Kenapa 2026 dan 2027 adalah waktu terbaik untuk bertransformasi.

01Konteks

Cara bisnis berjalan sedang berubah.

Setiap gelombang teknologi punya momen ketika ia berhenti jadi bahan seminar dan mulai jadi cara kerja sehari-hari. Untuk AI, momen itu sudah lewat di level individu. Generative AI mencapai adopsi sekitar 53% populasi hanya dalam tiga tahun, lebih cepat dari PC maupun internet⁶.

Indonesia termasuk pasar yang paling cepat memakai AI. Laporan e-Conomy SEA 2025 mencatat pendapatan aplikasi berbasis AI di Indonesia tumbuh 127% antara paruh pertama 2024 dan paruh pertama 2025, tertinggi di Asia Tenggara⁵. Fondasinya juga sudah ada: 80,66% penduduk, sekitar 229 juta orang, sudah terhubung ke internet⁷. Di kantor, 92% knowledge worker sudah memakai generative AI, di atas rata-rata global 75%¹.

Tapi memakai belum tentu bertransformasi. Riset AWS dan Strand Partners menemukan 28% bisnis di Indonesia sudah mengadopsi AI. Namun 76% masih berfokus pada use case dasar, dan hanya 10% bisnis pengguna AI yang sudah sampai tahap AI menjadi bagian inti dari keputusan dan model bisnis². Di level pimpinan, 48% khawatir organisasinya belum punya visi dan rencana untuk menerapkan AI¹.

Tim Anda kemungkinan besar sudah memakai AI. Pertanyaannya: apakah cara kerja perusahaan Anda sudah ikut berubah?

Di sinilah perlombaannya. Beberapa tahun ke depan, yang memisahkan pemenang dari yang lain bukan siapa yang paham AI. Hampir semua orang sudah paham. Yang memisahkan adalah siapa yang lebih dulu menata ulang proses, data, dan kebiasaan timnya di sekitar alat baru ini.

02Peluang

Pekerjaan berulang yang diam-diam menyita tim Anda.

Coba hitung berapa jam dalam seminggu tim Anda habiskan untuk mengetik ulang data dari satu sistem ke sistem lain, merekap laporan dari beberapa spreadsheet, mengejar konfirmasi lewat chat, atau menjawab pertanyaan yang sama dari pelanggan. Di hampir setiap bisnis yang kami temui, jumlahnya lebih besar dari yang dikira.

McKinsey memperkirakan generative AI, bersama teknologi lain, secara teknis berpotensi mengotomasi aktivitas yang menyerap 60 sampai 70% waktu kerja karyawan saat ini³. Itu potensi teknis, bukan janji. Tapi arahnya jelas: porsi pekerjaan yang bisa dibantu mesin jauh lebih besar dari beberapa tahun lalu.

Bukti di lapangan mulai terkumpul. Studi yang dirangkum Stanford AI Index 2026 menunjukkan kenaikan produktivitas 14 sampai 26% di layanan pelanggan dan pengembangan software. Di beberapa sistem rumah sakit, dokter yang memakai alat pencatat klinis otomatis melaporkan waktu menulis catatan berkurang hingga 83%⁶.

Yang menarik: pekerjaan semacam ini paling banyak ada di operasional harian, bukan hanya di program besar. Dan sering, datanya sudah ada. Hanya tersebar di spreadsheet, shared drive, grup pesan, atau sistem yang dipakai tim setiap hari.

Tujuannya bukan mengganti orang. Tujuannya mengembalikan waktu tim ke pekerjaan yang memang butuh manusia: melayani pelanggan, mengambil keputusan, memperbaiki kualitas. Proses jadi jauh lebih cepat, tim tetap ramping, dan energinya pindah ke hal yang penting.

03Waktu

Kenapa sekarang, bukan nanti.

Wajar kalau Anda bertanya: kenapa tidak menunggu teknologinya lebih matang? Ada empat alasan kenapa 2026 dan 2027 justru jendela yang paling masuk akal.

3.1Biayanya sudah turun drastis.

Penurunannya tidak berhenti di 2024. Epoch AI memperkirakan, sejak 2023 biaya untuk mencapai level kinerja AI tertentu turun sekitar 47% per kuartal, atau sekitar 13 kali per tahun⁹. Contoh konkret: saat OpenAI merilis o3 pada Januari 2025, Epoch memperkirakan biayanya sekitar US$0,30 per soal untuk mencapai skor 75% di GPQA Diamond, ujian sains tingkat doktor. Kurang dari 18 bulan kemudian, GPT-5.6 Luna mencapai skor yang sama dengan biaya sekitar US$0,0004 per soal: penurunan 725 kali⁹. Sebelumnya, AI Index Stanford sudah mencatat penurunan lebih dari 280 kali untuk biaya inference setara GPT-3.5, dari US$20 menjadi US$0,07 per sejuta token antara November 2022 dan Oktober 2024¹⁰. Kemampuan yang dulu hanya masuk anggaran teknologi global kini jauh lebih terjangkau untuk organisasi yang sudah menjalankan proses operasional sehari-hari.

Kemampuan ikut naik bersama turunnya harga. Pada OSWorld, yang menguji agent pada tugas komputer nyata lintas sistem operasi, tingkat keberhasilan naik dari sekitar 12% menjadi 66,3% pada 2025, meski agent masih gagal kira-kira satu dari tiga percobaan pada benchmark terstruktur⁶. Alatnya belum sempurna, tapi sudah cukup matang untuk pekerjaan administratif yang aturannya jelas, dengan manusia tetap memeriksa hasilnya.

3.2Keunggulan pemain awal menumpuk.

BCG meneliti lebih dari 1.250 perusahaan dan menemukan hanya 5% yang sudah menghasilkan value AI dalam skala besar. Mereka mencatat kenaikan pendapatan lima kali dan penurunan biaya tiga kali lebih besar dibanding perusahaan lain. Sementara itu 60% hampir tidak mendapat value berarti, padahal sudah berinvestasi¹¹.

Polanya mirip bunga majemuk. Yang mulai lebih dulu mendapat hasil, memakai hasil itu untuk berinvestasi lagi, lalu makin jauh di depan. BCG menyebutnya kesenjangan yang melebar¹¹.

Pemain besar juga sedang bergerak. McKinsey mencatat hampir separuh perusahaan dengan pendapatan di atas US$5 miliar sudah masuk fase scaling AI, dibanding 29% perusahaan dengan pendapatan di bawah US$100 juta¹². Di Indonesia, 41% large enterprise sudah memakai AI, tapi hanya 22% dari pengadopsi AI itu yang punya strategi AI yang utuh². Menunggu berarti membiarkan jarak itu melebar.

3.3Kebiasaan dan talenta butuh waktu.

Software bisa dipasang dalam sehari. Kebiasaan tim tidak. WEF memperkirakan 39% keterampilan inti pekerja akan berubah sampai 2030. 63% pemberi kerja menyebut kesenjangan keterampilan sebagai hambatan terbesar transformasi, disusul budaya organisasi dan resistensi terhadap perubahan (46%)¹³.

Di Indonesia, tantangannya lebih terasa. Kajian Kementerian Komunikasi dan Digital menghitung kebutuhan 9 juta talenta digital pada 2030, sementara kapasitas yang tercetak baru sekitar 100 sampai 200 ribu per tahun¹⁴. Pantas kalau 57% bisnis di Indonesia menyebut kurangnya keterampilan digital sebagai penghambat utama memperluas penggunaan AI².

Artinya, talenta AI tidak bisa sekadar dibeli di pasar. Ia perlu ditumbuhkan di dalam, lewat pekerjaan nyata. Proses itu tidak bisa dikebut dalam satu kuartal. Mulai di 2026 berarti tim Anda sudah terbiasa saat persaingan menuntut kecepatan lebih tinggi.

3.4Biaya menunggu terus naik.

Sementara itu, biaya menjalankan cara lama ikut naik. Mayoritas provinsi menaikkan UMP 2026 sebesar 5 sampai 7%¹⁵. Bagi organisasi dengan banyak peran operasional, itu mengalir ke biaya yang tidak kecil.

Sisi naik dari bergerak juga lebih jelas. Di antara bisnis Indonesia yang sudah mengadopsi AI, 59% melaporkan kenaikan pendapatan rata-rata 16%, dan 64% mengharapkan penghematan biaya rata-rata 29%². Setiap bulan menunda adalah satu bulan lagi membayar jam kerja untuk pekerjaan yang bisa dikerjakan mesin.

04Pembeda

Pemenangnya ditentukan cara kerja, bukan alat.

Kalau AI sudah semurah itu, kenapa 60% perusahaan belum mendapat value berarti? Jawabannya konsisten di berbagai riset: masalahnya jarang di teknologi. Masalahnya di cara kerja.

Work Trend Index 2026 menemukan faktor organisasi, seperti budaya, dukungan manajer, dan praktik pengelolaan talenta, menjelaskan lebih dari dua kali dampak AI dibanding faktor individu⁴. McKinsey menemukan perusahaan dengan hasil AI terbaik hampir tiga kali lebih mungkin sudah merancang ulang workflow secara mendasar¹².

Ada juga paradoks yang perlu diwaspadai. 65% pengguna AI takut tertinggal kalau tidak cepat beradaptasi, tapi 45% merasa lebih aman fokus ke target sekarang daripada merancang ulang pekerjaan. Hanya 13% yang merasa dihargai saat mencoba cara kerja baru⁴. Tanpa dorongan dari pimpinan, tim akan memilih aman.

Transformasi bukan membeli software baru. Transformasi adalah memutuskan pekerjaan mana yang tidak perlu lagi dikerjakan manusia, lalu menata ulang tim di sekitarnya.

Ini kabar baik. Anda tidak perlu anggaran transformasi raksasa untuk merancang ulang satu workflow yang menyita waktu. Yang dibutuhkan adalah kejelasan: proses mana yang paling merepotkan, data apa yang sudah ada, dan hasil apa yang ingin dicapai. Lalu tim yang bisa menerjemahkannya jadi alat yang benar-benar dipakai.

Dampaknya juga ke orang. PwC mencatat industri yang paling bisa memanfaatkan AI mengalami pertumbuhan pendapatan per karyawan tiga kali lebih tinggi, dan pekerja dengan keterampilan AI menerima premi gaji rata-rata 56%¹⁶. IMF memperkirakan sekitar 40% pekerjaan di negara emerging market seperti Indonesia terpapar AI, dan sebagian di antaranya justru bisa diuntungkan lewat produktivitas yang lebih tinggi¹⁷. Tim yang belajar bekerja dengan AI menjadi tim yang lebih bernilai.

05Peta jalan

Mulai dari satu proses.

Transformasi yang berhasil jarang dimulai dari master plan setebal seratus halaman. Biasanya dimulai dari satu proses yang paling merepotkan, dibereskan sampai hasilnya terasa, lalu diperluas.

1. 01
   Minggu 0-1

   Ngobrol dan diagnosis

   Petakan pekerjaan berulang, ukur waktu yang habis hari ini, dan cek data yang sudah ada. Hasilnya: satu atau dua proses prioritas dengan target yang jelas.

2. 02
   Minggu 2-4

   Pilot dengan data Anda sendiri

   Versi pertama dibangun dan dipakai tim sungguhan: aplikasi, portal, dashboard, atau automasi. Bukan demo, bukan slide.

3. 03
   Selama pilot

   Ukur dan perbaiki

   Bandingkan dengan kondisi awal: jam kerja yang kembali, kesalahan yang berkurang, laporan yang terbit lebih cepat. Perbaiki dari masukan tim.

4. 04
   Selanjutnya

   Perluas ke proses berikutnya

   Setelah satu proses jalan, pindah ke proses berikutnya. Kebiasaan baru tumbuh dari keberhasilan yang terlihat oleh tim sendiri.

Lima pertanyaan untuk rapat direksi berikutnya.

• Pekerjaan apa yang dikerjakan tim kami berulang kali setiap minggu?
• Berapa jam yang habis untuk itu, dan siapa yang mengerjakannya?
• Data apa yang sudah kami punya tapi belum terpakai?
• Kalau satu proses itu beres dalam sebulan, apa artinya untuk pelanggan kami?
• Siapa di tim yang paling siap menjadi penggerak perubahan?

06Partner

Anda tidak butuh konsultan besar untuk mulai.

Banyak direksi menunda karena membayangkan transformasi butuh konsultan besar, proyek berbulan-bulan, dan laporan tebal yang berakhir di laci. Bukan itu yang dibutuhkan di awal.

Yang dibutuhkan adalah partner yang memahami bisnis Anda dan sekaligus membangun alatnya. Itu yang kami kerjakan di Akses.

Cara kerja ini sudah kami jalankan sendiri. Aksesmedika lahir dari lab dan klinik yang kewalahan dengan pekerjaan MCU: data diketik berulang, kesimpulan ditulis dari nol, HR klien bertanya satu per satu. AksesData lahir dari pimpinan yang terlalu lama menunggu laporan. Keduanya dimulai dari satu pekerjaan berulang, lalu dibangun mengikuti cara kerja yang sudah ada.

AksesmedikaPlatform MCU untuk lab dan klinik, dengan dashboard untuk HR klien. AksesDataLaporan pimpinan dari data yang sudah Anda punya.

Produk hanyalah contoh cara kerja. Yang kami tawarkan adalah hasilnya, untuk kebutuhan tim Anda sendiri. Dan kami akan jujur kalau ada yang belum bisa kami bantu. Lihat yang bisa kami bantu.

07Penutup

Gelombang ini milik yang bergerak.

Kalau Anda memimpin organisasi di Indonesia dan ingin bergerak, paper ini untuk Anda. Mulai dari satu proses, pakai data yang sudah ada, biasakan tim dengan cara kerja baru. Yang penting niatnya jelas.

Kalau lebih banyak organisasi bisa bekerja lebih cepat dengan tim yang sama, dampaknya muncul di hasil bisnis dan di daya saing industri yang mempekerjakan jutaan orang. Itu bagian dari kontribusi yang ingin kami berikan.

Jendela 2026 dan 2027 tidak akan terbuka selamanya. Alatnya sudah terjangkau, yang bergerak lebih dulu sudah mulai scaling, dan tim Anda butuh waktu untuk terbiasa. Yang bergerak sekarang akan ikut menentukan seperti apa industrinya beberapa tahun lagi.