AI Tidak Menarik Karena Pintar, AI Menarik Kalau Paham Pekerjaan

The Core Update

Ben Affleck mendadak ramai dibicarakan bukan karena film baru, tetapi karena cara ia menjelaskan AI.

Dalam beberapa wawancara, ia berbicara cukup teknis tentang machine learning, neural networks, transformers, tensors, GPU, inference, fine-tuning, hingga workflow visual effects. Yang membuat banyak orang terkejut bukan hanya istilah yang ia pakai, tetapi cara ia menghubungkan istilah itu dengan pekerjaan nyata di produksi film.

Ia tidak membicarakan AI sebagai sulap. Ia membicarakannya sebagai bagian dari proses kerja.

Affleck menjelaskan bagaimana gambar bisa diterjemahkan menjadi data numerik, bagaimana model mengenali pola, bagaimana edge detection dan feature extraction membantu pekerjaan visual effects, dan bagaimana AI bisa dipakai untuk tugas spesifik dalam post-production.

Ia juga menjelaskan bahwa pendekatan yang sehat untuk AI di film bukan sekadar memakai model umum lalu berharap hasilnya bagus. Menurutnya, perlu dataset yang tepat, training yang sesuai konteks, dan batasan etis yang menghormati hubungan lama di industri film, termasuk isu likeness dan hak kreatif.

Di titik ini, percakapannya menjadi lebih menarik daripada sekadar selebritas yang memakai istilah teknologi.

Ia sedang menunjukkan sesuatu yang sering hilang dalam diskusi AI: pemahaman domain.

The Reality Check

Banyak bisnis ingin memakai AI karena melihat AI sedang naik. Chatbot baru, automation baru, content generator baru, dashboard baru, atau agent baru sering terlihat seperti jawaban cepat.

Kadang memang membantu.

Tetapi AI tidak otomatis membuat proses kerja menjadi lebih baik. AI hanya mempercepat pola yang sudah ada. Kalau prosesnya jelas, AI bisa membantu mempercepat. Kalau prosesnya kabur, AI bisa mempercepat kebingungan.

Ini yang membuat contoh Ben Affleck menarik. Ia tidak mulai dari pertanyaan, “AI apa yang paling canggih?” Ia mulai dari pekerjaan yang ia pahami: produksi film, visual effects, post-production, standar sinematik, dan hubungan antara teknologi dengan pekerja kreatif.

Dengan kata lain, ia tidak memperlakukan AI sebagai pengganti pemahaman kerja. Ia memperlakukannya sebagai alat untuk memperbaiki bagian tertentu dari workflow.

Banyak implementasi AI di bisnis gagal bukan karena modelnya kurang pintar, tetapi karena pertanyaannya terlalu kabur.

Contohnya:

• ingin chatbot, tetapi belum jelas pertanyaan pelanggan paling sering apa
• ingin automation sales, tetapi belum jelas kapan lead dianggap layak follow-up
• ingin AI untuk laporan, tetapi data operasional masih tidak konsisten
• ingin agent internal, tetapi SOP masih tersebar di chat dan ingatan orang
• ingin dashboard pintar, tetapi status pekerjaan belum disepakati

AI bisa terdengar maju, tetapi tetap membutuhkan input yang rapi, konteks yang jelas, dan tujuan yang sempit.

Justru karena AI semakin mudah diakses, disiplin proses menjadi semakin penting. Tanpa itu, bisnis hanya memindahkan masalah lama ke interface yang lebih modern.

Istilah seperti fine-tuning, dataset, inference, dan model open source memang terdengar teknis. Namun di balik istilah itu ada prinsip yang lebih sederhana: sistem hanya berguna kalau dilatih, diarahkan, dan dievaluasi berdasarkan pekerjaan yang benar-benar ingin diselesaikan.

Affleck juga memberi catatan yang cukup sehat tentang risiko AI. Ia tidak terlalu fokus pada skenario fiksi seperti mesin mengambil alih dunia. Ia lebih khawatir pada penggunaan yang membuat orang menjadi pasif, terlalu bergantung, atau kehilangan kemampuan berpikir.

Untuk bisnis, versi praktisnya mirip.

Risiko AI bukan hanya hasil yang salah. Risiko yang lebih halus adalah tim mulai menerima output tanpa memahami proses, keputusan, atau konteks di baliknya.

Kalau AI dipakai untuk mempercepat pekerjaan yang sudah dipahami, nilainya besar. Kalau AI dipakai untuk menutupi proses yang belum jelas, hasilnya rapuh.

The Havedev Way

Dari sudut pandang Havedev, pelajaran penting dari cerita ini bukan bahwa semua owner harus paham neural network sedalam engineer.

Yang penting adalah owner dan tim memahami pekerjaan mereka sendiri dengan cukup jelas sebelum membawa AI masuk.

Sebelum bertanya “AI apa yang bisa kami pakai?”, bisnis sebaiknya bertanya:

• pekerjaan apa yang paling sering berulang?
• bagian mana yang paling banyak memakan waktu?
• keputusan apa yang masih terlalu sering ditunda?
• data apa yang sudah tersedia dan cukup dipercaya?
• output seperti apa yang bisa dicek kualitasnya?
• siapa yang tetap bertanggung jawab saat AI membantu?

Pertanyaan ini lebih membumi daripada mengejar tool terbaru.

Untuk banyak bisnis, langkah pertama bukan membuat AI agent penuh. Langkah pertama sering lebih sederhana: merapikan form lead, menyusun status follow-up, membuat template respons, membersihkan data customer, atau menyatukan SOP yang masih tersebar.

Setelah itu, AI mulai punya tempat yang lebih jelas.

AI bisa membantu merangkum inquiry pelanggan. AI bisa memberi draft balasan. AI bisa mengelompokkan lead berdasarkan kebutuhan. AI bisa membaca dokumen internal. AI bisa membantu membuat laporan mingguan. AI bisa memberi rekomendasi follow-up.

Tetapi semua itu lebih sehat kalau bisnis sudah tahu alur dasarnya.

Ben Affleck menjadi viral karena ia tidak terdengar seperti orang yang hanya ikut tren. Ia terdengar seperti orang yang memahami pekerjaan, lalu mencari cara agar teknologi membantu bagian yang tepat.

Itu juga cara yang lebih masuk akal untuk bisnis.

AI sebaiknya tidak dimulai dari rasa takut tertinggal. AI sebaiknya dimulai dari alur kerja yang jelas, masalah yang nyata, dan batasan yang disepakati.

Jika proses masih kabur, rapikan dulu prosesnya. Jika data masih berantakan, perbaiki dulu sumber datanya. Jika tim belum sepakat cara kerja, selaraskan dulu bahasanya.

Setelah itu, AI bisa menjadi alat yang kuat.

Bukan karena AI terlihat pintar, tetapi karena bisnis tahu persis pekerjaan apa yang ingin dibantu.

Dapatkan Audit Teknis Gratis untuk meninjau alur website, lead, data, dan automation sebelum bisnis Anda menambahkan AI ke proses kerja yang belum jelas.

---

Sumber referensi berita: TechCrunch