Havedev
AI Tidak Otomatis Membuat Bisnis Lebih Ramping
Monday.com menjadi nama terbaru dalam daftar perusahaan teknologi yang mengaitkan pemutusan hubungan kerja dengan perubahan arah menuju AI.
Perusahaan work management asal Tel Aviv itu menyatakan akan memangkas sekitar 20% tenaga kerjanya, atau lebih dari 600 karyawan, sebagai bagian dari rencana restrukturisasi. Dalam dokumen SEC, langkah ini dikaitkan dengan transformasi produk, marketing, dan go-to-market strategy untuk mendukung model operasi yang lebih ramping dan lebih fokus, sambil terus berinvestasi pada strategi pertumbuhan berbasis AI.
Di sisi lain, co-founder Monday.com, Eran Zinman, menegaskan bahwa keputusan ini bukan untuk memangkas biaya atau mengganti manusia dengan AI. Narasinya lebih halus: organisasi sedang disesuaikan dengan visi AI-first yang sudah mulai dibangun sejak sekitar setahun sebelumnya.
Ini bukan kasus tunggal. Analisis Financial Times mencatat perusahaan teknologi di Amerika Serikat sudah memangkas hampir 140.000 pekerjaan sejak awal tahun. Nama besar seperti Amazon, Oracle, Meta, dan Microsoft ikut menyumbang puluhan ribu pemangkasan, pada saat yang sama ketika mereka mengalirkan ratusan miliar dolar ke infrastruktur AI dan data center.
Sekilas, ceritanya terdengar sederhana: AI datang, pekerjaan berkurang, perusahaan menjadi lebih efisien.
Tetapi bisnis jarang sesederhana itu.
The Core Update
Gelombang pemangkasan kerja di industri teknologi sekarang sering datang dengan bahasa yang mirip.
Perusahaan menyebut AI. Perusahaan menyebut agility. Perusahaan menyebut operating model yang lebih ramping. Perusahaan menyebut struktur yang lebih flat. Perusahaan menyebut kebutuhan skill baru.
Monday.com bukan satu-satunya. Microsoft mengatakan AI mengubah cara kerja. Oracle menulis bahwa adopsi dan deployment AI dapat menyebabkan pengurangan tenaga kerja. GitLab melakukan rebuild besar untuk mendukung workload AI. Intuit mengurangi kompleksitas dan mengalihkan sumber daya ke AI. Meta memangkas ribuan karyawan sambil memindahkan ribuan lainnya ke role AI. Salesforce menyebut AI agent menurunkan kebutuhan backfill pada support engineer.
Bahasanya berbeda, tetapi pola besarnya sama: perusahaan sedang mencoba menukar struktur lama dengan struktur yang dianggap lebih cocok untuk era AI.
Masalahnya, AI sering diposisikan sebagai penjelasan yang terlalu rapi.
Padahal dalam banyak kasus, pemangkasan ini tidak terjadi pada perusahaan yang sedang runtuh. Beberapa justru masih mencatat pertumbuhan revenue, profit kuat, backlog besar, atau outlook bisnis yang tetap sehat. Monday.com sendiri masih memproyeksikan pertumbuhan revenue hingga 20% year-over-year untuk 2026, meskipun mencatat biaya restrukturisasi sekitar $45 juta sampai $55 juta.
Ini membuat pertanyaan menjadi lebih penting: apakah AI benar-benar menggantikan pekerjaan, atau AI sedang dipakai sebagai momentum untuk merapikan organisasi yang sudah terlalu berat?
Jawabannya kemungkinan tidak tunggal.
Di beberapa area, AI memang mengurangi pekerjaan repetitif. Support case bisa turun. Draft dokumen bisa lebih cepat. Analisis awal bisa dibantu. Engineering bisa mendapat bantuan coding, testing, dan debugging. Operasi internal bisa otomatisasi sebagian proses.
Tetapi di banyak perusahaan besar, AI juga menjadi alasan yang nyaman untuk melakukan hal yang sebelumnya sulit dilakukan: menghapus layer, mengurangi koordinasi, memindahkan budget, dan memaksa ulang definisi produktivitas.
The Reality Check
Ada sisi yang perlu dibaca lebih hati-hati oleh bisnis.
AI tidak otomatis membuat organisasi lebih efisien. AI hanya memperbesar dampak dari sistem kerja yang sudah ada.
Jika alur kerja jelas, data rapi, ownership tegas, dan keputusan punya prioritas, AI bisa membantu mempercepat pekerjaan. Tetapi jika proses masih kabur, status pekerjaan tidak konsisten, dokumentasi lemah, dan keputusan tetap bergantung pada meeting, AI hanya menambah lapisan baru di atas kekacauan lama.
Banyak perusahaan berbicara tentang AI-first, tetapi belum tentu siap secara operasional.
AI-first bukan berarti setiap tim memakai chatbot. AI-first berarti pekerjaan sudah cukup terstruktur untuk dibantu mesin. Input jelas. Output jelas. Risiko jelas. Batas tanggung jawab jelas. Data yang dipakai cukup bersih. Proses yang diotomatisasi memang sudah dipahami.
Tanpa itu, AI hanya menjadi label transformasi.
Itu sebabnya pasar juga tidak selalu percaya pada narasi perusahaan. Financial Times mencatat perusahaan yang menyebut AI sebagai faktor dalam job cut justru underperform Nasdaq hampir 10% dalam 30 hari perdagangan setelah pengumuman. Artinya, investor tidak otomatis melihat pemangkasan berbasis AI sebagai tanda bisnis menjadi lebih kuat.
Ini masuk akal.
Mengurangi orang tidak sama dengan meningkatkan kapasitas. Menghapus layer tidak sama dengan memperjelas keputusan. Memakai AI tidak sama dengan memperbaiki proses. Menyebut efisiensi tidak sama dengan punya operating model yang sehat.
Untuk bisnis skala menengah dan kecil, pelajarannya bukan meniru perusahaan besar dengan cepat memangkas tim.
Pelajarannya adalah bertanya lebih dulu: pekerjaan mana yang benar-benar bisa dibantu AI, dan pekerjaan mana yang sebenarnya masih berantakan karena prosesnya belum jelas?
Contohnya sederhana.
Jika tim sales belum punya status lead yang jelas, AI tidak akan otomatis membuat follow-up lebih sehat. Jika support belum punya kategori masalah yang konsisten, AI bot akan sulit memberi prioritas yang benar. Jika project internal belum punya definisi selesai, AI hanya mempercepat pembuatan update yang tetap perlu diperdebatkan. Jika data customer tersebar di chat, spreadsheet, dan email, AI akan kesulitan memberi insight yang bisa dipercaya.
AI paling berguna ketika bisnis sudah tahu pekerjaan apa yang ingin dipercepat.
Bukan ketika bisnis hanya merasa harus terlihat modern.
The Havedev Way
Dari sudut pandang Havedev, diskusi AI dan efisiensi sebaiknya tidak dimulai dari pertanyaan, “tool AI apa yang harus dipakai?”
Pertanyaan yang lebih sehat adalah: pekerjaan mana yang masih terlalu mahal untuk dijalankan secara manual, tetapi sudah cukup jelas untuk dibantu automation atau AI?
Itu beda.
Banyak bisnis tidak perlu langsung membangun sistem AI besar. Sering kali, langkah pertama lebih sederhana:
- rapikan sumber data lead
- sepakati status pekerjaan
- tentukan owner tiap tahap
- kurangi input manual yang berulang
- buat template respons untuk kasus umum
- sambungkan form website ke alur follow-up
- buat dashboard sederhana untuk pekerjaan yang macet
Setelah itu, AI baru lebih masuk akal.
Misalnya, AI bisa membantu mengelompokkan inquiry dari website. AI bisa membuat draft balasan awal. AI bisa merangkum percakapan support. AI bisa memberi rekomendasi follow-up. AI bisa mendeteksi lead yang belum disentuh. AI bisa membantu tim membaca pola pertanyaan pelanggan.
Tetapi semua itu butuh fondasi.
Kalau bisnis belum tahu kategori inquiry yang penting, AI tidak tahu apa yang harus diprioritaskan. Kalau bisnis belum punya SLA respons, reminder otomatis tidak punya standar. Kalau bisnis belum tahu kapan lead dianggap tidak cocok, pipeline akan tetap penuh oleh peluang palsu. Kalau bisnis belum punya data historis yang cukup rapi, laporan AI bisa terlihat pintar tetapi sulit dipercaya.
Maka pendekatan yang lebih aman adalah mulai dari alur yang dekat dengan uang atau pengalaman pelanggan.
Biasanya salah satu dari ini:
- lead dari website atau WhatsApp
- proses follow-up sales
- order dan pembayaran
- support pelanggan
- onboarding client
- report operasional rutin
Ambil satu alur. Petakan dari awal sampai akhir. Tandai bagian yang repetitif. Tandai bagian yang sering tertunda. Tandai bagian yang membutuhkan keputusan manusia. Tandai bagian yang bisa diberi aturan sederhana.
Baru setelah itu tentukan apakah butuh AI, automation biasa, dashboard, integrasi antar tool, atau cukup perbaikan proses.
Karena tujuan akhirnya bukan memakai AI.
Tujuan akhirnya adalah membuat pekerjaan lebih terbaca, lebih cepat ditangani, dan lebih sedikit bergantung pada ingatan orang tertentu.
Gelombang layoff di perusahaan teknologi menunjukkan bahwa AI sedang mengubah struktur kerja. Tetapi bagi bisnis lain, pelajarannya bukan panik mengganti orang dengan tool. Pelajarannya adalah memperjelas pekerjaan sebelum mempercepatnya.
AI bisa membantu banyak hal. Tetapi AI bukan pengganti strategi operasional.
Sebelum ikut memakai bahasa “AI-first”, cek dulu hal yang lebih dasar: apakah alur kerja bisnis Anda sudah cukup jelas untuk dibantu AI tanpa menambah kebingungan baru?
Kalau jawabannya belum, mulai dari sana.
Dapatkan Audit Teknis Gratis untuk meninjau alur website, lead, follow-up, dan peluang automation yang paling masuk akal sebelum bisnis Anda berinvestasi lebih jauh ke AI.
Sumber referensi berita: TechCrunch