Scott Ernst, CEO Vyond – Seri Wawancara

Anda berulang kali memimpin perusahaan teknologi melewati transisi besar—mulai dari membantu Compete berkembang dari perusahaan rintisan tahap awal hingga diakuisisi, membawa Macromill melewati IPO, hingga kemudian mengarahkan kembali Drift dengan berfokus pada AI sebelum perusahaan itu diakuisisi Salesloft. Saat Anda memimpin Vyond di tengah pergeseran teknologi besar lainnya, pelajaran apa dari pengalaman-pengalaman tersebut yang membentuk pendekatan Anda terhadap era AI?

Pola yang saya lihat dalam setiap transisi tersebut adalah bahwa perubahan teknologi jarang menjadi bagian tersulit. Yang sulit adalah membuat seluruh organisasi bergerak bersama setelah perubahan itu terlihat jelas. Di Compete, pelajarannya adalah pentingnya disiplin: membangun pemimpin kategori dari basis yang kecil membutuhkan fokus tanpa henti pada beberapa hal yang benar-benar menggerakkan bisnis, bukan mengejar setiap peluang. Di Macromill, mengembangkan bisnis secara global dan membawa perusahaan ke bursa mengajarkan saya bahwa pertumbuhan tanpa ketegasan operasional pada akhirnya akan menimbulkan masalah… Anda membutuhkan pelaporan, peramalan, dan tata kelola agar kapasitas operasional dapat berkembang secepat bisnis.

Pengalaman di Drift paling relevan dengan situasi saat ini. Ketika ChatGPT diluncurkan, kami sudah membangun produk AI eksklusif kami sendiri, dan naluri awal kami adalah melindunginya. Namun, kami mengambil keputusan yang lebih sulit untuk membuka diri dan mengarahkan kembali seluruh perusahaan ke AI generatif, karena kami yakin pasar bergerak lebih cepat daripada kemampuan kami mempertahankan keunggulan kompetitif. Itu bukan keputusan produk, melainkan keputusan kepemimpinan yang menyangkut keyakinan dan ketepatan waktu.

Pelajaran yang saya bawa ke Vyond adalah bahwa dalam pergeseran platform yang sesungguhnya, perusahaan yang menang bukanlah yang paling berhati-hati atau paling gegabah, melainkan yang mampu dengan cepat menyelaraskan seluruh organisasi pada pandangan yang jelas, lalu bertindak dengan sungguh-sungguh dan segera. Itulah proses yang sedang kami jalankan sekarang: memahami apa yang benar saat ini, membangun keyakinan kuat tentang arah pasar, dan menggerakkan seluruh perusahaan ke arah yang sama sebelum kesempatan itu tertutup.

AI generatif telah membuat perusahaan jauh lebih mudah memproduksi konten, tetapi Anda berpendapat bahwa tantangan yang lebih besar kini adalah mengoperasionalkan pengetahuan. Apa artinya dalam praktik, dan mengapa menurut Anda pembuatan konten saja hanya menyelesaikan sebagian kecil dari masalah?

AI generatif mengatasi hambatan terbesar yang selama ini menghambat pembuatan konten: sebelumnya, proses ini membutuhkan tenaga spesialis, alur kerja produksi, dan waktu tunggu yang cukup lama. Kini, hampir siapa pun di sebuah organisasi dapat membuat sesuatu dalam hitungan menit. Ini benar-benar membuka peluang, tetapi juga berarti setiap fungsi—mulai dari pemasaran, SDM, penjualan, TI, hingga L&D—kini membuat konten secara mandiri, sering kali berdasarkan pengetahuan yang sama, dengan alat yang berbeda-beda dan tanpa sistem pencatatan bersama.

Mengoperasionalkan pengetahuan bukan terutama soal membuat lebih banyak konten, melainkan memastikan orang dapat menemukan dan menggunakan informasi yang tepat. Artinya, mereka tahu di mana versi terbaru yang tepercaya tersimpan, siapa penanggung jawabnya, apakah informasi itu sudah disetujui, dan bagaimana informasi tersebut masuk ke alur kerja yang benar-benar digunakan, seperti LMS, CRM, daftar periksa orientasi karyawan baru, dan pelacak kepatuhan. Tanpa lapisan itu, yang terjadi adalah apa yang saya sebut Kekacauan Komunikasi: konten dibuat berulang kali, standar merek bergeser, tim mengerjakan kembali sesuatu yang sudah tersedia, dan tak seorang pun dapat memastikan versi mana yang benar. Banyak kekacauan ini bermula lebih awal dari yang disadari orang—bahkan sebelum satu materi pun dibuat—ketika belum ada yang benar-benar memastikan siapa audiensnya, apa tujuannya, atau materi sumber apa yang seharusnya menjadi landasan permintaan tersebut.

Pembuatan konten menjawab pertanyaan, “Bisakah kita membuat ini dengan cepat?”—sebuah masalah nyata yang sebagian besar telah diatasi oleh AI. Mengoperasionalkan pengetahuan menjawab pertanyaan, “Bisakah orang yang tepat menemukan versi yang tepat dan tepercaya saat mereka membutuhkannya, di alat yang sudah mereka gunakan?” Masalah kedua ini lebih besar, lebih struktural, dan masih jauh dari terselesaikan di seluruh industri. Di situlah peluang nyata yang terbentang di hadapan kita.

Perusahaan mengumpulkan dokumen, data, rangkuman yang dihasilkan AI, dan pengetahuan institusional dalam jumlah yang sangat besar. Menurut Anda, di mana kesenjangan terbesar antara memiliki akses ke informasi tersebut dan menyampaikannya dengan cara yang dapat dipahami serta ditindaklanjuti oleh karyawan?

Masalahnya bukan akses… sebagian besar perusahaan sudah memiliki lebih banyak informasi daripada yang dapat diproses siapa pun. Masalahnya terletak pada transformasi dan kepercayaan. Pengetahuan tersimpan dalam format padat dan statis seperti PDF, presentasi, wiki, dan dokumen kebijakan, yang dirancang untuk disimpan dan ditelusuri, bukan untuk dipahami dengan cepat. Mengubahnya menjadi sesuatu yang benar-benar dapat diserap dan ditindaklanjuti seseorang memerlukan langkah transformasi yang tidak diupayakan secara sistematis oleh sebagian besar organisasi.

Saya melihat hal ini dengan jelas dalam percakapan dengan wakil presiden teknologi pemasaran perusahaan di sebuah perusahaan teknologi Fortune 100 yang merupakan pelanggan kami. Masalahnya bukan kekurangan informasi, melainkan berbagai bagian dalam organisasi yang sangat besar menyelesaikan masalah komunikasi yang sama secara terpisah dan dengan cara yang tidak konsisten. Akibatnya, pengetahuan yang ada di suatu bagian perusahaan tidak pernah sampai secara andal kepada orang-orang yang membutuhkannya dalam bentuk yang dapat mereka gunakan. Seperti yang ia katakan, di perusahaan sebesar itu, tangan kiri dan tangan kanan sama sekali tidak berkomunikasi.

Itulah kesenjangan yang sebenarnya: perusahaan memiliki banyak data, tetapi sangat sedikit wawasan. Solusinya bukan menambah konten atau ruang penyimpanan, melainkan menerapkan disiplin dan, semakin lama, membangun sistem untuk mengubah pengetahuan institusional mentah menjadi komunikasi yang jelas, visual, dan tepercaya, lalu menyalurkannya ke alur kerja tempat keputusan benar-benar dibuat.

Ketika agen AI makin mampu mengubah pengetahuan perusahaan secara mandiri menjadi materi pelatihan, dukungan penjualan, kepatuhan, atau komunikasi internal, hal apa yang harus tetap berada di bawah kendali manusia, dan di area mana perusahaan dapat dengan aman membiarkan agen bekerja secara mandiri?

Aturan umum saya adalah agen sebaiknya menangani pekerjaan, sedangkan manusia menangani penilaian, terutama dalam situasi apa pun ketika kesalahan dapat menimbulkan konsekuensi nyata. Untuk pekerjaan berisiko rendah, bervolume tinggi, dan repetitif, seperti membuat draf awal, mengemas pengetahuan ke dalam format baru, menyesuaikan konten yang sudah disetujui untuk bahasa atau wilayah baru, atau memperbarui modul pelatihan ketika dokumen sumber berubah, agen dapat dan sebaiknya bekerja dengan tingkat kemandirian yang tinggi. Pekerjaan seperti inilah yang saat ini menyita banyak sekali waktu, padahal nilai strategisnya sangat kecil.

Kendali manusia harus tetap kuat untuk konten apa pun yang memiliki risiko hukum, regulasi, keselamatan, atau merek. Dalam situasi seperti itu, manusia harus menjadi pemeriksaan terakhir sebelum konten apa pun dipublikasikan, dan materi sumber yang mendasarinya harus sepenuhnya dapat dilacak.

Kami menyaksikan hal ini secara langsung bersama salah satu pelanggan kami di sektor pertahanan. Pada awalnya, tim keamanan mereka sama sekali tidak bersedia menyetujui penggunaan AI dalam alur kerja mereka, mengingat sensitivitas pekerjaan mereka. Solusinya bukan memberi agen lebih banyak keleluasaan, melainkan membangun perlindungan yang tepat: perjanjian khusus yang menjamin data mereka tidak akan pernah digunakan untuk melatih model eksternal, serta titik pemeriksaan yang jelas agar tim mereka sendiri tetap memegang kendali persetujuan. Model inilah yang menurut saya dapat diterapkan secara umum: tingkat kemandirian agen meningkat seiring dengan kemudahan tugas untuk dibatalkan dan rendahnya risikonya, sedangkan tingkat kendali manusia meningkat seiring besarnya risiko terhadap kepercayaan, kepatuhan, atau merek.

Tata kelola merek menjadi jauh lebih rumit ketika ribuan konten dapat dihasilkan secara otomatis. Perlindungan teknis dan organisasi apa yang dibutuhkan perusahaan untuk memastikan komunikasi yang dihasilkan AI tetap akurat, konsisten, dan selaras dengan kebijakan perusahaan?

Dari sisi teknis, perlindungan yang paling penting adalah hal-hal yang memastikan keluaran AI berpijak pada materi sumber dan sistem merek perusahaan yang telah disetujui, alih-alih membiarkannya menghasilkan konten tanpa batasan. Panduan gaya, aset merek, dan batasan penyesuaian harus diberlakukan oleh platform itu sendiri, bukan diserahkan kepada masing-masing pengguna untuk mengingatnya. Artinya, logo, warna, templat, dan rekaman referensi yang telah disetujui harus tersedia di dalam platform, sehingga setiap konten yang dihasilkan menggunakan sumber yang sama, bukan versi apa pun yang kebetulan tersimpan di komputer seseorang pada minggu itu. Pengendalian versi dan jejak audit juga sama pentingnya: jika suatu konten dibuat, diedit, atau disetujui, perusahaan harus dapat melacak siapa yang memintanya, dari sumber mana konten itu berasal, dan siapa yang menyetujuinya. Selain itu, peninjau dan pemangku kepentingan—bukan hanya orang yang mengoperasikan alat tersebut—perlu diberi cara untuk memberikan komentar dan persetujuan di dalam alur kerja yang sama. Dengan begitu, persetujuan tidak berlangsung di rangkaian email terpisah yang justru merusak jejak audit yang ingin dibangun.

Dari sisi organisasi, perlindungan utamanya adalah kejelasan tanggung jawab. Perusahaan yang bekerja sama dengan kami dan menerapkan tata kelola dengan baik telah beralih dari pendekatan ketika setiap tim mengadopsi alat dan prosesnya sendiri secara terpisah. Sebaliknya, mereka memperlakukan platform komunikasi seperti sistem pencatatan resmi: akses diberikan secara terencana, penggunaan dipantau secara keseluruhan, dan ada tim kecil yang bertanggung jawab menetapkan standar yang menjadi acuan semua pihak. Kami melihat organisasi besar secara khusus menilai apakah suatu platform dapat dijadikan sistem standar di seluruh perusahaan untuk tujuan ini. Itulah satu-satunya cara mencapai konsistensi dalam skala besar, alih-alih menghasilkan ribuan konten yang masing-masing “cukup baik” tetapi sebenarnya tidak selaras satu sama lain.

Prinsip dasarnya sama dengan prinsip yang selalu diterapkan dalam tata kelola merek. Hanya saja, kini prinsip tersebut berlaku pada skala dan kecepatan yang jauh lebih tinggi. Artinya, pagar pengaman harus dibangun ke dalam sistem, bukan diterapkan setelah masalah terjadi.

Halusinasi mengkhawatirkan ketika terjadi pada chatbot, tetapi dampaknya berpotensi jauh lebih besar ketika informasi yang keliru disajikan dalam video pelatihan atau kepatuhan yang tampak berwibawa. Bagaimana sebaiknya perusahaan memastikan keterkaitan dengan sumber, melakukan verifikasi, dan menjaga asal-usul informasi seiring makin otomatisnya komunikasi yang dihasilkan AI?

Anda benar, taruhannya berbeda. Jawaban hasil halusinasi di jendela obrolan akan dipertanyakan saat itu juga. Fakta hasil halusinasi yang disisipkan dalam video kepatuhan yang dipoles dan diproduksi secara profesional tampak begitu berwibawa sehingga orang cenderung tidak mempertanyakannya. Padahal, justru di situlah pemeriksaan seharusnya paling ketat.

Prinsip pertama adalah memastikan keterkaitan dengan sumber: komunikasi yang dihasilkan AI harus dibatasi pada materi sumber yang benar-benar disediakan perusahaan—dokumen, kebijakan, dan data yang telah disetujui perusahaan sendiri—bukan pengetahuan umum model.

Prinsip kedua adalah menjaga asal-usul informasi: setiap konten yang dihasilkan harus dapat ditelusuri hingga ke sumber spesifik yang menjadi dasarnya. Dengan begitu, jika ada yang keliru, kita dapat mengetahui persis dari mana asalnya dan memperbaikinya pada sumbernya, bukan sekadar menambal hasil akhirnya.

Prinsip ketiga adalah verifikasi: titik pemeriksaan harus dibangun ke dalam alur kerja, bukan ditambahkan belakangan. Peninjau manusia seharusnya dapat melihat tahapan-tahapan perantara, bukan hanya video akhir yang sudah dipoles, karena justru polesan itulah yang membuat kesalahan lebih sulit ditemukan. Dalam praktiknya, ini berarti meninjau kerangka lengkap atau hasil suntingan awal adegan demi adegan sebelum menyetujui proses render akhir yang lebih mahal, sehingga fakta yang keliru atau klaim yang tidak sesuai dengan merek dapat ditemukan saat perbaikannya masih murah dan mudah. Perusahaan memang patut berhati-hati dalam hal ini. Karena itu, platform yang mendapat kepercayaan perusahaan bukanlah yang paling cepat, melainkan yang menjadikan keterkaitan dengan sumber, keterlacakan, dan peninjauan sebagai bagian mendasar dari cara kerja sistem, bukan sebagai pengaturan opsional

Lapisan keempat adalah evaluasi berkelanjutan, bukan hanya peninjauan akhir. Dalam sistem berbasis agen, memeriksa video yang sudah selesai saja tidak cukup. Kita ingin mengetahui bagaimana agen sampai pada hasil tersebut. Kami terus memantau keluaran agen dan keputusan yang diambilnya selama proses berlangsung, serta memeriksa apakah semuanya tetap selaras dengan dokumen sumber, basis pengetahuan, dan maksud awal pelanggan. Dengan begitu, kami dapat mendeteksi penyimpangan atau penurunan kualitas keluaran selagi video masih dibuat, alih-alih baru menemukan masalah setelah video selesai.

Sistem AI kian terhubung langsung dengan basis pengetahuan dan alur kerja bisnis perusahaan. Apakah Anda memperkirakan generasi platform komunikasi berikutnya akan menjadi penghubung antara data perusahaan, agen AI, dan karyawan, alih-alih sekadar alat untuk membuat konten?

Ya, dan saya rasa pergeseran itu sudah berlangsung. Pembuatan konten adalah masalah pertama dan paling jelas yang perlu diatasi AI karena itulah hambatan yang paling terlihat. Namun, setelah proses pembuatan konten tak lagi menjadi kendala, posisi yang lebih bernilai adalah di antara pengetahuan perusahaan—CRM, LMS, sistem kebijakan, wiki internal—dan orang-orang yang membutuhkan pengetahuan itu dalam bentuk yang dapat mereka gunakan.

Peran tersebut sangat berbeda dari peran alat pembuat konten. Alat pembuat konten menunggu seseorang mengajukan permintaan. Lapisan penghubung hadir di dalam alur kerja tempat pengetahuan sudah tersimpan, memahami apa yang berubah, dan membantu menyalurkan komunikasi yang tepat kepada orang yang tepat tanpa perlu ada yang memulainya setiap kali.

Kami sudah melihat tanda-tanda awal bahwa perusahaan menginginkan hal seperti ini. Pelanggan besar kian sering tidak sekadar meminta kami menyediakan alat video untuk satu tim; mereka bertanya apakah kami dapat menjadi sistem standar bagi seluruh organisasi. Mengubah pengetahuan institusional menjadi komunikasi akan memungkinkan karyawan di luar tim kreatif inti—seperti tim hukum, kepatuhan, tim regional, dan manajer lini depan—untuk ikut memberikan masukan tanpa memerlukan lisensi penuh atau harus menghadapi proses belajar yang berat. Inilah pergeseran dari pembuatan konten ke infrastruktur komunikasi, dan menurut saya seluruh kategori ini akan bergerak ke arah tersebut.

Pergeseran itu juga dipercepat oleh protokol terbuka yang sedang berkembang, seperti MCP dan A2A. MCP memberi agen AI cara yang terstandar untuk mengambil konteks tepercaya dari perangkat dan sistem pencatatan milik perusahaan, sementara A2A memungkinkan agen khusus dari berbagai platform bekerja sama. Dalam praktiknya, ini berarti platform seperti milik kami tidak perlu menguasai setiap alur kerja atau setiap bagian data perusahaan agar berguna. Platform ini dapat terhubung ke sistem yang sudah dipercaya perusahaan, bekerja sama dengan agen lain jika sesuai, dan berfokus pada hal yang paling kami kuasai: mengubah konteks tersebut menjadi komunikasi yang benar-benar dapat dipahami dan ditindaklanjuti orang. Inilah pergeseran dari pembuatan konten ke infrastruktur komunikasi, dan menurut saya seluruh kategori ini akan bergerak ke arah tersebut.

Vyond telah melayani berbagai organisasi di bidang pembelajaran dan pengembangan, SDM, dukungan penjualan, kepatuhan, serta komunikasi internal. Menurut Anda, bidang mana yang akan mengalami transformasi paling signifikan berkat AI berbasis agen, dan seperti apa alur kerjanya setelah kemampuan agen semakin berkembang?

Saya akan menunjuk kepatuhan serta pembelajaran dan pengembangan sebagai dua bidang yang paling berpeluang berubah, tepatnya karena saat ini keduanya paling terbebani oleh informasi yang sudah usang. Pelatihan kepatuhan biasanya disusun sekali, lalu diperbarui secara berkala dengan siklus tahunan atau dua tahunan yang lambat, meskipun kebijakan, peraturan, dan risiko terus berubah. Setelah agen dapat memantau dokumen kebijakan sumber secara andal dan memahami apa yang berubah, konten kepatuhan dapat beralih dari proyek produksi berkala menjadi sesuatu yang terus diperbarui, sehingga benar-benar mengurangi risiko bagi perusahaan, bukan sekadar meningkatkan efisiensi. Semakin sering, hal ini juga berarti kontennya sendiri perlu memuat catatan yang jelas dan dapat diaudit bahwa konten tersebut dibuat dengan bantuan AI, karena regulator dan pembeli perusahaan sama-sama mulai mengharapkan pengungkapan semacam itu sebagai praktik standar, bukan sekadar tambahan belakangan.

L&D menghadapi dinamika serupa, tetapi peluangnya terletak pada personalisasi, bukan sekadar menjaga agar konten tetap mutakhir: alih-alih membuat satu modul pelatihan untuk peserta didik rata-rata, agen dapat membantu menyesuaikan tempo, contoh, bahkan format dengan peran dan individu, sambil tetap berlandaskan materi sumber yang sama dan standar desain instruksional yang disetujui. Bagi organisasi global, hal ini kini semakin mencakup bahasa dan suara, sehingga pelatihan yang sama dapat menjangkau lantai produksi di Brasil atau tim penjualan di Jepang dalam bentuk yang benar-benar terasa lokal, bukan sekadar diberi takarir.

Pemberdayaan penjualan dan komunikasi internal juga akan berubah, tetapi saya akan menggambarkan perubahan itu sebagai peningkatan kecepatan dan relevansi, bukan transformasi struktural… menyampaikan pesan yang tepat kepada staf penjualan atau tim yang tepat dengan lebih cepat, dalam format yang sesuai dengan cara mereka benar-benar menyerap informasi. Benang merah dari semua bidang ini sama: AI agentik tidak hanya membuat semuanya lebih cepat, tetapi juga memungkinkan semuanya terus diperbarui dengan cara yang saat ini sama sekali tidak realistis jika mengandalkan siklus produksi manual.

Melihat lebih jauh ke depan, jika perusahaan mampu terus mengubah pengetahuan internal menjadi komunikasi yang dipersonalisasi dan mutakhir bagi setiap karyawan, bagaimana hal itu dapat mengubah cara organisasi melatih karyawan, berbagi keahlian, dan pada akhirnya menjalankan operasional?

Jika hal itu terwujud, dan saya yakin akan demikian, perubahan tersebut akan mengubah ritme operasional perusahaan, bukan hanya fungsi pelatihannya. Saat ini, sebagian besar organisasi berkomunikasi secara berkala dalam kelompok: siklus kepatuhan tahunan, rapat seluruh perusahaan setiap kuartal, dan paket orientasi karyawan baru yang dibuat sekali lalu digunakan kembali selama bertahun-tahun. Hal itu disebabkan oleh mahal dan lambatnya proses produksi komunikasi selama ini, bukan karena mencerminkan seberapa cepat bisnis sebenarnya berubah.

Di dunia tempat pengetahuan terus diubah menjadi komunikasi yang dipersonalisasi dan mutakhir bagi setiap karyawan, pelatihan tidak lagi menjadi sebuah acara, melainkan aliran yang terus berlangsung dan adaptif… seseorang menerima pembaruan dalam format dan tingkat kedalaman yang sesuai dengan perannya, tepat saat informasi itu relevan, bukan berbulan-bulan kemudian dalam penyampaian berkala. Keahlian tidak lagi terkunci pada individu yang kebetulan memilikinya, tetapi menjadi sesuatu yang dapat didistribusikan secara sistematis dan terus diperbarui oleh organisasi.

Hasil yang terus terlintas di benak saya adalah waktu. Setiap menit yang saat ini dihabiskan organisasi untuk mencari informasi yang tepat, membuat ulang sesuatu yang sebenarnya sudah ada, atau memperbaiki pesan yang terlanjur disampaikan dalam keadaan usang atau tidak konsisten adalah waktu yang tidak digunakan untuk bekerja. Jika perusahaan benar-benar dapat terus menjembatani kesenjangan antara pengetahuan dan pemahaman dalam skala besar, organisasi yang lebih dahulu mencapainya bukan hanya akan berkomunikasi dengan lebih baik, tetapi juga akan bergerak lebih cepat daripada organisasi yang masih beroperasi secara berkala dalam kelompok.

Terima kasih atas wawancara yang menarik ini. Pembaca yang ingin mengetahui lebih lanjut dapat mengunjungi Vyond.