Saya ingat pertama kali saya mendengar istilah "AI mōyú xué"—Teori AI Malas. Ini beredar di kalangan teknologi Tiongkok sekitar tahun 2023, dan menggambarkan fenomena yang sekaligus lucu dan sangat menyedihkan.
Begini cara kerjanya: Seorang karyawan pabrik mendapatkan akses ke alat AI. Laporan yang dulunya memakan waktu delapan jam sekarang hanya memerlukan dua puluh menit. Jadi, apa yang dia lakukan dengan sisa tujuh jam dan empat puluh menit? Dia berpura-pura mengetik. Dia menatap layar dengan penuh pemikiran. Dia mengambil istirahat panjang di toilet. Kemudian pada pukul 5:59 PM, dia mengirimkan laporan yang sempurna dan pulang.
Karyawan itu sangat senang—dia dibayar untuk tidak melakukan apa-apa. Bosnya bingung—semua orang tampak lebih produktif, tetapi angka kuartalan terlihat persis sama seperti tahun lalu.
Saya tertawa ketika pertama kali mendengar ini. Kemudian saya berhenti tertawa karena saya menyadari: ini bukan cerita tentang karyawan malas. Ini adalah cerita tentang organisasi yang bodoh.
Saya teringat semua ini minggu lalu ketika saya membaca Laporan Ekosistem OpenClaw Tiongkok 2026—sebuah studi bersama oleh Growth Blackbox dan NetEase Intelligence Enterprise. Mereka mensurvei 2.000 pengguna individu dan 100 manajer perusahaan. Dan data tersebut mengonfirmasi sesuatu yang telah saya rasakan selama bertahun-tahun: Titik buta manajemen yang nyata di era AI bukanlah alat. Ini adalah perbedaan kecepatan.Kesenjangan antara seberapa cepat individu dapat bergerak dan seberapa lambat organisasi dapat berubah.
Berikut adalah tiga hal yang terlintas dalam pikiran saya—dan apa yang Mercury sebenarnya lakukan tentang mereka.
1. Tanpa Titik Nyeri, Tanpa Adopsi
Kebanyakan bos berpikir: "Saya akan membeli alat AI untuk semua orang. Ini gratis bagi mereka, menghemat usaha mereka, mereka akan menyukainya. Produktivitas akan meroket."
Laporan membagi 2.000 pengguna ke dalam lima kategori:
- Pemula Udang (21,7%):Menginstalnya, hampir tidak menggunakannya. Membukanya sekali sebulan secara tidak sengaja.
- Pekerja Udang (25,7%):Menggunakannya saat pekerjaan memerlukannya. Jika tidak, ditutup. Tiga hingga lima kali seminggu.
- Mentor Udang (22,9%):Menggunakannya dan membantu rekan kerja mengaturnya.
- Elit Udang (21,2%):Tersimpan dalam alur kerja. Penggunaan harian.
- Godfather Udang (8,6%):Sesi harian yang banyak. Telah dikonfigurasi untuk tiga atau lebih rekan.
Terlihat familiar? Ini adalah kantor Anda.
Inilah detail yang penting: di antara Pemula Udang—orang-orang yang menginstalnya dan tidak pernah menyentuhnya lagi—persentase tertinggi adalah manajemen dan pendiri.Mengapa? Karena mereka tidak memiliki titik sakit kerja spesifik yang menunggu untuk diselesaikan. Seseorang menginstalnya untuk mereka. Mereka tidak memiliki rasa gatal untuk digaruk.
Sebaliknya, orang-orang yang benar-benar menggunakan alat tersebut didorong secara luar biasa oleh kebutuhan kerja spesifik. Laporan tersebut merinci pemicu adopsi: 36,5% didorong oleh kebutuhan kerja. 30,7% oleh melihat penggunaan orang lain. Jika digabungkan, itu adalah 67,2%—dua pertiga pengguna datang dengan masalah di tangan.
Orang-orang yang mengadopsi karena "seorang rekan menginstalnya untuk saya"? Di setiap kasus penggunaan—organisasi dokumen, penjadwalan, analisis data, pengkodean—mereka menunjukkan preferensi negatif.Mereka memiliki alatnya, tetapi tidak cocok di mana pun. Seperti peralatan dapur yang diberikan yang tidak pernah Anda minta, terletak di dalam laci.
Pandangan Mercury:Anda tidak dapat memaksa rasa ingin tahu. Anda hanya dapat mengekspos rasa sakit.
Di Mercury, ketika kami menerapkan sistem agen untuk klien, kami tidak pernah mulai dengan alatnya. Kami mulai dengan bottleneck.Kami mengawasi tim selama tiga hari dan menemukan tugas spesifik yang membuat mereka ingin menyerah—biasanya itu adalah sesuatu seperti "mengompilasi laporan intelijen kompetitif mingguan" atau "memformat ulang proposal klien untuk yang kesepuluh kalinya." Kemudian kami membangun agen untuk menyelesaikan tugas spesifik itu.
Reaksinya tidak pernah "oh, teknologi yang menarik." Itu adalah "di mana ini selama karier saya?"
Anda tidak bisa memberi tahu seorang karyawan bahwa AI akan membuat mereka 30% lebih efisien. Mereka tidak peduli. Tapi beri tahu mereka bahwa tugas tiga jam yang mereka benci setiap hari Selasa sekarang hanya memerlukan lima belas detik, dan mata mereka berubah. Manusia bukanlah pengambil keputusan yang rasional. Kita adalah mesin penghindar rasa sakit. Tugas Anda sebagai pemimpin bukanlah untuk membeli alat. Ini adalah untuk menciptakan lingkungan di mana rasa sakit menjadi terlihat, tak terbantahkan, dan cukup mendesak sehingga orang-orang mencari bantuan sendiri.
2. Kecepatan Individu ≠ Kecepatan Perusahaan
Misalkan Anda menjalankan perusahaan penebangan kayu dengan seratus penebang. Anda memberikan setiap orang gergaji mesin kelas atas. Apakah perusahaan Anda segera menghasilkan lebih banyak uang?
Tidak. Karena memotong pohon sekarang lebih cepat, tetapi mengangkut, memeriksa, dan akuntansi belum berubah. Waktu yang Anda hemat saat memotong akan dimakan oleh sisa proses.
Laporan tersebut menemukan pola ini dengan tepat. Karyawan garis depan secara luar biasa melaporkan merasa "lebih ringan" dan "lebih cepat." Tapi di tingkat perusahaan? Biaya dan pendapatan tidak berubah secara signifikan.
Kemana efisiensi itu pergi? Itu dikonsumsi oleh gesekan baru. Revisi tambahan. Persetujuan tambahan. Siklus verifikasi tambahan.
Bayangkan ini: Seorang karyawan biasa menghabiskan satu hari penuh untuk menulis sebuah pos media sosial. Sekarang dia menghasilkan pos tersebut dengan AI dalam lima menit. Dia merasa seperti baru saja memasang roket di punggungnya. Tapi kemudian manajer membacanya dan berpikir: "Ini terasa seperti AI. Kurang memiliki tekstur buatan tangan." Jadi dia meminta tiga versi lagi, dicampur bersama. Kemudian, karena semua orang takut akan halusinasi AI, dia menghabiskan setengah hari untuk memeriksa fakta secara manual. Kemudian bagian hukum perlu meninjaunya karena profil risiko kepatuhan telah berubah. Kemudian IT ingin mencatat model mana yang menghasilkannya.
Dia menggunakan AI selama lima menit. Organisasi menghabiskan satu hari tambahan untuk memproses lima menit tersebut. Pos tersebut masih dikirim dua puluh empat jam kemudian.
Pandangan Mercury: Efisiensi era AI bukan tentang membuat semua orang lebih cepat. Ini tentang kompresi peran.
Laporan tersebut menyoroti sebuah kasus dari tim NetEase sendiri. Alur pengembangan produk lama mereka adalah: manajer produk menulis persyaratan → desainer interaksi menggambar wireframe → desainer visual membuat mockup → pengembang frontend mengimplementasikan. Empat orang, serah terima secara berurutan.
Mereka merestrukturisasi: manajer produk menggambarkan persyaratan secara langsung, AI menghasilkan prototipe interaktif, desainer menilai dan微调 (menyempurnakan). Empat node menjadi dua.
Ini yang kami sebut kolaps proses di Mercury. Pertanyaannya bukan "bagaimana kita membuat setiap orang 30% lebih cepat?" Pertanyaannya adalah: "Handoffs mana yang bisa kita hilangkan sepenuhnya?"
Ketika kami merancang alur kerja agen untuk klien, kami tidak memetakan proses yang ada dan kemudian menambahkan AI. Kami memetakan proses yang ada dan kemudian menghapus node. Jika agen AI dapat menghasilkan draf pertama proposal, mengapa penulis junior masih ada dalam rantai itu? Jika agen dapat mengumpulkan intelijen kompetitif dari lima puluh sumber secara real-time, mengapa analis menghabiskan Senin pagi melakukannya secara manual?
Kebenaran yang tidak nyaman: Jika Anda mengukur ROI AI dengan menghitung berapa banyak presentasi yang dibuat karyawan dengan AI, Anda mengukur hal yang salah. Pertanyaan yang sebenarnya lebih buruk:
- Proses mana yang bisa kita hapus sepenuhnya?
- Peran mana yang perlu didesain ulang, bukan hanya dilatih ulang?
- Di mana beban komunikasi sekarang lebih besar daripada keuntungan efisiensi?
Jika Anda tidak bisa menjawab itu, Anda tidak membeli AI. Anda membeli seratus gergaji mesin mahal dan mempertahankan operasi penebangan yang sama.
3. Kesenjangan Tata Kelola: Karyawan Sudah Pergi
Inilah yang seharusnya membuat setiap CTO terjaga di malam hari.
Laporan tersebut menemukan bahwa setelah karyawan mulai menggunakan alat AI secara mandiri, dibutuhkan dua hingga empat minggu sebelum departemen TI atau kepatuhan bahkan menyadarinya. Pikirkan tentang itu. Selama setengah bulan, karyawan menjalankan alat AI di mesin perusahaan, memproses data perusahaan, terhubung ke API eksternal, dan fungsi tata kelola baru saja mengetahui bahwa "oh, orang-orang menggunakan barang ini."
Di antara 88 perusahaan yang telah "mengimplementasikan AI," hanya 21,6% yang memiliki kerangka tata kelola yang lengkap. Empat dari lima perusahaan beroperasi tanpa perlindungan.
Tanggapan industri telah dapat diprediksi: larangan yang lebih ketat. Daftar hitam. Pencegahan kebocoran data. Alur kerja persetujuan yang wajib.
Inilah mengapa itu tidak berhasil, menurut laporan:Tata kelola yang lebih ketat hanya mendorong penggunaan lebih dalam ke zona abu-abu.Karyawan beralih ke ponsel pribadi. Mereka menggunakan WiFi kafe. Mereka mendaftar akun pribadi. Anda pikir Anda telah memperketat kontrol; Anda hanya memindahkan aktivitas ke tempat yang tidak dapat Anda lihat.
Pandangan Mercury:Di era AI, tata kelola bukan tentang menjadi ketat. Ini tentang menjadi cukup cepat untuk mengikuti.
Laporan tersebut menyarankan jalur yang bertentangan dengan intuisi: Alih-alih markas memilih alat, melatih semua orang, dan mewajibkan penggunaan—lakukan sebaliknya.Biarkan karyawan melaju lebih dulu. Biarkan mereka bereksperimen. Kemudian biarkan organisasi mengidentifikasi, mengkatalogkan, dan mengintegrasikan apa yang sudah mereka gunakan. Sikap manajer beralih dari "petugas pengadaan" menjadi "petugas mengejar."
Ini selaras persis dengan apa yang telah kami ajarkan. Model tata kelola TI tradisional mengasumsikan bahwa organisasi adalah pembeli dan karyawan adalah pengguna. Di era AI, karyawan adalah pembeli dan organisasi adalah pengadopsi terlambat. Pekerjaan Anda bukan lagi memilih alat. Tugas Anda adalah menemukan apa yang telah dipilih tim Anda, dan kemudian membungkus tata kelola di sekitarnya sebelum data kepemilikan mulai bocor.
Saya menyebut ini sebagai Model Kereta Api Berkecepatan Tinggi. Dalam organisasi tradisional, lokomotif menarik gerbong. Dalam organisasi yang berbasis AI, setiap gerbong memiliki mesinnya sendiri. Tetapi peningkatan kritis adalah ini: lokomotif perlu tahu ke mana setiap gerbong telah pergi. Anda tidak dapat mengatur apa yang tidak dapat Anda lihat. Visibilitas mendahului kontrol.
Masalah yang Lebih Dalam: Kematian Pembagian Kerja?
Membaca laporan ini, saya terus kembali ke sesuatu yang mengganggu saya.
Ekonomi modern dibangun di atas batu fondasi: pembagian kerja menciptakan efisiensi.Pabrik pin Adam Smith. Spesialisasi. Setiap orang melakukan satu hal dengan baik, dan total output meningkat.
Tapi saya semakin melihat dinamika yang sebaliknya. Jika Anda memiliki ide, dan Anda perlu menerjemahkannya kepada orang lain, meminta mereka untuk melaksanakannya, kemudian meninjaunya, lalu merevisinya—biaya komunikasi dan penyelarasan sering kali melebihi keuntungan efisiensi dari pembagian itu sendiri.
Saya melihat sebuah kalimat online baru-baru ini yang sangat menyentuh saya: "Di era ini, biaya komunikasi dari pembagian kerja sering kali melebihi keuntungan efisiensi dari pembagian kerja."
Di Mercury, kami telah mengalami ini secara langsung. Ketika saya memiliki wawasan strategis tentang arsitektur GEO klien, jalur tradisionalnya adalah: Saya menjelaskannya kepada seorang strategis, yang memberi pengarahan kepada seorang penulis, yang menyusunnya, yang mengirimkannya kepada saya untuk ditinjau, yang mengirimkannya kembali untuk direvisi. Proses ini memakan waktu berhari-hari. Penyimpangan keselarasan adalah konstan.
Jalur baru? Saya mengatakannya kepada agen saya. Ia menyusunnya dengan suara saya, dalam kerangka struktural saya, secara real-time. Saya mengedit. Ia merevisi. Kami mengirimnya dalam satu jam. "pemisahan" antara ideasi dan eksekusi telah menyatu menjadi satu loop.
Saya tidak memiliki jawaban yang jelas tentang bagaimana ini dapat diskalakan di seluruh organisasi dengan seribu orang. Tapi saya tahu ini: teori klasik tentang efisiensi organisasi sedang diuji dalam waktu nyata. Dan perusahaan-perusahaan yang terus menambahkan AI ke dalam arsitektur pembagian kerja yang ada akan menemukan bahwa mereka hanya membuat mesin yang lambat berjalan lebih cepat, daripada membangun mesin yang cepat.
Yang akan menang adalah mereka yang cukup berani untuk bertanya: Divisi mana yang tidak lagi perlu ada?
— James, CEO, Mercury Technology SolutionsPelajari lebih lanjut di www.mtsoln.comHong Kong, Mei 2026
