Apakah Bisnis Saya Benar-Benar Membutuhkan AI, atau Cukup dengan Automation?

Perbedaan paling mudah dilihat dari jenis masalah yang ingin diselesaikan. Automation bekerja sangat baik ketika aturan bisnis sudah jelas dan inputnya terstruktur. Jika status invoice berubah menjadi "Paid", sistem dapat otomatis mengirim notifikasi. Jika stok produk turun di bawah minimum, sistem dapat membuat task pembelian. Jika customer mengisi formulir website, data dapat langsung masuk ke CRM dan sales mendapatkan notifikasi. Tidak diperlukan AI untuk pekerjaan yang hanya mengikuti aturan tersebut.

AI memiliki karakter yang berbeda. AI berguna ketika sistem harus memahami informasi yang tidak sepenuhnya terstruktur atau menghasilkan keputusan berdasarkan pola dan konteks. Contohnya membaca pesan WhatsApp customer yang ditulis bebas, memahami bahwa "Pak, saya butuh SPC Oak sekitar 300 meter untuk proyek bulan depan" merupakan inquiry produk, mengekstrak jenis produk dan quantity, kemudian membuat draft inquiry untuk sales.

Dalam praktik AI vs automation, kami sering menemukan perusahaan membalik urutannya. Mereka melihat demo AI yang menarik, lalu mencari masalah yang bisa ditempeli AI. Pendekatan yang lebih sehat adalah mulai dari proses bisnis. Tanyakan apakah inputnya terstruktur, apakah aturannya deterministik, seberapa sering proses terjadi, berapa biaya kesalahan, dan apakah keputusan membutuhkan interpretasi manusia.

Misalnya proses generate invoice dari sales order yang sudah approved. Jika semua data sudah ada di ERP, membuat invoice secara otomatis jauh lebih masuk akal daripada meminta AI membaca sales order lalu "memutuskan" bagaimana invoice dibuat. AI justru menambah komponen yang tidak diperlukan dan membuka kemungkinan output yang tidak konsisten.

Sebaliknya, jika sales menerima ratusan chat dengan format berbeda setiap hari, automation murni akan kesulitan memahami variasi bahasa. Di sinilah AI dapat menjadi lapisan pemahaman sebelum workflow automation menjalankan tindakan yang deterministik.

Banyak UMKM dan perusahaan menengah sebenarnya memiliki masalah yang sangat cocok diselesaikan dengan workflow automation. Contohnya sinkronisasi stok antara ERP dan marketplace. Jika ERP menjadi sumber utama stok, sistem dapat menjalankan proses terjadwal atau event-based untuk mengirim perubahan stok ke channel penjualan. Tidak ada alasan menggunakan AI hanya untuk memindahkan angka 125 menjadi 124 ketika satu unit terjual.

Hal yang sama berlaku untuk invoice dan pembayaran. Ketika payment gateway memberikan status pembayaran berhasil, sistem dapat mengubah status invoice, mencatat pembayaran, mengirim invoice melalui email atau WhatsApp, dan memperbarui dashboard. Workflow seperti ini membutuhkan integrasi API, aturan transaksi, retry mechanism, logging, dan error handling. AI tidak memperbaiki masalah arsitektur integrasi tersebut.

Notifikasi juga merupakan contoh klasik. Customer yang belum membayar setelah melewati jatuh tempo dapat masuk ke daftar reminder. Sistem dapat menentukan template berdasarkan umur piutang, jenis customer, atau kebijakan perusahaan. Jika perusahaan memiliki aturan yang jelas, automation memberikan hasil yang lebih dapat diprediksi.

Dalam AI vs automation, automation juga mempunyai keunggulan dari sisi auditability. Ketika workflow berjalan berdasarkan aturan eksplisit, tim IT dapat menelusuri mengapa sebuah tindakan dilakukan. Ini penting untuk proses keuangan, inventory, dan administrasi yang membutuhkan konsistensi.

Kami biasanya menyarankan automation terlebih dahulu untuk proses berikut:

Sinkronisasi stok antar-sistem.
Generate invoice berdasarkan transaksi yang sudah approved.
Update status pembayaran.
Pengiriman email atau WhatsApp berdasarkan event tertentu.
Pembuatan task follow-up berdasarkan tanggal atau status.
Import dan export data terjadwal.
Rekonsiliasi data sederhana dengan aturan yang jelas.

AI mulai masuk akal ketika masalahnya bukan lagi "menjalankan aturan", tetapi "memahami informasi lalu menentukan langkah berikutnya". Salah satu contoh paling jelas adalah customer service melalui WhatsApp. Customer Indonesia tidak selalu menulis dengan format yang rapi. Mereka bisa menulis "ada yang motif kayu warna coklat gak?", "butuh buat kantor 200m", atau mengirim foto produk lalu bertanya apakah barang tersebut tersedia.

Automation berbasis keyword dapat menangani variasi sederhana, tetapi akan cepat menjadi rumit ketika kombinasi pertanyaan bertambah. AI dapat digunakan untuk memahami intent, mengambil entitas seperti produk, quantity, lokasi, dan kebutuhan customer, kemudian meneruskan hasil terstruktur ke workflow.

Contoh lain adalah quotation. Sales dapat menerima inquiry: "Saya perlu flooring untuk proyek hotel sekitar 1.200 meter persegi, minta yang tahan air dan budget jangan terlalu tinggi." Tidak ada satu keyword sederhana yang cukup untuk menentukan produk. AI dapat membantu mengklasifikasikan kebutuhan, mencari kandidat produk berdasarkan knowledge base atau katalog, dan membuat draft rekomendasi. Tetapi harga final, diskon, dan approval tetap sebaiknya mengikuti aturan ERP dan kewenangan manusia.

AI juga berguna untuk merangkum informasi. Sales manager tidak perlu membaca 30 percakapan WhatsApp dari setiap salesperson untuk mengetahui peluang yang membutuhkan perhatian. AI dapat merangkum inquiry, keberatan customer, quotation terakhir, dan next action, lalu memasukkannya ke CRM.

Di sini terlihat pola penting dalam AI vs automation: AI tidak harus menggantikan automation. AI dapat menjadi "otak interpretasi", sedangkan automation menjadi "mesin eksekusi". AI memahami pesan customer; workflow mengambil customer_id, mengecek CRM, mengambil harga dari ERP, membuat draft quotation, dan meminta approval.

Ada biaya yang sering tidak terlihat ketika perusahaan membandingkan AI vs automation. Automation biasanya membutuhkan development dan maintenance integrasi, tetapi aturan kerjanya relatif deterministik. AI dapat menambahkan biaya model atau API, token atau penggunaan, observability, evaluasi output, guardrail, prompt management, data governance, dan human review.

Misalnya perusahaan ingin mengirim pesan WhatsApp otomatis setelah invoice dibuat. Jika template pesannya sudah jelas, automation dapat menjalankan pekerjaan tersebut dengan aturan sederhana. Memasukkan AI untuk "menulis pesan" setiap kali invoice dibuat mungkin tidak memberikan manfaat yang sebanding dengan tambahan kompleksitas.

Situasinya berbeda jika customer service harus memberikan respons yang dipersonalisasi berdasarkan histori pembelian, status pesanan, kebijakan retur, dan isi pertanyaan. Di sana AI dapat menghemat pekerjaan manusia karena masalahnya memang membutuhkan pemahaman konteks.

Risiko juga harus dihitung. AI yang membuat draft caption marketing mempunyai konsekuensi berbeda dengan AI yang mengubah harga produk atau melakukan posting jurnal accounting. Semakin besar dampak sebuah action, semakin kuat kebutuhan akan permission, validation, logging, dan human approval.

Karena itu, jangan hanya menghitung harga API AI. Hitung total cost of ownership. Perusahaan perlu memperhitungkan development, integrasi, infrastruktur, monitoring, maintenance, evaluasi kualitas, serta waktu staf yang masih diperlukan untuk memeriksa hasil AI.

Dalam proyek yang kami bahas di Sahabat Teknologi, salah satu pertanyaan penting sebelum membuat fitur AI adalah: "Jika AI dihilangkan, apakah proses ini masih bisa diselesaikan dengan rule-based automation?" Jika jawabannya ya dan automation memberikan hasil yang cukup baik, biasanya AI belum menjadi prioritas.

Kami menyarankan membuat matriks sederhana sebelum development. Jangan mulai dari vendor atau model AI. Mulai dari daftar pekerjaan yang ingin diperbaiki. Untuk setiap proses, catat input, output, frekuensi, tingkat variasi input, aturan keputusan, dampak kesalahan, dan sistem yang harus diakses.

Contohnya ada empat pekerjaan. Sinkronisasi stok membutuhkan input angka terstruktur dan aturan jelas, sehingga automation menjadi pilihan utama. Generate invoice dari sales order juga automation. Customer service WhatsApp membutuhkan pemahaman bahasa dan konteks, sehingga AI + automation lebih masuk akal. Sementara forecasting permintaan membutuhkan analisis histori dan variabel bisnis sehingga pendekatan AI atau machine learning dapat dipertimbangkan setelah kualitas data memadai.

Jangan lupa memperhitungkan kesiapan sistem. AI yang bagus tetapi tidak dapat membaca stok aktual dari ERP akan menghasilkan rekomendasi yang cepat tetapi tidak operasional. Sebaliknya, workflow automation yang terhubung langsung ke ERP dapat memberikan hasil sederhana namun benar-benar digunakan setiap hari.

Untuk pilot, pilih proses dengan volume cukup tinggi tetapi risiko masih dapat dikendalikan. Misalnya sales assistant yang membuat draft quotation, bukan AI yang langsung mengubah price list. Ukur waktu kerja sebelum dan sesudah implementasi. Jika sales sebelumnya membutuhkan 15–20 menit untuk menyiapkan draft dan setelah sistem berjalan hanya perlu melakukan pengecekan beberapa menit, manfaatnya dapat dihitung dengan jelas.

Jadikan AI vs automation sebagai keputusan arsitektur, bukan keputusan tren teknologi. Dalam banyak kasus, jawaban terbaik bukan "AI" atau "automation", tetapi kombinasi keduanya. Automation menangani proses yang pasti, AI menangani bagian yang membutuhkan interpretasi, dan manusia tetap memegang keputusan yang memiliki konsekuensi finansial atau operasional besar.