CEO Confidence Turun di 2026: Investasi AI Belum Hasilkan Transformasi Bisnis

Ringkasan eksekutif

PwC Global CEO Survey 2026 mengungkapkan data yang mengkhawatirkan: hanya 3 dari 10 CEO di seluruh dunia yang merasa yakin terhadap prospek pertumbuhan pendapatan perusahaan mereka dalam 12 bulan ke depan. Angka ini merupakan salah satu titik terendah dalam satu dekade terakhir. Di saat yang sama, belanja global untuk artificial intelligence telah melampaui $200 miliar pada 2025 dan diproyeksikan meningkat 25-30% lagi pada 2026. Menurut McKinsey State of Organizations, kurang dari 30% proyek transformasi digital berhasil mencapai target yang ditetapkan. Kesenjangan antara investasi dan hasil ini menjadi salah satu tema dominan di ruang strategi bisnis global saat ini.

Untuk pasar Indonesia, situasi ini memiliki dimensi tersendiri. Pertumbuhan GDP Indonesia tercatat 5,05% pada 2025, menjadikannya salah satu ekonomi dengan performa terbaik di Asia Tenggara. Namun, survei lokal menunjukkan bahwa adopsi AI di kalangan perusahaan menengah-besar Indonesia masih di bawah 25%. Banyak perusahaan Indonesia yang telah mengalokasikan anggaran untuk transformasi bisnis AI 2026, tetapi belum memiliki roadmap yang jelas untuk mengukur return on investment. Kementerian Komunikasi dan Informatika mencatat bahwa gap talenta digital di Indonesia masih mencapai 600.000 tenaga kerja per tahun, yang secara langsung menghambat kemampuan organisasi dalam menjalankan program transformasi.

Implikasi strategisnya jelas: investasi AI tanpa arsitektur transformasi yang terintegrasi tidak akan menghasilkan dampak bisnis yang signifikan. CEO yang hanya fokus pada penerapan teknologi tanpa menata ulang model operasi, struktur organisasi, dan metrik kinerja akan terus mengalami kekecewaan. Perusahaan di Indonesia membutuhkan pendekatan yang berbeda, yaitu menghubungkan investasi AI dengan tujuan bisnis yang terukur, membangun kapabilitas internal secara bertahap, dan merancang tata kelola yang memastikan setiap inisiatif AI memiliki jalur menuju ROI yang nyata.

Apa yang terjadi

Tahun 2026 menandai fase kritis dalam hubungan antara investasi teknologi dan kepercayaan eksekutif. PwC Global CEO Survey yang dirilis awal 2026 menunjukkan penurunan signifikan dalam tingkat kepercayaan CEO terhadap prospek bisnis jangka pendek. Hanya 30% CEO yang yakin revenue perusahaan mereka akan tumbuh dalam 12 bulan ke depan, turun dari 38% pada survei tahun sebelumnya. Faktor utama yang disebut mencakup ketidakpastian geopolitik, tekanan inflasi yang belum sepenuhnya mereda, dan yang paling mencolok, kegagalan investasi digital untuk memberikan dampak finansial yang dijanjikan.

McKinsey State of Organizations 2025-2026 menambahkan perspektif penting. Laporan tersebut mengidentifikasi bahwa lebih dari 70% organisasi besar secara global sedang menjalankan setidaknya satu program transformasi. Namun, mayoritas program tersebut terjebak dalam “pilot purgatory,” yaitu proyek percontohan yang tidak pernah berkembang menjadi implementasi skala penuh. Secara khusus, investasi AI yang mencapai lebih dari $200 miliar secara global pada 2025 sebagian besar terkonsentrasi pada use case yang bersifat operasional seperti otomatisasi proses dan analitik prediktif, bukan pada transformasi model bisnis yang fundamental.

Kondisi ini diperkuat oleh data dari berbagai sumber industri. Gartner melaporkan bahwa 40% enterprise applications diproyeksikan memiliki embedded AI agents pada 2026. Namun, tingkat kematangan dalam mengintegrasikan AI ke dalam proses pengambilan keputusan strategis masih sangat rendah. Sebagian besar organisasi masih memperlakukan AI sebagai proyek teknologi, bukan sebagai enabler strategis. Akibatnya, investasi besar tidak diterjemahkan menjadi keunggulan kompetitif yang terukur.

Mengapa ini penting untuk Indonesia

Indonesia berada di persimpangan yang unik. Sebagai ekonomi terbesar di Asia Tenggara dengan GDP mencapai $1,4 triliun dan pertumbuhan 5,05% pada 2025, Indonesia memiliki momentum ekonomi yang kuat. Pemerintah melalui Strategi Nasional Kecerdasan Artifisial (Stranas KA) telah menetapkan target ambisius untuk adopsi AI di sektor publik dan swasta. Namun, realitas di lapangan menunjukkan kesenjangan yang signifikan antara ambisi dan kesiapan.

Survei industri menunjukkan bahwa perusahaan-perusahaan besar Indonesia mengalokasikan rata-rata 5-8% dari anggaran IT mereka untuk inisiatif AI pada 2025. Angka ini lebih rendah dibandingkan rata-rata regional di Singapura (12-15%) dan Malaysia (8-10%). Lebih penting lagi, mayoritas investasi ini difokuskan pada tools dan platform, bukan pada perubahan proses bisnis dan pengembangan kapabilitas manusia. Hasilnya, banyak perusahaan yang memiliki teknologi AI tetapi tidak memiliki kemampuan untuk menggunakannya secara efektif untuk transformasi bisnis AI 2026.

Tantangan struktural menambah kompleksitas. Dengan gap talenta digital yang mencapai 600.000 per tahun dan tingkat literasi digital yang masih bervariasi antar sektor industri, perusahaan Indonesia perlu mengambil pendekatan yang lebih realistis dan terstruktur. Bukan sekadar mengikuti tren global, melainkan membangun fondasi yang sesuai dengan konteks lokal. Ini termasuk investasi dalam upskilling karyawan, kemitraan strategis dengan penyedia teknologi, dan kerangka kerja tata kelola AI yang sesuai dengan regulasi Indonesia.

Masalah yang sering dihadapi organisasi

• Investasi tanpa strategi: Perusahaan membeli tools AI tanpa terlebih dahulu mendefinisikan masalah bisnis yang ingin diselesaikan, sehingga teknologi tidak terhubung dengan tujuan strategis.
• Pilot purgatory: Proyek percontohan AI berhasil dalam skala kecil tetapi tidak pernah di-scale karena kurangnya infrastruktur organisasi, governance, dan sponsor eksekutif.
• Gap talenta dan kapabilitas: Kekurangan tenaga kerja yang memiliki kombinasi pemahaman bisnis dan kompetensi teknis AI, sehingga implementasi bergantung sepenuhnya pada vendor eksternal.
• Metrik yang salah: Organisasi mengukur keberhasilan AI berdasarkan metrik teknis (akurasi model, volume data) bukan metrik bisnis (revenue impact, cost reduction, customer satisfaction).
• Resistensi organisasi: Perubahan proses kerja yang dibutuhkan untuk adopsi AI efektif mendapat penolakan dari middle management yang merasa terancam atau tidak siap.
• Data silos: Data yang dibutuhkan untuk AI tersebar di berbagai sistem dan departemen tanpa integrasi yang memadai, menghambat kemampuan model AI untuk memberikan insight yang actionable.
• Governance dan compliance: Ketiadaan kerangka kerja tata kelola AI yang jelas menyebabkan kekhawatiran seputar regulasi, privasi data, dan risiko reputasi, sehingga memperlambat adopsi.

Perspektif Richflow

Richflow melihat bahwa kesenjangan antara investasi AI dan transformasi bisnis AI 2026 bukan masalah teknologi, melainkan masalah arsitektur strategi. Organisasi yang berhasil menghasilkan ROI dari AI adalah organisasi yang memperlakukan transformasi sebagai perubahan sistemik, bukan sebagai proyek IT.

Pendekatan Richflow menggunakan kerangka kerja 5 lapis yang disesuaikan untuk konteks transformasi AI:

1. Strategy Alignment (Penyelarasan Strategi): Setiap inisiatif AI harus dimulai dari pertanyaan bisnis yang jelas. Apa masalah yang ingin diselesaikan? Bagaimana keberhasilan diukur? Berapa nilai bisnis yang diharapkan? Tanpa penyelarasan ini, investasi AI menjadi eksperimen mahal tanpa arah.

1. Operating Model Design (Desain Model Operasi): AI tidak bisa ditempelkan di atas proses yang sudah usang. Organisasi perlu mendesain ulang alur kerja, struktur tim, dan mekanisme pengambilan keputusan agar sesuai dengan kemampuan AI. Ini termasuk mendefinisikan peran manusia dan mesin secara jelas.

1. Capability Building (Pembangunan Kapabilitas): Transformasi membutuhkan kombinasi talenta teknis, pemahaman bisnis, dan kemampuan change management. Program upskilling harus terstruktur dan berkelanjutan, bukan sekadar pelatihan satu kali.

1. Governance Framework (Kerangka Tata Kelola): Setiap organisasi membutuhkan mekanisme untuk mengelola risiko AI, memastikan kepatuhan regulasi, dan menjaga kualitas output AI. Governance yang baik justru mempercepat adopsi karena memberikan kepercayaan kepada stakeholder.

1. Performance Measurement (Pengukuran Kinerja): Metrik keberhasilan harus menghubungkan output AI dengan outcome bisnis. Dashboard real-time yang menunjukkan dampak AI terhadap revenue, efisiensi, dan customer experience memungkinkan organisasi untuk terus mengoptimalkan investasi mereka.

Organisasi yang menerapkan kelima lapis ini secara sistematis memiliki probabilitas keberhasilan transformasi yang jauh lebih tinggi. Riset menunjukkan bahwa pendekatan holistik dapat meningkatkan success rate transformasi digital dari 30% menjadi 60-70%.

Rekomendasi tindakan

• Audit posisi saat ini: Apakah investasi AI perusahaan Anda terhubung dengan tujuan bisnis yang terukur, atau masih berupa eksperimen teknologi tanpa arah?
• Definisikan use case berdasarkan nilai bisnis: Identifikasi 3-5 area di mana AI dapat memberikan dampak finansial terbesar, lalu prioritaskan berdasarkan feasibility dan value.
• Bangun tim lintas fungsi: Bentuk tim yang menggabungkan ahli teknologi, pemilik proses bisnis, dan change manager untuk setiap inisiatif AI utama.
• Tetapkan metrik bisnis sejak awal: Sebelum memulai proyek AI, tentukan KPI bisnis yang akan digunakan untuk mengukur keberhasilan, bukan hanya metrik teknis.
• Investasi dalam data governance: Pastikan data yang dibutuhkan untuk AI tersedia, bersih, dan terintegrasi. Tanpa fondasi data yang kuat, AI tidak akan memberikan hasil yang akurat.
• Rancang roadmap bertahap: Buat rencana implementasi 12-18 bulan dengan milestone yang jelas, bukan pendekatan big bang yang berisiko tinggi.
• Libatkan board dan C-suite: Pastikan transformasi AI memiliki sponsor di level tertinggi dan menjadi agenda rutin dalam rapat direksi.

Bagaimana Richflow dapat membantu

• AI Transformation Readiness Assessment: Evaluasi menyeluruh terhadap kesiapan organisasi untuk transformasi AI, mencakup strategi, teknologi, talenta, dan governance.
• AI Strategy & Roadmap Development: Penyusunan strategi dan peta jalan AI yang terintegrasi dengan tujuan bisnis perusahaan, termasuk prioritasi use case dan perencanaan investasi.
• Operating Model Redesign: Perancangan ulang model operasi organisasi untuk mengoptimalkan kolaborasi manusia-AI, termasuk struktur tim, alur kerja, dan mekanisme keputusan.
• AI Governance Framework Design: Pengembangan kerangka tata kelola AI yang mencakup manajemen risiko, kepatuhan regulasi, etika, dan quality assurance.
• Executive Alignment Workshop: Fasilitasi workshop untuk menyelaraskan visi dan ekspektasi C-suite terhadap transformasi AI, termasuk penetapan metrik keberhasilan.
• Change Management & Capability Building: Program manajemen perubahan dan pengembangan kapabilitas untuk memastikan organisasi dapat menjalankan dan mempertahankan transformasi AI.
• AI ROI Measurement Framework: Perancangan sistem pengukuran yang menghubungkan aktivitas AI dengan outcome bisnis, memungkinkan optimasi berkelanjutan.
• Vendor & Technology Advisory: Pendampingan dalam evaluasi dan seleksi vendor, platform, dan solusi AI yang sesuai dengan kebutuhan dan konteks organisasi.

Sources

• PwC Global CEO Survey 2026: https://www.pwc.com/gx/en/issues/c-suite-insights/ceo-survey.html
• McKinsey State of Organizations 2025-2026: https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-state-of-organizations