Banyak organisasi hari ini sudah mulai mengadopsi ESG sebagai bagian dari arah strategis. Target ditetapkan, inisiatif dijalankan, bahkan beberapa sudah memiliki reporting yang cukup baik. Namun ketika dilihat lebih dalam, sering muncul satu pertanyaan yang tidak nyaman: mengapa ESG belum benar-benar terasa di level keputusan dan eksekusi sehari-hari?

Dalam praktiknya, ESG masih sering diposisikan sebagai inisiatif korporat—dikelola oleh fungsi tertentu, seperti sustainability atau compliance. Akibatnya, ESG tidak sepenuhnya terhubung dengan bagaimana manager dan tim mengambil keputusan dalam konteks operasional. Di titik ini, ESG menjadi sesuatu yang “diurus”, bukan sesuatu yang “dijalankan”.

Hal ini menjelaskan mengapa banyak organisasi merasa sudah melakukan ESG, tetapi dampaknya belum konsisten. Bukan karena kurangnya framework atau kebijakan, melainkan karena ESG belum masuk ke dalam cara kerja. Ketika manager dihadapkan pada pilihan nyata—antara target bisnis dan prinsip ESG—sering kali tidak ada kejelasan bagaimana keduanya harus dipertemukan dalam keputusan yang konkret.

Dari berbagai konteks organisasi, terlihat bahwa ESG baru mulai memberikan dampak ketika ia masuk ke tiga hal utama: cara masalah dipahami, cara keputusan diambil, dan cara eksekusi dijalankan. Tanpa keterhubungan ini, ESG akan berhenti di level inisiatif dan reporting. Dengan keterhubungan ini, ESG mulai menjadi bagian dari bagaimana organisasi bekerja.

Pendekatan ini menuntut pergeseran cara melihat ESG. Bukan lagi sebagai tambahan di atas bisnis, tetapi sebagai bagian dari leadership dan managerial responsibility. Inilah mengapa banyak organisasi mulai melihat pentingnya membangun pemahaman ESG di level manajerial melalui pendekatan yang lebih praktikal, yang fokus pada bagaimana ESG diterjemahkan ke dalam keputusan sehari-hari.

Lebih jauh lagi, organisasi yang ingin memastikan ESG benar-benar terintegrasi biasanya tidak berhenti pada awareness. Mereka mulai mengembangkan capability yang lebih spesifik—mulai dari ESG integration dalam operasional, governance, hingga penguatan peran leadership dalam keberlanjutan. Berbagai pendekatan ini dapat dieksplorasi lebih lanjut melalui rangkaian program ESG, yang dirancang untuk membantu organisasi menghubungkan ESG dengan cara berpikir, pengambilan keputusan, dan eksekusi secara nyata.

Banyak organisasi sudah sampai pada titik yang sama. AI sudah diperkenalkan. Tim sudah mencoba.
Beberapa proses bahkan sudah berjalan lebih cepat. Namun setelah beberapa waktu, muncul satu realitas yang sulit diabaikan:

AI ada, tetapi tidak benar-benar menjadi bagian dari cara kerja. Ia digunakan sesekali. Ia membantu di beberapa titik. Tetapi tidak pernah benar-benar “menjadi cara organisasi bekerja”.

Masalahnya sering kali bukan pada teknologi. Masalahnya ada pada sesuatu yang lebih mendasar:

AI tidak menemukan tempatnya di dalam workflow.

Ia berdiri di luar proses kerja, bukan menjadi bagian dari proses itu sendiri. Jika diperhatikan lebih dalam, workflow di organisasi sebenarnya tidak sesederhana urutan aktivitas.

Ia adalah rangkaian dari tiga hal yang selalu saling terhubung:

• bagaimana masalah dipahami,
• bagaimana keputusan diambil,
• dan bagaimana pekerjaan dieksekusi.

Ketiga hal ini membentuk satu kesatuan. Dan di sinilah AI sering “tidak masuk”.

Dalam banyak organisasi, AI hanya masuk di bagian paling akhir. Ia digunakan setelah masalah didefinisikan. Setelah arah ditentukan. Setelah keputusan hampir diambil. Akibatnya, AI hanya berfungsi sebagai alat bantu. Ia tidak pernah benar-benar mempengaruhi kualitas berpikir.

Padahal, ketika AI mulai digunakan sejak awal : ketika masalah belum jelas, ketika alternatif belum terbentuk, ketika arah masih diuji, perannya berubah. AI tidak lagi sekadar membantu pekerjaan. Ia mulai memperkuat proses berpikir.

Dari berbagai konteks organisasi, terlihat pola yang cukup konsisten. AI hanya memberikan dampak nyata ketika tiga hal ini mulai terhubung:

• cara memahami masalah menjadi lebih terstruktur,
• cara mengambil keputusan menjadi lebih jelas,
• dan cara mengeksekusi menjadi lebih konsisten.

Jika salah satu tidak terhubung, AI akan berhenti di permukaan.

Untuk mempermudah melihatnya, hubungan ini bisa dibayangkan sebagai sebuah segitiga sederhana:

Problem Framing — Decision Making — Execution

Ketiganya bukan tahap yang terpisah, tetapi sistem yang saling mempengaruhi. Jika problem framing tidak jelas, keputusan akan bias. Jika keputusan tidak solid, eksekusi akan tidak konsisten. Dan jika eksekusi tidak disiplin, hasil tidak akan berkelanjutan.

AI tidak bisa masuk hanya di satu titik. Ia harus masuk ke dalam keseluruhan sistem ini. Jika hanya masuk di execution, ia hanya mempercepat pekerjaan. Jika hanya masuk di decision, ia tidak cukup kuat tanpa grounding di problem. Jika tidak masuk di problem framing, arahnya akan selalu bias sejak awal.

Di sinilah banyak inisiatif AI berhenti. Bukan karena orang tidak mau menggunakan AI. Bukan karena tools-nya kurang baik. Tetapi karena tidak ada desain yang jelas tentang:

Di mana AI seharusnya masuk dalam workflow?

Tanpa desain ini, penggunaan AI akan selalu sporadis. Tergantung individu. Tergantung situasi. Tidak pernah menjadi kebiasaan organisasi. Di titik ini, biasanya organisasi mulai menyadari bahwa: AI adoption bukan sekadar inisiatif teknologi. Ia adalah bagian dari bagaimana organisasi membangun cara kerja yang lebih matang.

Dan di sinilah peran thinking partner menjadi relevan. Bukan untuk “mengajarkan tools”,
tetapi untuk membantu organisasi melihat: di mana letak disconnect dalam workflow,
dan bagaimana menghubungkan kembali problem, decision, dan execution.

Karena pada akhirnya, AI tidak gagal masuk ke organisasi. AI gagal masuk ke workflow. Dan selama itu belum berubah, AI akan tetap berada di pinggir— bukan di inti cara kerja.

Banyak organisasi mulai mengadopsi AI dengan ekspektasi yang cukup tinggi. Tools diperkenalkan. Tim mulai mencoba. Dalam waktu singkat, perubahan mulai terlihat. Pekerjaan menjadi lebih cepat. Output terasa lebih rapi. Beberapa proses menjadi lebih efisien.

Namun setelah beberapa waktu, sering muncul satu pertanyaan yang tidak nyaman:

Mengapa kualitas keputusan dan konsistensi eksekusi tidak banyak berubah?

Dalam banyak kasus, AI akhirnya hanya masuk sebagai tambahan. Ia membantu mempercepat pekerjaan yang sudah ada, tetapi tidak benar-benar mengubah cara pekerjaan dijalankan. Di titik ini, AI terlihat seperti alat bantu produktivitas, bukan sesuatu yang mengubah cara organisasi bekerja.

Jika dilihat lebih dalam, masalahnya jarang ada pada teknologi. Masalahnya muncul dari sesuatu yang lebih mendasar:

Cara kerja sehari-hari di dalam organisasi.

Dalam praktiknya, pekerjaan jarang berada dalam kondisi yang sepenuhnya jelas. Tim harus memahami masalah yang tidak terstruktur. Menentukan prioritas dengan informasi terbatas. Mengambil keputusan di bawah tekanan.

Dan di situ, satu hal sering muncul tanpa disadari: cara berpikir antar individu tidak selalu sama.

Perbedaan ini mungkin tidak terasa signifikan pada awalnya. Namun dalam skala organisasi, dampaknya menjadi nyata. Ada tim yang mampu menyederhanakan masalah dan bergerak cepat. Ada yang terjebak dalam diskusi tanpa arah yang jelas. Ada yang mengambil keputusan dengan tegas. Ada yang terus menunda karena merasa belum cukup data.

Hasil akhirnya menjadi tidak konsisten. Dan ini terjadi bahkan ketika semua orang menggunakan tools yang sama, termasuk AI.

Dalam kondisi seperti ini, AI tidak menyelesaikan masalah. AI justru mempercepat pola yang sudah ada. Ketika cara berpikir belum terstruktur, AI menghasilkan lebih banyak opsi—tanpa membantu memilih yang tepat. Ketika prioritas tidak jelas, AI mempercepat aktivitas—tanpa meningkatkan dampak.

Namun pola yang berbeda mulai terlihat ketika AI tidak lagi digunakan sebagai tambahan,
melainkan sebagai bagian dari proses kerja. Dalam beberapa konteks organisasi, terlihat bahwa dampak AI mulai terasa ketika ia digunakan secara lebih terarah—bukan hanya untuk membantu pekerjaan, tetapi untuk memperkuat cara tim berpikir. AI mulai digunakan sejak awal—ketika masalah didefinisikan,
ketika alternatif dieksplorasi, dan ketika arah diuji sebelum keputusan diambil.

Di titik ini, muncul sebuah pola yang cukup konsisten. Dampak AI tidak berdiri sendiri. Ia selalu terkait dengan tiga hal yang saling terhubung:

– Bagaimana masalah dipahami,
– Bagaimana keputusan diambil,
– Bagaimana eksekusi dijalankan.

Ketika ketiganya tidak selaras, AI hanya mempercepat aktivitas. Namun ketika ketiganya mulai terhubung, AI mulai memberikan dampak yang berbeda. Bukan hanya pada kecepatan, tetapi pada kualitas keputusan dan konsistensi eksekusi. Jika dilihat lebih jauh, hubungan ini membentuk sebuah struktur sederhana yang sering terlewat dalam banyak organisasi.

AI tidak cukup hanya diimplementasikan. Ia perlu masuk ke dalam cara organisasi memahami masalah,
cara organisasi mengambil keputusan, dan cara organisasi mengeksekusi pekerjaan. Tanpa keterhubungan ini, AI akan tetap berada di permukaan. Dengan keterhubungan ini, AI mulai masuk ke dalam sistem kerja.

Di sinilah tantangan utama dalam AI adoption sebenarnya berada. Bukan pada tools. Bukan pada kemampuan menggunakan AI. Tetapi pada bagaimana organisasi mendesain cara berpikir dan cara kerja secara konsisten.

Jika melihat ke dalam organisasi, beberapa pertanyaan berikut mungkin relevan untuk direfleksikan:

1. Apakah penggunaan AI sudah membantu meningkatkan kualitas keputusan, atau hanya mempercepat pekerjaan?

2. Apakah tim memiliki cara yang relatif konsisten dalam memahami masalah, atau masih sangat bergantung pada individu?

3. Apakah AI sudah menjadi bagian dari workflow, atau masih digunakan sebagai tambahan?

Jika jawabannya belum jelas, kemungkinan besar tantangan yang dihadapi bukan pada AI. Melainkan pada cara kerja.Pada akhirnya, pertanyaannya menjadi sederhana: apakah AI benar-benar masuk ke dalam cara organisasi berpikir dan bekerja, atau hanya ditempelkan di atas cara kerja yang lama? Karena di situlah perbedaan antara organisasi yang benar-benar bertransformasi dan yang hanya terlihat modern di permukaan mulai terlihat.