Dorongan Amazon untuk membuat karyawan lebih sering memakai AI justru memunculkan efek samping yang bertolak belakang dengan tujuan awalnya. Alih-alih mendorong efisiensi, pendekatan yang terlalu ketat itu disebut ikut menciptakan frustasi, kesalahan operasional, dan gangguan bisnis yang terasa sampai ke layanan pelanggan.
Di dalam perusahaan, Amazon mewajibkan sekitar 80% proses pengembangan internal menggunakan sistem AI coding bernama Kira. Aturan itu berlaku meski alat tersebut tidak selalu menjadi pilihan paling efektif untuk setiap tugas, sehingga fokus kerja bergeser dari hasil ke kepatuhan terhadap target penggunaan.
Perubahan cara kerja seperti ini punya dampak yang lebih luas dari sekadar urusan teknis. Ketika ukuran keberhasilan dihubungkan dengan seberapa sering alat dipakai, tim pengembang terdorong memenuhi angka kepatuhan, bukan memilih metode yang paling tepat untuk menyelesaikan pekerjaan.
Akibatnya, efisiensi yang diharapkan justru tidak selalu muncul. Dalam situasi tertentu, karyawan malah harus bekerja dengan cara yang kurang pas hanya agar selaras dengan aturan internal yang sudah ditetapkan.
Masalah itu kemudian merembet ke operasi perusahaan. Salah satu insiden yang dikaitkan dengan penggunaan AI disebut menunda 6,3 juta pesanan dalam satu hari, sebuah gangguan besar yang menunjukkan bahwa kesalahan kecil dalam sistem kerja bisa berdampak langsung pada skala bisnis Amazon.
Kasus tersebut membuat penerapan AI di Amazon tidak lagi terlihat sebagai percobaan teknologi biasa. Saat sistem dipaksakan tanpa benar-benar cocok dengan kebutuhan operasional, beban akhirnya bisa jatuh ke pelanggan melalui keterlambatan layanan dan ke kacauan proses di belakang layar.
Pengawasan manusia kembali diperkuat
Reaksi Amazon terhadap situasi ini adalah mengembalikan pengawasan manusia di sejumlah area yang sebelumnya dikelola AI. Langkah itu menjadi perubahan arah yang mencolok, apalagi perusahaan sebelumnya juga melakukan PHK yang dikaitkan dengan otomatisasi berbasis AI.
Pembalikan ini memperlihatkan bahwa otomatisasi tidak selalu bisa dibiarkan berjalan sendiri. Pada proses yang berdampak besar terhadap pelanggan dan rantai operasi, akuntabilitas tetap membutuhkan peran manusia agar keputusan sistem tidak menimbulkan risiko tambahan.
Kasus Amazon juga sering dibaca sebagai contoh nyata dari Goodhart’s Law. Prinsip ini menjelaskan bahwa ketika sebuah ukuran dijadikan target, ukuran tersebut berhenti menjadi indikator yang baik.
Dalam konteks Amazon, tingkat penggunaan AI awalnya tampak seperti metrik yang mudah dipantau. Namun saat angka adopsi dijadikan sasaran utama, perilaku organisasi ikut berubah dan tidak selalu lagi mendukung tujuan bisnis yang lebih besar.
Kondisi itu membuat karyawan berpotensi lebih sibuk memenuhi kewajiban memakai Kira daripada menyelesaikan persoalan secara efektif. Hasilnya adalah inefisiensi, kebutuhan verifikasi yang meningkat, dan menurunnya kepercayaan terhadap alat AI itu sendiri.
Bukan hanya soal teknologi
Persoalan serupa tidak hanya muncul di Amazon. Di berbagai industri, banyak organisasi menilai keberhasilan AI dari seberapa sering alat dipakai, bukan dari apakah alat itu benar-benar mempercepat kerja atau memperbaiki hasil.
Di sejumlah firma hukum, misalnya, otomatisasi justru menambah beban karena pegawai harus menghabiskan lebih banyak waktu untuk memeriksa ulang keluaran AI. Kondisi seperti itu membuat manfaat yang diharapkan dari teknologi menjadi jauh lebih kecil.
Karena itu, inti masalahnya bukan pada AI sebagai alat, melainkan pada cara penerapannya. Jika sistem dipaksakan ke semua proses tanpa mempertimbangkan kecocokan tugas, perusahaan berisiko menambah lapisan kerja baru alih-alih memangkasnya.
Pelajaran yang paling menonjol dari kasus ini adalah pentingnya strategi yang jelas sebelum AI dipakai secara luas. Perusahaan perlu lebih dulu menetapkan hasil bisnis yang ingin dicapai, lalu memilih alat yang paling sesuai untuk mencapai tujuan itu.
Pendekatan semacam ini juga membantu organisasi memahami batas teknologi secara lebih realistis. Tanpa pemahaman tersebut, ekspektasi terhadap AI bisa melampaui kemampuan sebenarnya dan berujung pada keputusan operasional yang keliru.
Cermin perubahan budaya di Amazon
Tantangan AI di Amazon juga dikaitkan dengan perubahan budaya perusahaan. Pada era Jeff Bezos, Amazon dikenal dengan filosofi jangka panjang dan fokus kuat pada pelanggan.
Kini, perusahaan dinilai lebih menonjolkan metrik jangka pendek dan birokrasi internal. Pergeseran ini disebut ikut melemahkan kemampuan Amazon untuk menerapkan AI secara efektif dan tetap selaras dengan tujuan strategis yang lebih luas.
Jika keberhasilan terus diukur dari kepatuhan internal, inovasi mudah berubah menjadi formalitas. Perusahaan mungkin terlihat cepat mengadopsi teknologi baru, tetapi manfaat nyatanya belum tentu terasa dalam operasi sehari-hari.
Dari kasus ini, Amazon memberi pengingat bahwa implementasi AI yang tergesa dan terlalu berorientasi pada angka bisa merusak tujuan awalnya. Ukuran yang lebih relevan justru ada pada hasil yang konkret, berkelanjutan, dan benar-benar memperbaiki kinerja bisnis.
Source: www.geeky-gadgets.com
