Adopsi AI Enterprise: Strategi Mempercepat Inovasi Perusahaan Indonesia – Mekari Conference 2026 Insight

Hampir semua perusahaan sekarang sudah “memakai AI”. Pertanyaan yang lebih sulit bagi CEO, CTO, dan CFO adalah kenapa dampaknya pada bisnis belum sebesar yang dijanjikan.

Pertanyaan itu menjadi benang merah sesi ‘Accelerating Indonesian Enterprise Innovation’ di Mekari Conference 2026, 29 September 2026, di Raffles Hotel Jakarta. Sesi dipandu Gracia Meliola dan dibuka keynote Samiaji Prasetya Adisasmito, Head of Business Mekari Officeless. Setelah itu, panel berlanjut bersama Antoni Amni, Country Manager AWS Indonesia, dan Reddy Dwiki Kumara, CTO Office ParagonCorp.

Kesimpulannya: mempercepat inovasi enterprise bukan soal memilih teknologi tercanggih. Namun yang dibutuhkan adalah fondasi agar AI bisa bekerja di proses bisnis yang nyata.

Adopsi Sudah Tinggi, Tetapi Inovasinya Belum Naik Kelas

Dari sisi angka, Indonesia tidak tertinggal. Riset AWS dan Strand Partners mencatat 18 juta bisnis, atau 28% dari total bisnis di Indonesia, sudah mengadopsi AI, dengan pertumbuhan 47% dalam setahun.

Masalahnya ada di kedalaman. Sebanyak 76% bisnis pengadopsi AI masih memakainya untuk use case dasar seperti efisiensi dan penyederhanaan proses, dan hanya 10% yang sudah menjadikan AI bagian inti pengembangan produk.

Di segmen perusahaan besar, 41% sudah memakai AI, tetapi baru 21% yang menghadirkan produk atau layanan baru berbasis AI.

Pola serupa terlihat secara global. Survei McKinsey terhadap 1.993 responden menemukan 88% organisasi rutin memakai AI di minimal satu fungsi bisnis, tetapi hanya 39% yang melaporkan dampak pada EBIT.

Artinya, celah terbesar bukan pada adopsi, melainkan pada kemampuan mengubah adopsi menjadi nilai bisnis.

Di awal sesi, MC juga menggambarkan banyak perusahaan yang berlomba untuk semakin autopilot dengan AI.

Hambatan Pertama: Sistem yang Tidak Saling Terhubung

Menurut Head of Business Mekari Officeless, Samiaji Prasetya Adisasmito, salah satu tantangan utama enterprise adalah integrasi.

Di salah satu perusahaan yang ia temui, banyak cabang membuat aplikasi sendiri. Masalah ini makin terasa ketika kebutuhan tiap unit berbeda dengan kantor pusat.

Bukan karena IT tidak bisa menyediakan, tetapi karena kebutuhan di cabang memang berbeda dengan kantor pusat.

— Samiaji Adisasmito, Head of Business, Mekari Officeless

Akibatnya ada dua masalah:

• Pertama, aplikasi yang terpisah membuat tata kelola aplikasi ikut menjadi isu.
• Kedua, tim IT banyak menghabiskan waktu untuk membahas integrasi data: tipe data apa yang perlu disambungkan, validasi apa yang diperlukan, dan metodenya, apakah lewat file atau web services.

Menurut Samiaji, diskusi itu bisa lebih lama daripada pekerjaan integrasinya sendiri.

Data global menunjukkan skala persoalannya. Merujuk MuleSoft Connectivity Benchmark, 2025, rata-rata enterprise kini mengelola 897 aplikasi, tetapi hanya 29% yang terintegrasi.

Sebanyak 95% organisasi mengaku kesulitan mengintegrasikan AI ke proses yang sudah ada, dan 80% menyebut integrasi data sebagai hambatan terbesar.

Bagi AI, sistem yang terpisah berarti konteks yang terpotong. Model secanggih apa pun tidak bisa membantu menyetujui pengadaan jika data stok, anggaran, dan approval tersimpan di tiga aplikasi berbeda.

Karena itu, Samiaji menekankan perlunya platform yang menghubungkan core functions dan workflow yang sebelumnya terpisah, dengan fleksibilitas antarmuka sesuai kebutuhan tiap unit.

Governance, data, dan security seharusnya sudah by design, bukan lagi pembahasan internal setiap kali ada aplikasi baru yang dibuat.

— Samiaji Adisasmito, Head of Business, Mekari Officeless

Dari sini, Samiaji memposisikan Mekari Officeless sebagai lapisan di atas core system. 

Menurut penjelasannya, lapisan ini dipakai untuk membangun aplikasi extended, seperti HR, pajak, compliance, supply chain, HSE, dan asset management, sekaligus mengintegrasikan data.

Fitur yang disebut meliputi single sign-on, audit trail, dan open API. Ekosistem Mekari, dari Mekari Talenta untuk HR, Mekari Jurnal untuk akuntansi, hingga CRM dan omnichannel contact center, disebut sudah terhubung dengan Mekari Officeless.

Hambatan Kedua: Proses, Organisasi, dan Orang

CTO Office Paragon Corp, Reddy Dwiki Kumara, membawa perspektif dari sisi pengguna enterprise. Ia meluruskan anggapan bahwa tantangan Paragon ada pada AI-nya. 

Menurutnya, AI sudah jauh lebih pintar, sehingga tantangan utamanya ada di proses dan organisasi.

Tantangan terbesarnya adalah people, yaitu ketakutan akan hilangnya peran. Yang perlu diubah adalah cara kerja dan pola pikir.

— Reddy Dwiki, CTO Office, Paragon Corp

Di sisi proses, banyak aktivitas di manufaktur, komersial, dan marketing yang tidak terdokumentasi dengan baik.

Tidak ada SOP-nya, atau hal-hal kecil yang kelihatannya sepele tetapi mengubah keputusan.

Hal seperti ini menjadi beban bagi AI, karena model harus dilatih dan diberi knowledge serta konteks. Kalau tidak, hasilnya bisa salah.

Di sisi data, Paragon punya banyak aplikasi dengan data yang tersebar. Tantangannya adalah bagaimana data itu bisa diakses AI melalui MCP dengan jaminan bahwa AI bisa dipakai secara maksimal.

Di sisi orang, ada kekhawatiran bahwa AI akan menggantikan peran tertentu. Reddy menilai transformasi membutuhkan perubahan cara pandang terhadap pembagian peran antara manusia dan AI.

Temuan AWS menguatkan hal ini: 57% bisnis di Indonesia menyebut kurangnya keterampilan digital sebagai hambatan utama memperluas penggunaan AI, dan hanya 21% yang merasa tenaga kerjanya siap.

Konsekuensinya nyata. Gartner memperkirakan minimal 30% proyek generative AI ditinggalkan setelah tahap proof of concept pada akhir 2025, antara lain karena kualitas data yang buruk dan nilai bisnis yang tidak jelas.

Tidak Ada Satu Model AI untuk Semua Kebutuhan

Country Manager AWS Indonesia, Antoni Amni, berpendapat bahwa pada akhirnya model akan menjadi komoditas, sehingga pelanggan membutuhkan pilihan model sebanyak mungkin.

Di Bedrock, menurutnya, tersedia ratusan model. Sudah ada 18 large language model yang tersedia in-country di Indonesia, dengan inferensi yang juga dijalankan di dalam negeri.

Pada akhirnya, kami percaya model akan menjadi komoditas.

— Antoni Amni, Country Manager AWS Indonesia

Di Paragon, model dipilih sesuai masalahnya. Reddy menyebut satu model untuk analisis tren intelijen di marketplace dan media sosial, model lain untuk planogram dan simulasi digital twin, serta model lain lagi untuk development.

Agar AI bekerja di proses bisnis nyata, tiga lapisan perlu berjalan sebagai satu kesatuan: infrastruktur AI, platform operasional, dan aplikasi.

Antoni memaparkan lapisan AWS: infrastruktur (termasuk chip AI buatan AWS, Trainium dan Inferentia, serta GPU Nvidia), platform Amazon Bedrock untuk menjalankan model tanpa mengelola infrastruktur, dan aplikasi siap pakai seperti Kiro.

Keamanan dan Tata Kelola: Syarat untuk Scale, Bukan Rem

Begitu AI terhubung ke workflow dan data sensitif, keamanan menjadi bagian dari desain solusi, bukan tambahan di akhir.

Panel diskusi menekankan tiga hal:

• data residency dan kontrol keamanan pada model serta infrastruktur;
• pembagian tanggung jawab yang jelas antara pengelola sistem dan pengelola data;
• serta kontrol yang lebih ketat untuk keputusan berisiko tinggi.

Samiaji memisahkan data menjadi dua jenis. Pertama, data untuk pengembangan aplikasi dan logika, misalnya prompt, yang dikirim lewat API ke model global.

Kedua, data perusahaan. Data yang bersifat PII atau confidential tidak dikirim ke model online, melainkan diproses oleh model lokal yang di-deploy dan dikelola tim Mekari sendiri. Contohnya, sistem reimbursement di Mekari Talenta menggunakan model offline milik Mekari.

Samiaji juga menyebut Mekari memegang ISO 27001 dan ISO 27701 untuk privasi, keamanan, dan tata kelola data.

Semua produk, termasuk Mekari Talenta, Mekari Jurnal, dan Mekari Officeless, melalui proses audit, dan pengecekan pentest internal dilakukan secara berkala.

Mekari Officeless juga bisa di-deploy di dalam environment pelanggan, misalnya di akun AWS milik perusahaan sendiri.

Dari sisi AWS, Antoni menyebut empat pilar:

• teknologi dan infrastruktur yang sudah ada di Indonesia;
• fitur keamanan Guardrails untuk mencegah konten berbahaya seperti prompt injection, membatasi domain, memastikan data PII tidak terekspos, dan enkripsi;
• data yang dikirim untuk inferensi tidak dipakai untuk melatih model penyedia;
• serta skalabilitas.

Antoni juga menegaskan model tanggung jawab bersama: AWS bertanggung jawab atas teknologinya, sementara pelanggan bertanggung jawab atas aplikasi di atasnya. “With AWS, you will never walk alone,” katanya, merujuk pada tim yang membantu memastikan implementasi sesuai best practice.

Taruhannya juga semakin konkret di Indonesia. Aturan pelaksana UU Perlindungan Data Pribadi kini memungkinkan denda administratif hingga 2% dari pendapatan tahunan pengendali atau prosesor data.

Secara global, Gartner memprediksi lebih dari 40% proyek agentic AI akan dibatalkan pada akhir 2027, salah satunya karena kontrol risiko yang tidak memadai.

Pilihan infrastruktur ikut menentukan. Kehadiran cloud region di dalam negeri, seperti AWS Asia Pacific (Jakarta) Region yang beroperasi sejak Desember 2021, memberi enterprise opsi menyimpan data di Indonesia.

Contoh dari Paragon: Kontrol Data Sebelum Kontrol AI

Reddy menceritakan bahwa Paragon memulai dari data classification. Karyawan harus tahu mana data yang internal, mana yang secret atau restricted, dan mana yang harus di-masking.

Alasannya, AI sudah dipakai hampir di semua lini, dari tim operasional pabrik yang membuat solusi kantin sendiri hingga tim marketing yang berisiko memasukkan data media sosial ke AI.

Kami tidak mungkin menahan karyawan agar tidak memakai AI.

— Reddy Dwiki, CTO Office, ParagonCorp

Langkah berikutnya adalah platform internal yang terpusat, dari logo, desain aplikasi atau dashboard, hingga data classification. Alasannya adalah keamanan.

Dalam pen test, aplikasi yang dibuat karyawan dengan vibe coding ternyata banyak celahnya.

Dengan platform ini, karyawan tidak perlu lagi memakai AI publik sendiri untuk membuat solusi, dan standar keamanan serta coding sudah sesuai dengan IT.

Untuk Keputusan Berisiko Tinggi, Manusia Tetap di dalam Loop

Ketika pertanyaan mengarah ke keputusan berisiko tinggi, Antoni menegaskan bahwa manusia harus tetap berada dalam proses. Ia meringkasnya dalam satu kalimat:

Untuk pengambilan keputusan berisiko tinggi, sistem AI agentik diperlukan, tetapi human-in-the-loop tetap dibutuhkan pada situasi tertentu.

— Antoni Amni, Country Manager AWS Indonesia

Ia juga menekankan perlunya merekrut orang yang memiliki judgement call, tidak hanya yang paham teknis AI, untuk memutuskan apakah output AI bisa diterima.

Untuk use case yang menyentuh pelanggan, ia menyarankan kejelasan masalah sejak awal, misalnya apakah tujuannya mempercepat proses kandidat atau menyelesaikan keluhan pelanggan.

Langkah Pertama untuk C-Level

Dari diskusi panel, kesiapan enterprise bisa dipetakan ke enam dimensi: proses, data, orang, infrastruktur, keamanan, dan tata kelola.

Tabel berikut menerjemahkannya menjadi pertanyaan yang bisa dibawa ke rapat direksi.

Panel diskusi memberi beberapa titik awal yang berbeda:

• Mulai dari masalahnya. Antoni: “Don’t start with the technology, start with the business problem.” Contohnya, jika tim HRD menghabiskan ratusan jam setiap bulan untuk screening CV, pertanyaannya adalah bagaimana masalah itu diselesaikan.
• Mulai dari satu use case kecil. Reddy menceritakan Paragon memilih satu use case yang dampaknya tidak langsung ke produksi atau penjualan, yaitu “winning algorithm” untuk e-commerce. Hasilnya ditinjau setiap minggu oleh pengguna di area.
• Panggil ahlinya. Samiaji menyebut Mekari Advisory, dengan solution architect, business analyst, dan solution engineer yang membantu menyusun IT roadmap berbasis AI. Ia mengklaim Mekari melayani lebih dari 30.000 pelanggan korporat dan 2 juta pengguna, dengan pengalaman 11 tahun di pasar. Ini klaim dari pihak Mekari.
• Berikan alat kepada orang terbaik, dengan guardrails. Antoni menilai nilai pengembangan software bergeser dari coding ke pemahaman masalah bisnis. Business user yang diberi alat dengan guardrails bisa mulai mencoba dan membangun, sehingga bisnis dan developer bergerak bersama.

Reddy menambahkan, Paragon tetap ingin use case yang berdampak nyata, tetapi tidak langsung menyentuh operasi.

Kriteria kerja sama eksternal Paragon: business case yang jelas dan ROI (return of investment) yang bisa dihitung, data serta IP yang transparan, dan co-creation melalui Paragon Garage.

Kesimpulan: Mulai dari Masalah, Bukan dari Model

Inovasi enterprise dengan AI bukan sekadar transformasi teknologi. Ia membutuhkan workflow yang terintegrasi, AI yang tepat untuk setiap use case, keamanan dan tata kelola yang kuat, serta kesiapan organisasi dari sisi proses, data, dan orang.

Bagi perusahaan Indonesia, peluangnya terbuka lebar karena adopsi dasarnya sudah ada. 

Hal yang membedakan perusahaan yang naik kelas dari yang berhenti di tahap uji coba adalah keberanian membenahi fondasi: menghubungkan sistem yang terpisah, mendokumentasikan proses, dan menetapkan siapa yang memegang kendali atas keputusan yang dibantu AI.

Langkah berikutnya bersama Mekari

Jika perusahaan Anda sudah memakai AI tetapi sistem, data, dan aplikasinya masih terpisah, mulailah dengan pemetaan kesiapan, bukan dengan membeli teknologi baru. 

Mekari Officeless dirancang sebagai lapisan governance di atas core system: perusahaan bisa membangun aplikasi dan mengintegrasikan data dengan audit trail, single sign-on, dan pilihan deployment di environment sendiri.

Tim Mekari Advisory juga bisa membantu menyusun IT roadmap berbasis AI, mulai dari solution architect, business analyst, dan solution engineer.

Diskusikan kesiapan AI enterprise Anda dengan tim Mekari di mekari.com.

Referensi

Mekari Conference 2026. “Video YouTube sesi 5, channel Mekari”
Bisnis.”UU PDP: Denda hingga 2% pendapatan”
Press About Amazon. “AWS & Strand Partners – Unlocking Indonesia’s AI Potential”
McKinsey.”The State of AI in 2025”
Gartner.”40% proyek agentic AI dibatalkan”
Gartner via Intelligent Cio.”30% proyek GenAI ditinggalkan”