Laporan “Keunggulan Adaptif: Siapa yang Unggul dalam AI dan Bagaimana” dari Wharton–GBK Mengungkap Kesenjangan ROI AI

Laporan terbaru Wharton Human-AI Research dan GBK Collective, Keunggulan Adaptif: Siapa yang Unggul dalam AI dan Bagaimana, menunjukkan sejauh mana AI telah menyebar di perusahaan—dan betapa lebih sulitnya mengubah adopsi menjadi hasil bisnis yang signifikan. Delapan puluh persen manajer dan responden di tingkat yang lebih senior melaporkan bahwa investasi AI di departemen mereka memberikan hasil positif, tetapi hanya 28% yang menyebut hasil tersebut sangat positif. Studi tahunan keempat ini menunjukkan bahwa perancangan ulang alur kerja, penetapan tanggung jawab yang lebih jelas, dan pengukuran yang berorientasi pada pertumbuhan menjadi ciri khas organisasi yang melaporkan hasil lebih baik.

Dirilis pada 13 Oktober, studi ini membawa pembahasan tentang AI di perusahaan melampaui pertanyaan apakah karyawan menggunakan teknologi tersebut. Pertanyaan yang lebih penting adalah apakah perusahaan telah mengubah proses, insentif, dan struktur manajemen di sekitarnya.

Pengukuran Pertumbuhan Mengubah Gambaran tentang Nilai AI

Salah satu perbedaan paling mencolok dalam laporan ini berkaitan dengan hal yang dianggap departemen sebagai keberhasilan. Di antara departemen yang melacak setidaknya satu ukuran pertumbuhan, 35% melaporkan hasil AI yang sangat positif, dibandingkan dengan 13% di antara departemen yang hanya mengukur efisiensi. Artinya, hasil yang sangat positif sekitar 2,7 kali lebih umum pada kelompok yang mengukur pertumbuhan.

Perbedaan ini mencakup lebih dari sekadar pendapatan. Studi ini menggolongkan pendapatan baru bersih, konversi penjualan, volume keluaran, dan kepuasan pelanggan sebagai ukuran pertumbuhan. Ukuran efisiensinya mencakup biaya operasional, penghematan waktu kerja, waktu penyelesaian, dan tingkat kesalahan. Departemen dapat memilih hingga tiga indikator, sehingga kelompok yang mengukur pertumbuhan dapat mencakup organisasi yang juga melacak efisiensi.

Hal ini penting karena penghematan waktu masih lebih mudah dijelaskan daripada ekspansi bisnis. Penghematan waktu kerja menjadi ukuran yang paling sering dipilih, yakni 40%, sedangkan pendapatan baru bersih dipilih oleh 27%. Sementara itu, 83% manajer dan responden di tingkat yang lebih tinggi memperkirakan AI akan mengubah industri mereka secara mendasar atau memberikan dampak besar dalam dua hingga lima tahun ke depan.

Implikasi praktisnya adalah menghubungkan proyek AI dengan hasil yang benar-benar diinginkan bisnis. Misalnya, alur kerja penjualan yang lebih cepat dapat dinilai berdasarkan penghematan waktu sekaligus kinerja konversi. Survei ini tidak membuktikan bahwa mengubah dasbor akan menghasilkan hasil yang lebih baik; survei ini menunjukkan adanya hubungan antara pendekatan pengukuran yang lebih luas dan hasil yang dilaporkan lebih baik.

Agen AI Sudah Umum, Integrasi Mendalam Masih Langka

Adopsi agen sudah meluas: 67% departemen melaporkan menggunakan agen AI dalam beberapa bentuk. Namun, hanya 28% yang menyebut AI telah tertanam sepenuhnya dalam proses bisnis inti, dan hanya 17% yang mengizinkan operasi otonom dengan peninjauan manusia setelahnya atau yang digantikan oleh pemantauan dan mekanisme pengaman.

Kelompok terbesar, yakni 48%, mengatakan AI mengerjakan tugas, tetapi seseorang meninjau dan menyetujuinya sebelum tindakan dilakukan. Sebanyak 35% lainnya menggunakan AI untuk memberikan saran atau membuat draf, sementara manusia mengambil keputusan akhir. Perbedaan tersebut menunjukkan mengapa pencapaian “agen diterapkan” tidak banyak menjelaskan sejauh mana alur kerja benar-benar berubah.

Indikator transformasi alur kerja dalam laporan ini mensyaratkan tiga kondisi sekaligus: alur kerja berubah secara signifikan, AI tertanam dalam proses inti, dan agen digunakan dalam beberapa bentuk. Di antara departemen yang memenuhi definisi gabungan tersebut, 67% melaporkan ROI yang sangat positif.

Temuan itu mendukung pandangan yang lebih menuntut tentang penerapan. Memasang asisten hanyalah salah satu bagian dari pekerjaan; tim juga perlu menentukan bagaimana informasi mengalir, pengecualian mana yang memerlukan intervensi, dan siapa yang bertanggung jawab atas hasilnya. Ini tidak berarti bahwa setiap tugas harus berjalan secara otonom. Laporan tersebut mengidentifikasi keamanan, regulasi, dan kepercayaan sebagai hambatan untuk memberikan keleluasaan lebih besar kepada agen, sehingga kesesuaian setiap alur kerja menjadi faktor utama dalam pengambilan keputusan.

Tanggung Jawab yang Jelas Berjalan Seiring dengan Hasil yang Lebih Baik

Organisasi yang baru menetapkan posisi Chief AI Officer tampil menonjol. Di antara manajer dan responden pada tingkat yang lebih tinggi di organisasi tersebut, 58% melaporkan hasil yang sangat positif, dibandingkan dengan 24% di organisasi yang menambahkan pengawasan AI ke tanggung jawab eksekutif yang sudah ada. Angkanya 8% di organisasi yang tidak memiliki posisi semacam itu dan tidak berencana membentuknya.

Strategi platform menunjukkan perbedaan lain. Hasil yang sangat positif dilaporkan oleh 50% responden dari organisasi yang menetapkan satu platform AI yang disetujui sebagai standar, dibandingkan dengan 9% responden dari organisasi yang masih bereksperimen tanpa pendekatan yang jelas. Perbandingan ini bersifat observasional: kepemimpinan khusus dan konsistensi platform mungkin berjalan beriringan dengan keunggulan lain, termasuk sumber daya dan kematangan organisasi.

Penetapan tanggung jawab atas kesalahan agen masih belum jelas. Responden paling sering menyebut tim tata kelola atau risiko (28%), manajer karyawan yang menerapkan agen (26%), atau karyawan tersebut (25%) sebagai pihak yang bertanggung jawab. Tidak ada satu jawaban yang dominan. Bagi bisnis yang memperluas penggunaan agen, penetapan tanggung jawab merupakan bagian dari perancangan operasional, bersama dengan pengaturan izin dan pemantauan.

Karyawan Melihat Transformasi yang Berbeda

Untuk pertama kalinya, studi tahunan ini menyertakan karyawan tingkat pemula dan menengah, selain manajer dan pimpinan senior. Perbandingan tersebut memperlihatkan perbedaan besar dalam cara kesiapan dipersepsikan.

Sebanyak 73% manajer ke atas mengatakan bahwa alur kerja departemen telah berubah secara signifikan akibat AI, sementara 58% karyawan tingkat pemula dan menengah mengatakan hal yang sama. Kesenjangan dalam pelatihan lebih besar: 78% pemimpin meyakini bahwa karyawan menerima pelatihan AI yang memadai, dibandingkan dengan 56% karyawan.

Perbedaan ini tidak berarti bahwa karyawan sepenuhnya menolak AI. Sebanyak 73% karyawan tingkat pemula dan menengah mengatakan AI berdampak positif pada peran mereka, dan 84% dari mereka yang menggunakannya mengatakan AI menghemat waktu. Ketegangannya terletak antara manfaat bagi individu dan dukungan yang diperlukan agar penerapan AI berhasil di seluruh organisasi.

Dampak terhadap tenaga kerja juga masih belum jelas. Sebanyak 37% manajer ke atas melaporkan pengurangan staf terkait AI, dan 33% melaporkan perekrutan yang melambat atau dibekukan. Namun, departemen yang melaporkan imbal hasil tinggi tidak lebih mungkin melaporkan pengurangan staf atau pembekuan perekrutan tersebut dibandingkan departemen lain. Imbal hasil yang lebih tinggi justru berjalan beriringan dengan perubahan struktur manajemen, alur kerja, pemantauan, dan pelatihan.

Hal yang Bisa dan Tidak Bisa Disimpulkan Bisnis dari Survei

Penelitian ini menyurvei 1.416 karyawan penuh waktu di perusahaan sektor swasta AS yang memiliki setidaknya 1.000 karyawan dan pendapatan lebih dari $50 juta. Wawancara berlangsung pada 9–29 Juli 2026. Sampel penelitian terdiri atas 1.007 manajer ke atas dan 409 karyawan tingkat pemula dan menengah; hasil dari kedua kelompok dilaporkan secara terpisah.

Penilaian ini dilaporkan sendiri oleh responden, bukan imbal hasil investasi yang diaudit secara independen. Hasilnya menggambarkan perusahaan komersial besar di AS dan tidak semestinya langsung digeneralisasi ke usaha kecil atau negara lain. Perbandingan dengan tahun-tahun sebelumnya menggunakan populasi manajer ke atas, karena karyawan junior baru disertakan pada 2026.

Bagi tim perusahaan, laporan ini menawarkan tolok ukur yang berguna untuk menilai kemajuan AI: jangan hanya melihat jumlah penggunaannya, tetapi juga hasil bisnis yang terukur, integrasi ke dalam pekerjaan inti, kejelasan akuntabilitas, dan pengalaman nyata karyawan. Akses yang luas dapat berjalan beriringan dengan penerapan yang lemah, sementara peningkatan produktivitas yang dilaporkan belum tentu menuntaskan pekerjaan organisasi yang masih besar.

Pembaca yang ingin mengetahui lebih lanjut tentang temuan, metodologi, serta perbandingan lintas industri dan departemen dapat membaca laporan lengkap Wharton–GBK, Keunggulan Adaptif: Siapa yang Unggul dengan AI dan Bagaimana.