Category: Insight

Thought leadership dan cerita dari founder Knods & Labtek Indie

  • Kenapa Gatekeeping AI Justru Bikin Posisimu Terancam

    Kenapa Gatekeeping AI Justru Bikin Posisimu Terancam

    Ada satu dorongan tak kasat mata yang belakangan ini makin sering terasa di banyak perusahaan: keinginan diam-diam untuk menahan, membatasi, atau bahkan gatekeeping dari kehadiran AI.

    Banyak dari kita yang sudah menghabiskan waktu bertahun-tahun untuk membangun keahlian dan mengamankan posisi yang kita tempati hari ini. Tapi tiba-tiba saja, ada tools baru yang datang dan menjanjikan efisiensi dalam hitungan detik. Reaksi pertama yang muncul sering kali bukan rasa penasaran, melainkan kewaspadaan. Ada kecemasan bahwa menggunakan AI berarti membiarkan nilai dan posisi kita terancam.

    Perasaan itu sangat wajar. Tapi, benarkah yang harus kita batasi pergerakannya adalah teknologinya? Atau justru kapasitas kita yang perlu ditingkatkan?

    Kenyamanan yang Sebenarnya Menjebak

    Sama seperti kebiasaan menahan diri dari hal baru yang belum kita kuasai, mengabaikan dan tidak menggunakan AI rasanya seperti hal yang paling bisa kita kendalikan. Kita merasa aman karena tetap bekerja dengan cara-cara lama yang sudah terbukti familiar dan punya batasan yang jelas. Ada ilusi kontrol saat kita menolak menyentuhnya: “Kalau kami tidak memainkannya, perannya tidak akan bergeser.”

    Padahal, kenyataan di luar sana bergerak dengan pola yang berbeda.

    Batas untuk mengakses dan mengoperasikan AI saat ini sudah hampir nol. Siapa pun mulai dari rekan kerja satu tim, kandidat fresh graduate, hingga kompetitor di sebelah punya akses ke alat dan potensi yang sama persis dengan yang ada di depanmu saat ini.

    Risiko terbesarnya bukan lagi tentang AI yang tiba-tiba mengambil alih pekerjaanmu secara ajaib dari langit. Risiko nyata yang sedang berjalan pelan-pelan adalah: seseorang di kursi yang sama denganku hari ini, atau yang mengincar kursi ini besok, memilih untuk belajar memanfaatkannya lebih dulu.

    Ketika ada orang lain yang berhasil mengeksekusi ide 3x lebih cepat tanpa menurunkan kualitas, pertahanannya bukan lagi masalah teknologinya canggih atau tidak, melainkan masalah relevansi.

    Sudut Pandang dari Internal Knods

    Di ekosistem Knods, kami terbiasa bekerja secara mandiri (self-managed) di mana peran dan eksplorasi cara kerja baru terus berkembang setiap hari. Dari dinamika harian ini, kami belajar satu hal penting: kunci keamanan sebuah peran di era sekarang bukan terletak pada seberapa erat kita menggenggam keahlian lama, melainkan seberapa cepat kita menjadi early adopter dan pemimpin atas perubahan itu sendiri.

    Kami sudah menjalaninya. Di Knods, ada satu “rekan kerja” yang nggak pernah tidur: Koralin, asisten AI yang kami pasang langsung di channel komunikasi dan tersambung ke tools yang kami pakai sehari-hari.

    Tugasnya kebanyakan pekerjaan yang diam-diam ternyata makan banyak waktu. Log jam kerja, reimbursement, riset klien dan membuat draft dokumen. Status proyek di Linear, jadwal meeting lintas circle, dan pertanyaan “siapa pegang role apa” bisa ditanya langsung tanpa nunggu orang yang kebetulan tahu jawabannya.

    Untuk organisasi self-managed seperti kami, ini jadi penting. Di struktur tanpa atasan yang jadi “pusat informasi”, informasi gampang tercecer di banyak kepala. Agent AI kami tidak ngambil keputusan untuk siapa pun. Dia cuma memastikan setiap orang punya akses yang sama ke informasi yang dibutuhkan untuk memutuskan sendiri.

    Ketika AI dimasukkan ke dalam alur kerja, dia tidak serta-merta menggantikan pemikiran strategis, empati, maupun intuisi manusia dalam mengambil keputusan. AI cuma memangkas jarak antara ide dan eksekusi.

    Orang yang paling bernilai di masa depan bukanlah orang yang paling gigih menolak AI, melainkan orang yang paling paham cara “menungganginya” untuk memimpin eksekusi di tim atau organisasinya.

    Mulai Memegang Kendali, Jangan Cuma Menonton

    Menunggu sampai AI benar-benar matang atau dipaksa oleh keadaan biasanya sudah terlambat. Menguasainya lebih awal bukan berarti kamu harus langsung jadi ahli teknis dalam semalam. Cukup mulai dari rasa ingin tahu dan keberanian untuk mencoba di tugas-tugas kecil harianmu.

    Jangan biarkan posisimu ditentukan oleh keengganan untuk memulai. Ambil kendalinya lebih dulu, kuasai sebelum yang lain, dan jadilah orang yang mengarahkan perubahannya.

    Langkah pertamanya bisa kamu mulai dari membaca perspektif dan pendekatan taktis yang kami pakai di Knods lewat tulisan lengkapnya di sini: https://web.knods.app/knods-insights

  • Bagaimana Organisasi Menjadi Bottleneck Adopsi AI di Indonesia

    Bagaimana Organisasi Menjadi Bottleneck Adopsi AI di Indonesia

    AI Adoption Iceberg

    Semua Orang Sudah Pakai AI. Tapi Organisasinya Belum Jalan.

    Ada angka yang menarik untuk kita bahas sebagai pembuka tulisan ini: 92% pekerja Indonesia sudah pakai AI di tempat kerja. Angka ini merupakan yang tertinggi di Asia Pasifik, di atas rata-rata global 75% (Microsoft Work Trend Index, 2024). Tools untuk AI-nya sudah sangat murah, sebagian bahkan gratis, cara menggunakannya pun tergolong mudah tanpa harus paham programming.

    Tapi ada angka lain yang jarang dibahas: cuma 19% organisasi Indonesia yang benar-benar siap menerapkan AI (Cisco AI Readiness Index, 2024).

    Jadi persoalannya terbesar itu bukan soal orang tidak mau atau tidak bisa pakai AI. Orang-orangnya sudah mulai duluan. Yang mandek itu organisasinya. Barrier teknis untuk pakai AI memang sudah rendah. Tapi barrier organisasi justru tumbuh dan menggantikannya.


    Kenapa Organisasi Mandek?

    Ada empat hal yang membuat adopsi AI di level enterprise tidak bergerak.

    1. Data yang ter-silo. Di banyak enterprise Indonesia, terutama BUMN dan korporat besar, data tersebar di antar departemen yang tidak bicara satu sama lain dan tidak ada unified data governance. Setiap divisi manage data sendiri-sendiri dan ini menjadi bottleneck terbesar untuk pengambilan keputusan akurat dan cepat berdasarkan data.

    2. Tidak ada roadmap adopsi AI yang jelas. Tanpa strategi AI yang terstruktur, adopsi AI menjadi scattered. Misalnya, satu tim coba pakai ChatGPT untuk bikin draft email dan tim lain coba Copilot untuk coding. Tidak ada keterhubungannya dan tidak ada yang mengukur dampaknya. McKinsey, EDB & Tech in Asia (2026), dalam survei terhadap 330 perusahaan di 6 negara Asia Tenggara, mencatat baru 46% yang berhasil melewati tahap pilot. Bukan karena pilotnya yang gagal tetapi karena organisasi tidak punya proses untuk belajar dari pilot kecil dan scale up secara terstruktur.

    3. Leadership belum mengambil kendali atas masalahnya. AI project seringkali dipegang oleh teman-teman dari divisi IT untuk mempermudah workflow yang sudah mereka punya. Ini dapat dipahami karena source dan lingkungan mereka lebih dekat dengan update soal AI. Sedangkan dari unit bisnis, Mid-level manager tidak punya insentif untuk mengubah proses yang sudah jalan. Di atas itu, C-suite kesulitan untuk mengkuantifikasi AI value diluar operational cost savings. Ini pola yang berulang kali muncul di riset Salesforce secara global, meski angka pastinya untuk Indonesia belum ada.

    4. Regulasi yang masih abu-abu. Di Indonesia sendiri belum ada pedoman yang jelas tentang bagaimana seharusnya regulasi dan governance data dilakukan. Aturan yang paling mendekati adalah UU Pelindungan Data Pribadi (Oktober 2022) yang sebenernya menciptakan compliance uncertainty. Dari sektor keuangan, OJK AI guidelines masih evolving. Bank dan financial institution juga berhati-hati soal penggunaan AI dalam infrastruktur mereka.

    Keempat hal ini nunjukkin orangnya udah siap berubah, bahkan sudah menggunakannya dalam workflow mereka masing-masing. Yang belum siap itu organisasinya. Kondisi yang bikin adopsi AI bisa terjadi secara optimal dan terstruktur belum hadir.


    A/B Testing sebagai Cara Mulai

    Bagaimana organisasi bisa menciptakan kondisi tersebut? Kabar baiknya, tidak perlu budget besar atau approval dari board untuk mulai. Pendekatan yang paling realistis dan terbukti adalah small-scale rollout. Kalau kamu familiar dengan istilah product development atau marketing strategy, ini basically A/B testing untuk AI adoption.

    Caranya sederhana. Ambil satu workflow yang sudah ada. Misalnya draft email ke klien, bikin laporan bulanan, riset kompetitor, atau update CRM. Kamu bisa lakukan percobaan dengan menjalankan versi tanpa AI bersamaman dengan AI, di tim yang sama. Ukur waktu, kualitas, effort, output, terus bandingkan. Jika versi AI lebih baik, scale up. Kalau enggak ada bedanya, drop aja. Cost-nya bisa sangat minimal.

    Biayanya: ChatGPT Plus atau Claude Pro, $20/bulan per orang. Untuk pilot 3 orang selama 1 bulan, total cost sekitar $180 termasuk waktu setup. Atau bisa dengan menggunakan 1 akun premium yang dishare. Kalau workflow-nya menghemat 2 jam per minggu per orang, payback period-nya 1 minggu (IDC/Microsoft, 2023).

    Ada beberapa data yang mendukung argumen ini:

    Ambil otomasi email sebagai contoh. Seorang konsultan di BCG bisa menyelesaikan draft proposal dalam setengah waktu dengan AI sebagai first draft generator, lalu review dan refine sendiri. Atau riset kompetitor, yang dulu butuh 2 hari browsing dan compile, sekarang bisa jadi 2 jam dengan AI sebagai research assistant, lalu manusia yang analisis dan memutuskan. Semua ini bisa di-A/B test tanpa mengganggu existing workflow.

    Yang penting untuk dipahami: tujuannya membantu orang bekerja lebih efisien dengan AI, mengukur dampaknya, baru diimplementasikan ke skala yang lebih besar. Bukan mengganti orang dengan AI.


    Dari Internal ke Tim lain atau Komunitas

    Dari sini kita dapat melihat kalau dari level perseorangan, para talent sudah menggunakan AI entah untuk generate draft atau sekedar brainstorming. Tapi implementasi seperti ini hanya membantu workflow personal mereka, bukan mengadopsi AI dengan sistemik. Kalau hasilnya penggunaan AI atau eksperimen ini cuma tinggal di dalam tim maupun individu, pembelajarannya jadi terbatas. Yang membuat eksperimen ini lebih powerful adalah ketika hasilnya dibagikan. Baik secara internal antar tim, atau secara external ke komunitas.

    Internal sharing itu artinya cross-team learning. Misal tim marketing yang sudah berhasil pakai AI untuk bikin campaign brief bisa share bagaimana AI diimplementasikan dalam workflow-nya ke tim divisi lain yang belum mencoba. Satu eksperimen saja tapi yang merasakan dampaknya lebih dari satu tim.

    Sedangkan external sharing artinya community learning. Di luar organisasi, ada komunitas yang terbuka untuk hal ini. Salah satu yang inspiratif adalah “How I AI” oleh Claire Vo. Series konten di mana orang-orang share screen dan demo workflow AI mereka secara praktis. Para pembicara nunjukkin cara mereka pakai AI untuk kerja sehari-hari. Series ini sudah 99 episode, tersedia di YouTube, Spotify, dan Apple Podcasts.

    Kami di Labtek Indie juga terbuka untuk hal serupa. Dari Knods dan Knods playground, kami mengadakan sharing session secara offline dan online tentang cara dan workflow menggunakan AI. Baik dari yang sudah kami implementasikan maupun trend yang selama ini kami observasi di dunia maya. Kegiatan ini seringkali berbentuk peer-to-peer, dari orang yang benar-benar pakai di kondisi kerja yang mirip dengan kondisimu. Tunggu infonya di Knods Events untuk workshop/sharing session seperti ini ya.


    Mulai dari Mana?

    Kamu enggak perlu nunggu organisasi punya AI strategy, approval dari board, atau budget ratusan juta buat mulai.

    Yang kamu butuhkan: satu workflow yang mau kamu test, satu tools AI ($20/bulan), satu minggu untuk mencoba dan mengukur, dan satu tempat untuk share hasilnya, baik internal ataupun komunitas.

    Barrier teknisnya sudah hilang. Siapapun bisa menggunakan AI. Yang tersisa sekarang pertanyaan di level organisasi: apakah kita mau menciptakan proses untuk belajar, atau tetap menunggu sampai kompetitor yang lebih kecil duluan jalan?

  • Megatsunami AI: Kenapa Setiap Talent Butuh Strategi AI Sekarang

    Megatsunami AI: Kenapa Setiap Talent Butuh Strategi AI Sekarang

    Beberapa bulan terakhir, gw susah tidur.

    Meme This Is Fine — anjing duduk tenang minum kopi di ruangan yang terbakar

    Sebagai founder, gw udah lama terbiasa hidup dengan ketidakpastian; itu bagian dari pekerjaan. Tapi yang terjadi di dunia AI sejak awal tahun ini terasa lain. Sejak ChatGPT dibuka ke publik aja udah mengubah cara orang coding dan kerja secara signifikan. Dan setelah OpenClaw rilis beberapa bulan lalu, kecepatan perubahannya jadi cepet banget dan jadi PR banget buat catch up.

    Ada satu momen ketika ini berhenti terasa seperti berita teknologi biasa dan mulai terasa personal buat gw. Jensen Huang ikut ngomong soal OpenClaw dan bilang bahwa Claw adalah “the next operating system for personal AI”. Lalu NVIDIA keluar dengan NemoClaw versi mereka sendiri. Foreign Minister Singapura cerita dia bikin personal agent untuk dirinya sendiri. Boris Cherny, salah satu orang di balik Claude Code, bilang AI sudah “menyelesaikan coding”. Lab-lab frontier ngerilis hal baru lebih cepet dari sebelumnya, sebagian karena AI coding assistant udah cukup matang untuk mempercepat kerja mereka sendiri.

    Di titik itulah flight-or-fight gw nyala.

    Karena kalau AI beneran udah menyelesaikan coding, apa artinya buat digital talent? Apa artinya buat Labtek Indie sebagai agency? Apa artinya buat Knods? Orang masih bakal pakai agency? Orang masih bakal cari talent? Gw nggak punya jawaban waktu pertanyaan-pertanyaan itu dateng. Jadi gw lakuin satu-satunya hal yang gw tahu caranya: nyemplung langsung ke dalemnya.

    Beberapa bulan ke belakang gw abisin waktu buat ngejar semuanya. OpenClaw, Hermes, Claude Code, gw pakai langsung tiap hari, bukan cuma baca post X atau youtube videonya orang doang. Makin dalem gw masuk, makin jelas buat gw bahwa; Ini megatsunami, dan  bakal ngubah lanskap dunia gw, Labtek Indie dan Knods. Yang belum pasti cuma kapan.

    Jadi gw berhenti berharap everything’s gonna be like before. Labtek dan Knods mutusin masuk sepenuhnya ke jalur AI. Dan pertanyaan yang tadinya bikin panik berubah jadi pertanyaan yang jauh lebih menarik buat dikerjain: Knods kayak apa yang masuk akal di era ini? Labtek Indie bakal jadi kayak apa?

    Untuk Ngejawab hal itu, Gw Trace Back Perjalanan Labtek Indie dan Knods

    Sepuluh tahun lalu Labtek Indie mengadopsi User-Centered Design dan Agile Software Development. Kami grinding bertahun-tahun sampai jadi praktik yang bener-bener kami kuasai, sampai akhirnya nyusun Modular Product Development Framework sendiri buat mecah proses pengembangan produk digital yang rumit jadi modul yang lebih bisa dikelola.

    Selama itu, tanpa pernah nyebutnya begitu, Labtek berfungsi kayak dojo. Talent freelance kerja bareng kami lewat Knods, di bawah pengawasan QAQC Labtek Indie. Talent senior dan junior berbagi tacit knowledge di proyek yang sama. Buat mereka ini jadi bukan sekedar kerja paruh waktu. Mereka belajar praktek konsep agile dan design thinking sambil dibayar.

    Itu yang mau  dihidupkan lagi, kali ini untuk era AI.

    Knods yang Kami Tuju: Dojo untuk Zaman AI

    Tempat talent belajar skill yang bener-bener dibutuhin di era ini sambil ngerjain proyek nyata, di lingkungan yang saling ngebimbing, semua guru semua murid, bukan menjatuhkan. Sambil itu mereka bangun jaringan baru dan memonetisasi seluruh potensi mereka: waktu, skill, pengetahuan, jaringan, bahkan modal.

    Alasan gw percaya ini jalan yang bener itu sederhana; Course, Video, artikel bisa ngasih lo informasi/knowledge soal AI, dan informasi itu sekarang melimpah. Yang langka adalah kesempatan untuk praktekin knowledge itu di pekerjaan sungguhan, dengan klien sungguhan, dengan orang yang lebih senior ngoreksi hasil kerja lo. Itu yang membedakan antara tahu dan bisa. Dan itu yang selalu jadi inti dari cara Labtek Indie dan Knods bekerja.

    Meme Drake — menolak: belajar sendiri AI kejar-kejaran sama semua yang baru; setuju: ngerjain proyek klien beneran sambil belajar implementasi AI dari temen proyek yang udah jago

    Megatsunaminya tetap dateng, mau gw siap atau nggak. Yang berubah cuma cara gw milih berdiri ngadepinnya. Kalau lo juga ngerasain flight-or-fight yang sama beberapa bulan ini, gw cuma mau bilang satu hal: lo nggak harus ngadepin ini sendirian, dan nggak harus dari pinggir.

    Saska belajar surfing, berdiri di atas papan di ombak kecil
    20 tahun lalu pernah belajar surfing, mesti surf the wave lagi nih sekarang.