Competing in The Age of AI

Pengemis di Era Digital 

Kuala Lumpur, 2019. Di jalanan sibuk dekat menara kembar Petronas, seorang profesor Harvard Business School berjalan melewati seorang pengemis. 

Seperti biasa, ia akan memberikan sedikit uang. Tapi kali ini ada yang berbeda. 

Pengemis itu tidak mengulurkan tangan meminta koin. Ia mengangkat smartphone-nya, menampilkan kode QR WeChat. 

"Scan saja, Pak," katanya sambil tersenyum. 

Karim Lakhani—profesor tersebut—terkejut sekaligus terheran. Bahkan pengemis di Asia Tenggara sudah masuk ke era pembayaran digital. Ia scan kode itu, transfer uang dalam sekejap. Tidak ada cash. Tidak ada kartu kredit. Hanya beberapa sentuhan di layar. 

Ketika Lakhani mencoba menggunakan uang tunai yang ia bawa ke 7-Eleven di mal mewah, kasir malah meminta, "Bisa pakai WeChat Pay atau Alipay, Pak? Kami lebih prefer digital." 

Di Asia, jauh dari Silicon Valley yang bising, revolusi diam-diam sedang terjadi. Revolusi yang mengubah cara fundamental manusia bertransaksi, berbisnis, dan hidup. 

Dan di balik revolusi ini ada teknologi yang namanya semakin sering kita dengar: Artificial Intelligence. 

Tapi ini bukan tentang robot yang mengambil alih dunia. Ini tentang sesuatu yang jauh lebih fundamental—dan jauh lebih mengganggu. 

AI sedang mengubah konsep dasar dari apa itu perusahaan.

---

Bagian 1: Perbandingan yang Mengejutkan

1 Miliar Pelanggan, 1/10 Karyawan 

Mari kita mulai dengan fakta yang sulit dipercaya. 

Ant Financial (sekarang Ant Group)—perusahaan yang mengoperasikan Alipay—melayani lebih dari 1 miliar pelanggan. 

JPMorgan Chase—bank paling berharga di dunia—melayani sekitar 100 juta pelanggan. Ant Financial melayani 10 kali lebih banyak pelanggan daripada JPMorgan. Tapi tunggu, ini bagian yang benar-benar gila: 

Ant Financial melakukannya dengan kurang dari 1/10 jumlah karyawan JPMorgan. Baca lagi angka itu. 

10x lebih banyak pelanggan. 1/10 jumlah karyawan. 

Ini bukan efisiensi incremental. Ini adalah order of magnitude yang berbeda. Ini adalah fundamental different way of doing business. 

Bagaimana mungkin? 

Jawabannya sederhana tapi profound: Ant Financial adalah AI-first company. JPMorgan adalah perusahaan tradisional. 

Yang Satu Dijalankan Algoritma, Yang Lain Dijalankan Manusia

Di JPMorgan, ketika Anda mengajukan pinjaman: 

• Anda datang ke cabang atau mengisi formulir
• Loan officer manusia meninjau aplikasi Anda
• Manager meninjau keputusan loan officer
• Proses memakan waktu berhari-hari atau berminggu-minggu
• Setiap pinjaman memerlukan human judgment

Di Ant Financial, ketika Anda mengajukan pinjaman: 

• Anda buka app di smartphone
• Algoritma menganalisis data Anda dalam hitungan detik
• Keputusan dibuat secara otomatis—approve atau reject
• Kalau approve, uang langsung masuk ke akun Anda
• Tidak ada manusia yang terlibat dalam proses ini

Sama-sama pinjaman. Tapi prosesnya radikal berbeda. 

Dan perbedaan ini bukan hanya tentang kecepatan atau biaya. Ini mengubah economics fundamental dari bisnis.

---

Bagian 2: Tiga Batasan yang Dihancurkan 

Selama ratusan tahun, pertumbuhan bisnis dibatasi oleh tiga hal: scale, scope, dan learning. AI menghancurkan ketiga batasan ini. 

Batasan 1: Scale—Semakin Besar, Semakin Lambat 

Dalam perusahaan tradisional, ada diseconomies of scale. 

Maksudnya: pada titik tertentu, perusahaan yang tumbuh terlalu besar menjadi lambat, birokrasi, dan tidak efisien. 

Mengapa? Karena manusia adalah bottleneck. 

Setiap keputusan memerlukan meeting. Setiap ekspansi memerlukan hiring ribuan karyawan. Setiap produk baru memerlukan training. Koordinasi menjadi nightmare. 

General Motors dengan ratusan ribu karyawan jauh lebih lambat dan kaku daripada startup 50 orang. 

Tapi dengan AI, bottleneck ini hilang. 

Ocado—supermarket online UK—menggunakan AI untuk mengelola gudang otomatis. Robot bergerak dengan presisi tinggi, algoritma mengoptimalkan inventory dan rute pengiriman. 

Ketika demand naik 2x, Ocado tidak perlu hiring 2x karyawan. Mereka cukup menambah server dan robot. Scaling menjadi almost frictionless. 

Netflix melayani 200 juta pelanggan di 190 negara. Setiap pelanggan mendapat rekomendasi personal. Bagaimana mereka melakukannya? Algoritma. 

Coba bayangkan jika Netflix harus hire manusia untuk memberikan rekomendasi personal ke setiap pelanggan. Impossible. 

Batasan 2: Scope—Diversifikasi Itu Mahal 

Dalam dunia tradisional, memperluas scope—masuk ke bisnis baru—sangat mahal dan berisiko. 

Kellogg's yang expert di cereal tidak bisa tiba-tiba jadi expert di smartphone. Mereka harus build capability dari nol. 

Tapi perusahaan AI-driven berbeda. 

Ant Financial dimulai sebagai platform pembayaran (Alipay). Lalu mereka menggunakan data yang sama untuk:

• Consumer lending
• Wealth management (Ant Fortune)
• Credit scoring (Zhima Credit)
• Insurance
• Investment products
• Bahkan game tentang carbon footprint

Semua bisnis ini menggunakan data dan algoritma yang sama. Mereka tidak perlu membangun dari nol untuk setiap bisnis baru. 

Amazon dimulai sebagai toko buku online. Sekarang mereka melakukan: 

• E-commerce
• Cloud computing (AWS)
• Video streaming (Prime Video)
• Grocery (Whole Foods)
• Healthcare
• Advertising

Semuanya ditenagai oleh data platform yang sama. 

Scope expansion yang dulu butuh puluhan tahun, sekarang bisa dilakukan dalam hitungan bulan. 

Batasan 3: Learning—Improvement yang Lambat 

Dalam perusahaan tradisional, learning cycle lambat. 

Anda luncurkan produk. Tunggu feedback customer. Analisis. Rancang improvement. Implement. Proses ini bisa memakan waktu bertahun-tahun. 

Dengan AI, learning cycle menjadi real-time. 

Google Ads belajar dari setiap klik, setiap pencarian, setiap konversi. Algoritma improve terus-menerus, tanpa henti. Tidak perlu tunggu quarterly review atau annual planning. 

Spotify tahu lagu apa yang Anda skip dalam 3 detik. Rekomendasi berikutnya sudah adjust berdasarkan data itu. 

Semakin banyak data, semakin pintar algoritma. Dan data bertambah setiap detik.

Ini adalah learning that compounds, bukan learning yang linear.

---

Bagian 3: AI Factory—Jantung Perusahaan Baru 

Iansiti dan Lakhani memperkenalkan konsep "AI Factory"—mesin pengambil keputusan otomatis yang menjadi inti dari perusahaan digital modern. 

Empat Komponen AI Factory 

1. Data Pipeline—Aliran Data yang Tak Henti 

Perusahaan AI-first mengumpulkan data dari semua touchpoint: 

• Setiap klik di website
• Setiap transaksi
• Setiap interaksi customer service
• Setiap pencarian
• Setiap gerak mouse

Data ini tidak disimpan di silo-silo terpisah. Semua data masuk ke satu unified data platform.

Ant Financial mengumpulkan data dari: 

• 1+ miliar transaksi per hari di Alipay
• Pembelian online dan offline
• Social network melalui integrasi dengan platform lain
• Location data
• Behavior patterns

Ini adalah firehose of data yang mengalir terus-menerus. 

2. Algorithm Development—Otak dari Sistem 

Data tanpa algoritma hanya noise. Algoritma mengubah data menjadi decisions.

Di Ant Financial, ada ribuan algoritma untuk berbagai keperluan: 

• Credit scoring—apakah orang ini layak dapat pinjaman?
• Fraud detection—apakah transaksi ini suspicious?
• Personalized recommendations—produk finansial apa yang cocok untuk user ini?
• Risk assessment—berapa besar risiko portfolio ini?

Algoritma ini tidak statis. Mereka terus belajar dan improve dari setiap keputusan yang dibuat.

3. Experimentation Platform—Testing di Scale 

Perusahaan tradisional menguji satu ide dalam satu waktu, dengan process yang lambat. AI-first companies menjalankan thousands of experiments simultaneously. 

Amazon menjalankan lebih dari 1000 A/B test setiap hari. Google menjalankan ribuan experiments pada search algorithm mereka. 

Mereka tahu dengan presisi apa yang work dan apa yang tidak. Keputusan tidak based on intuisi atau HiPPO (Highest Paid Person's Opinion). Keputusan based on data. 

4. Software Infrastructure—Fondasi yang Terintegrasi 

Ini adalah bagian yang paling sering diabaikan—dan paling critical. 

Data tidak bisa ada di silo-silo terpisah. Marketing punya database sendiri. Finance punya database sendiri. Operations punya database sendiri. 

Untuk AI Factory bekerja, semua data harus terintegrasi dalam satu platform.

Ini adalah tantangan teknis, tapi lebih sering ini adalah tantangan politik dan budaya. 

Marketing tidak mau share data dengan Finance karena mereka "tidak trust" mereka. Sales tidak mau share customer data karena takut kehilangan control. 

Perusahaan yang tidak bisa break down silo ini tidak akan pernah bisa jadi AI-first company.

---

Bagian 4: Operating Model yang Berbeda 

Dari Pipeline Linear ke Network 

Perusahaan tradisional beroperasi seperti assembly line: 

Input → Process Step 1 → Process Step 2 → Process Step 3 → Output 

Setiap step dilakukan oleh departemen atau unit yang berbeda. Koordinasi antar unit dilakukan melalui hierarchy dan meetings. 

Henry Ford perfected model ini untuk manufaktur. Tapi model ini punya inherent limitations.

Perusahaan AI-first beroperasi seperti network: 

Semua komponen terhubung. Data flows freely. Algoritma bisa akses semua data yang dibutuhkan. Decisions dibuat secara otomatis tanpa perlu escal ation melalui hierarchy. 

Manusia Pindah ke Tepi 

Dalam perusahaan tradisional, manusia ada di critical path dari value delivery. 

Tidak ada sales tanpa salesperson. Tidak ada loan approval tanpa loan officer. Tidak ada customer service tanpa customer service rep. 

Dalam perusahaan AI-first, manusia pindah ke edge. 

Maksudnya: manusia tidak lagi deliver value secara langsung. Software dan algoritma yang deliver. 

Manusia berperan untuk: 

• Design sistem
• Oversee operation
• Handle exception cases
• Improve algoritma

Tapi day-to-day operation? Itu dilakukan oleh mesin. 

Ini bukan berarti AI "menggantikan" manusia. Ini berarti manusia melakukan pekerjaan yang berbeda—pekerjaan yang lebih high-value, lebih strategic, lebih creative.

Microsoft's Transformation 

Satya Nadella menjadi CEO Microsoft tahun 2014. Saat itu Microsoft tertinggal di cloud, mobile, AI. Mereka dianggap "dinosaur" dari era PC. 

Nadella melakukan transformasi radikal: 

• Membangun Azure menjadi platform cloud #2 di dunia (setelah AWS)
• Mengakuisisi GitHub dan LinkedIn—tidak untuk produk, tapi untuk data
• Mengintegrasikan AI ke semua produk Microsoft
• Mengubah budaya dari "know-it-all" menjadi "learn-it-all"

Hasilnya? Market cap Microsoft naik dari $300 miliar menjadi $2+ trillion. Nadella tidak hanya mengadopsi teknologi AI. Ia rearchitected the entire firm around AI.

---

Bagian 5: Collisions—Benturan Dua Dunia 

Yang terjadi sekarang bukan evolusi. Ini adalah collision—benturan antara perusahaan AI-driven dan perusahaan tradisional. 

Retail: Amazon vs. Semua Orang 

Dulu, retail adalah tentang location. Siapa punya real estate terbaik, menang. Amazon mengubah itu. Mereka tidak punya satu pun toko fisik (awalnya). Tapi mereka punya: 

• Data tentang apa yang setiap customer mau
• Algoritma untuk personalized recommendations
• Supply chain yang hyper-efficient
• Platform yang bisa scale infinitely

Hasilnya? Puluhan ribu toko retail tutup. Sears bangkrut. JCPenney bangkrut. Toys R Us bangkrut. 

Mereka tidak kalah karena produk mereka buruk. Mereka kalah karena operating model mereka sudah obsolete. 

Financial Services: Fintech vs. Banks 

Bank tradisional punya advantage besar: trust, regulation, capital. 

Tapi fintech punya advantage yang lebih powerful: speed, user experience, cost structure. 

Nubank di Brazil tumbuh dari 0 ke 40 juta customers dalam 7 tahun—tanpa satu pun cabang fisik. Semuanya digital, semuanya AI-driven. 

Robinhood membuat trading saham jadi gratis dan accessible. Bank-bank investasi tradisional tidak bisa compete di harga. 

Bank-bank tradisional sekarang berlomba-lomba untuk transform. Tapi ini bukan sekadar adopsi teknologi. Ini adalah fundamental restructuring dari cara mereka beroperasi. 

Transportation: Uber/Grab vs. Taxi 

Taxi companies punya assets: mobil, license, drivers. 

Uber dan Grab tidak punya mobil. Tapi mereka punya: 

• Platform yang connect drivers dan riders
• Algoritma untuk surge pricing dan route optimization
• Data tentang demand patterns
• Network effects—semakin banyak drivers, semakin baik service Dalam hitungan tahun, mereka disrupt industri taxi di seluruh dunia.

The Pattern 

Dalam semua collisions ini, pattern-nya sama: 

1. Incumbent besar, mapan, punya assets 

2. Challenger kecil, cepat, punya algoritma 

3. Awalnya incumbent tidak worry—"mereka terlalu kecil, tidak punya assets"

4. Tiba-tiba challenger scale dengan cepat karena tidak terbatas oleh constraints tradisional 

5. Incumbent berusaha respond, tapi terlambat karena harus transform seluruh organization

---

Bagian 6: Cara Menjadi AI-First Company 

Step 1: Build Unified Data Platform 

Ini adalah fondasi. Tanpa data yang terintegrasi, tidak ada AI yang bisa bekerja efektif.

Artinya: 

• Break down silos antara departemen
• Standardize data formats
• Invest in data infrastructure
• Create culture of data sharing

Novartis—perusahaan farmasi raksasa—spent years mengintegrasikan data dari puluhan acquisition dan puluhan sistem IT legacy. Painful, mahal, tapi necessary. 

Step 2: Develop Algorithm Capabilities 

Hire data scientists dan ML engineers? Ya, tapi itu hanya permulaan. 

Yang lebih penting: 

• Build experimentation culture
• Create feedback loops antara algoritma dan hasil bisnis
• Invest in continuous learning

Peloton—fitness company—punya lebih banyak data scientists daripada personal trainers. Mereka optimize setiap aspek dari user experience menggunakan algoritma. 

Step 3: Rearchitect Operating Model 

Ini adalah bagian tersulit. Anda tidak bisa just "add AI" ke operating model lama.

Anda harus fundamentally redesign bagaimana value di-create dan di-deliver.

IKEA, during COVID, transform operasinya dalam hitungan minggu: 

• Virtual showrooms dengan AR
• Online ordering dan home delivery
• AI-powered customer service

Yang biasanya butuh tahun, mereka lakukan dalam bulan—because crisis memaksa mereka untuk make tough choices.

Step 4: Change Leadership and Culture 

CEO harus personally champion transformasi ini. Bukan delegate ke CIO atau CDO. 

Nadella di Microsoft menghabiskan majority of his time pada transformation—meeting dengan teams, reviewing progress, challenging assumptions. 

Culture harus berubah dari: 

• "Protect turf" → "Share data"
• "Avoid failure" → "Experiment and learn"
• "Follow process" → "Optimize outcome"
• "Human judgment" → "Algorithm + human oversight"

---

Bagian 7: Risiko dan Tantangan 

Bias dan Fairness 

Algoritma tidak netral. Mereka reflect biases dalam data yang mereka trained on. 

Amazon pernah develop algoritma untuk screening resume. Ternyata algoritma itu bias against women—karena historical data menunjukkan lebih banyak pria yang hired. 

Amazon harus shut down sistem itu. 

Ant Financial's credit scoring sempat controversial—apakah fair menggunakan "friends' credit scores" untuk assess seseorang? 

AI-first companies harus actively monitor dan address bias. Ini bukan hanya ethical issue—ini adalah business risk. 

Privacy dan Security 

Semakin banyak data, semakin besar target untuk hackers. 

Equifax breach exposed data 147 juta orang. Biaya: reputasi hancur, $700 juta settlement. Digital firms aggregate data dalam scale yang unprecedented. Risikonya juga unprecedented.

Market Concentration 

Network effects create winner-take-most dynamics. 

Google dominates search. Facebook dominates social. Amazon dominates e-commerce. Microsoft dominates productivity software. 

Ini menimbulkan pertanyaan: apakah ini monopoli yang harus di-break up? Atau ini adalah natural outcome dari economics of AI?

Inequality 

AI-first companies create enormous value dengan very few employees. 

Instagram dijual ke Facebook seharga $1 billion dengan hanya 13 employees. WhatsApp dijual $19 billion dengan 55 employees. 

Bandingkan dengan Kodak yang employ 140,000 orang di peak-nya. 

AI create wealth, tapi concentrate wealth di few hands. 

Ini adalah social and political challenge yang kita semua harus address.

---

Penutup: Imperative untuk Bertindak 

Tidak Ada Posisi Netral 

Iansiti dan Lakhani sangat jelas: Tidak ada pilihan untuk "wait and see." 

Setiap perusahaan, di setiap industri, akan face collision dengan AI-driven competitors—jika belum, maka soon. 

Anda harus memilih: 

• Transform menjadi AI-first company
• Atau mati perlahan, disingkirkan oleh yang lebih cepat, lebih efisien, lebih scalable Tidak ada middle ground.

Tiga Pertanyaan untuk Pemimpin 

1. Apakah kita punya unified data platform? 

Jika data masih tersebar di silo-silo, Anda belum ready untuk AI. 

2. Apakah decisions kita driven by algoritma atau human judgment?

Jika mayoritas keputusan masih bergantung pada meeting dan intuisi, Anda tertinggal.

3. Apakah operating model kita scalable tanpa batas? 

Jika Anda harus hire proportionally untuk scale, Anda akan kalah dengan competitor yang bisa scale dengan software. 

Masa Depan Sudah Di Sini 

Pengemis di Kuala Lumpur dengan QR code adalah symbol perfect dari era baru ini. 

Teknologi yang dulu hanya available untuk perusahaan raksasa sekarang ada di tangan semua orang. 

AI bukan lagi future. AI adalah present. 

Pertanyaannya bukan "apakah AI akan transform industri saya?" Pertanyaannya adalah "bagaimana saya akan respond?" 

Traditional firms yang tidak transform akan menjadi like Nokia—dari market leader menjadi irrelevant dalam hitungan tahun.

Firms yang embrace transformation akan menjadi like Microsoft—reinvent themselves dan thrive di era baru. 

Pilihan ada di tangan Anda. 

Tapi waktu tidak unlimited. 

The age of AI is not coming. It's already here.

---

Tentang Buku Asli 

Competing in the Age of AI: Strategy and Leadership When Algorithms and Networks Run the World ditulis oleh Marco Iansiti dan Karim R. Lakhani, diterbitkan oleh Harvard Business Review Press pada tahun 2020. 

Marco Iansiti adalah David Sarnoff Professor of Business Administration di Harvard Business School, memimpin Technology and Operations Management Unit dan Digital Initiative. Ia expert dalam digital innovation, strategy, dan business transformation. 

Karim R. Lakhani adalah Charles E. Wilson Professor of Business Administration di Harvard Business School dan Chair of Harvard Business Analytics Program. Ia adalah pendiri Laboratory for Innovation Science at Harvard dan expert dalam AI, digital innovation, dan technology management. 

Buku ini based on years of research di ratusan perusahaan across berbagai sektor—dari tech giants seperti Microsoft, Amazon, Google, hingga traditional firms yang sedang transform. 

Framework dan insights dalam buku ini bukan teori akademis. Ini adalah hasil dari observing real companies yang berhasil (dan gagal) dalam transformation journey mereka. 

Untuk pemahaman yang lebih mendalam, sangat disarankan membaca buku aslinya yang kaya dengan case studies detail, framework teknis, dan guidance praktis untuk implementation. 

Ringkasan ini memberikan overview komprehensif, tapi practical journey untuk menjadi AI-first company memerlukan deep dive ke setiap aspek yang dibahas di buku. 

Era AI bukan tentang teknologi. Era AI adalah tentang fundamentally rethinking bagaimana perusahaan create, capture, dan deliver value. 

Dan era ini tidak menunggu siapa pun. 

The question is: Are you ready?