antar tim. AI bisa menurunkan biaya penerjemahan dan perapian, bisa pula memproduksi lebih banyak pekerjaan setengah jadi yang perlu disinkronkan.

Keputusan. Dilakukan atau tidak, kapan dilakukan, dengan standar apa. Model bisa menawarkan pilihan; jarang diizinkan memikul pilihan atas nama organisasi.

Tanggung jawab. Siapa menjawab saat terjadi kesalahan; kepada siapa keberhasilan dicatat. Lapisan ini paling sulit diotomatiskan, dan paling tak pantas secara romantis "diserahkan kepada AI".

Dulu, eksekusi yang lambat menutupi tiga lapisan di belakangnya. Kini karena eksekusi telah mengendur, tiga lapisan itu mulai menentukan kecepatan yang dirasakan.

Maka perusahaan tidak menjadi lebih cepat — dan itu belum tentu karena AI gagal. Bisa jadi karena AI berhasil separuh: ia mempercepat bagian yang paling mudah dipercepat, dan memaksa bagian yang benar-benar langka masuk ke sorotan.

Itulah sebabnya, setelah tulisan kedelapan bertanya "mengapa perusahaan masih ada", tulisan ini harus bertanya berikutnya: perusahaan yang ada — mengapa mereka masih bisa selambat ini?

Jika perusahaan sedang bergeser dari mesin produksi dan mesin koordinasi menjadi wadah kepercayaan dan penilaian, maka yang dikelolanya bukan lagi hanya tenaga kerja, dan bukan lagi hanya pengetahuan. Yang dikelolanya adalah: apakah sebuah keputusan yang layak dipercaya dapat dibuat dengan latensi yang dapat diterima, dan ada yang memikulnya.

Dalam setahun ke depan, akan lebih banyak tim berbicara terbuka tentang antrean review dan keterlambatan persetujuan. Verifikasi berbantuan AI akan menyebar. Tanda tangan manusia kemungkinan besar masih ada.

Dalam sekitar tiga tahun, "kecepatan eksekusi" dan "kecepatan mewujudkan" mungkin dilihat terpisah. Satu jenis perusahaan akan memperpendek rantai serah terima. Jenis lain akan memakai lebih banyak persetujuan untuk mencerna kebisingan AI — itulah versi percepatan dari pengeroposan.

Lebih jauh lagi, perusahaan mungkin makin mirip sistem yang meloloskan tanggung jawab.

Di era industri, perusahaan mengelola tenaga kerja. Di era informasi, perusahaan mengelola pengetahuan. Di era AI, sebenarnya perusahaan mengelola apa?

Mungkin ini: ketika kecerdasan tidak langka, aliran yang masih langka dari kepercayaan, penilaian, dan tanggung jawab.

Bagi orang biasa, tulisan ini tidak mendesak Anda untuk "menentang proses". Ia mendesak Anda melihat dengan jelas di lapisan mana Anda berdiri.

Jika nilai Anda terutama pada eksekusi, AI akan terus menekan harga satuannya. Jika nilai Anda pada mendorong hal-hal sampai ke "bisa diwujudkan", dan bersedia menaruh nama Anda pada simpul penting, maka yang Anda tangani adalah latensi.

Future Lab pernah berbicara tentang Personal Optionality, keleluasaan pilihan pribadi: seseorang sebaiknya berusaha menjaga ruang untuk bertindak yang tidak ditentukan oleh satu organisasi mana pun.

Di era ketika latensi organisasi tersingkap, pilihan itu tidak hanya datang dari berpindah kerja. Ia juga datang dari apakah Anda telah menumpuk kredibilitas semacam ini: orang lain percaya Anda telah meninjau. Orang lain percaya Anda telah menilai. Orang lain percaya jika terjadi kesalahan, Anda tidak akan menjadi yang pertama menghilang.

Alat akan terus menjadi lebih cepat. Kepercayaan tidak menjadi lebih cepat dengan sendirinya.

Jika suatu hari eksekusi benar-benar menjadi murah mendekati nol, apa yang masih dikelola perusahaan?

Lebih banyak orang? Lebih banyak informasi? Atau lebih sedikit, tetapi lebih berat, simpul-simpul tanggung jawab?

Ketika AI mempercepat segalanya, mengapa sebagian perusahaan masih tidak menjadi lebih cepat?