Dalam dunia riset kecerdasan buatan (AI), ada sebuah konsep terkenal yang disebut “the bitter lesson” atau pelajaran pahit. Konsep ini diperkenalkan oleh Rich Sutton, salah satu pelopor AI dan reinforcement learning.
Intinya sederhana namun menyakitkan: metode AI yang sederhana dan bisa diskalakan dengan komputasi besar hampir selalu mengalahkan solusi rumit yang dirancang secara cerdas oleh manusia.
Contohnya:
-
Mesin catur yang hanya menghitung lebih banyak kemungkinan langkah mengalahkan mesin dengan strategi buatan manusia yang rumit.
-
Jaringan saraf (neural network) yang memproses data dalam jumlah besar mengalahkan sistem dengan fitur yang dirancang secara manual.
Setiap kali peneliti merasa bisa “mengalahkan” kekuatan komputasi dengan kecerdikan manusia, hasilnya selalu sama: mereka kalah.
Pelajaran pahitnya? Jangan terlalu sok pintar. Kesederhanaan dan skala selalu menang.
Versi “Pelajaran Pahit” di Dunia Kerja
Konsep ini ternyata juga terjadi di lingkungan kerja saat ini, khususnya dalam penerapan AI di perusahaan. Dan sayangnya, banyak tim IT berada di sisi yang salah.
Yang sering terjadi adalah ini:
Perusahaan menghabiskan jutaan rupiah (bahkan miliaran) untuk membangun solusi AI enterprise yang rumit—mulai dari model khusus, integrasi kompleks, hingga aturan tata kelola yang berlapis-lapis.
Namun di saat yang sama, karyawan justru mendapatkan hasil yang lebih nyata hanya dengan berlangganan ChatGPT seharga sekitar $20 per bulan.
Respons dari tim IT biasanya:
“Itu cuma shadow AI. Nanti kalau solusi enterprise kita sudah siap, kita hentikan itu.”
Tapi bagaimana kalau justru karyawan yang benar?
Bagaimana kalau pendekatan paling sederhana—membiarkan orang menggunakan AI yang sudah mereka pahami—adalah strategi terbaik?
Inilah versi Occam’s Razor dalam AI enterprise: solusi paling sederhana sering kali adalah yang paling benar.
Kenapa Kita Terus Memperumit AI?
Bisa dimengerti mengapa tim IT ingin membangun solusi AI yang kompleks. Itu terasa lebih profesional, lebih terkontrol, dan lebih “enterprise”.
Namun pola pikir ini mirip dengan pabrik-pabrik lama yang masih mengatur mesin berdasarkan kebutuhan tenaga uap, bahkan setelah listrik membuat itu tidak lagi relevan. Kita terlalu terbiasa menyelesaikan masalah dengan kontrol dan rekayasa, sampai tidak sadar bahwa solusi terbaik justru adalah tidak terlalu mengatur.
Karyawan yang menggunakan ChatGPT bukan pemberontak. Mereka hanya mencari cara tercepat untuk mendapatkan manfaat. Dan dalam teknologi, jalur dengan hambatan paling kecil biasanya adalah jalur yang benar.
Contoh: Ilusi Agen AI yang Terlalu Rumit
Saat ini banyak hype tentang computer-using agents—AI yang bisa mengoperasikan komputer layaknya manusia. Banyak yang membayangkan karyawan akan merancang alur kerja rumit dan mengajarkan AI melakukan berbagai tugas kompleks.
“Ini seperti RPA, tapi lebih pintar!”
Masalahnya, jika karyawan benar-benar ingin membuat automasi rumit, mereka sudah melakukannya sejak lama menggunakan RPA, teknologi yang sudah ada puluhan tahun. Fakta bahwa sebagian besar tidak melakukannya adalah jawabannya.
Nilai sebenarnya dari AI jenis ini bukan karena karyawan akan memprogramnya, tetapi karena:
-
Karyawan tetap melakukan hal yang sama: bertanya ke AI
-
AI-lah yang memutuskan kapan harus membuka aplikasi, browser, atau sistem lain
Contoh sederhana:
Karyawan: “Tolong cek apakah laporan biaya saya sudah disetujui.”
AI: “Saya akan masuk ke sistem… mengecek… ya, disetujui kemarin.”
Tanpa desain workflow. Tanpa coding. Hanya percakapan alami.
Strategi yang Lebih Masuk Akal
Jika karyawan sudah mendapatkan manfaat dari AI sederhana, dan proyek AI enterprise sering gagal, apa yang seharusnya dilakukan perusahaan?
Jawabannya:
-
Berhenti mencoba membangun solusi AI yang lebih rumit
-
Mulai mendukung solusi yang sudah berhasil digunakan
Ini bukan berarti mengabaikan keamanan atau tata kelola. Tapi menerapkannya di lapisan yang tepat.
Bukan:
“Kami tentukan AI apa yang boleh dipakai”
Melainkan:
“Kami pastikan lingkungan kerja aman untuk AI apa pun yang dipakai”
Perbandingannya:
-
Pendekatan lama: “Kami akan membuat AI yang lebih baik untukmu”
-
Pendekatan pelajaran pahit: “Kami akan membuat AI yang kamu pakai bekerja lebih baik di sini”
Karena faktanya, perkembangan AI terlalu cepat untuk dikejar oleh IT enterprise. Saat solusi internal selesai dibuat, AI konsumen sudah jauh melompat ke depan.
Ini Bukan Menyerah, Tapi Dewasa
Bagi sebagian pemimpin IT, ini terasa seperti kekalahan. Seolah tidak “bekerja” jika tidak membangun sesuatu yang kompleks.
Padahal memberdayakan sama berharganya dengan membangun.
Jika Anda:
-
Menyediakan lingkungan kerja yang aman untuk AI
-
Memastikan data perusahaan tetap terlindungi
-
Memungkinkan karyawan berbagi cara kerja berbasis AI
Anda sedang menciptakan nilai nyata.
Intinya
Pelajaran pahit AI di dunia kerja adalah ini:
Adopsi AI yang sederhana dan dipimpin oleh karyawan selalu mengalahkan solusi AI rumit buatan IT.
Tugas perusahaan bukan membuat AI yang “lebih pintar”, tapi:
-
membuat AI yang sudah digunakan menjadi lebih aman
-
lebih efektif
-
dan lebih bernilai bagi bisnis
Mungkin itu tidak terasa sekeren membangun sistem besar.
Tapi itulah pelajaran pahit yang perlu kita terima.
Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan citrix indonesia, merupakan bagian dari PT. iLogo Indonesia, yang merupakan mitra terpercaya dalam solusi Infrastruktur IT dan Cybersecurity terbaik di Indonesia.
Hubungi kami sekarang atau kunjungi citrix.ilogoindonesia.id untuk informasi lebih lanjut!
