Gw Hemat $4 Juta per Tahun Sebelum AI Ngetren

Di halaman depan brianarfi.com ada satu angka yang paling sering ditanyain orang: $4 juta+ biaya tahunan yang kehemat di perusahaan-perusahaan tempat gw kerja.

Dan hampir semua orang nebaknya sama: "Pasti pakai AI ya?"

Jawabannya: nggak. Penghematan itu kejadian sebelum AI generatif ngetren. Gak ada chatbot, gak ada LLM, gak ada agent. Yang ada cuma automation, perbaikan proses, dan orang yang mau duduk ngitung dari mana duit bocor.

Justru itu yang bikin ceritanya menarik buat lo baca sekarang.

Dari mana angka $4 juta per tahun itu

Angka itu bukan dari satu proyek ajaib. Itu akumulasi dari beberapa perusahaan, dan semuanya bisa lo cek sendiri di halaman track record gw.

Bagian pertama dari Flip, salah satu perusahaan transfer uang terdepan di Indonesia. Biaya money transfer turun sekitar 32% dalam 6 bulan, setara kurang lebih USD 2,12 juta per tahun. Itu 450% dari target awal.

Caranya gak glamor sama sekali. Rute trafik transfer ditata ulang, API call yang redundant dibuang, proses yang boros dipangkas. Kerjaan bersih-bersih, bukan kerjaan canggih.

Bagian kedua dari Tokopedia, jauh sebelum itu. Gw dan tim mangkas biaya OTP sekitar USD 2 juta per tahun, sambil naikin success rate-nya. Lagi-lagi bukan teknologi ajaib. Cuma ada orang yang mau nelusurin satu per satu ke mana biayanya lari.

Dua item itu aja udah lewat dari $4 juta per tahun. Ditambah kerjaan efisiensi lain kayak deflection tiket support, angkanya makin gede.

Jadi kalau ada yang bilang efisiensi itu tren baru gara-gara AI, buat gw itu kebalik. Efisiensi itu kerjaan lama. AI cuma ngubah siapa yang bisa ngerjainnya.

Kenapa dulu cuma bisa lewat tim engineer dan sistem mahal

Ini bagian yang jarang diceritain orang.

Tiap penghematan tadi butuh barisan panjang di belakangnya: engineer yang nulis dan ngerawat kodenya, data analyst yang ngevalidasi angkanya, infrastruktur yang jalanin sistemnya, dan berbulan-bulan roadmap yang harus dinegosiasiin sama tim lain.

Gw sebagai product person waktu itu perannya jelas: nemuin bocornya, ngitung nilainya, ngeyakinin orang, terus ngawal eksekusinya. Tapi gw gak bisa ngerjain sendirian. Satu ide otomasi sederhana pun harus antri di backlog bareng puluhan prioritas lain.

Artinya, leverage sebesar itu dulu cuma bisa diakses perusahaan yang punya tim engineering kuat. Karyawan biasa yang liat proses boros di depannya tiap hari? Paling banter bikin tiket, terus nunggu.

Itulah dunia sebelum AI. Idenya murah, eksekusinya mahal.

Apa yang berubah sekarang

Sekarang gw punya bukti hidup dari sisi sebaliknya.

Gw bukan engineer. Tapi beberapa bulan terakhir, bareng AI, gw bangun mesin distribusi konten 8 kanal buat brand personal gw sendiri: satu video panjang otomatis dipotong jadi klip, terus nyebar ke YouTube, Shorts, Reels, Story, WhatsApp, LinkedIn, sampai Threads. Jadwalnya diatur sendiri, laporannya masuk sendiri tiap hari.

Kerjaan yang dulu butuh satu tim konten, sekarang jalan tiap hari dan gw ngerjainnya sendirian. Gw cukup review dan bilang gas.

Di samping itu gw bangun sistem sertifikasi Applied-AI yang jalan dari assessment sampai badge, dan gw jalanin komunitas AI Circle buat orang-orang yang mau belajar cara kerja kayak gini.

Bedanya sama zaman Flip dan Tokopedia bukan di prinsipnya. Prinsipnya sama persis. Bedanya di alat: dulu leverage kayak gitu butuh engineer dan sistem mahal, sekarang leverage itu bisa dipelajarin dan dipakai semua orang di tim lo.

Yang gagal, biar adil

Biar cerita ini gak keliatan kayak highlight reel doang, ini beberapa kegagalan gw sendiri di era AI.

Sistem auto-reply gw pernah gagal 99% selama hampir dua hari. Sesi login platformnya ke-invalidate, tapi sistemnya tetep jalan: tetep generate jawaban pakai LLM, tetep bayar biayanya, terus gagal kirim. Ribuan reply gagal dalam satu run, cuma belasan yang sukses. Dan gak ada satu pun alert yang bunyi. Gw tahunya karena iseng ngecek.

Post gw juga pernah nyasar tayang di akun brand yang salah, gara-gara logika pencocokan kredensial akun kebalik arah. Sistemnya jalan sempurna. Ngerjain hal yang salah dengan sangat efisien.

Dari situ satu prinsip yang sekarang gw pegang keras:

Otomasi tanpa monitoring itu bukan penghematan, itu biaya yang lagi ngantri.

Dan ini bukan pelajaran baru. Di zaman pra-AI pun sistem yang gak dipantau selalu jadi bom waktu. AI cuma bikin bom-nya lebih murah dirakit, jadi makin banyak orang yang bisa gak sengaja ngerakitnya.

Prinsip milihnya gak pernah berubah

Kalau lo tanya proses mana yang layak diotomasi duluan, jawaban gw sekarang sama persis kayak jawaban gw sepuluh tahun lalu.

Otomasi yang paling menguntungkan bukan yang paling canggih, tapi yang ngerjain kerjaan paling membosankan dengan volume paling besar.

Waktu ngerjain biaya OTP di Tokopedia, gw gak mulai dari teknologi. Gw mulai dari pertanyaan: transaksi mana yang volumenya paling gede dan polanya paling berulang? Waktu ngerjain biaya transfer di Flip, sama: cari rute yang paling sering dilewatin, benerin di situ.

Sekarang, waktu milih kerjaan konten mana yang gw serahin ke AI, pertanyaannya masih itu juga.

Satu filter tambahan yang sering dilupain orang: itung dulu harga kesalahannya. Kerjaan yang salahnya murah dan gampang dikoreksi, gas otomasi penuh. Kerjaan yang salahnya mahal, manusia tetap pegang keputusan akhir, sistem cukup nyiapin semuanya sampai 90%.

Prinsip itu berlaku di sistem pembayaran skala jutaan transaksi, dan berlaku juga di pipeline konten satu orang. Yang berubah drastis cuma harga tiketnya.

Kalau lo mau mulai di perusahaan lo

Beberapa hal yang bakal gw lakuin kalau mulai dari nol lagi:

1. Cari kerjaan yang bikin tim lo ngeluh tiap minggu. Volume gede, aturan jelas, gak ada yang sayang sama kerjaannya. Itu titik mulai lo.
2. Ukur dalam duit, bukan dalam "keren". Otomasi yang gak bisa lo terjemahin ke rupiah atau dolar bakal susah dipertahanin pas budget diketatin.
3. Jangan kejar 100%. Sisa kerjaan yang rumit justru lebih baik dipegang manusia.
4. Pasang monitoring bareng sistemnya, bukan sesudahnya. Kegagalan paling mahal itu yang diem-diem.
5. Jangan nunggu punya tim engineer. Ini bedanya sama zaman gw dulu. Alatnya udah ada di tangan lo.

Satu hal terakhir. Angka $4 juta itu gw capai tanpa AI, dan itu bukti prinsipnya yang bener, bukan alatnya yang sakti. Sekarang alatnya udah demokratis. Yang belum demokratis cuma kemauan buat duduk, mecah masalah jadi kecil-kecil, dan mulai dari kerjaan yang paling membosankan.

Kerjaan paling membosankan dengan volume paling besar di tim lo apa? Mulai dari situ.