Eksekutif IBM mengatakan agen AI persiapan rapat menghemat jam setiap minggu

Setiap minggu, Dave McCann dulu menyisihkan 30 menit sebelum masing-masing dari sekitar 10 pertemuan kliennya untuk memperbarui dirinya: meninjau riwayat akun, membaca email terbaru, dan menyiapkan poin-poin pembicaraan. Hal ini berjumlah sekitar lima jam, hampir setengah hari penuh, yang dihabiskan hanya untuk bersiap masuk ke ruangan.

Jadi McCann, Managing Partner di IBM Consulting, membangun agen AI-nya sendiri. Ia menamainya “Digital Dave.” Agen ini memindai kalendernya, membandingkan sumber data internal, dan menghasilkan laporan yang ia deskripsikan sebagai “10 hal yang perlu saya ketahui” untuk setiap sesi mendatang. Panggilan persiapan selama 30 menit? Hilang. McCann membagikan detailnya dalamwawancara yang diterbitkan oleh Business Insider, menyebut alat tersebut sebagai perubahan paling praktis yang telah dia lakukan dalam beberapa tahun terakhir.

Ceritanya adalah cerita kecil, sebuah eksekutif tunggal dan alat kalender tunggal, tetapi berada di dalam eksperimen yang jauh lebih besar yang terjadi di seluruh IBM. Dan ini menimbulkan pertanyaan yang layak dipertimbangkan serius: apakah asisten AI yang dibangun sendiri benar-benar dapat mengubah cara seorang pekerja pengetahuan menghabiskan seminggu?

Di Dalam Upaya IBM untuk AI yang Dibangun oleh Karyawan

Agent McCann tidak muncul begitu saja. IBM telah aktif mendorong karyawan untuk membangun alat kecerdasan buatan mereka sendiri daripada menunggu tim IT pusat memberikan produk jadi kepada mereka.

Perusahaan meluncurkanKeunggulan IBM Consultingpada Januari 2024, sebuah platform yang didukung oleh watsonx dirancang untuk memberikan para konsultan perpustakaan asisten kecerdasan buatan untuk tugas-tugas mulai dari penyusunan proposal hingga pelaksanaan proyek. Platform ini menyediakan pembatas, tata kelola, dan infrastruktur bersama, secara esensial merupakan landasan untuk alat seperti Digital Dave, meskipun agen McCann tampaknya merupakan ciptaan pribadi daripada produk standar.

IBM juga menjalankan sistem internalKontes Asisten Konsultasi, yang terdaftar di situs TechXchange Community-nya, yang mengundang karyawan untuk bersaing dengan membangun asisten AI mereka sendiri. Kompetisi ini menunjukkan bahwa eksperimen dari bawah ke atas tidak hanya diterima tetapi juga didorong. Detail tentang tingkat partisipasi dan karya pemenang belum diungkapkan secara publik, sehingga sulit menilai seberapa luas penelitian dan pengembangan tersebut sebenarnya.

Di tingkat perusahaan secara keseluruhan, IBM mengatakan hasilnya sudah signifikan. AFitur yang diterbitkan oleh Bloomberg yang diproduksi dalam kemitraan dengan IBMmelaporkan bahwa agen AI internal secara bersama-sama menyelamatkan karyawan lebih dari 3,9 juta jam pada tahun 2024. Artikel yang sama menyoroti alat yang disebut AskIT dan AskHR, yang menangani tiket dukungan teknis dan pertanyaan sumber daya manusia, serta mencatat bahwa setidaknya satu di antaranya dibangun dalam sprint 100 hari.

Apa yang sebenarnya dikatakan angka-angka tersebut

Matematika McCann sederhana: 10 pertemuan per minggu, 30 menit persiapan dihilangkan per pertemuan, lima jam yang dikembalikan. Ini cukup spesifik untuk diperdebatkan oleh siapa pun yang memiliki akses ke kalendernya, yang membuatnya lebih bermanfaat daripada klaim samar tentang “efisiensi yang meningkat.”

Angka 3,9 juta jam ini lebih sulit dievaluasi. Angka tersebut muncul dalam konten yang didanai, bukan dalam laporan laba atau audit independen. IBM belum secara publik mengungkapkan bagaimana perusahaan mendefinisikan “jam yang diselamatkan”, apakah totalnya mencakup waktu yang dihabiskan untuk membangun dan merawat alat-alat ini, atau apakah angka tersebut mencerminkan waktu yang dikembalikan secara kotor dibandingkan keuntungan bersih setelah biaya penerapan. Sebagai konteks, IBM memiliki sekitar 270.000 karyawan pada akhir tahun 2024. Jika angka tersebut dibagi merata, itu berarti sekitar 14 jam yang diselamatkan per karyawan sepanjang tahun, atau sekitar 15 hingga 20 menit per orang per minggu. Angka ini bermakna dalam skala besar tetapi kecil di tingkat individu, dan menunjukkan betapa besarnya pengaruh utama yang bergantung pada agregasi.

Kedua angka tersebut belum diverifikasi secara independen. Klaim McCann adalah kesaksian langsung dari seorang eksekutif senior yang divisi nya menjual layanan konsultasi AI kepada klien, yang memberinya insentif profesional untuk menonjolkan keberhasilan. Hal ini tidak membuat laporannya tidak dapat dipercaya, tetapi berarti pembaca hanya bekerja dengan satu titik data yang dilaporkan sendiri, bukan sebuah studi yang terkontrol.

Kesenjangan yang patut dicatat

Beberapa pertanyaan tetap tidak terjawab dalam pelaporan publik hingga Mei 2026.

Pertama, tidak jelas apa yang sebenarnya dijalankan oleh Digital Dave. McCann mungkin membangunnya berdasarkan infrastruktur IBM’s watsonx melalui platform Consulting Advantage, atau mungkin ia menyusunnya dari API siap pakai dan koneksi data internal. Perbedaan ini penting: alat yang dibangun dalam kerangka kerja perusahaan yang teratur lebih mudah dikembangkan, diaudit, dan didukung daripada skrip khusus yang hidup atau mati bersama penciptanya.

Kedua, metrik McCann adalah waktu yang diselamatkan, bukan hasil yang ditingkatkan. Dia belum secara publik berbagi apakah kualitas pertemuan meningkat, apakah klien merasakan perbedaan, atau apakah penjelasan terkadang melewatkan konteks penting. Jika Digital Dave menampilkan informasi yang sudah usang atau melewatkan perkembangan terbaru dalam hubungan klien, sebagian dari waktu persiapan yang diselamatkan itu bisa habis karena kebingungan selama pertemuan itu sendiri.

Ketiga, tidak ada data publik mengenai tingkat adopsi. Jarak antara “satu mitra senior membangun alat yang berguna” dan “pendekatan ini bekerja di seluruh perusahaan dengan 270.000 karyawan” sangat besar. Kontes dan platform IBM menunjukkan niat organisasi, tetapi niat bukanlah sama dengan hasil yang terbukti dan luas. Tanpa angka penggunaan, sulit untuk mengetahui apakah sebagian besar karyawan sedang membangun dan mengandalkan asisten atau hanya sekelompok kecil yang memiliki keterampilan teknis yang sedang mencoba-coba.

Akhirnya, cerita ini ada dalam kekosongan kompetitif. Copilot Microsoft, Gemini Google untuk Workspace, dan sejumlah alat startup yang semakin bertambah semuanya menargetkan masalah yang sama terkait persiapan rapat dan pekerjaan pengetahuan. Bagaimana Digital Dave dibandingkan dengan alternatif-alternatif tersebut, atau apakah karyawan IBM juga menggunakan alat pihak ketiga bersama alat internalnya, tidak disebutkan dalam sumber mana pun yang tersedia.

Apa yang harus dilakukan dengan itu

Bacaan yang paling jujur mengenai cerita McCann adalah bahwa ini adalah contoh ilustratif, bukan titik bukti. Seorang eksekutif berpengalaman mengidentifikasi tugas yang berulang, memiliki keterampilan dan infrastruktur untuk mengotomasi tugas tersebut, dan melaporkan bahwa hasilnya secara signifikan mengubah minggunya. Hal ini pantas mendapat perhatian, terutama karena spesifiknya klaimnya (10 rapat, 30 menit masing-masing, total lima jam) membuatnya konkret di tengah lingkungan yang dipenuhi janji-janji AI yang samar.

Namun, kisah-kisah individu, bahkan yang baik, tidak memberi tahu kita apakah agen AI sedang mengubah pekerjaan pengetahuan secara skala besar. Untuk itu, kita membutuhkan pengukuran independen: metodologi yang transparan, perbandingan yang terkontrol, dan data hasil yang melebihi waktu yang disimpan untuk mencakup kualitas, akurasi, dan hasil bisnis. Angka internal IBM mengisyaratkan sesuatu yang besar, tetapi hingga metodologi di baliknya dapat dipertanyakan, mereka tetap merupakan klaim perusahaan daripada statistik yang diverifikasi.

Bagi siapa pun yang pertimbangkan untuk membangun alat serupa, pengalaman McCann menawarkan prinsip awal yang berguna: pilih tugas yang berulang, memakan waktu, dan rendah ambiguitas, lalu ukur perubahan apa yang terjadi. Lima jam yang ia katakan telah dia kembalikan setiap minggu tidak berasal dari proyek yang spektakuler. Mereka berasal dari menghilangkan rutinitas yang telah dia ulangi ratusan kali. Itulah tempat keuntungan praktis AI kemungkinan besar dimulai, bukan dengan transformasi besar, tetapi dengan satu alur kerja yang melelahkan yang akhirnya otomatis.

Lebih banyak dari Ringkasan Pagi

*Artikel ini diteliti dengan bantuan AI, dengan editor manusia yang membuat konten akhir.