Dorongan Amazon agar karyawan lebih banyak memakai AI justru memunculkan efek yang berlawanan dengan tujuan awalnya. Alih-alih membuat kerja lebih ringkas, kebijakan itu dikaitkan dengan frustrasi internal, kesalahan operasional, dan gangguan bisnis yang nyata.
Di pusat masalahnya ada alat AI coding internal bernama Kira. Amazon disebut mewajibkan sekitar 80% proses pengembangan internal memakai sistem tersebut, meski alat itu tidak selalu menjadi pilihan paling efektif untuk semua tugas.
Target kepatuhan mengubah cara kerja tim
Saat ukuran penggunaan dijadikan target utama, fokus tim ikut bergeser. Pengembang tidak selalu memilih metode paling efisien untuk menyelesaikan pekerjaan, karena mereka harus memastikan kepatuhan terhadap aturan pemakaian Kira.
Situasi ini memperlihatkan bahwa persoalannya bukan hanya pada teknologinya. Cara perusahaan menetapkan ukuran keberhasilan ikut membentuk perilaku organisasi, dan hasil bisnis yang semestinya menjadi tujuan utama justru terdorong ke belakang.
Akibatnya, penggunaan AI tidak selalu menghasilkan kerja yang lebih baik. Dalam sejumlah kasus, yang muncul justru kebutuhan verifikasi tambahan dan menurunnya kepercayaan terhadap alat yang dipaksakan tersebut.
Dampak yang merembet ke operasi bisnis
Masalah internal itu tidak berhenti di ruang pengembangan. Kesalahan yang berkaitan dengan penggunaan AI ikut memicu gangguan operasional, termasuk satu insiden yang menunda 6,3 juta pesanan dalam satu hari.
Angka itu membuat kebijakan AI Amazon terlihat jauh dari sekadar uji coba teknologi. Ketika sistem yang dipaksakan tidak selaras dengan kebutuhan operasional, dampaknya bisa langsung terasa ke pelanggan dan kinerja perusahaan.
Dalam konteks seperti ini, efisiensi yang dijanjikan malah berubah menjadi beban baru. Alih-alih memangkas proses, penerapan yang terlalu kaku justru menambah lapisan kerja dan memperbesar risiko kesalahan.
Pengawasan manusia kembali diperkuat
Setelah muncul gangguan tersebut, Amazon disebut kembali memperkuat pengawasan manusia di sejumlah area yang sebelumnya dikelola AI. Langkah ini menjadi pembalikan arah yang menonjol, apalagi setelah perusahaan sebelumnya melakukan PHK yang dikaitkan dengan otomatisasi berbasis AI.
Kondisi itu juga menegaskan bahwa penggunaan AI tetap membutuhkan kontrol manusia, terutama pada tahap yang berdampak besar terhadap layanan pelanggan dan rantai operasi. Akuntabilitas tidak bisa sepenuhnya diserahkan ke sistem otomatis ketika risiko bisnisnya tinggi.
Saat ukuran jadi tujuan, hasil ikut melenceng
Kasus Amazon sering dibaca lewat Goodhart’s Law. Prinsip ini menyebut bahwa ketika sebuah ukuran dijadikan target, ukuran itu berhenti menjadi indikator yang baik.
Di sini, tingkat penggunaan AI semula tampak seperti metrik yang mudah dipantau. Namun saat angka adopsi dijadikan sasaran utama, perilaku organisasi berubah dan tidak selalu mendukung tujuan bisnis yang lebih besar.
Karyawan akhirnya bisa lebih sibuk memenuhi kewajiban memakai Kira daripada menyelesaikan masalah secara efektif. Hasil akhirnya adalah inefisiensi, bertambahnya verifikasi, dan berkurangnya nilai praktis dari alat AI itu sendiri.
Bukan hanya persoalan Amazon
Masalah serupa juga muncul di berbagai industri lain. Banyak organisasi menilai keberhasilan AI dari seberapa sering alat itu dipakai, bukan dari apakah alat tersebut benar-benar mempercepat kerja atau meningkatkan hasil.
Di sejumlah firma hukum, contohnya, pegawai justru mendapat beban kerja tambahan karena harus memeriksa ulang keluaran AI. Manfaat otomatisasi pun berkurang karena waktu terserap untuk verifikasi.
Dari situ terlihat bahwa AI tetap bisa berguna bagi perusahaan besar seperti Amazon. Yang menjadi masalah adalah implementasinya yang terlalu kaku dan lebih menekankan kepatuhan daripada kecocokan penggunaan.
Pelajaran dari perubahan budaya perusahaan
Kasus ini juga kerap dikaitkan dengan perubahan budaya di Amazon. Pada era Jeff Bezos, perusahaan dikenal dengan fokus jangka panjang dan penekanan kuat pada pelanggan.
Kini, perusahaan dinilai lebih menonjolkan metrik jangka pendek dan birokrasi internal. Pergeseran ini disebut ikut melemahkan kemampuan Amazon menerapkan AI secara efektif tanpa keluar dari tujuan strategis yang lebih luas.
Jika keberhasilan terus diukur lewat angka kepatuhan internal, inovasi bisa berubah menjadi formalitas. Perusahaan mungkin tampak cepat mengadopsi teknologi baru, tetapi manfaat nyatanya belum tentu terasa di operasi bisnis.
Pada akhirnya, kasus Amazon menjadi pengingat bahwa AI sebaiknya diperlakukan sebagai alat untuk mencapai sasaran bisnis, bukan sebagai sasaran itu sendiri. Tanpa strategi yang jelas dan pengawasan manusia pada titik kritis, otomatisasi berisiko menambah masalah baru alih-alih menyelesaikannya.
Source: www.geeky-gadgets.com-
-
-
-
