Konteks & Permasalahan
Perkembangan kecerdasan buatan (AI) tidak lagi sekadar wacana teknologi, melainkan telah menjadi kekuatan ekonomi yang mengubah cara organisasi menciptakan nilai. Dari sisi konseptual, Berawi (2020) dalam artikelnya berjudul Managing Artificial Intelligence Technology for Added Value yang dimuat di International Journal of Technology menegaskan bahwa inovasi digital, sistem sensor, mesin cerdas, serta pembelajaran mesin merupakan pilar utama dalam ekosistem nilai baru. Namun, permasalahan mendasar yang muncul adalah kesenjangan antara potensi teknologi dan kapasitas organisasi untuk mengintegrasikannya secara produktif. Banyak perusahaan berinvestasi dalam AI tanpa memiliki pemahaman utuh tentang bagaimana teknologi ini dapat diterjemahkan menjadi keunggulan kompetitif yang berkelanjutan.
Pada saat yang sama, tekanan sosio-teknis dari adopsi AI menjadi semakin kompleks. Investasi AI tidak hanya berdampak pada efisiensi operasional, tetapi juga mengubah struktur organisasi, kebutuhan keterampilan, dan lanskap ketenagakerjaan. Babina, Fedyk, He, dan Hodson (2025) dalam studi mereka Firm Investments in Artificial Intelligence Technologies and Changes in Workforce Composition yang termuat dalam buku Technology, Productivity, and Economic Growth menunjukkan bahwa AI berperan sebagai teknologi prediksi yang menuntut rekonfigurasi sumber daya manusia secara signifikan. Persoalan etis, transparansi, dan kepercayaan juga muncul ketika AI digunakan untuk pengambilan keputusan di sektor-sektor kritis seperti perawatan infrastruktur dan industri manufaktur. Oleh karena itu, kajian terhadap literatur yang membahas AI sebagai instrumen penciptaan nilai sekaligus pemicu pergeseran sosial menjadi penting untuk dilakukan.
Metodologi & Parameter Riset
Lima sumber utama yang dianalisis dalam artikel ini menggunakan pendekatan yang berbeda-beda, sehingga memberikan perspektif yang saling melengkapi. Pertama, Berawi (2020) menggunakan pendekatan konseptual dan tinjauan kebijakan teknologi untuk merumuskan kerangka pengelolaan AI dalam penciptaan nilai. Fokus utamanya adalah pada aspek manajerial, integrasi sistem siber-fisik, dan peran machine learning sebagai pengungkit inovasi. Kedua, Babina dkk. (2025) menggunakan metodologi kuantitatif berbasis data panel dan ekonometrika untuk menganalisis hubungan antara investasi AI perusahaan dan perubahan komposisi tenaga kerja. Parameter yang digunakan mencakup tingkat adopsi AI, proksi prediksi teknologi, serta pergeseran permintaan terhadap jenis keterampilan tertentu.
Ketiga, Lee, Suh, Roy, dan Baucus (2019) dalam riset berjudul Emerging Technology and Business Model Innovation: The Case of Artificial Intelligence yang terbit di Journal of Open Innovation: Technology, Market, and Complexity menggunakan studi kualitatif dengan studi kasus untuk mengeksplorasi bagaimana AI menjadi katalis inovasi model bisnis. Mereka menyoroti perbedaan antara adopsi AI yang reaktif dan penggunaan AI secara proaktif untuk menciptakan proposisi nilai baru. Keempat, Kumari dan Bhat (2021) dalam studi kasus mereka Application of Artificial Intelligence Technology in Tesla yang dimuat di International Journal of Applied Engineering Research menggunakan pendekatan deskriptif-analitis dengan memaparkan implementasi AI pada produk, proses produksi, dan strategi diferensiasi perusahaan. Kelima, Walker dkk. (2023) dalam kajian Explainable Artificial Intelligence Technology for Predictive Maintenance menggunakan pendekatan teknis-eksperimental yang menekankan pentingnya aspek transparansi dan interpretabilitas model AI dalam sistem perawatan prediktif.
Analisis Temuan Utama
Beberapa temuan penting dapat ditarik dari sintesis literatur ini. Pertama, AI bukan sekadar alat otomasi, melainkan teknologi transformatif yang mampu menciptakan nilai tambah ketika dikelola secara strategis. Berawi (2020) menekankan bahwa nilai tambah AI baru muncul jika organisasi mengintegrasikan teknologi ini dengan sistem sensor, mesin cerdas, dan proses berbasis data secara holistik. Ini sejalan dengan temuan Lee dkk. (2019) yang memperlihatkan bahwa AI mampu menginisiasi perubahan fundamental dalam model bisnis—bukan hanya meningkatkan efisiensi proses lama, tetapi juga menciptakan mekanisme penghasil pendapatan baru, seperti layanan prediktif, personalisasi produk, dan platform digital.
Kedua, investasi AI memiliki dampak langsung terhadap struktur ketenagakerjaan. Melalui analisis data empiris, Babina dkk. (2025) menunjukkan bahwa perusahaan yang mengadopsi AI cenderung mengubah komposisi tenaga kerja mereka dengan mengurangi permintaan terhadap pekerjaan yang bersifat rutin dan meningkatkan kebutuhan terhadap pekerja dengan keterampilan analitis dan teknis. Temuan ini mengindikasikan bahwa AI tidak sekadar menggantikan pekerjaan, melainkan mentransformasikan peran manusia ke arah pengawasan, koreksi, dan interpretasi model. Implikasi sosialnya sangat luas, terutama bagi sektor pendidikan dan kebijakan ketenagakerjaan.
Ketiga, keberhasilan AI dalam konteks operasional sangat bergantung pada tingkat kepercayaan pengguna terhadap sistem. Walker dkk. (2023) menegaskan bahwa model AI yang sangat akurat namun tidak dapat dijelaskan tidak akan diterima secara efektif dalam lingkungan yang menuntut keselamatan tinggi, seperti perawatan pembangkit listrik tenaga nuklir. Mereka mengadvokasi pendekatan explainable AI yang memungkinkan operator manusia memahami alasan di balik setiap rekomendasi mesin. Temuan ini memperkuat argumen bahwa integrasi AI dengan manusia—bukan substitusi—merupakan kunci keberhasilan penerapan teknologi.
Keempat, studi kasus Tesla oleh Kumari dan Bhat (2021) memberikan contoh konkret bagaimana AI dapat diintegrasikan di tingkat produk dan organisasi. Mulai dari sistem autopilot, optimasi rantai pasok, hingga manajemen energi dalam kendaraan listrik, Tesla menunjukkan bahwa AI dapat digunakan untuk menciptakan pengalaman pelanggan yang unik sekaligus meningkatkan efisiensi internal. Namun demikian, studi ini juga mengingatkan bahwa penerapan AI tanpa perhatian terhadap aspek regulasi, keselamatan, dan privasi data dapat menimbulkan risiko reputasi yang signifikan.
Secara keseluruhan, literatur yang dianalisis menunjukkan bahwa AI merupakan teknologi generik yang memiliki spektrum dampak luas, mulai dari penciptaan nilai, perubahan struktur organisasi, hingga kebutuhan akan desain teknologi yang transparan dan akuntabel. Ketiadaan kerangka kerja terpadu untuk mengukur nilai AI menjadi celah penting yang harus diisi oleh riset lanjutan.
Implikasi Strategis: Akademis & Praktis
Bagi kalangan akademisi, hasil telaah ini membuka beberapa agenda riset. Pertama, diperlukan pengembangan konstruk dan instrumen pengukuran yang lebih valid untuk menilai kapabilitas AI dalam organisasi. Kedua, pendekatan interdisipliner yang menggabungkan ilmu komputer, manajemen, ekonomi, dan sosiologi menjadi sangat relevan untuk menjelaskan fenomena kompleks dampak AI. Ketiga, studi longitudinal diperlukan untuk mengamati bagaimana investasi AI berinteraksi dengan dinamika tenaga kerja dalam jangka panjang, bukan hanya pada observasi titik tertentu.
Bagi praktisi, temuan dari berbagai sumber tersebut menegaskan pentingnya strategi adopsi AI yang tidak hanya berfokus pada teknologi, tetapi juga pada kesiapan organisasi dan sumber daya manusia. Perusahaan perlu membangun mekanisme human-in-the-loop untuk memastikan bahwa keputusan yang dihasilkan AI dapat dipahami dan diawasi oleh manusia. Investasi dalam explainable AI bukan sekadar kebutuhan regulasi, tetapi merupakan prasyarat untuk membangun kepercayaan pengguna dan kelancaran operasional. Selain itu, perusahaan perlu merancang program pengembangan keterampilan ulang dan peningkatan keterampilan bagi karyawan yang pekerjaannya terdampak oleh otomatisasi. Ini sejalan dengan temuan Babina dkk. (2025) bahwa transformasi teknologi harus dibarengi dengan transformasi kapabilitas manusia.
Pada tataran kebijakan, pemerintah dan regulator perlu menyusun kerangka insentif yang mendorong adopsi AI yang bertanggung jawab, tanpa mengabaikan perlindungan tenaga kerja dan konsumen. Kolaborasi antara sektor industri, perguruan tinggi, dan lembaga riset menjadi kunci dalam menciptakan ekosistem AI yang tidak hanya produktif, tetapi juga inklusif dan berkelanjutan.
Referensi
- Berawi, M. A. (2020). Managing artificial intelligence technology for added value. International Journal of Technology. http://ijtech.eng.ui.ac.id/article/view/3889
- Babina, T., Fedyk, A., He, A., & Hodson, J. (2025). Firm investments in artificial intelligence technologies and changes in workforce composition. Technology, Productivity, and Economic Growth. https://www.degruyterbrill.com/document/doi/10.7208/chicago/9780226839097-007/html
- Lee, J., Suh, T., Roy, D., & Baucus, M. (2019). Emerging technology and business model innovation: The case of artificial intelligence. Journal of Open Innovation: Technology, Market, and Complexity, 5(3), 44. https://www.sciencedirect.com/science/article/pii/S2199853122009817
- Kumari, D., & Bhat, S. (2021). Application of artificial intelligence technology in Tesla - A case study. International Journal of Applied Engineering Research. https://images.examples.com/wp-content/uploads/2026/07/Tesla-Case-Study-2.pdf
- Walker, C. M. B., Agarwal, V., Lin, L., Hall, A. C., Hill, R. A., et al. (2023). Explainable artificial intelligence technology for predictive maintenance. [Laporan teknis]. https://www.osti.gov/biblio/1998555
