sim-manajement-book/chapters/bab-18.md

# BAB 18 — Tren SI dan Masa Depan Organisasi


```
Bagian          : VII — Transformasi Digital, AI & Masa Depan
Reader Outcome  : Pembaca mampu menganalisis tren SI terkini dan
                  memproyeksikan implikasi terhadap peran manajer dalam
                  ekosistem digital yang digerakkan AI.
Level           : Lanjutan–Mahir
Estimasi Halaman: 15–18
```

---

## 18.1 Pembuka

Bab 17 mendalami AI sebagai kapabilitas manajerial baru — dari *credit scoring* Bank Mandiri hingga *recommendation engine* Netflix, dari limitasi bias algoritmik hingga *ethical governance*. Template A.17 (AI *Use Case Canvas*) membantu Anda mengevaluasi dan memprioritaskan kandidat *use case* AI. AI *powerful* — tetapi bukan satu-satunya kekuatan yang sedang membentuk ulang lanskap SI dan organisasi.

Pada 2015, satpam di pabrik Toyota memantau 500 CCTV secara manual — mata manusia menyapu layar-layar kecil, berharap menangkap anomali sebelum terjadi insiden. Pada 2025, sensor IoT dan AI *computer vision* mendeteksi anomali produksi, memprediksi kerusakan mesin 72 jam sebelum terjadi, dan mengirim *work order* otomatis ke tim *maintenance* — tanpa manusia melihat layar. Manajer operasi Toyota tidak kehilangan pekerjaan; perannya berubah: dari *operator* yang memonitor mesin menjadi *orchestrator* yang mengoptimalkan sistem *intelligent*. Ini bukan masa depan — ini sudah terjadi hari ini.

Tren SI apa yang akan paling menentukan bentuk organisasi dalam dekade mendatang — dan bagaimana manajer mempersiapkan diri untuk peran baru sebagai *orchestrator* dalam ekosistem digital yang semakin cerdas?

---

## 18.2 Model Utama

### Gambar 18.1 — Peta Tren SI Menuju Organisasi Masa Depan

```mermaid
graph TD
    style TREN1 fill:#3a3a3a,stroke:#666,color:#fff
    style TREN2 fill:#3a3a3a,stroke:#666,color:#fff
    style TREN3 fill:#3a3a3a,stroke:#666,color:#fff
    style DDO fill:#4a4a4a,stroke:#666,color:#fff
    style ECO fill:#4a4a4a,stroke:#666,color:#fff
    style NMR fill:#3a3a3a,stroke:#666,color:#fff
    style ADA fill:#3a3a3a,stroke:#666,color:#fff
    style K1 fill:#5a5a5a,stroke:#666,color:#fff
    style K2 fill:#5a5a5a,stroke:#666,color:#fff
    style K3 fill:#5a5a5a,stroke:#666,color:#fff

    TREN1["AI & Otomasi<br/>Keputusan"] --> DDO["Data-Driven<br/>Organization"]
    TREN2["Cloud-Native &<br/>Everything-as-a-Service"] --> DDO
    TREN3["IoT & Sensor<br/>Economy"] --> DDO
    DDO <--> ECO["Digital Ecosystem /<br/>Platform Economy"]
    ECO --> NMR["Peran Baru Manajer:<br/>Orchestrator"]
    NMR --> ADA["Organisasi Adaptif<br/>& Resilient"]
    NMR --> K1["Kurator data,<br/>bukan kolektor"]
    NMR --> K2["Interpreter AI,<br/>bukan operator"]
    NMR --> K3["Conductor ekosistem,<br/>bukan controller"]
```

Model ini merangkum konvergensi tiga tren teknologi dan implikasi manajerialnya:

- **AI & Otomasi Keputusan** — AI berevolusi melampaui analitik BI (Bab 7) dan augmentasi keputusan (Bab 17). Tren menuju *decision automation*: sistem yang tidak hanya merekomendasikan tetapi mengambil tindakan — menyesuaikan harga, memesan inventori, mengirim *alert* — tanpa intervensi manusia untuk keputusan rutin.
- **Cloud-Native & *Everything-as-a-Service*** — organisasi tidak perlu memiliki infrastruktur IT sendiri. SaaS, PaaS, IaaS, dan AIaaS mendemokratisasi kapabilitas: UMKM di Kebumen bisa mengakses *tools* yang setara dengan enterprise di Jakarta.
- **IoT & *Sensor Economy*** — miliaran perangkat terkoneksi menghasilkan data *real-time* tentang operasi, pelanggan, dan lingkungan. Manajer yang memanfaatkan data ini membuat keputusan lebih cepat dan lebih akurat daripada yang bergantung pada laporan bulanan.
- **Data-Driven Organization** — konvergensi AI + Cloud + IoT menghasilkan organisasi di mana setiap keputusan — bukan hanya strategis, tetapi juga operasional harian — diinformasikan oleh data.
- **Digital Ecosystem / Platform Economy** — organisasi tidak berdiri sendiri; mereka bagian dari ekosistem digital di mana *value* diciptakan melalui interaksi antar-aktor, bukan produksi internal (lihat Bab 16).
- **Peran Baru Manajer: *Orchestrator*** — manajer masa depan mengoordinasikan tiga kapabilitas: kurator data (memilih informasi yang relevan dari lautan data), *interpreter* AI (menerjemahkan *insight* AI ke tindakan bisnis), dan *conductor* ekosistem (mengelola hubungan dengan platform, mitra, dan API *partners*).
- **Organisasi Adaptif & Resilient** — tujuan akhir: organisasi yang bisa beradaptasi cepat terhadap disrupsi karena didukung SI yang *agile*, data *real-time*, dan manajer yang mengorkestrasi.

---

## 18.3 Definisi Kunci

📌 **Ekosistem Digital** (*Digital Ecosystem*) — model bisnis di mana organisasi beroperasi sebagai bagian dari jaringan yang saling terhubung — platform, mitra, *supplier*, pelanggan — dan *value* diciptakan melalui interaksi dalam ekosistem, bukan produksi internal saja. Manajer dalam ekosistem digital tidak hanya mengelola organisasinya sendiri; ia harus memahami posisi organisasinya dalam ekosistem dan mengelola hubungan dengan platform, mitra data, dan API *partners*.

📌 ***Cloud-Native Organization*** — organisasi yang merancang dan menjalankan seluruh sistem informasinya di atas infrastruktur *cloud* (IaaS, PaaS, SaaS) — tanpa *server* fisik *on-premise* sebagai sistem utama. Bukan sekadar "pindah ke *cloud*" tetapi "berpikir *cloud-first*." Implikasinya: manajer bisa men-*deploy* solusi baru dalam minggu (vs tahun untuk *on-premise*), tetapi *data governance* dan manajemen *vendor* menjadi kompetensi kritis.

📌 **Manajer sebagai *Orchestrator*** — peran manajerial masa depan di mana manajer mengoordinasikan data, sistem AI, manusia, dan mitra ekosistem untuk menciptakan *value* — bukan mengendalikan proses secara langsung tetapi mengorkestrasi kapabilitas. Kompetensi bergeser dari "mengarahkan orang" ke "mengorkestrasi sistem *intelligent*."

---

## 18.4 Konsep Inti

### 18.4.1 AI: Dari Analitik ke Otomasi Keputusan

Bab 7 membahas BI dan analitik deskriptif — "apa yang terjadi?" Bab 17 membahas AI sebagai augmentasi — "apa yang kemungkinan terjadi, dan apa yang sebaiknya dilakukan?" Tren selanjutnya: *decision automation* — sistem yang mengambil tindakan berdasarkan prediksi, tanpa menunggu manusia.

Tiga fase evolusi:
1. **Analitik deskriptif** — *dashboard*, laporan, visualisasi. Manajer membaca, lalu memutuskan.
2. **Analitik prediktif + augmentasi** — AI memprediksi dan merekomendasikan. Manajer mengevaluasi rekomendasi, lalu memutuskan.
3. **Otomasi keputusan** — AI memprediksi DAN bertindak untuk keputusan rutin. Manajer menetapkan aturan dan *guardrails*, memonitor *exception*.

McKinsey (2024) memproyeksikan 50% aktivitas kerja yang ada saat ini *secara teknis* bisa diotomasi pada 2030 — bukan berarti semuanya akan diotomasi, tetapi menunjukkan skala potensi transformasi. Manajer yang memahami di mana organisasinya berada dalam spektrum ini bisa merencanakan progres bertahap — tidak melompat ke fase 3 tanpa fondasi fase 1 dan 2.

### 18.4.2 *Internet of Things* (IoT) dan *Real-Time Intelligence*

IoT bukan hanya sensor — ini tentang *intelligence di edge*: perangkat yang tidak hanya mengumpulkan data tetapi memproses dan merespons secara lokal.

Contohnya sudah nyata di Indonesia: Pertamina *digital oilfield* memasang sensor di sumur minyak yang mengirimkan data tekanan, suhu, dan *flow rate* setiap 5 detik ke *control center*. AI menganalisis pola dan memprediksi kebutuhan *maintenance* — menurunkan *downtime* 40%. Manajer operasi Pertamina tidak lagi menunggu laporan inspeksi mingguan; ia melihat kondisi *real-time* seluruh operasi dari satu *dashboard*.

IDC (2024) memproyeksikan 55,7 miliar perangkat IoT terkoneksi secara global pada 2025. Setiap perangkat menghasilkan data yang bisa menjadi *input* keputusan. Implikasinya: manajer dengan akses *real-time data* membuat keputusan berbeda — lebih cepat, lebih granular, lebih responsif — dibandingkan manajer yang bergantung pada laporan periodik.

### 18.4.3 *Cloud-Native Organization* dan Demokratisasi Kapabilitas

*Cloud* menghapus *barrier* yang selama dekade membatasi siapa yang bisa mengakses teknologi enterprise:

| Model | Arti | Contoh | Implikasi Manajerial |
|-------|------|--------|---------------------|
| SaaS | *Software as a Service* | Google Workspace, Jurnal.id | Tidak perlu *install* atau *maintain* — langsung pakai |
| PaaS | *Platform as a Service* | Google App Engine, Heroku | *Developer* langsung *coding* tanpa kelola infrastruktur |
| IaaS | *Infrastructure as a Service* | AWS EC2, Google Cloud | *Server* virtual, bayar sesuai pemakaian |
| AIaaS | *AI as a Service* | AWS SageMaker, OpenAI API | Akses kapabilitas AI tanpa tim *data science* sendiri |

UMKM di Kebumen yang menggunakan Jurnal.id (akuntansi *cloud*), Google Workspace (kolaborasi), dan ChatGPT (analisis dan *drafting*) memiliki kapabilitas SI yang 10 tahun lalu hanya terjangkau perusahaan besar. *Cloud* mendemokratisasi — dan keputusan "*build vs buy*" bergeser drastis ke "*subscribe*." Manajer harus menguasai evaluasi *vendor*, manajemen SLA (*Service Level Agreement*), dan *data governance* di lingkungan *multi-cloud*.

### 18.4.4 Ekosistem Digital dan *Platform Economy*

Perusahaan paling bernilai di dunia bukan produsen — mereka platform: Alibaba (*marketplace*), Uber (transportasi), Airbnb (hospitalis), Gojek (*super-app*). Platform menciptakan *value* dengan menghubungkan, bukan memproduksi.

GoTo Group adalah contoh lokal: menghubungkan 2+ juta *driver*, 14+ juta *merchant*, ratusan mitra API, dan 190+ juta pengguna dalam satu ekosistem. *Value* tidak diciptakan oleh GoTo sendiri — tetapi oleh interaksi dalam ekosistem. Warung yang bergabung di GoBiz *de facto* melakukan digitalisasi: dari catat pesanan di kertas ke *dashboard* analitik penjualan.

World Economic Forum (2025) memproyeksikan 60% GDP global akan di-*generate* melalui platform digital pada 2030. Bagi manajer, implikasinya: berpikir "ekosistem" bukan "rantai pasok." Pertanyaan strategisnya: di mana posisi organisasi dalam ekosistem? Siapa *platform partner*? Bagaimana berbagi data dengan aman tanpa kehilangan keunggulan kompetitif?

### 18.4.5 Transformasi Peran Manajer: dari *Operator* ke *Orchestrator*

Ini bukan evolusi gradual — ini pergeseran paradigma:

| Dimensi | Manajer Era Industri | Manajer Era Digital |
|---------|---------------------|-------------------|
| Basis keputusan | Pengalaman + intuisi | Data *real-time* + AI *insight* + *judgment* |
| Peran data | *Supporting evidence* | Aset strategis yang dikelola aktif |
| Peran AI | Tidak ada / periferal | *Partner* keputusan sehari-hari |
| *Span of control* | Tim langsung (5–15 orang) | Ekosistem: manusia + AI + *partner* digital |
| Siklus keputusan | Mingguan–bulanan | *Real-time* sampai harian |
| Kompetensi kunci | *People management* | Orkestrasi: data × AI × manusia × ekosistem |
| Hubungan dengan SI | *User* pasif | *Co-designer* aktif |
| Risiko karier | Tidak *update* pengetahuan industri | Tidak *update* literasi digital dan kapabilitas AI |

Pergeseran ini bukan tentang menguasai semua teknologi. Manajer yang paling adaptif bukan yang paling teknis — tetapi yang paling cepat belajar, paling *willing* bertanya, dan paling mampu mengorkestrasi kecerdasan kolektif dari manusia dan AI.

### 18.4.6 Tantangan Etika dan *Governance* di Era AI

Semakin AI menjadi *embedded* dalam keputusan organisasi, semakin besar tanggung jawab etis dan *governance* — bukan hanya *compliance* regulasi, tetapi tentang *trust*:

- ***Privacy* & *consent*** — data pelanggan digunakan untuk *training* AI tanpa *explicit consent*? Bab 15 membahas UU PDP; di era AI, cakupan isu ini meluas karena data digunakan bukan hanya untuk menyimpan tetapi untuk "mengajarkan" mesin.
- **Akuntabilitas algoritmik** — jika AI yang memproses pengajuan kredit menolak nasabah yang sebenarnya layak, siapa yang bertanggung jawab? Programmer? Manajer yang *deploy*? Bank?
- ***Job displacement*** — otomasi menghilangkan beberapa jenis pekerjaan. Tanggung jawab organisasi tidak berhenti di efisiensi — *reskilling* dan transisi karyawan adalah isu manajerial, bukan hanya isu HR.
- ***Digital divide* yang melebar** — teknologi *emerging* berisiko memperlebar kesenjangan antara organisasi dan wilayah yang memiliki akses dan yang tidak.

Indonesia memiliki UU PDP (2022) sebagai fondasi, tetapi regulasi spesifik AI belum ada. Manajer yang menunggu regulasi sebelum membangun *governance* internal akan terlambat — *governance* yang proaktif membangun *trust* pelanggan dan melindungi organisasi dari risiko reputasi.

### 18.4.7 SI Masa Depan di Indonesia: Peluang dan Tantangan Kontekstual

Indonesia memiliki posisi unik: populasi digital terbesar keempat di dunia, pertumbuhan *e-commerce* 20%+ per tahun, dan kebijakan pemerintah yang mendorong digitalisasi (PSE, rencana *Smart City* IKN).

**Peluang:**
- 270+ juta penduduk dengan penetrasi internet 79% (2024) — pasar digital masif yang masih bertumbuh.
- Ekosistem *startup* yang matang: GoTo, Bukalapak, Blibli, dan ratusan *startup* vertikal.
- Kebijakan pemerintah: Perpres Transformasi Digital, SPBE (*Sistem Pemerintahan Berbasis Elektronik*).

**Tantangan:**
- Infrastruktur digital tidak merata — Jawa vs luar Jawa. Kecepatan internet rata-rata di Papua masih jauh di bawah Jakarta.
- *Talent digital shortage* — permintaan *data scientist*, AI *engineer*, dan *cloud architect* jauh melampaui pasokan.
- Literasi digital UMKM masih rendah — 67% belum *online* (lihat Bab 16).
- Regulasi tertinggal dari kecepatan inovasi — *gap* antara praktik industri dan kerangka hukum.

Manajer di Indonesia yang menguasai kompetensi yang dibangun sepanjang 18 bab buku ini — dari pemahaman strategis SI (Bab 1–2) hingga orkestrasi data, AI, dan ekosistem (Bab 16–18) — akan menjadi aset paling berharga bagi organisasi di dekade mendatang.

---

## 18.5 Komparasi

### Tabel 18.1 — Manajer Era Industri vs Manajer Era Digital: 8 Dimensi Kapabilitas

| No | Dimensi | Manajer Era Industri | Manajer Era Digital |
|----|---------|---------------------|-------------------|
| 1 | Basis keputusan | Pengalaman + intuisi + laporan periodik | Data *real-time* + AI *insight* + *judgment* |
| 2 | Sumber informasi | Laporan internal, rapat | *Dashboard* BI, AI *alerts*, data eksternal |
| 3 | Hubungan dengan teknologi | *User* pasif ("IT urusan IT") | *Co-designer* aktif sistem informasi |
| 4 | Kecepatan respons | Mingguan–bulanan | Jam–harian (*real-time push*) |
| 5 | *Span of control* | Tim langsung 5–15 orang | Ekosistem: manusia + AI + *partner* digital |
| 6 | Kompetensi kunci | *People management*, *financial control* | Orkestrasi: data × AI × manusia × ekosistem |
| 7 | Toleransi ambiguitas | Menghindari (mencari kepastian) | Menavigasi (AI probabilistik, bukan deterministik) |
| 8 | Risiko karier | Tidak *update* pengetahuan industri | Tidak *update* literasi digital dan kapabilitas AI |

💡 **Insight:** Pergeseran dari "Manajer Industri" ke "Manajer Digital" bukan tentang menguasai semua teknologi — tetapi tentang mengubah *mental model* dari "*I control the process*" ke "*I orchestrate the system*." Manajer yang paling adaptif bukan yang paling teknis — tetapi yang paling cepat belajar dan paling mampu mengorkestrasi kecerdasan kolektif dari manusia dan AI.

---

## 18.6 Realitas Lapangan

### Fenomena 1: GoTo Group — Dari 20 Ojek ke Ekosistem Digital Terbesar di Asia Tenggara

Gojek dimulai pada 2010 sebagai *call center* dengan 20 *driver* ojek di Jakarta. Tidak ada *tracking*, tidak ada standar tarif, tidak ada sistem pembayaran — murni telepon dan koordinasi manual. Lima belas tahun kemudian: GoTo Group (Gojek + Tokopedia) menjadi *super-app* dengan 190+ juta pengguna, menghubungkan 2+ juta *driver*, 14+ juta *merchant*, dan ratusan mitra API. Layanannya mencakup transportasi, *food delivery*, *e-commerce*, *fintech* (GoPay), dan *enterprise solutions*. *Value* tidak diciptakan oleh GoTo sendiri — tetapi oleh interaksi miliaran transaksi dalam ekosistem setiap bulan (GoTo Group, 2024).

💡 **Insight:** GoTo menunjukkan bahwa di *platform economy*, *value* berbanding lurus dengan jumlah interaksi dalam ekosistem, bukan skala produksi. Dan efek sampingnya sama pentingnya: setiap warung yang bergabung di GoBiz, setiap *driver* yang menerima pesanan via aplikasi, *de facto* melakukan digitalisasi. Platform menjadi mekanisme demokratisasi SI — menjangkau jutaan UMKM yang tidak akan pernah membeli ERP sendiri.

### Fenomena 2: Microsoft Copilot — AI sebagai *Default Workspace*

Microsoft Copilot (diluncurkan 2023, *enterprise rollout* 2024–2025) meng-*embed* AI generatif ke dalam *tools* kerja sehari-hari: Word, Excel, PowerPoint, Teams, Outlook. Lebih dari 50.000 perusahaan global sudah mengadopsinya. Data awal yang dilaporkan Microsoft menunjukkan peningkatan kecepatan penyelesaian tugas penulisan, penghematan waktu dari *meeting summary* otomatis, dan kemudahan analisis data di Excel melalui *prompt* bahasa natural — meski skala manfaat aktual bervariasi tergantung pola penggunaan dan jenis pekerjaan (Microsoft, 2024).

Implikasi yang lebih besar dari angka-angka ini: AI *workspace assistant* sedang menjadi *default* — seperti *email* menjadi *default* komunikasi bisnis di awal 2000-an. McKinsey (2024) memprediksikan 70% enterprise akan mengadopsi AI *workspace assistant* pada 2027.

💡 **Insight:** Copilot bukan sekadar *tool* produktivitas — ini sinyal: AI akan menjadi bagian dari *workspace* standar. Manajer yang tidak bisa bekerja dengan AI *assistant* akan tertinggal seperti manajer yang tidak bisa menggunakan *email* 25 tahun lalu. Pertanyaan yang relevan bukan "apakah saya perlu AI" — tetapi "seberapa cepat saya bisa memanfaatkannya secara efektif."

### Fenomena 3: ChatGPT dan Adopsi GenAI — 100 Juta Pengguna dalam 2 Bulan

ChatGPT diluncurkan November 2022 dan mencapai 100 juta pengguna aktif bulanan dalam 2 bulan — adopsi tercepat dalam sejarah teknologi konsumer. Sebagai perbandingan: Instagram membutuhkan 2,5 tahun, TikTok 9 bulan. Pada 2025, GenAI sudah di-*embed* di hampir setiap kategori *software* bisnis — dari CRM (Salesforce Einstein) hingga desain (Adobe Firefly) hingga *coding* (GitHub Copilot). Manajer yang menguasai *prompt engineering* — kemampuan merumuskan instruksi efektif untuk AI — menghasilkan analisis, *draft* dokumen, dan ide kreatif dalam menit, bukan jam.

💡 **Insight:** Kecepatan adopsi GenAI menunjukkan bahwa ini bukan tren sementara — ini pergeseran permanen dalam cara *knowledge work* dilakukan. Literasi GenAI — kemampuan menggunakan, mengevaluasi, dan memvalidasi *output* AI — akan menjadi kompetensi dasar profesional, setara literasi komputer di tahun 1990-an.

---

## 18.7 Salah Kaprah

⚠️ ***"AI akan menggantikan manajer dalam 10 tahun, jadi tidak perlu belajar manajemen"***

AI menggantikan *tugas*, bukan peran. Tugas repetitif (*data entry*, *reporting*, *scheduling*) akan diotomasi. Tetapi peran manajerial — strategi, negosiasi, penilaian etis, motivasi tim, manajemen *stakeholder* — membutuhkan kecerdasan yang AI belum bisa mereplikasi dengan *reliable*. Yang tergantikan bukan "manajer" — tetapi "manajer yang tidak bisa bekerja dengan AI." Investasi yang tepat: bangun kompetensi di area yang AI tidak bisa — *judgment*, empati, kreativitas, dan orkestrasi.

⚠️ ***"Transformasi digital itu tentang teknologi, bukan tentang manusia"***

70% proyek transformasi digital gagal — dan faktor utama kegagalan bukan teknologi, tetapi resistensi terhadap perubahan dan budaya organisasi (McKinsey, 2024). Teknologi adalah bagian yang relatif mudah; mengubah cara orang bekerja dan berpikir adalah bagian yang sulit. Koreksinya: alokasikan porsi *effort* yang proporsional untuk *change management* — pelatihan, komunikasi, penyelarasan insentif — bukan hanya untuk pembelian dan implementasi teknologi.

⚠️ ***"Tren global seperti AI dan IoT tidak relevan untuk organisasi kecil di Indonesia"***

*Cloud* dan SaaS mendemokratisasi akses. UMKM di Kebumen bisa menggunakan Jurnal.id (akuntansi *cloud*), Google Workspace (kolaborasi), dan ChatGPT (analisis dan *content*) — *tools* yang satu dekade lalu hanya terjangkau *enterprise*. Ekosistem GoTo/Gojek memasukkan jutaan UMKM ke dalam ekonomi digital tanpa memerlukan investasi infrastruktur IT sendiri. Pertanyaannya bukan "apakah tren ini relevan untuk saya" — tetapi "bagaimana saya memanfaatkan tren ini dengan *resource* yang saya miliki."

⚠️ ***"Lebih baik tunggu teknologi matang sebelum mengadopsi"***

Di era perubahan eksponensial, menunggu berarti tertinggal lebih jauh — bukan lebih aman. *First mover* dan *fast follower* mendapatkan tiga keunggulan: *data advantage* (AI mereka dilatih lebih lama dengan data internal), *talent advantage* (*early adopter* menarik talenta digital terbaik), dan *ecosystem advantage* (posisi dalam platform terkunci lebih awal). Tidak perlu menjadi *first mover* di semua teknologi — tetapi harus menjadi *fast follower* yang serius: monitor tren, *pilot* cepat, *scale* yang berhasil.

---

## 18.8 Studi Kasus

### 📊 Studi Kasus Dasar — GoTo Group: Dari 20 Ojek ke Ekosistem Digital Indonesia

**❌ Kondisi Awal (2010):**

20 *driver* ojek di Jakarta, *dispatch* via *call center*. Tidak ada *tracking* GPS, tidak ada standar tarif, tidak ada sistem pembayaran digital. Nadiem Makarim memiliki satu ide: bagaimana jika ojek — moda transportasi informal yang sudah ada di setiap sudut Jakarta — bisa dikelola sebagai sistem informasi?

**✅ Evolusi Ekosistem GoTo (2010–2025):**

| Dimensi | 2010 | 2025 (GoTo Group) |
|---------|------|-------------------|
| Pengguna | ~1.000 | 190+ juta |
| *Driver*/Merchant | 20 *driver* | 2M+ *driver*, 14M+ *merchant* |
| Layanan | Transportasi ojek | Transport, *food*, *e-commerce*, *fintech*, *enterprise* |
| Teknologi | *Call center* manual | AI *routing*, *dynamic pricing*, ML *fraud detection*, *cloud-native* |
| Peran manajer | *Operator* (assign *driver*, tangani keluhan) | *Orchestrator* (*data-driven*, ekosistem *management*) |
| Model *revenue* | Komisi per *trip* | *Multi-sided platform* (komisi + iklan + *fintech* + SaaS) |

GoTo membuktikan bahwa organisasi bisa bertransformasi dari operasi manual paling sederhana menjadi ekosistem digital bernilai miliaran dolar — selama ada visi yang jelas tentang bagaimana teknologi informasi mengubah *value proposition*.

💡 **Pelajaran:** Di *platform economy*, *value* berbanding lurus dengan interaksi dalam ekosistem, bukan kepemilikan aset. GoTo tidak memiliki kendaraan atau restoran — ia memiliki *network* dan data dari miliaran transaksi yang menjadi *moat* kompetitif. Manajer GoTo menjalankan peran yang persis sesuai deskripsi *orchestrator*: mengoordinasi data, AI, manusia, dan mitra ekosistem — bukan mengendalikan proses secara langsung.

### 📊 Studi Kasus Lanjutan — Microsoft Copilot *Enterprise Adoption*: AI sebagai *Default Workspace*

**❌ Kondisi Awal (Pre-Copilot):**

*Knowledge worker* rata-rata menghabiskan 60% waktu kerja untuk tugas rutin: mencari *email*, menyusun *draft* dokumen, membuat ringkasan rapat, menavigasi dokumen internal, dan memformat laporan. Hanya 40% waktu digunakan untuk pekerjaan bernilai tinggi: analisis, pengambilan keputusan, kreativitas, dan kolaborasi strategis.

**✅ Setelah Microsoft Copilot *Deployment*:**

| Dimensi | Pre-Copilot | Post-Copilot |
|---------|------------|-------------|
| Waktu *drafting* dokumen | 2–4 jam | 30–60 menit (Copilot *draft* → manusia *edit*) |
| *Follow-up* rapat | *Notes* manual, 30 menit/rapat | *Auto-summary*, 2 menit *review* |
| Analisis data (Excel) | Formula manual, *pivot* manual | *Prompt*: "analisis tren Q1–Q3" → *auto-pivot* |
| Pencarian informasi internal | Puluhan menit navigasi | *Prompt*: "cari kebijakan cuti terbaru" → instan |
| Waktu kerja bernilai tinggi | ~40% | ~60% (naik 50% secara relatif) |
| Adopsi global (2025) | N/A | 50.000+ perusahaan *enterprise* |

*Impact* terbesar bukan pada kecepatan per tugas — tetapi pada redistribusi waktu. Manajer yang mengadopsi Copilot tidak bekerja lebih cepat di tugas yang sama; mereka membebaskan waktu untuk tugas yang lebih bernilai: analisis lebih mendalam, percakapan strategis lebih sering, dan keputusan yang lebih *well-informed*.

💡 **Pelajaran:** Microsoft Copilot adalah contoh nyata augmentasi di skala *enterprise* — bukan menggantikan *knowledge worker*, tetapi membebaskan 20–30% waktu mereka dari tugas repetitif. Pola ini akan meluas ke hampir semua *software* bisnis. Organisasi yang mengadopsi lebih awal mendapat *productivity compound effect*: penghematan waktu hari ini menghasilkan keputusan lebih baik yang menghasilkan *outcome* bisnis lebih baik secara kumulatif.

---

## 18.9 Template Praktis

### 🔧 Template A.18 — Peta Transformasi Personal: Dari Manajer Industri ke Manajer Era Digital

```
TEMPLATE A.18 — PETA TRANSFORMASI PERSONAL

Tanggal          : ________________________________________
Nama             : ________________________________________
Organisasi       : ________________________________________

═══════════════════════════════════════════════════════════════

BAGIAN 1: ASESMEN POSISI SAAT INI (skor 1–5)

  1. Data literacy
     (membaca dashboard, interpretasi statistik dasar)
     Skor: ___/5   Evidensi: ________________________________

  2. AI literacy
     (memahami kapabilitas & limitasi AI, bisa evaluasi use case)
     Skor: ___/5   Evidensi: ________________________________

  3. Cloud/SaaS fluency
     (menggunakan tools cloud, mengevaluasi vendor)
     Skor: ___/5   Evidensi: ________________________________

  4. Digital ecosystem awareness
     (memahami platform economy, posisi organisasi di ekosistem)
     Skor: ___/5   Evidensi: ________________________________

  5. Ethical reasoning
     (data privacy, AI bias, akuntabilitas algoritmik)
     Skor: ___/5   Evidensi: ________________________________

  6. Change leadership
     (memimpin adopsi teknologi, mengelola resistensi)
     Skor: ___/5   Evidensi: ________________________________

  TOTAL SKOR: ___/30

  Interpretasi:
    25–30 : Digital Leader — siap mengorkestrasi
    18–24 : Digital Follower — perlu akselerasi di area spesifik
    12–17 : Digital Aware — perlu upskilling serius
    < 12  : Digital Gap — perlu transformasi cara pandang

═══════════════════════════════════════════════════════════════

BAGIAN 2: GAP ANALYSIS (3 kompetensi dengan skor terendah)

  1. _________________________ (skor: ___)
     Gap: ___________________________________________________

  2. _________________________ (skor: ___)
     Gap: ___________________________________________________

  3. _________________________ (skor: ___)
     Gap: ___________________________________________________

═══════════════════════════════════════════════════════════════

BAGIAN 3: RENCANA AKSI 90 HARI

  | Kompetensi Target | Aksi Konkret        | Deadline | Resource    |
  |-------------------|---------------------|----------|-------------|
  | _____________     | ___________________ | ________ | ___________ |
  | _____________     | ___________________ | ________ | ___________ |
  | _____________     | ___________________ | ________ | ___________ |

═══════════════════════════════════════════════════════════════

BAGIAN 4: QUICK WINS (7 hari pertama)

  1. ________________________________________________________
  2. ________________________________________________________
  3. ________________________________________________________

═══════════════════════════════════════════════════════════════

BAGIAN 5: KOMITMEN

  "Dalam 90 hari, saya akan mampu: __________________________
   __________________________________________________________ "

  Tanda tangan: __________________  Tanggal: ________________
```

---

## 18.10 Peta Konsep

### Gambar 18.2 — Peta Konsep Bab 18

```mermaid
mindmap
  root((Tren SI &<br/>Masa Depan Organisasi))
    Tren Teknologi
      AI & Decision Automation
      IoT & Real-Time Intelligence
      Cloud-Native & XaaS
      Generative AI
    Platform Economy
      Ekosistem digital
      Multi-sided platform
      API economy
    Peran Baru Manajer
      Kurator data
      Interpreter AI
      Conductor ekosistem
      Orchestrator bukan operator
    Tantangan
      Etika & governance AI
      Digital divide
      Change resistance
      Regulasi tertinggal
    Konteks Indonesia
      270 juta digital user
      UMKM digital inclusion
      Infrastruktur gap
      Peluang & tantangan unik
```

---

## 18.11 Rangkuman

**Poin-poin Penting:**

1. Empat tren konvergen — AI, IoT, *cloud-native*, dan *platform economy* — menghasilkan pergeseran dari organisasi yang mengumpulkan data ke organisasi yang *digerakkan* oleh data dan AI. Konvergensi ini bukan evolusi gradual; ia mengubah logika kompetisi, struktur organisasi, dan peran manajer secara bersamaan.

2. *Platform economy* menunjukkan model bisnis masa depan: *value* diciptakan melalui orkestrasi ekosistem, bukan produksi internal. GoTo membuktikannya di Indonesia — dari 20 ojek ke ekosistem 190+ juta pengguna.

3. Peran manajer berevolusi dari *operator* (mengarahkan orang dan proses) ke *orchestrator* (mengoordinasikan data, AI, manusia, dan mitra ekosistem). Tiga peran kunci: kurator data, *interpreter* AI, *conductor* ekosistem.

4. AI *workspace assistant* (Microsoft Copilot, ChatGPT) menjadi *default* dalam *workspace* profesional — seperti *email* 25 tahun lalu. Manajer yang tidak bisa bekerja dengan AI akan tertinggal dari kolega yang bisa.

5. 70% transformasi digital gagal bukan karena teknologi — tetapi karena *change management*. Manusia, bukan *tools*, adalah faktor kritis keberhasilan transformasi.

6. Indonesia memiliki peluang unik (270+ juta populasi digital, ekosistem *startup* yang matang) tetapi menghadapi tantangan spesifik: infrastruktur tidak merata, *digital divide*, *talent shortage*, dan regulasi yang tertinggal.

7. Persiapan dimulai sekarang — bukan setelah teknologi "matang." Template A.18 menyediakan instrumen asesmen dan rencana aksi 90 hari. *Quick wins* minggu pertama membuktikan bahwa transformasi personal bisa dimulai hari ini.

---

**Penutup Buku:**

Selama 18 bab, perjalanan dimulai dari memahami **peran SI dalam organisasi** (Bab 1–2), melewati **proses bisnis dan sistem perusahaan** (Bab 3–4), mendalami **data, keputusan, dan analitik** (Bab 5–7), berkembang ke **analisis masalah dan perancangan solusi** (Bab 8–12), mengamankan **implementasi, evaluasi, dan tata kelola** (Bab 13–15), dan berakhir di **transformasi digital, AI, dan masa depan** (Bab 16–18). Setiap bab membangun kompetensi yang saling terhubung — dari Peta Posisi SI pertama (Template A.1 di Bab 1) hingga Peta Transformasi Personal (Template A.18 di bab ini). Rantai artefak itu disengaja: *output* setiap bab menjadi *input* bab berikutnya — membangun kapabilitas secara kumulatif.

Pertanyaan yang tersisa bukan lagi "apa itu SI?" — pertanyaan itu dijawab di Bab 1. Pertanyaannya sekarang: **bagaimana Anda menjadi manajer yang mampu mengorkestrasi data, AI, dan manusia untuk membangun organisasi yang lebih cerdas, lebih adaptif, dan lebih manusiawi?** Jawabannya ada di 18 template yang sudah Anda kerjakan — dan di keputusan yang Anda buat mulai besok.

---

🔥 *"Masa depan manajer bukan tentang apakah mereka bisa bersaing dengan AI, tetapi tentang apakah mereka mampu menggunakan AI sebagai perpanjangan kapabilitas untuk mengorkestrasi organisasi yang lebih cerdas, lebih adaptif, dan lebih manusiawi."*

---

## 18.12 Latihan & Refleksi

### Pertanyaan Diagnostik

Dalam lima tahun ke depan, seorang manajer akan bekerja dalam organisasi yang bergerak menuju *cloud-native operations*, ekosistem platform, IoT, dan asisten AI. Analisis urutan kompetensi yang perlu dibangun agar peran manajerial tetap relevan, serta kaitannya dengan strategi, data, proses, desain solusi, implementasi, *governance*, dan pergeseran peran manajer dari operator menjadi *orchestrator*.

### Pertanyaan Reflektif

1. Lihat kembali Template A.18 yang sudah Anda isi. Dari 6 kompetensi, mana yang paling mendesak untuk diperbaiki — dan apa rencana konkret Anda dalam 90 hari ke depan?

2. Jika Anda menjadi manajer sebuah UMKM di Kebumen yang ingin masuk ke ekosistem digital (GoTo/Tokopedia), 3 langkah pertama apa yang Anda ambil — dan mengapa urutan itu penting?

3. Apakah Anda setuju bahwa peran manajer bergeser dari *operator* ke *orchestrator*? Berikan argumen mendukung atau menentang berdasarkan pengalaman atau observasi Anda.

4. Dari 18 bab yang sudah Anda baca, *insight* mana yang paling mengubah cara pandang Anda tentang SI — dan mengapa?

5. Bayangkan diri Anda 5 tahun ke depan: apa peran Anda, *tools* apa yang Anda gunakan sehari-hari, dan bagaimana AI membantu pengambilan keputusan Anda?

### Latihan Artefak

**Latihan 18.1 — Peta Transformasi Personal (Template A.18)**

Gunakan Template A.18 untuk mengasesmen kompetensi digital Anda saat ini, mengidentifikasi *gap*, dan menyusun rencana aksi 90 hari.

Langkah:
1. Berikan skor 1–5 untuk 6 kompetensi — sertakan evidensi spesifik (bukan estimasi umum)
2. Identifikasi 3 kompetensi dengan skor terendah dan formulasikan *gap* secara jelas
3. Susun rencana aksi 90 hari: aksi konkret, *deadline*, dan *resource* yang dibutuhkan
4. Tetapkan minimal 3 *quick wins* yang bisa dilakukan dalam 7 hari pertama — tindakan kecil yang membuktikan bahwa transformasi dimulai dari langkah pertama

**Kriteria *output* yang baik:**
- Skor memiliki justifikasi berbasis realitas — bukan keinginan
- *Gap analysis* jujur dan spesifik — bukan "perlu belajar lebih banyak" (terlalu generik)
- Rencana aksi bersifat *actionable*: menyebutkan tindakan operasional, bukan aspirasi
- *Quick wins* benar-benar bisa dilakukan dalam 7 hari — realistis dan terukur

*Template A.18 menutup rantai artefak 18 bab. Dari Peta Posisi SI (Bab 1) hingga Peta Transformasi Personal (Bab 18) — setiap template membangun kapabilitas yang membawa Anda dari memahami SI ke mengorkestrasi organisasi di era AI.*

---

## Referensi

GoTo Group. (2024). *GoTo Annual Report 2024*. PT GoTo Gojek Tokopedia Tbk.

Huang, M.-H., & Rust, R. T. (2021). A strategic framework for artificial intelligence in marketing. *Journal of the Academy of Marketing Science*, *49*(1), 30–50.

Iansiti, M., & Lakhani, K. R. (2020). *Competing in the age of AI*. Harvard Business Review Press.

IDC. (2024). *Worldwide Internet of Things forecast*. International Data Corporation.

Laudon, K. C., & Laudon, J. P. (2022). *Management information systems* (17th ed.). Pearson.

McKinsey Global Institute. (2024). *The economic potential of generative AI*. McKinsey & Company.

Microsoft. (2024). *Work Trend Index: AI at Work*. Microsoft.

Mikalef, P., & Gupta, M. (2021). Artificial intelligence capability. *Information & Management*, *58*(3), 103434.

Parker, G. G., Van Alstyne, M. W., & Choudary, S. P. (2016). *Platform revolution*. W. W. Norton.

World Economic Forum. (2025). *Future of Jobs Report 2025*. WEF.