Tim AI Cross Functional Perusahaan

Salah satu kesalahan paling fatal yang dilakukan oleh eksekutif saat memulai proyek Kecerdasan Buatan (AI) adalah menguncinya di dalam ruang server. Mereka menyerahkan seluruh anggaran miliaran rupiah kepada Kepala IT dan berharap keajaiban efisiensi akan terjadi bulan depan.

Kenyataannya, AI adalah transformasi bisnis yang ditenagai oleh teknologi, bukan sebaliknya. Jika Anda ingin algoritma tersebut benar-benar dipakai oleh karyawan dan menghasilkan keuntungan finansial, Anda wajib membangun tim AI cross functional perusahaan (tim lintas fungsi). Mengapa keragaman perspektif (diversity of perspective) ini sangat penting, dan siapa saja yang harus duduk di dalam komite ini?

Mengapa ‘Diversity of Perspective’ Sangat Vital?

Jika sebuah tim hanya diisi oleh insinyur data (Data Scientist), mereka akan membangun model yang secara teknis sangat canggih, namun mungkin antarmukanya terlalu rumit bagi staf admin, atau metrik yang dioptimalkan tidak sejalan dengan target laba perusahaan. Keberagaman fungsi memastikan bahwa AI yang dibangun berpusat pada pengguna (User-Centric), patuh pada hukum privasi (UU PDP), dan terukur secara komersial.

Komposisi Ideal Tim Lintas Fungsi AI

Sebuah Dream Team implementasi AI perusahaan harus mencakup lima peran fundamental berikut ini:

1. Business Sponsor (Sponsor Eksekutif)

Biasanya dijabat oleh C-Level (CEO, COO, atau CFO). Mereka tidak perlu tahu cara kerja coding. Tugas mereka adalah mengamankan pendanaan (anggaran), menyingkirkan hambatan birokrasi, dan memastikan inisiatif AI tersebut secara langsung menjawab masalah utama (bottleneck) perusahaan.

2. Domain Expert (Pakar Fungsional / Operasional)

Ini adalah perwakilan dari departemen yang masalahnya akan diselesaikan oleh AI. Jika proyeknya adalah AI untuk HRD, maka Domain Expert-nya adalah Manajer HRD. Merekalah yang memahami Standar Operasional Prosedur (SOP) harian dan menjadi penentu apakah solusi AI tersebut masuk akal untuk digunakan di lapangan.

3. Data Analyst / AI Engineer (Arsitek Teknis)

Tim teknis yang mengeksekusi visi menjadi realita. Mereka bertugas membersihkan data (Data Cleansing), melatih algoritma, menyambungkan Application Programming Interface (API), dan memastikan infrastruktur Cloud berjalan stabil tanpa jeda (downtime).

4. Project Manager (Katalisator Proyek)

Proyek AI sangat rentan terhadap pembengkakan ruang lingkup (Scope Creep). Project Manager (PM) bertugas menjaga lini masa (timeline) berjalan tepat waktu, mengatur jadwal meeting lintas divisi, dan menjembatani komunikasi antara bahasa teknis insinyur dengan bahasa bisnis eksekutif.

5. Change Manager (Ahli Manajemen Perubahan)

Peran yang sering dilupakan namun paling krusial. Change Manager (biasanya dari pihak HRD atau konsultan internal) bertugas menyiapkan mental karyawan yang akan menggunakan AI. Mereka merancang program pelatihan (Training) dan meredam ketakutan karyawan akan isu Pemutusan Hubungan Kerja (PHK).

Framework RACI untuk Proyek AI

Untuk mencegah kebingungan dan konflik antar departemen, terapkan matriks RACI sejak hari pertama peluncuran proyek:

• R (Responsible / Eksekutor): Siapa yang melakukan pekerjaan teknis? → Data Analyst & Project Manager.
• A (Accountable / Penanggung Jawab): Siapa yang kepalanya menjadi taruhan jika proyek gagal atau melanggar hukum? → Business Sponsor.
• C (Consulted / Penasihat): Siapa yang harus dimintai pendapat sebelum algoritma difinalisasi? → Domain Expert & Legal/Kepatuhan.
• I (Informed / Pemberitahuan): Siapa yang perlu dikabari progresnya tanpa hak memveto keputusan? → Pengguna Akhir (End-Users) melalui Change Manager.

FAQ

Bolehkah perusahaan menengah (SME) menggabungkan beberapa peran ini ke dalam satu orang?

Sangat bisa. Di perusahaan kelas menengah, seorang IT Manager yang komunikatif sering kali merangkap peran sebagai Data Engineer sekaligus Project Manager. Sementara Manajer HRD bisa merangkap sebagai Domain Expert sekaligus Change Manager. Yang terpenting adalah kelima ‘fungsi’ tersebut terpenuhi, bukan sekadar jumlah kepalanya.

Mengapa proyek AI sering mandek jika tidak ada ‘Business Sponsor’?

Tanpa Business Sponsor dari jajaran eksekutif puncak (C-Level), proyek AI akan dianggap sebagai proyek ‘hobi’ departemen IT semata. Akibatnya, saat proyek tersebut membutuhkan prioritas integrasi data dari departemen lain, tidak ada otoritas yang bisa memaksa departemen tersebut untuk bekerja sama.

Apa yang terjadi jika kita tidak melibatkan ‘Domain Expert’ di tahap awal?

Anda akan menciptakan fenomena ‘Solusi Mencari Masalah’. Algoritma yang dibangun mungkin sangat akurat secara matematis, namun karena tidak mempertimbangkan alur kerja (workflow) nyata di lapangan, aplikasi tersebut menjadi terlalu rumit untuk digunakan sehingga ditolak mentah-mentah oleh staf operasional (End-Users).