Saat kami pertama kali mulai berbicara dengan Big Four tentang AI, percakapannya bergerak sangat cepat. Tidak ada pengantar panjang, tidak perlu menjelaskan mengapa AI penting. Hampir seketika, para partner dan konsultan senior mulai membicarakan ke mana waktu mereka sebenarnya habis. Bukan untuk pengambilan keputusan atau menghasilkan insight, melainkan untuk persiapan. Menarik data dari berbagai sistem. Menyelaraskan angka. Memastikan analisis sesuai dengan standar internal bahkan sebelum siapa pun bisa mulai memikirkan apa arti hasilnya.
Yang paling menarik bagi kami adalah bahwa tidak satu pun dari pekerjaan ini bernilai rendah. Semuanya memang perlu dilakukan. Namun, pekerjaan itu juga melelahkan. Orang-orang yang sangat berpengalaman menghabiskan sebagian besar hari mereka hanya untuk mencapai titik di mana pemikiran yang sesungguhnya baru bisa dimulai.
Seiring percakapan berlanjut, mereka memetakan lebih dari puluhan proses di mana AI bisa berperan. Pelaporan, kepatuhan, kontrol keuangan, analisis pajak, tinjauan internal. Di permukaan, ini tampak seperti masalah otomatisasi yang klasik. Ternyata bukan.
Sebagian besar proses ini sebenarnya sudah memiliki alat, templat, dan otomatisasi parsial. Yang memperlambat semuanya berada di antara langkah-langkah itu. Berpindah konteks. Merekonsiliasi output. Menerapkan penilaian secara konsisten di tengah informasi yang terfragmentasi. Biaya sebenarnya bukan hanya soal waktu, melainkan beban kognitif.
Di situlah cara pandangnya berubah.
Alih-alih bertanya bagaimana AI bisa mengerjakan seluruh pekerjaan dari awal hingga akhir, kami mulai bertanya bagaimana AI bisa mendukung orang-orang yang mengerjakannya. Bagaimana jika AI bisa menangani bagian-bagian yang menguras energi, tanpa mengambil alih kendali? Bagaimana jika AI bisa menyiapkan draf terstruktur, menyoroti inkonsistensi, dan memperlihatkan penalarannya, sehingga para ahli bisa berfokus pada penilaian alih-alih persiapan?
Begitu pendekatan ini mulai diterapkan, dampaknya menjadi nyata.
Di berbagai tim, waktu siklus turun 80 hingga 90 persen untuk pekerjaan analitis yang berulang. Kesalahan manual, terutama dalam proses yang banyak melibatkan rekonsiliasi, turun tajam. Sama pentingnya, output menjadi lebih konsisten di seluruh tim yang sebelumnya menangani pekerjaan yang sama dengan cara yang sedikit berbeda. Rata-rata, para konsultan mendapatkan kembali sekitar 40 hingga 50 jam per bulan yang kini bisa digunakan untuk pemikiran bernilai lebih tinggi.
Namun, perubahan yang paling menarik bukanlah pada angkanya.
Perubahan itu terlihat dari cara orang membicarakan pekerjaan mereka. Proses review menjadi lebih tenang. Diskusi menjadi lebih terfokus. Reviewer senior menghabiskan lebih sedikit waktu untuk memeriksa apakah semuanya sudah benar, dan lebih banyak waktu untuk membahas apa arti hasil tersebut sebenarnya.
Seiring waktu, sistem itu tidak lagi terasa seperti alat yang harus digunakan orang. Sistem itu mulai terasa seperti cara kerja bersama, yang secara diam-diam menyerap bagaimana keputusan dibuat dan memantulkannya kembali dalam analisis-analisis berikutnya.
Pengalaman ini juga menegaskan sesuatu yang sudah lama kami yakini. Kemajuan menuju kecerdasan yang lebih umum tidak akan datang dari sistem yang mencoba menggantikan para ahli di domain yang kompleks. Kemajuan itu akan datang dari sistem yang mengurangi friksi di sekitar pemikiran ahli dan memperkuatnya.
Dalam engagement ini, AI menciptakan nilai bukan dengan menjadi otonom, melainkan dengan menjadi kolaboratif. AI tidak membuat keputusan untuk manusia. AI membantu mereka membuat keputusan yang lebih baik, dengan lebih cepat.
Jika ada sinyal awal tentang di mana sistem mirip AGI akan pertama kali menjadi penting, jawabannya ada di sini. Bukan pada otomatisasi penuh, melainkan pada dukungan terhadap penilaian manusia dalam skala besar.
Pergeseran itu, dari otomatisasi ke pengungkit, adalah hal yang membuat perbedaannya.
