Ashley Moser, Co-Founder dan CCO MelodyArc – Seri Wawancara

Ashley Moser, Co-Founder dan Chief Commercial Officer MelodyArc, memimpin strategi komersial perusahaan, bekerja dengan pelanggan untuk menerjemahkan tujuan operasional ambisius menjadi hasil yang dapat diukur. Dia memiliki latar belakang yang mencakup operasi, strategi produk, logistik, penjualan, dan layanan keuangan, termasuk peran kepemimpinan di Wonder dan Jetblack milik Walmart, di mana ia bekerja lintas rantai pasokan, perbaikan berkelanjutan, strategi, dan logistik. Di awal kariernya, ia menjabat sebagai Sales Director di Stella Connect, yang kemudian diakuisisi oleh Medallia, bekerja dengan platform ritel seluler NewStore, dan menghabiskan lebih dari empat tahun di J.P. Morgan dalam penjualan ekuitas institusional.

MelodyArc adalah platform orkestrasi AI tingkat perusahaan yang dirancang untuk membantu tim operasi mengoordinasikan data, aturan bisnis, sistem AI, dan pengambilan keputusan manusia dalam satu lingkungan yang diatur. Platform ini dibangun di sekitar pelaksanaan proses operasional kompleks dari awal hingga akhir, memungkinkan tim mendefinisikan alur kerja, menerapkan logika bisnis, menyebarkan operator AI atau agen lainnya, serta meningkatkan kasus ke orang ketika diperlukan penilaian yang lebih mendalam. Point Engine-nya mengevaluasi jalur potensial untuk menyelesaikan setiap kasus sambil bekerja dalam aturan organisasi dan merekam setiap langkah, memberikan bisnis visibilitas dan kontrol yang lebih besar atas alur kerja berbasis AI di area seperti layanan pelanggan, merchandising, pesan situs, rantai pasokan, dan assortmen.

Anda memiliki karier yang beragam meliputi keuangan di J.P. Morgan, SaaS perusahaan di Medallia, dan peran operasional di Jetblack milik Walmart. Wawasan atau frustrasi spesifik apa yang mendorong Anda untuk mendirikan MelodyArc, dan bagaimana pengalaman tersebut membentuk visi inti perusahaan? 

Kami memulai perusahaan karena co-founder saya, James McHenry, dan saya sama-sama pernah menjadi operator dan teknologis sebelumnya. Kami telah melihat secara langsung, dan dalam banyak kasus, membantu membangun teknologi hebat untuk tim operasi. Namun kami terus menemui kesenjangan yang sama, solusi titik yang hanya menangani sebagian kecil dari apa yang sebenarnya dilakukan oleh operasi, atau tidak sesuai dengan cara kerja di lapangan.

Dengan pemikiran itu, kami bertekad membangun platform yang dapat membawa teknologi baru ke tim operasi garis depan dengan cara yang dapat mereka gunakan secara nyata. Saat ini, hal itu terwujud sebagai orkestrasi human-in-the-loop.

MelodyArc menempatkan AI langsung di tangan operator garis depan. Bagaimana pendekatan ini berbeda dari penerapan AI perusahaan tradisional yang bersifat top-down, dan mengapa perubahan ini terjadi sekarang? 

Dengan MelodyArc, begitu platform siap, kami menempatkan kemampuan untuk membuat alur kerja baru, ide, dan proses manusia‑dalam‑lingkaran langsung di tangan tim, dengan dampak yang sangat kecil atau bahkan tanpa dampak pada peta jalan yang lebih luas. Artinya, tim dapat meningkatkan proses mereka sendiri menggunakan AI tanpa harus naik‑turun rantai komando setiap kali. Ini adalah cara yang secara fundamental berbeda dalam menerapkan teknologi ini.

Hal ini terutama terlihat jelas dalam penerapan perusahaan terbesar kami. Pada satu klien, kami memulai dengan satu kasus penggunaan pada satu tim. Saat ini, kami sudah aktif dengan lebih dari lima kasus penggunaan di berbagai tim.

Kami juga telah melihat tim membangun proses berbantu AI dalam satu hari, sesuatu yang sebelumnya mereka deprioritaskan karena tidak pernah memenuhi ambang ROI untuk apa yang akan menjadi pembangunan yang intensif secara rekayasa.

Banyak organisasi berinvestasi besar-besaran dalam AI namun masih kesulitan mengoperasionalkannya. Apa saja kesenjangan paling umum yang Anda lihat antara strategi AI dan pelaksanaan di dunia nyata?

Dua hal besar menonjol. Pertama, ketika perusahaan melihat proses yang ingin mereka terapkan AI, mereka sering mengambil pendekatan all-or-nothing. Mereka otomatisasi seluruh proses fokus, atau tidak menyentuhnya sama sekali. Kami mendorong perusahaan untuk melihat komposisi proses dan mengidentifikasi di mana otomatisasi cocok, di mana AI cocok, dan di mana orang masih perlu terlibat, tidak harus dalam urutan itu. Pendekatan tersebut membuka jauh lebih banyak proses sebagai kandidat AI, dan juga membuka lebih banyak otomatisasi di hilir, karena Anda telah sengaja menentukan di mana orang dilibatkan.

Kedua, dari sudut pandang strategis, perusahaan sering memiliki ratusan kasus penggunaan yang layak dipilih. Kuncinya adalah mengevaluasi mereka berdasarkan dampak bisnis nyata, biaya, jam, dan metrik konkret, alih-alih mengejar yang paling mencolok atau mudah. Menyerang area terbesar dengan dampak tertinggi terlebih dahulu, meskipun lebih sulit, adalah cara perusahaan mendapatkan nilai paling besar. Hal ini juga menunjukkan flywheel nilai positif yang dapat diciptakan proyek AI dalam organisasi.

MelodyArc menggabungkan AI dengan alur kerja manusia alih-alih menggantikannya. Bagaimana Anda menentukan keseimbangan yang tepat antara otomatisasi dan pengambilan keputusan manusia dalam lingkungan perusahaan?

MelodyArc membantu perusahaan mencapai tujuan otomatisasi mereka dengan menemukan keseimbangan yang tepat antara AI dan keputusan manusia dalam loop. Ketika MelodyArc memulai proses implementasi, tujuan akhir organisasi mungkin agar otomatisasi menyelesaikan 90% pekerjaan, dengan 10% sisanya bergantung pada keahlian anggota tim. Namun alih-alih hanya mengutamakan kecepatan, MelodyArc memanfaatkan keterlibatan manusia dalam loop sejak awal. Misalnya, memulai dengan pembagian 50-50 antara otomatisasi dan masukan anggota tim, lalu secara bertahap mengotomatisasi lebih banyak proses. Pendekatan ini membuat alur kerja tingkat perusahaan masuk produksi lebih cepat, karena kami tidak berusaha menyempurnakan alur kerja sebelum mengintegrasikan AI.

Kekuatan lain dari pendekatan ini adalah bahwa saat kami meluncurkannya ke produksi, kami mengumpulkan data proses yang memberi tahu kami secara tepat bagian mana dari proses yang harus diotomatisasi selanjutnya. Hal ini memungkinkan MelodyArc terus meningkatkan tujuan otomatisasi dengan lebih cepat dan terarah. Dalam praktiknya, hal ini sering berarti sebuah perusahaan melihat otomatisasi terus membaik, tanpa harus mengganggu alur kerja untuk perbaikan atau penyesuaian.

Dengan latar belakang Anda dalam pengalaman pelanggan dan operasi, bagaimana menurut Anda AI mendefinisikan kembali seperti apa “layanan hebat” dalam lingkungan di mana respons dapat dihasilkan secara instan?

Saya percaya “instan” akan menjadi standar dasar dan pada dasarnya menjadi komoditas. Layanan hebat tidak pernah hanya tentang memberikan jawaban kepada pelanggan dengan cepat, melainkan memberikan jawaban yang tepat dengan upaya paling sedikit. AI memberi kami cara baru untuk mengurangi upaya tersebut, baik dengan mengeksekusi atas nama pelanggan, menyarankan langkah selanjutnya, atau mengisi otomatis bidang‑bidang – apa pun yang membuat pengalaman menjadi lebih cepat dan lebih menyenangkan. Menghasilkan jawaban secara instan tidak berarti apa‑apa jika tidak relevan, dan saya berpendapat bahwa mengejar kecepatan semata adalah cara perusahaan berakhir mengoptimalkan hal yang salah.

AI perusahaan sering gagal pada tahap akhir, di mana adopsi dan kegunaan menjadi kritis. Prinsip desain apa yang penting untuk memastikan MelodyArc benar‑benar digunakan oleh tim frontline?

Kami memulai dengan pemahaman bahwa ada banyak pengetahuan tacit yang dimiliki tim kami, dan kami sangat jelas tentang apa yang dapat dan tidak dapat kami otomatisasi. Menjadi terbuka tentang perbedaan itu membuat pengalaman jauh lebih intuitif. Ini bukan kotak hitam di mana tim tidak yakin apa yang terjadi atau mengapa.

Kegunaan bergantung pada gagasan bahwa teknologi bekerja bersama tim frontline, bukan menjadi sesuatu yang harus mereka atasi. Itu kembali ke alasan mengapa kami memulai perusahaan ini, terlalu banyak solusi titik yang hanya menangani sebagian kecil operasi, atau tidak sesuai dengan cara kerja sebenarnya di lapangan. Kami menemukan bahwa itulah alasan utama mengapa banyak alat AI perusahaan tidak terpakai berbulan‑bulan setelah peluncuran.

Seiring agen AI menjadi lebih otonom, tantangan tata kelola dan kontrol apa yang harus dipersiapkan perusahaan sebelum memperluas skala sistem ini?

Observabilitas dalam lingkungan perusahaan sangat penting, terutama kemampuan untuk melihat keputusan apa yang diambil dan mengapa. Untuk proses yang dapat diotomatisasi perusahaan tetapi belum merasa nyaman mengotomatisasinya sepenuhnya, saya menyarankan tetap melibatkan manusia dalam loop. Hal ini penting tidak hanya untuk menjaga pengawasan, tetapi juga untuk menguji sistem baru agar dapat memahami cara kerjanya dan dampaknya, baik positif maupun negatif.

Dari perspektif komersial, bagaimana penjualan AI ke perusahaan berubah selama beberapa tahun terakhir seiring pembeli menjadi lebih terinformasi namun juga lebih berhati‑hati?

Semua orang menjadi jauh lebih pintar, baik pembeli maupun vendor. Kami sudah berada sekitar empat tahun ke dalam apa yang sebenarnya siklus multi‑dekade, jadi kami semua masih belajar.. Seiring AI menjadi lebih mampu dan lebih tersedia, kami dengan cepat iterasi apa yang dapat kami lakukan untuk klien pada saat yang sama mereka belajar apa yang dapat mereka lakukan dalam organisasi mereka sendiri, yang sungguh menggembirakan karena ada banyak pertukaran nilai.

Organisasi kini lebih fokus pada keamanan informasi daripada sebelumnya, pada melindungi apa yang membuat mereka unik, dan pada efisiensi nyata yang diberikan AI. Mereka juga mendekati proyek secara lebih rasional, bersedia mengadopsi secara bertahap daripada langsung melompat semua sekaligus. Perhitungan build versus buy masih sangat hidup secara internal, dan semakin sering kami melihat pendekatan hibrida seperti build and buy, atau “build via buying,” daripada memilih salah satu.

Anda telah bekerja di startup dengan pertumbuhan tinggi dan organisasi besar seperti Walmart. Bagaimana membangun AI untuk operasi perusahaan berbeda tergantung pada ukuran perusahaan dan kompleksitas organisasi?

Ada benar‑benar dua dimensi di sini: luasnya organisasi, dan kedalaman historis tumpukan teknologi serta prosesnya.

Di startup dengan pertumbuhan tinggi, Anda tidak memiliki banyak orang atau kompleksitas organisasi yang tinggi, dan Anda tidak bekerja di sekitar sistem yang dibangun 20 tahun lalu atau tim yang melakukan hal yang sama selama satu dekade. Semakin besar dan mapan organisasi, semakin Anda perlu memikirkan kembali cara melakukan sesuatu dari dasar. Itu berarti memutuskan bagaimana Anda ingin beroperasi di masa depan, lalu secara bertahap mencapainya dengan cara yang sesuai dengan organisasi. Terkadang itu juga berarti menjalankan eksperimen independen di tepi, agak terpisah atau paralel dengan proses yang ada.

Melihat ke depan, bagaimana Anda melihat peran pekerja lini depan berkembang seiring AI menjadi terintegrasi dalam alur kerja sehari-hari? Apakah kita bergerak menuju augmentasi, orkestrasi, atau sesuatu yang benar‑benar baru? 

Untuk alur kerja sehari-hari, lapisan orkestrasi sangat penting. Menyatukan semua orang dan teknologi Anda secara native adalah arah yang kami tuju. Namun menerapkan teknologi jenis ini dapat menjadi kompleks karena bukan sekadar silo di mana organisasi dapat mengotomatisasi satu langkah lalu menyerahkannya kepada seorang rekan. Ini merupakan kombinasi AI, otomatisasi, dan seorang rekan yang bekerja beriringan.

Ada banyak peluang bagi tim lini depan untuk menerapkan alur kerja. Setiap kali kami berbicara dengan klien, ada puluhan, bahkan ratusan, proyek yang ingin mereka tangani tetapi tidak dapat, entah karena anggaran, peta jalan teknologi, ukuran tim, atau ROI yang menjadi penghalang. Di sinilah AI dan orkestrasi berperan, membantu tim melakukan jauh lebih banyak dengan apa yang sudah mereka miliki sambil menurunkan biaya peluncuran. Hal ini pada akhirnya menghasilkan ROI positif untuk proyek‑proyek mendatang.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin belajar lebih lanjut silakan kunjungi MelodyArc.