Otomatisasi dimulai dari masalah, bukan alat
Setiap alat AI baru memunculkan pertanyaan yang sama: alat mana yang harus digunakan? Bagi usaha kecil, ada pertanyaan yang lebih penting: bukan “apa yang bisa dilakukan alat ini?”, melainkan “bagian mana dari pekerjaan kami yang terlalu sering berulang?”.
Pada akhir 2024, OECD menyurvei lebih dari 5.000 usaha kecil dan menengah di tujuh negara, termasuk Korea. Sebanyak 31% menggunakan AI generatif. Di antara penggunanya, 65% melaporkan peningkatan kinerja karyawan dan sekitar sepertiga mengatakan beban kerja karyawan—atau pemilik usaha tunggal—berkurang. Hanya 26% yang melaporkan peningkatan pendapatan. Nilai awal otomatisasi mungkin terlihat lebih dahulu pada kecepatan dan beban pekerjaan sehari-hari sebelum muncul pada angka pertumbuhan besar.
Ada sisi lain dari data tersebut. Di antara perusahaan yang tidak menggunakan AI generatif, 57% menilai teknologi itu tidak cocok dengan pekerjaan mereka. Alat yang canggih tanpa tugas yang jelas dapat menjadi satu hal lagi yang harus dikelola. Otomatisasi yang baik berawal dari masalah berulang dalam operasi, bukan dari demo produk.
Pertama, pilih satu pekerjaan yang berulang
Titik awal terbaik adalah pekerjaan yang sering terjadi dan memiliki alur yang cukup konsisten: memeriksa reservasi dalam format yang sama setiap minggu, menyesuaikan informasi serupa untuk beberapa kanal, atau memeriksa kembali jadwal publikasi sebelum toko buka.
Mencoba mengotomatiskan seluruh pemasaran atau operasi sekaligus membuat kita sulit mengetahui apa yang membaik. Pilih satu pekerjaan. Catat seberapa sering pekerjaan itu dilakukan, berapa lama waktunya, dan di mana kesalahan biasanya terjadi.
Survei Kantor Statistik Nasional Inggris menemukan bahwa hambatan adopsi AI yang paling umum adalah kesulitan menemukan aktivitas atau kasus penggunaan. Syarat pertama otomatisasi yang baik bukan banyaknya fitur, tetapi kemampuan menjelaskan dalam satu kalimat pengulangan apa yang ingin dikurangi.
Kedua, manusia harus tetap dapat meninjau dan menghentikan
Kecepatan saja tidak cukup. Pemilik harus dapat melihat apa yang telah disiapkan, memperbaiki kesalahan, dan menghentikan publikasi atau eksekusi bila diperlukan. Permintaan yang diterima tidak boleh disamakan dengan pekerjaan yang benar-benar berhasil.
Kerangka Manajemen Risiko AI NIST menyarankan agar peran manusia dan AI, tanggung jawab pengawasan, batas yang diketahui, serta prosedur penghentian sistem ditetapkan dengan jelas. Prinsipnya sama untuk usaha kecil: harus jelas siapa yang memeriksa hasil akhir, di mana kesalahan terlihat, dan bagaimana otomatisasi dimatikan saat berjalan di luar harapan.
Kendali juga mencakup data. Pemilik perlu memahami informasi pelanggan atau internal apa yang dimasukkan, apa yang dihapus ketika integrasi diputus, dan layanan eksternal mana yang memproses data. Otomatisasi yang baik tidak mengeluarkan pemilik dari alur kerja. Ia membantu pemilik mengarahkannya dengan lebih sedikit usaha.
Ketiga, pertahankan suara bisnis
AI dapat membuat draf dengan cepat, tetapi tidak otomatis mengetahui mengapa toko memilih suatu produk, pertanyaan apa yang sering diajukan pelanggan, atau ungkapan apa yang dihindari merek. Tanpa konteks itu, otomatisasi dapat menghasilkan konten rapi yang terasa seperti milik bisnis mana pun.
Eksperimen yang diterbitkan di Science Advances pada 2024 menemukan bahwa cerita pendek yang dibuat dengan ide dari AI generatif rata-rata dinilai lebih kreatif dan lebih baik penulisannya. Namun, cerita yang dibantu AI juga menjadi lebih mirip satu sama lain. Penelitian ini membahas fiksi pendek, bukan pemasaran, sehingga bukan bukti langsung tentang konten merek. Meski demikian, penelitian tersebut menunjukkan bahwa kecepatan dan kekhasan tidak selalu hadir bersamaan.
Sebelum mengotomatiskan konten, kumpulkan bahan asli bisnis: pertanyaan nyata pelanggan, alasan memilih produk, ungkapan yang digunakan dan dihindari, serta contoh komunikasi yang baik dan buruk. AI tidak seharusnya menciptakan merek. AI seharusnya membantu bisnis menggunakan pengetahuan yang sudah dibangun.
Keempat, jaga agar beban belajar dan pengelolaan tetap rendah
Alat yang dibeli untuk menghemat waktu bisa berubah menjadi pekerjaan baru. Penyiapan, pelatihan, penghubungan akun, pemeriksaan, perbaikan kesalahan, dan pengelolaan tagihan dapat menambah lebih banyak pekerjaan daripada yang dihilangkan.
Jangan hanya melihat harga langganan; hitung seluruh beban operasional. Apakah diperlukan server atau tenaga khusus? Dapatkah alat terhubung ke alur yang ada? Ketika terjadi kegagalan, apakah penyebabnya dapat dipahami? Apakah akan sulit berpindah kemudian?
Administrasi Usaha Kecil Amerika Serikat menyarankan untuk memulai dari skala kecil dan menguji apakah alat AI benar-benar memberi nilai. Itulah pentingnya paket gratis atau uji terbatas. Tujuannya bukan sekadar melihat fitur, melainkan menyelesaikan satu pekerjaan nyata dari awal sampai akhir sebelum menambah investasi waktu dan biaya.
Kelima, ukur perbedaan sebelum dan sesudah
Sulit menilai otomatisasi hanya berdasarkan perasaan. Tetapkan kondisi awal terlebih dahulu. Cukup catat satu ukuran: waktu rata-rata per tugas, jumlah tugas per minggu, waktu penyuntingan, kesalahan, atau pekerjaan ulang.
Pendapatan tidak harus menjadi ukuran pertama atau satu-satunya. Musim, harga, produk, cuaca, dan iklan turut memengaruhinya. Pada tahap awal, pertanyaan yang dekat dengan pekerjaan lebih berguna: apakah penjadwalan mingguan yang sebelumnya memakan dua jam menjadi lebih singkat? Apakah kegagalan publikasi ditemukan lebih cepat? Apakah pekerjaan ulang menjelang tenggat berkurang?
Tetapkan juga aturan berhenti. Otomatisasi yang baik bukan sistem yang harus digunakan selamanya. Jika tidak memberi nilai, bisnis harus dapat berhenti sebelum mengeluarkan lebih banyak biaya.
Mengapa Ankk mendahulukan penjadwalan daripada AI
Di ANAKONN, kami menerapkan prinsip yang sama saat membangun Ankk. Arah jangka panjangnya mencakup otomatisasi pemasaran berbantuan AI, tetapi produk saat ini berfokus pada pekerjaan yang lebih sempit dan berulang: menjadwalkan konten media sosial dan memperlihatkan status operasional.
Pengguna dapat menyiapkan konten di dasbor atau membawa draf dari alat AI eksternal, lalu menjadwalkannya per kanal. Ankk membedakan permintaan yang diterima dari publikasi yang benar-benar berhasil di platform sosial, serta menampilkan status terjadwal, terbit, gagal, dan coba ulang. Paket Free memungkinkan pengguna menguji alur nyata dengan tiga kanal.
Ini belum merupakan kisah sukses. Kami belum memiliki bukti tervalidasi tentang berapa banyak waktu yang dihemat Ankk atau apakah Ankk meningkatkan frekuensi publikasi maupun pendapatan. Karena itu, kami memisahkan apa yang dapat dijanjikan produk hari ini dari apa yang ingin dibangun kemudian. Kami percaya otomatisasi memperoleh kepercayaan melalui satu langkah yang benar-benar bekerja sebelum melalui visi yang besar.
Tujuan otomatisasi adalah mengembalikan waktu untuk menilai
Ada pekerjaan yang hanya dapat dilakukan pemilik usaha: memahami pelanggan, menentukan apa yang dijual, dan bertanggung jawab ketika terjadi masalah. Jika pemilik juga harus menangani setiap penyalinan, penjadwalan, dan pemeriksaan berulang, waktu untuk keputusan tersebut akan berkurang.
Otomatisasi yang baik tidak menghapus manusia. Ia dimulai dari satu pekerjaan berulang, menjaga kendali manusia, mempertahankan suara bisnis, menghasilkan nilai yang lebih besar daripada beban pengelolaan, dan membuat perbedaannya terlihat.
Sebelum mengadopsi alat berikutnya, ajukan lima pertanyaan. Pengulangan apa yang dikurangi? Dapatkah saya meninjau dan menghentikannya? Apakah suara bisnis tetap terjaga? Apakah alat ini menciptakan beban pengelolaan baru? Dapatkah saya mengukur perbaikannya? Saat jawabannya jelas, otomatisasi menjadi bagian dari operasi, bukan sekadar tren.
Jika Anda ingin mulai dengan mengurangi penjadwalan dan pemeriksaan publikasi yang berulang, lihat fitur Ankk saat ini dan paket Free.