Coba hitung: berapa banyak keputusan hari ini yang sudah diambilkan mesin untuk kita? Jalan mana yang ditempuh, berita apa yang dibaca, lagu apa yang diputar berikutnya. Orang tua kita dulu berkata, manusia berencana, Tuhan menentukan. Zaman ini diam-diam menyelipkan pemain baru di tengahnya: manusia berencana, algoritma yang menentukan. Pertanyaannya, apakah kita rela?
Mike Walsh dalam The Algorithmic Leader menyebut pergeseran ini bukan tren teknologi biasa, melainkan perpindahan zaman: dari era analog yang lurus dan tertata menuju era algoritmik yang kompleks. Pemimpin yang bersikeras memakai insting analog di tengah lanskap data akan berakhir sebagai technology roadkill, korban tabrak lari teknologi di pinggir jalan. Setiap perusahaan hari ini adalah perusahaan algoritmik, dan data adalah listrik abad ke-21: tidak kelihatan, tapi mengaliri semua keputusan. Meski begitu, kabar dari Walsh sebenarnya melegakan.
Surviving the algorithmic age doesn't require you to be smarter than machines. You just need to know what it takes to be smart.
Kita tidak perlu lebih pintar dari mesin. Kita hanya perlu tahu apa artinya pintar di zaman ini. Walsh menyusun jalannya dalam tiga tahap: ubah pikiran, ubah cara kerja, ubah dunia.
Ubah Pikiran
Tahap pertama dimulai dengan kebiasaan aneh: bekerja mundur dari masa depan. Masayoshi Son dari SoftBank adalah contoh ekstremnya; ia menyimpan cetak biru tahun 2050 dan visi 300 tahun, lalu memakainya untuk menentukan investasi hari ini, termasuk pertanian vertikal Plenty. Dari situ lahir tuntutan berikutnya: bidik 10 kali lipat, bukan 10 persen. Jack Ma di Alibaba tidak mengejar margin tipis, melainkan kelipatan nilai lewat skala jaringan. Alat bantunya bernama computational thinking: memecah masalah besar menjadi potongan-potongan yang bisa dikerjakan oleh pemroses informasi, entah itu manusia entah mesin. Apakah pemimpin harus bisa menulis kode? Tidak. Yang wajib adalah fasih berbicara dalam bahasa kekuasaan zaman ini, bahasa digital.
Ubah Cara Kerja
Tahap kedua memandang budaya sebagai sistem operasi organisasi. Metafora Walsh sederhana dan mengena: pemimpin harus menjadi tukang kebun yang merawat ekosistem, bukan sipir penjara yang memaksakan kepatuhan. Tukang kebun tidak bisa memerintah tanaman untuk tumbuh; ia hanya bisa menyuburkan tanah, lalu percaya. Contoh nyatanya tim Beauty Pod di Johnson & Johnson Vision Asia: ilmuwan data ditempatkan di jantung tim lintas fungsi, melayani konsumen milenial berdasarkan aspirasi mereka, bukan sekadar pembagian tugas fungsional.
Lalu bagaimana dengan ketakutan tertua kita, mesin merampas pekerjaan? Walsh meminjam telaah James Bessen tentang ATM. Kehadiran mesin itu justru menambah jumlah teller, sebab biaya operasional cabang turun dan cabang baru bermunculan; yang berubah adalah derajat pekerjaannya, dari penghitung uang menjadi pembangun hubungan. Para typesetter pun tidak punah, mereka menjelma desainer grafis. NASA tahun 1965 sudah merumuskannya dengan jenaka: manusia adalah sistem komputer serbaguna nonlinier seberat 150 pon yang paling murah. Pesan Walsh padat: automate to elevate. Otomasi bukan untuk memusnahkan manusia, melainkan membebaskannya mengurus hal-hal yang luar biasa.
Ubah Dunia
Tahap ketiga paling menggetarkan, karena dunia algoritmik penuh ranjau etika. Kasus Cambridge Analytica dan taktik data Jim Messina untuk kampanye Obama menunjukkan betapa data bisa memelintir demokrasi; Messina sendiri memperingatkan bahwa penyalahgunaannya bisa menjadi akhir dari demokrasi. Algoritma tidak pernah netral. Ia mewarisi bias manusia yang melatihnya, seperti anak mewarisi logat orang tuanya. Maka pemimpin wajib berani bertanya mengapa setiap kali mesin menjawab X.
Dua kisah menutup bagian ini dengan kontras yang tajam. Oscar Munoz di United Airlines gagal pada penerbangan 3411 bukan karena satu staf yang jahat, melainkan karena kaskade algoritma: penjadwalan kru yang kaku bertemu manajemen yield yang mengunci plafon kompensasi, sehingga tak seorang pun punya ruang untuk sekadar menjadi manusiawi. Sebaliknya Reed Hastings di Netflix memakai data untuk memprediksi kesuksesan The Crown sebelum satu adegan pun direkam, namun tetap memberi kebebasan penuh kepada kreativitas manusia. Kegagalan algoritma, kata Walsh, selalu merupakan kegagalan kepemimpinan dalam mendesain sistem yang adaptif.
Kosakata Zaman Mesin
Walsh membekali pembacanya beberapa istilah. Rhizome, rimpang, adalah lawan dari pohon: pohon punya batang pusat, rimpang seperti jahe menjalar di bawah tanah dan bertunas di mana-mana. Pemimpin rimpang tidak menguasai dari satu pusat; ia mengalirkan nutrisi ke seluruh jaringan agar wawasan hidup di setiap simpul. Algorithmic aversion adalah keengganan kita mempercayai saran mesin walau data membuktikan mesin lebih akurat, seperti pilot yang merebut kendali manual padahal autopilot lebih selamat. Bayesian thinking mengajak kita berhenti menunggu kepastian mutlak: bertindaklah dengan keyakinan awal, lalu perbarui terus saat bukti baru mengalir. Digital twin adalah kembaran digital sebuah aset fisik; data tentang pabrik kini lebih berharga daripada pabriknya sendiri, sebab simulasi memungkinkan perbaikan tanpa risiko. First principles thinking memecah masalah sampai ke kebenaran paling dasar, seperti Elon Musk yang menyadari harga bahan baku roket hanya 2% dari harga roket jadi. Dan shikumika, istilah dari Rakuten, berarti mensistemkan ide agar pola sukses satu unit kecil bisa direplikasi ke seluruh perusahaan.
Catatan Kritis dan Pekerjaan Rumah Kita
Walsh meramalkan struktur organisasi tradisional menuju kepunahan; blockchain dan smart contracts berpotensi menggantikan fungsi perantara firma. Tapi ia juga mewanti-wanti jebakan ketimpangan algoritmik, ketika bias data yang tak terdeteksi justru memperlebar jurang sosial. Buku ini pun bukan tanpa celah. Model tukang kebun belum tentu cocok di industri bertaruhan nyawa seperti nuklir dan penerbangan, tempat kontrol terpusat justru lebih aman. Dorongan halus algoritmik yang terlalu agresif bisa mereduksi manusia menjadi komponen pasif dan menggerus kehendak bebas, sesuatu yang bagi saya, yang memandang manusia sebagai citra Allah yang merdeka, bukan perkara kecil. Dan model Walsh mengandaikan perusahaan sanggup membiayai pelatihan ulang besar-besaran, padahal bagi organisasi menengah biaya itu bisa melumpuhkan.
Untuk pemimpin di Indonesia, langkah konkretnya bisa dimulai dari audit keputusan memakai kerangka Jeff Bezos. Keputusan tipe 2, yang risikonya rendah dan bisa dibatalkan, segera otomasikan atau delegasikan supaya energi berpikir tidak terbuang. Keputusan tipe 1, yang strategis dan tak bisa ditarik kembali, justru di sanalah pemimpin harus hadir penuh, memakai data untuk mempertajam intuisi manusia. Transformasi bukan mengganti manusia dengan mesin, melainkan mengangkat derajat manusia untuk menangani pengecualian yang tidak dipahami algoritma.
Kesimpulan Walsh sederhana tapi dalam: transformasi tersulit bukan pada silikon dan kode, melainkan pada kalibrasi ulang jiwa pemimpinnya. Transforming work by transforming yourself. Mesin boleh menentukan banyak hal; siapa diri kita, biarlah tetap kita yang menentukan.
