
Bayangkan Selasa pagi di bagian pengadaan sebuah perusahaan. Seorang staf harus meringkas dokumen penawaran setebal puluhan halaman sebelum rapat pukul sembilan. Kebijakan kantor belum membolehkan AI, tetapi tenggatnya nyata, dan di ponsel pribadinya sudah terpasang asisten AI. Ia menempelkan isi dokumen itu, lengkap dengan nama vendor, nilai kontrak, dan nomor rekening, lalu menekan Enter.
Tidak ada yang melihatnya. Itulah soalnya. Tulisan ini berpendapat bahwa pertanyaan yang layak diajukan pimpinan bukan lagi apakah pegawai boleh memakai AI, melainkan di ruang siapa pemakaian itu terjadi. Menyediakan ruang kerja AI yang resmi bukan hadiah teknologi bagi pegawai. Itu keputusan tata kelola.
Dua jawaban yang sama-sama gagal
Organisasi yang pegawainya sudah memakai AI biasanya memilih salah satu dari dua jawaban. Jawaban pertama adalah melarang. Kebijakannya tegas, suratnya ditandatangani, dan semua orang paham. Namun larangan hanya berlaku di tempat yang bisa diperiksa. Ponsel pribadi, komputer rumah, dan akun yang didaftarkan dengan surel pribadi berada di luar jangkauan pemeriksaan itu. Kami menilai larangan semacam ini tidak menghentikan pemakaian. Ia memindahkannya ke tempat yang tidak terlihat, dan sesuatu yang tidak terlihat tidak bisa dikelola.
Jawaban kedua adalah membiarkan. Pegawai dipersilakan memakai alat apa pun yang mereka suka, dengan harapan semua orang bijak. Masalahnya, kebijaksanaan tidak sama dengan kendali. Tidak ada kontrak yang mengikat penyedia AI pada kepentingan organisasi. Tidak ada catatan siapa mengirim apa. Tidak ada batas biaya bila langganan dibayar lewat klaim pengeluaran. Pimpinan baru mengetahui ada persoalan setelah persoalan itu menjadi berita.
Kedua jawaban itu sama-sama menyerahkan keputusan penting kepada keadaan. Pada jawaban pertama, keputusan tentang data jatuh ke tangan pegawai yang kebetulan panik menjelang tenggat. Pada jawaban kedua, keputusan itu jatuh ke tangan siapa pun yang pertama menemukan alat baru. Keduanya menyisakan satu kesamaan yang tidak nyaman: organisasi tidak tahu apa yang sebenarnya terjadi.
Perlu diakui sesuatu yang jarang diakui dalam diskusi kebijakan: pegawai memakai AI karena alat itu berguna. Meringkas, menerjemah, merapikan draf, dan mengurai tabel adalah pekerjaan nyata yang selesai lebih cepat. Larangan karena itu membawa ongkos yang sering tidak dihitung, yakni hilangnya manfaat sah dari alat yang berguna, justru di organisasi yang paling berhati-hati. Pemakaian yang disembunyikan pun menumpuk di luar pengetahuan siapa pun, sehingga ketika organisasi akhirnya ingin menilai apa yang sebenarnya dikerjakan dengan AI, tidak ada bahan untuk dinilai.
Ada jalan ketiga, dan jalan itu bukan kompromi setengah hati. Organisasi menyediakan ruang kerja yang cukup nyaman sehingga pegawai mau memakainya, dan cukup terkendali sehingga pimpinan, tim TI, dan bagian keuangan dapat menyetujuinya. Kedua syarat itu harus terpenuhi bersamaan. Ruang kerja yang terkendali tetapi menyulitkan akan ditinggalkan, dan pegawai kembali ke ponsel pribadinya.
Yang sebenarnya ditanyakan pimpinan
Kalau ditelusuri, keberatan organisasi terhadap AI jarang bersifat filosofis. Keberatan itu hampir selalu berbentuk empat pertanyaan praktis.
Pertanyaan pertama: siapa yang memakai? Organisasi perlu tahu siapa saja yang memakai AI untuk pekerjaan kantor, bukan untuk mengawasi isi percakapan, melainkan untuk memahami besarnya pemakaian dan menunjuk pemilik tanggung jawabnya. Pertanyaan kedua: model apa? Ada banyak model dengan kemampuan, harga, dan asal pengembang yang berbeda, dan organisasi berhak menentukan mana yang boleh dipakai untuk pekerjaannya. Pertanyaan ketiga: berapa biayanya? Pemakaian AI dihitung dari seberapa banyak teks yang diproses, sehingga biayanya bisa membengkak tanpa pemberitahuan bila tidak ada batas. Pertanyaan keempat: data apa yang boleh masuk? Ini pertanyaan yang paling sulit karena jawabannya bergantung pada kebijakan, bukan pada teknologi.
Keempat pertanyaan itu tidak bisa dijawab bila pemakaian terjadi di akun pribadi. Keempatnya hampir otomatis terjawab bila pemakaian terjadi di satu ruang kerja yang disediakan organisasi, karena ruang kerja itulah tempat jawabannya dicatat. Di sinilah kami memandang nilai sebuah layanan akses AI. Yang dijual bukan akses ke model, sebab model dapat diakses siapa saja. Yang ditawarkan adalah batas yang terlihat: siapa, model apa, seberapa banyak, dan di bawah aturan apa.
Satu ruang kerja untuk setiap orang
Cara termudah menyediakan AI bagi banyak pegawai adalah membuat satu akun bersama. Cara itu juga cara tercepat menghapus akuntabilitas. Bila dua puluh orang memakai satu akun, tidak ada yang bisa menjelaskan mengapa biaya bulan ini naik, siapa yang menempelkan dokumen tertentu, atau apa yang terjadi bila seorang pegawai keluar. Karena itu rancangan Akses LLM Terkelola, layanan yang kami tawarkan, dimulai dari satu ruang kerja web untuk setiap pengguna.
Setiap pegawai mendapat akun dan ruang kerja sendiri di alamat khusus organisasi. Percakapan dan berkas kerjanya tidak tercampur dengan milik orang lain. Admin organisasi dapat menjeda akses seseorang bila perlu, dan menerima laporan pemakaian bulanan per pengguna: berapa banyak permintaan, berapa banyak token, dan berapa biayanya. Laporan itu sengaja berhenti di tingkat pemakaian. Ia tidak memuat isi percakapan, sebab tujuannya mengelola, bukan mengintip.
Soal biaya, kami memisahkan dua hal yang sering dicampur. Pertama, biaya layanan: dihitung per pengguna per bulan, sehingga mudah dianggarkan dan tumbuh bersama jumlah pegawai yang diberi ruang kerja. Kedua, biaya model: dibeli di muka sebagai satu saldo bersama, dengan batas keras untuk tiap pengguna. Dua unit ini menjawab dua kekhawatiran yang berbeda. Bagian keuangan ingin angka yang dapat diprediksi, sedangkan pemakaian model memang berfluktuasi menurut cara pegawai bekerja.
Batas keras per pengguna mencegah satu orang menghabiskan saldo seluruh organisasi, dan saldo bersama mencegah pengguna ringan membayar mahal untuk sesuatu yang tidak ia pakai. Sisa saldo terbawa ke bulan berikutnya. Bila seorang pengguna membutuhkan batas lebih tinggi, admin memintanya, dan tambahan diambil dari saldo bersama. Tidak ada tagihan yang datang belakangan sebagai kejutan. Besar jatah dan biaya layanan disampaikan dalam penawaran harga, bukan di tulisan ini.
Ruang kerja saja tidak cukup; cara memakainya juga perlu disepakati. Karena itu layanan ini membawa satu sesi pelatihan daring sekitar 90 menit tentang cara memakai ruang kerja dan kebijakan pemakaian AI yang disusun bersama organisasi: data apa yang boleh masuk, kapan harus berhenti dan bertanya, dan bagaimana memeriksa jawaban sebelum dipakai. Aktivasinya dijadwalkan dalam lima hari kerja setelah surat pesanan, pembayaran faktur pertama, dan daftar pengguna kami terima. Menurut kami kecepatan ini penting secara internal: kebijakan yang baru berlaku berbulan-bulan setelah pegawai mulai memakai AI sudah kehilangan momentumnya.
Pengadaan di organisasi besar biasanya menyukai susunan seperti ini karena alasan sederhana: nilai yang dibayar sudah diketahui sebelum dipakai. Prabayar dengan batas keras jauh lebih mudah dijelaskan kepada auditor daripada tagihan terbuka yang bergantung pada perilaku ratusan orang.
Model dipilih dengan sadar
Daftar model AI memanjang hampir setiap bulan, dan tidak semua pekerjaan membutuhkan model yang paling canggih. Meminta model termahal merangkum surat dua paragraf mirip menyewa truk untuk mengantar sebuah amplop. Karena itu kami mengelompokkan model dalam tiga tingkat. Tingkat Hemat untuk tugas harian seperti menulis, merangkum, menerjemah, dan tanya jawab. Tingkat Seimbang untuk dokumen panjang, analisis, dan penulisan yang menuntut ketelitian. Tingkat Pintar untuk penalaran mendalam dan tugas kompleks, yang menghabiskan jatah paling cepat.
Daftar terkurasi ini mencakup model dari keluarga Claude, Gemini, Qwen, dan DeepSeek. Organisasi menetapkan mana yang boleh dipakai siapa; permintaan ke model di luar daftar ditolak. Kami juga mengingatkan bahwa daftar itu berubah mengikuti penyedia, dan bahwa setiap model kami uji di ruang kerja organisasi sebelum dibuka bagi pengguna. Pengujian ini penting karena satu model yang bagus di percakapan belum tentu bekerja baik ketika diberi alat untuk mengolah berkas.
Perbedaan itu melahirkan keputusan rancangan lain: dua mode kerja. Dalam Mode Chat, pegawai bertanya dan asisten menjawab. Dalam Mode Agen, asisten diberi alat untuk membaca dan membuat berkas serta menjalankan skill. Mekanismenya sederhana, dan berlaku bagi agen mana pun: ketika model memutuskan memakai alat, alat itu berjalan, lalu hasilnya harus dibaca kembali oleh model. Satu perintah berarti setidaknya dua panggilan ke model, dan sering lebih. Akibatnya Mode Agen memakai jatah lebih cepat, dan ia membawa risiko yang tidak dimiliki chat biasa karena dapat menjalankan perintah di lingkungan penggunanya.
Maka kami menjadikan Mode Chat sebagai bawaan dan memberikan Mode Agen hanya kepada pengguna yang membutuhkannya, dengan batas alat dan jaringan yang ditetapkan pada penyiapan. Prinsipnya sama dengan seluruh layanan: kemampuan diberikan sesuai kebutuhan, bukan sesuai kemungkinan.
Tiga cara menyediakan, dan apa yang perlu ditimbang
Organisasi yang sudah sampai pada keputusan menyediakan ruang kerja resmi biasanya menimbang tiga cara. Cara pertama membelikan langganan konsumen atau langganan tim untuk setiap pegawai. Cara ini cepat, tetapi organisasi tetap tidak menetapkan modelnya, tidak membatasi pemakaian tiap orang, dan tidak menerima laporannya; yang berubah hanya siapa yang membayar. Cara kedua membangun dan menjalankan sendiri: server, pembaruan keamanan, cadangan, pengaturan model, pembatasan dan pelaporan jatah, pelatihan, serta dukungan semuanya menjadi pekerjaan tim internal. Cara ini masuk akal bila organisasi memiliki tim TI yang sanggup merawatnya, atau bila kebijakan mewajibkan seluruh sistem berada di server sendiri. Cara ketiga adalah layanan terkelola, ketika pihak lain menyiapkan dan merawat sementara organisasi tetap memegang keputusan: model apa, batas berapa, data apa.
Kami tidak mengajukan perbandingan angka di sini, sebab biaya cara kedua bergantung pada sumber daya yang sudah dimiliki tiap organisasi dan hanya bisa dihitung bersama tim keuangan serta TI yang bersangkutan. Pertanyaan yang lebih berguna untuk diajukan lebih dulu justru bukan soal biaya. Siapa yang menjawab telepon pada hari server bermasalah? Siapa yang memantau saldo model sebelum habis? Siapa yang menyesuaikan daftar model ketika penyedia mengubahnya? Dan bila jawabannya "tim kami", apakah tim itu benar-benar punya waktu? Bagi organisasi yang menjawab "tidak ada" pada pertanyaan terakhir, layanan terkelola bukan kemewahan. Bagi yang menjawab "ada", pemasangan di server sendiri tetap tersedia sebagai opsi dan dikerjakan oleh tim kami.
Satu catatan lagi. Organisasi yang sudah memiliki kontrak perusahaan dengan perjanjian pemrosesan data dari penyedia AI besar mungkin tidak membutuhkan layanan seperti ini. Kami lebih suka mengatakannya sekarang daripada setelah rapat ketiga.
Batas yang harus dikatakan terus terang
Layanan akses AI yang jujur harus berani mengatakan apa yang tidak ia lindungi. Dalam layanan dasar Akses LLM Terkelola, teks yang diketik pengguna dikirim apa adanya ke penyedia model. Konsekuensinya jelas: pegawai hanya boleh memasukkan data publik dan informasi internal yang tidak sensitif. Aturan itu tidak ditulis di dinding sebagai himbauan, melainkan disusun bersama organisasi sebagai kebijakan pemakaian AI sebelum ruang kerja diaktifkan, dan dibahas dalam sesi pelatihan.
Bagi organisasi yang pegawainya memang perlu menangani nama, nomor identitas, rekening, atau istilah rahasia, tersedia tambahan bernama Voltaic Veil. Veil mengganti data itu dengan kode pengganti sebelum teks keluar menuju model, lalu memulihkannya pada jawaban yang dilihat pengguna. Ia bekerja pada setiap permintaan, memakai kamus istilah milik organisasi, dan dapat dibeli per pengguna. Tanpa layanan dasar pun Veil dapat dibeli sendiri. Keduanya sengaja dipisahkan, karena tidak semua organisasi menangani data yang sama sensitifnya.
Veil tidak menjadikan risiko nol. Penyamaran tidak sempurna: data yang tidak dikenali oleh aturan dan kamus tidak disamarkan, dan penyamaran dapat mengurangi manfaat analisis yang bertumpu pada angka. Ia juga menambah waktu proses. Kami tidak mau menyebut angka kecepatan atau ketepatan sebelum mengukurnya pada contoh milik organisasi, sebab angka dari data rekaan tidak berarti bagi data sungguhan Anda. Karena itu pengukuran dilakukan pada tahap penyiapan, dan hasilnya dilaporkan.
Ada beberapa batas lain yang sebaiknya diketahui sejak awal. Server berada di pusat data di luar Indonesia. Pemrosesan di Indonesia tersedia sebagai opsi dengan biaya tambahan, tetapi pilihan itu dapat mempersempit model yang tersedia, dan kami tidak menjanjikan semua model dapat diproses di dalam negeri. Pemasangan di server milik organisasi juga tersedia sebagai opsi, dikerjakan oleh tim kami. Model Qwen dan DeepSeek dikembangkan di Tiongkok; organisasi yang tidak menghendakinya dapat meminta keduanya dinonaktifkan. Ketersediaan 99% per bulan adalah target, bukan jaminan kompensasi.
Mengapa semua batas ini ditulis di depan, bukan di lampiran? Karena menurut kami kepercayaan tim TI dan keamanan dibangun dari kejelasan tentang apa yang tidak dijamin. Layanan yang menjanjikan segalanya akan dicurigai. Layanan yang menyebut batasnya dapat dinilai.
Akses hanyalah lapis pertama
Ruang kerja yang resmi menyelesaikan satu masalah, yaitu pemakaian yang tidak terlihat. Ia belum menyelesaikan masalah yang lebih besar, yaitu apakah AI benar-benar bekerja sesuai cara organisasi bekerja. Pegawai yang kini punya ruang kerja resmi tetap akan menerima jawaban yang umum, sebab model tidak tahu bagaimana prosedur pengadaan, format laporan, atau istilah internal organisasi itu. Memberi akses bukan memberi kecakapan.
Karena itu kami memandang akses sebagai satu dari empat lapis yang saling menopang. Lapis pertama adalah akses: ruang kerja, model terkurasi, jatah, dan laporan. Lapis kedua adalah perlindungan data, yang di Japo Titian Bakat diwujudkan lewat Voltaic Veil. Lapis ketiga adalah kecakapan: skill kustom yang dibuat dari proses kerja organisasi, paket konteks dan prompt per fungsi, serta pelatihan per peran. Lapis keempat adalah kendali dan bukti: pemantauan kuota dan biaya, evaluasi berkala, dan kemampuan menunjukkan di mana AI memberi nilai.
Organisasi boleh masuk dari lapis mana pun. Bila pimpinan sudah memutuskan bahwa pegawai harus punya AI yang aman dan terkendali, akses adalah pintu masuk yang paling cepat. Bila organisasi belum yakin kasus penggunaan mana yang layak, Assess lebih tepat sebagai langkah awal. Dari akses, organisasi dapat tumbuh ke kecakapan tanpa membongkar apa yang sudah berjalan. Pembuatan skill kustom sendiri bukan bagian dari layanan akses; ia ditawarkan terpisah, dan kami menyebutnya agar tidak ada yang mengira keduanya satu paket.
Kami tidak menjanjikan persentase adopsi atau hasil bisnis tertentu. Yang dapat kami lakukan adalah mengukur pemakaian dan menunjukkannya. Hasilnya bergantung pada kualitas proses, data, dan kesediaan orang-orang di dalam organisasi itu sendiri.
Kembali ke Selasa pagi
Staf pengadaan dalam adegan di awal tulisan ini tidak berniat membocorkan apa pun. Ia hanya ingin menyelesaikan pekerjaannya sebelum pukul sembilan. Larangan tidak membantunya, dan kebebasan tanpa aturan tidak melindunginya. Yang membantunya adalah tempat yang disediakan organisasi: cepat dipakai, jelas batasnya, dan memberi tahu apa yang boleh dan tidak boleh ia masukkan.
Pegawai akan terus memakai AI. Yang dapat dipilih organisasi adalah apakah pemakaian itu terjadi di ruang yang punya pemilik, batas, dan laporan, atau di ruang yang tidak diketahui siapa pun. Pertanyaan untuk rapat pimpinan berikutnya mungkin sesederhana ini: bila hari ini seorang pegawai menempelkan dokumen kantor ke sebuah asisten AI, di ruang siapa hal itu terjadi?
Jika Anda ingin membicarakan jumlah pengguna yang akan diberi ruang kerja dan menerima penawaran harga, hubungi kami lewat halaman Kontak di situs ini.
Tulisan terkait
AI dan pengetahuanAset AI yang Tidak Bisa Diunduh
Bayangkan dua staf di bagian layanan pelanggan yang sama. Pagi itu keduanya meminta AI menyusun balasan untuk pelanggan yang mengeluh. Yang satu menerima balasan yang hampir siap...
AI dan pengetahuanMembeli Akun Bukan Mengadopsi AI
Bayangkan sebuah rapat pimpinan yang berakhir dengan keputusan yang terdengar maju: mulai bulan depan, semua pegawai boleh memakai AI. Akun dibeli, surat edaran terbit, dan satu hari...
AI dan pengetahuanKMS yang Tidak Dipercaya Bukan Masalah Pencarian, tetapi Masalah Mutu
Bayangkan seorang teknisi di gardu induk yang perlu memeriksa prosedur pemeliharaan trafo daya. Di KMS perusahaannya ada dua berkas dengan judul yang sama. Yang satu Revisi 01, terbit...
