Dari Percakapan ChatGPT yang Terserak ke Sistem Operasi AI yang Hidup: Bagaimana Membangun Perusahaan AI-First

Sebagian besar perusahaan sudah mengalihkan anggaran perangkat lunak keeksperimen AI, dengan ChatGPT sudah digunakan sehari-hari oleh banyak tim. Tapi bagaimana Anda mengubah eksperimen terisolasi tersebut menjadi sistem yang benar-benar menggerakkan bisnis? Masalahnya bukanlah adopsi; itu adalah kurangnya koordinasi. Pengetahuan terjebak dalam tab browser individu dan puluhan percakapan yang terputus, memaksa tim untuk terus-menerus merekayasa pekerjaan dari awal.

Kaos ChatGPT

Saya tahu masalah ini dari pengalaman pertama. Pada tahun 2023, seperti banyak pendiri, saya menemukan diri saya di tengah-tengah apa yang saya sekarang sebut sebagai kekacauan ChatGPT. Setiap anggota tim di perusahaan kami yang beranggotakan 40 orang menggunakan AI dalam silo, mengubah kami menjadi sistem yang terfragmentasi di mana kecerdasan kolektif perusahaan kami tersebar daripada terpusat. Kami menggandakan upaya kami.

Bagaimana hal ini biasanya terjadi? Ketika adopsi AI dimulai, terasa seperti kemajuan. Setiap orang menemukan beberapa kasus penggunaan pribadi, efisiensi meningkat sedikit, dan kepemimpinan melihat “penggunaan AI” di perusahaan. Masalahnya adalah bahwa kemenangan ini tetap terfragmentasi daripada bersatu menjadi hub terpusat. Jika direktur pemasaran memiliki prompt terbaik yang terjebak dalam riwayat ChatGPT-nya, kepala penjualan tidak dapat membangun di atasnya. Ini memaksa tim untuk merekayasa roda setiap hari.

Jika ini terdengar familiar bagi Anda, itu karena ini adalah kenyataan di dalam 99% perusahaan saat ini. Setiap orang memiliki eksperimen AI mereka sendiri, tetapi sedikit perusahaan yang dapat membanggakan keunggulan antar departemen dan konteks yang dibagikan. Pada titik ini mereka tidak dapat disebut AI-first, mereka adalah AI-tersebar.

Titik Balik: Mengobati AI sebagai Infrastruktur

Di Elly Analytics, ini adalah titik di mana saya bertanya pada diri sendiri: apa jika seluruh perusahaan berbagi konteks AI, prompt, skrip, dan alur kerja yang tersedia instan untuk semua orang? Pertanyaan ini membantu saya memahami bahwa kami siap untuk berhenti bereksperimen dengan AI dan memulai memimpin dengannya.

Kami melihat bahwa Cursor, meskipun dibangun untuk pengembang, memiliki kemampuan yang tepat yang kami butuhkan untuk menggerakkan transformasi ini. Ini menyediakan kami dengan agen AI yang bekerja tidak hanya dengan obrolan, tetapi dengan konteks dari file kami, proyek kami, kode basis kami, strategi perusahaan kami. Daripada meminta ChatGPT untuk “menganalisis kompetitor”, saya sekarang meminta: “Gunakan penelitian kompetitor terbaru kami dan buatlah ringkasan visual dalam format strategi kami.” Ini tahu di mana file itu, apa formatnya, dan bagaimana kami berbicara tentang kompetisi.

Kami membangun tumpukan AI baru kami di sekitar tiga lapisan:

1. Cursor — lingkungan agen super yang awalnya dibangun untuk pengembang (alat mereka selalu satu tahun lebih maju dari alat arus utama), tetapi sama kuat untuk tim pemasaran, operasional, HR, dan strategi. Ini memindahkan kita melampaui meringkas dokumen untuk benar-benar mengotomatisasi tugas — dari memproses transkrip panggilan hingga membuat skrip Python untuk analisis data.
   
2. Otak perusahaan bersama — basis pengetahuan sentral yang berevolusi yang dapat dibaca dan diperbarui oleh setiap agen AI. Dengan ini, AI menjadi kolaborator dengan pemahaman lengkap tentang strategi perusahaan, proses, dan tujuan. Ini menghilangkan kebutuhan untuk menyalin dan menempelkan antara tab browser dan memastikan agen AI Anda memiliki konteks penuh bisnis Anda.
3. Alur kerja siap-pasang — proses AI yang dapat digunakan kembali, spesifik departemen untuk segala sesuatu dari onboarding hingga perencanaan kampanye.

Templat Ruang Kerja AI-First

Untuk siapa saja yang siap mengikuti perjalanan kami, kami telah membuat Templat Ruang Kerja AI-First menjadi sumber terbuka. Ini berisi repositori spesifik departemen dengan konteks untuk Strategi, Produk, Pemasaran, Operasional, Keuangan, dan lain-lain, konfigurasi pra-bangun, skrip otomatisasi, dan contoh nyata alur kerja yang kami gunakan sehari-hari. Anda dapat mengkloningnya, menyesuaikannya, dan memiliki infrastruktur perusahaan AI-first sendiri yang berjalan dalam beberapa minggu.

Anda tidak perlu menjadi raksasa teknologi untuk mengadopsinya. Jika Anda khawatir tim Anda tidak cukup teknis untuk GitHub, pikirkanlah sebagai Google Drive dengan riwayat versi yang dibangun di dalamnya. Anda tidak akan pernah menyentuh baris perintah, AI menangani itu untuk Anda.

Jika Anda memutuskan untuk memperkenalkan ini di perusahaan Anda sendiri, berikut adalah jalur yang saya sarankan:

Langkah 1: Mulailah menggunakannya sendiri untuk kasus penggunaan pribadi Anda. Kami bahkan memiliki repositori khusus dengan contoh dan instruksi untuk tahap ini — karena itu sulit untuk menjual ide tersebut kepada tim Anda sampai Anda telah mengalami manfaatnya secara langsung.

Langkah 2: Dorong orang-orang kunci perusahaan untuk mulai menggunakan Cursor untuk tugas mereka sendiri. Setelah mereka mengalami nilai, mereka akan dengan cepat mencapai keterbatasan yang memicu langkah berikutnya: ingin berbagi file dan konteks.

Langkah 3: Pilih satu tim (sering kali tim kepemimpinan, pemasaran, atau fungsi lain) untuk menjalankan eksperimen bersama pertama. Atur repositori bersama, gunakan untuk memecahkan tantangan sinkronisasi nyata untuk tim tersebut, dan ubah hasilnya menjadi kisah sukses yang terlihat untuk sisa perusahaan.

Langkah 4: Gulirkan ke bagian lain organisasi dengan cara yang sama — mulai dengan pemimpin tim atau pengadopsi awal, fokus terlebih dahulu pada alur kerja pribadi mereka, kemudian perluas ke alur kerja bersama. Setiap minggu, minta (dan bagikan di seluruh tim) kasus penggunaan menarik sehingga momentum dan adopsi terbangun dari waktu ke waktu. Dalam pengalaman kami, tim secara alami bermigrasi ke lingkungan AI-first setelah mereka mengujinya.

ROI dari Menggunakan AI-First

Menurut perkiraan kami, mengadopsi model ini telah membebaskan lebih dari 10.000 jam kerja per tahun di tim 40 orang kami. Dan itu tidak hanya tentang menghemat waktu, itu tentang membuat tim keseluruhan lebih cerdas, lebih cepat, dan lebih terkoordinasi daripada sebelumnya. Berikut adalah apa yang dimaksud sehari-hari.

Kemenangan Jangka Pendek (0–6 Bulan)

Manfaat paling langsung adalah kontinuitas konteks AI di seluruh pekerjaan Anda. Tidak ada lagi kehilangan riwayat percakapan setiap kali Anda menutup tab, tidak ada lagi memulai dari awal dengan setiap sesi dan menyalin serta menempelkan antara tab browser ChatGPT yang tersebar. AI Anda memahami bisnis Anda sebagai keseluruhan dari hari pertama.

Kemenangan jangka pendek kedua adalah pengurangan 30–50% dalam pekerjaan administratif rutin. Analisis manual, generasi laporan berulang, dan tugas dokumentasi yang tidak ada habisnya menghilang ke latar belakang karena AI mengambil alih pekerjaan berat.

Dan kemudian ada efek komponen kecerdasan AI organisasional. Setelah alur kerja, prompt, dan skrip dibagikan di seluruh perusahaan, setiap departemen mendapatkan transparansi ke sisa organisasi. Kecerdasan kolektif tumbuh dengan setiap tugas yang diselesaikan — dan pertumbuhan itu menguntungkan semua orang.

Transformasi Jangka Panjang (6+ Bulan)

Dalam jangka panjang, dampaknya mendalam. Perusahaan Anda berhenti menjadi kumpulan longgar departemen dan mulai berperilaku seperti organisme yang ditenagai AI. Pembenaran strategis membaik karena AI memungkinkan wawasan antar fungsional yang sebenarnya. Ketika pegawai baru bergabung, mereka mewarisi tidak hanya dokumen, tetapi kecerdasan organisasional yang terkumpul, siap diterapkan dari hari pertama. Pengambilan keputusan membaik dan dipercepat karena setiap pilihan dibuat dengan konteks yang lebih kaya dan lebih komprehensif yang tersedia di sini dan sekarang.

Transformasi lain yang langgeng adalah bahwa bahkan tim non-teknis mendapatkan akses ke alur kerja profesional kelas perusahaan. Melalui infrastruktur GitHub, mereka mendapatkan kontrol versi, jejak audit, dan alat kolaborasi profesional tanpa harus menjadi pengembang. Kontrol akses memastikan orang yang tepat melihat informasi yang tepat, dan arsitektur ini berkembang dengan mulus karena organisasi Anda tumbuh.

Dan akhirnya, mungkin perubahan paling mendalam: Anda melampaui chatbot dan basis pengetahuan untuk memiliki AI yang benar-benar menjalankan kode. Ini adalah tempat keajaiban terjadi: AI tidak hanya merangkum atau memberi saran — itu memproses file, menjalankan analisis, dan mengotomatisasi alur kerja.

Saya percaya bahwa sebagian besar perusahaan akan mengikuti jalur ini dalam dua tahun ke depan. Mengadopsi sistem ini sekarang tidak hanya memperbaiki alur kerja hari ini — itu memposisikan perusahaan Anda untuk memimpin pasar sekali AI-first menjadi default.

Manfaat Alat Pengembang — dan Satu Efek Sampingan Kuat

Objeksi umum yang saya dengar adalah: “Segera, semua ini akan dibangun ke dalam ChatGPT, Google Docs, dan Notion.” Jawaban saya adalah: Bagus — ketika itu terjadi, itu akan luar biasa. Ini adalah hal yang baik bahwa semua alat utama bergerak menuju kolaborasi AI yang lebih dalam, dan itu akan membuat kerja tim yang didorong AI lebih mudah bagi semua orang.

Tapi sebelum fitur-fitur itu tiba, akan muncul alat baru, dan alat-alat itu hampir selalu datang ke ekosistem pengembang terlebih dahulu. Itulah mengapa masuk akal untuk bereksperimen dengan alat pengembang sekarang jika Anda ingin tetap berada di garis depan. Dan itu tidak terlalu sulit seperti yang mungkin Anda bayangkan, saya bahkan membuat panduan pengaturan 15 menit untuk membantu Anda memulai.

Juga layak untuk bertanya tidak hanya “Apa yang akan berubah di masa depan?” tetapi “Apa yang akan tetap konstan?” Tidak peduli alat AI baru apa yang muncul, satu hal yang akan selalu tetap tak ternilai — itu adalah konteks yang terstruktur dengan baik tentang organisasi Anda, produknya, prosesnya, prioritasnya, orangnya, dan alatnya. Setiap alat AI baru, tidak peduli seberapa canggih, masih perlu “mengenal” organisasi Anda sebelum dapat berguna. Itulah di mana menggunakan Cursor sebagai antarmuka AI utama, dengan data yang dibagikan melalui repositori GitHub, memiliki efek sampingan yang kuat: itu secara otomatis menangkap dan membangun konteks organisasional Anda sebagai produk sampingan dari pekerjaan sehari-hari tim Anda.