Workflow Ownership Gap: Ketika AI Masuk, tetapi Tidak Ada yang Benar-Benar Bertanggung Jawab

Banyak perusahaan mulai memasukkan artificial intelligence (AI) ke dalam pekerjaan sehari-hari untuk membuat laporan, menganalisis data, menyusun proposal, menjawab pelanggan, memeriksa dokumen, sampai menjalankan sebagian tahapan operasional. Masalahnya, teknologi sering masuk jauh lebih cepat daripada perubahan struktur tanggung jawab. Sebuah perusahaan dapat memiliki AI yang mampu membuat rekomendasi, menjalankan tugas berulang, bahkan melakukan tindakan tertentu secara otomatis. Namun ketika hasilnya salah, terlambat, tidak sesuai kebijakan, atau menimbulkan konsekuensi bisnis, pertanyaan paling sederhana justru sulit dijawab: siapa yang sebenarnya bertanggung jawab atas proses tersebut? Inilah yang dapat disebut sebagai Workflow Ownership Gap, yaitu kesenjangan antara kemampuan teknologi dalam menjalankan workflow dengan kejelasan manusia atau unit bisnis yang memiliki tanggung jawab terhadap workflow tersebut. Fenomena ini menjadi semakin relevan pada 2026 karena AI mulai bergeser dari sekadar chatbot menuju sistem yang dapat menjalankan tindakan di dalam proses bisnis. Riset PwC pada 2026 menunjukkan perusahaan yang memperoleh nilai lebih besar dari AI cenderung bukan hanya menambahkan alat AI, tetapi juga mendesain ulang workflow agar AI benar-benar terintegrasi ke dalam pekerjaan.

AI Mengubah Workflow, Bukan Sekadar Menambah Tools

Kesalahan umum dalam transformasi AI adalah menganggap implementasi selesai ketika sebuah perusahaan sudah membeli atau menggunakan aplikasi AI. Padahal, AI yang benar-benar memberikan dampak bisnis akan mengubah cara pekerjaan dilakukan secara fundamental. Contohnya sederhana: sebelumnya, tim penjualan menerima permintaan pelanggan, memeriksa kebutuhan, membuat penawaran, meminta persetujuan, kemudian mengirimkan proposal. Setelah AI diterapkan, sistem mungkin dapat membaca permintaan pelanggan, mengelompokkan kebutuhan, membuat penawaran awal, memberikan rekomendasi harga, dan mengirimkannya ke pelanggan secara otomatis. Secara teknologi, proses tersebut terlihat jauh lebih efisien. Tetapi muncul pertanyaan baru yang mendasar. Jika AI memberikan rekomendasi harga yang keliru, siapa yang memeriksa? Jika AI mengirim proposal kepada pelanggan yang salah, siapa yang bertanggung jawab? Jika sistem melewati tahapan persetujuan karena workflow berjalan otomatis, siapa yang memiliki kewenangan untuk menghentikannya? Jika jawabannya tidak jelas, perusahaan sebenarnya telah menciptakan workflow tanpa owner yang jelas.

Automation Tidak Sama dengan Accountability

Otomatisasi memiliki kemampuan luar biasa untuk mengurangi pekerjaan manual. Namun otomatisasi tidak secara otomatis menciptakan akuntabilitas. Justru semakin banyak keputusan yang diserahkan kepada sistem, semakin penting menentukan batas kewenangan. Hal ini menjadi penting karena penggunaan AI di perusahaan Indonesia semakin berkembang pesat. UOB dalam studi bisnis 2026 melaporkan bahwa tiga dari empat perusahaan yang disurvei telah menerapkan solusi AI, walaupun tingkat kematangannya berbeda-beda. Studi tersebut juga menemukan kesiapan data, sistem, finansial, serta talenta masih menjadi hambatan, khususnya bagi perusahaan yang lebih kecil. Artinya, perusahaan tidak cukup hanya bertanya tentang aplikasi apa yang bisa digunakan. Pertanyaan yang jauh lebih strategis adalah bagian mana dari workflow yang boleh dijalankan AI, dan siapa pemilik akhirnya. Perbedaan dua pertanyaan tersebut sangat besar karena pertanyaan pertama berorientasi pada teknologi, sedangkan pertanyaan kedua berorientasi pada struktur organisasi.

Munculnya AI Agent Membuat Masalah Ini Lebih Serius

Perkembangan teknologi AI agent membuat Workflow Ownership Gap semakin mendesak untuk diselesaikan. AI generatif tradisional biasanya menunggu instruksi manusia secara pasif; pengguna memberikan prompt, sistem memberikan jawaban, kemudian manusia mengambil tindakan. Sebaliknya, AI agent bekerja dengan pola yang jauh lebih kompleks. Sistem dapat menerima tujuan akhir, mengambil informasi, menjalankan beberapa langkah, menggunakan berbagai tools, dan menghasilkan tindakan nyata tanpa harus menerima instruksi manusia pada setiap tahapan proses. Perubahan tersebut membuat workflow bisnis menjadi semakin otonom. Di Indonesia, perkembangan penggunaan AI agent juga mulai terlihat nyata. Microsoft Work Trend Index 2026 melaporkan bahwa 33% pengguna AI di Indonesia yang disurvei masuk kategori frontier professionals, yaitu pengguna yang memanfaatkan AI untuk pekerjaan kompleks dan menemukan cara kerja baru. Studi tersebut juga menemukan 60% responden menilai quality control terhadap output AI semakin penting. Ini menunjukkan satu hal krusial: semakin mandiri AI bekerja, semakin penting manusia menentukan batas tanggung jawabnya. Tanpa desain organisasi yang jelas, perusahaan dapat mengalami situasi aneh di mana AI menjalankan proses dan manusia memanfaatkan hasilnya, tetapi tidak ada pihak yang benar-benar merasa menjadi pemilik proses tersebut.

Tiga Jenis Workflow Ownership Gap di Perusahaan

Workflow Ownership Gap biasanya muncul dalam beberapa bentuk nyata di lapangan. Bentuk pertama adalah ownership kosong, di mana tidak ada satu unit pun yang secara eksplisit bertanggung jawab atas workflow setelah AI diterapkan karena semua pihak menganggap AI sebagai proyek teknologi semata sehingga tanggung jawab berhenti di tim IT. Bentuk kedua adalah ownership terpecah, di mana tim teknologi mengelola sistem, tim operasional menggunakan sistem, tim legal mengawasi risiko, sementara manajemen menentukan target, tetapi tidak ada satu pihak pun yang memiliki gambaran utuh mengenai workflow tersebut. Bentuk ketiga adalah ownership lama pada proses baru. Perusahaan menggunakan workflow yang jauh lebih otomatis, tetapi struktur tanggung jawab masih mengikuti sistem manual lama. Contohnya, dahulu supervisor bertanggung jawab memeriksa 100 transaksi secara manual, namun setelah AI memproses ribuan transaksi secara otomatis, supervisor masih dianggap sebagai pihak yang sama tanpa perubahan terhadap kewenangan, sistem monitoring, atau kapasitas pengawasan. Akibatnya, beban tanggung jawab meningkat jauh lebih cepat daripada kemampuan manusia mengawasinya.

Mengapa Perusahaan Sering Tidak Menyadari Kesenjangan Ini?

Workflow Ownership Gap sering kali sulit terlihat karena implementasi AI di perusahaan biasanya hanya diukur berdasarkan indikator teknologi yang dangkal. Perusahaan melihat berapa banyak pengguna AI, berapa banyak tugas yang berhasil diotomatisasi, berapa lama waktu yang dihemat, atau berapa besar biaya software yang dipangkas. Namun indikator teknis tersebut tidak selalu mampu menjawab apakah workflow menjadi lebih terkendali dan aman. Sebuah perusahaan mungkin berhasil menghemat 30% waktu pemrosesan, tetapi jika kesalahan yang dihasilkan AI tidak memiliki mekanisme eskalasi yang jelas, efisiensi tersebut justru dapat menciptakan risiko operasional dan reputasi yang jauh lebih besar. KPMG pada 2026 menemukan adanya kesenjangan yang signifikan antara adopsi AI dan kemampuan organisasi menghasilkan dampak enterprise secara konsisten. Studi tersebut juga menyoroti pentingnya sistem, proses, manusia, teknologi, dan governance sebagai kemampuan yang harus berjalan bersama secara harmonis. Dengan kata lain, AI tidak pernah dapat dipisahkan dari desain organisasi yang matang.

Cara Mengatasi Workflow Ownership Gap Secara Sistematis

Langkah pertama untuk mengatasi kesenjangan ini adalah memetakan workflow yang menggunakan AI secara menyeluruh, bukan sekadar mencatat aplikasi yang digunakan. Petakan proses dari awal sampai akhir, mulai dari input, AI processing, recommendation, human review, decision, action, hingga monitoring, kemudian tentukan siapa yang bertanggung jawab pada setiap titik krusial tersebut. Langkah kedua adalah menentukan decision boundary atau batas keputusan yang tegas. Tidak semua keputusan operasional harus diserahkan kepada AI; perusahaan perlu menentukan secara transparan keputusan mana yang boleh dilakukan secara otomatis, mana yang wajib membutuhkan persetujuan manusia, dan mana yang sama sekali tidak boleh dijalankan oleh AI. Langkah ketiga adalah membuat exception owner yang jelas. Workflow normal biasanya mudah dirancang, namun masalah justru muncul ketika sesuatu berjalan tidak normal. Harus ada manusia atau unit yang jelas untuk menangani pengecualian, seperti apa yang terjadi jika data tidak lengkap, jika AI menghasilkan rekomendasi yang bertentangan dengan kebijakan internal, atau jika pelanggan mengajukan keberatan resmi. Langkah keempat adalah mengubah indikator kinerja utama. Jangan hanya mengukur berapa banyak pekerjaan yang berhasil diotomatisasi, tetapi ukur juga tingkat kesalahan, jumlah intervensi manusia, waktu penyelesaian kasus pengecualian, dan kualitas keputusan akhir.

AI Seharusnya Memperjelas Peran, Bukan Mengaburkannya

Transformasi AI yang matang dan sukses seharusnya membuat organisasi menjadi lebih jelas mengenai siapa melakukan apa di dalam perusahaan. AI memang dapat mengambil tugas rutin, membantu menganalisis data, memberikan rekomendasi strategis, bahkan menjalankan tindakan tertentu. Tetapi perusahaan tetap membutuhkan desain tanggung jawab manusia yang kokoh. Penelitian yang terbit pada 2026 mengenai organisasi bisnis di Indonesia juga menempatkan AI sebagai bagian dari kemampuan strategis yang berhubungan erat dengan pengambilan keputusan, governance, dan kinerja organisasi secara keseluruhan. Karena itu, implementasi AI seharusnya tidak berhenti pada pertanyaan tentang model atau aplikasi apa yang dibeli. Perusahaan perlu mendesain ulang siapa yang memiliki workflow, siapa yang memiliki kewenangan keputusan, siapa yang memeriksa hasil kerja AI, dan siapa yang mengambil alih kendali ketika sistem mengalami kegagalan. Di titik inilah AI berubah dari sekadar alat produktivitas sementara menjadi bagian integral dari operating model perusahaan dalam jangka panjang.