Dengan kehadiran AI, startup dan para pelanggan kini memfokuskan perhatian pada kemampuan baru serta produk yang mereka ciptakan. Misalnya, agen suara modern, alat otomatisasi alur kerja, dan platform text-to-app.
Meskipun banyak bisnis menarik telah dan akan bermunculan di kategori ini (kami pun berinvestasi di beberapa di antaranya!), AI justru akan memberikan dampak besar pada hal yang jauh lebih bernilai namun kurang menarik: membantu organisasi memaksimalkan perangkat lunak yang sudah mereka gunakan. Untuk mengajukan pertanyaan yang terkesan kurang sopan—kecuali Anda pernah bekerja seminggu di perusahaan Fortune 500: mengapa orang masih menggunakan SAP (dan ServiceNow, serta Salesforce)?
Jawaban singkatnya, SAP maupun sistem legacy utama lainnya merekam data penting di seluruh bisnis pengguna. Namun lebih dari itu, bisnis telah menyesuaikan dan membangun serangkaian prosedur serta peran spesifik di atasnya, yang sebagian besar bahkan tidak terdokumentasi secara formal. Berpindah sistem sangat sulit, mahal, dan memakan waktu—sering kali membutuhkan banyak konsultan, bertahun-tahun pengerjaan, dan ratusan juta dolar. Upgrade dari SAP ECC ke SAP S4HANA bisa menelan biaya \$700 juta, berlangsung 3 tahun, dan melibatkan tim Accenture berisi 50 orang. Setelah migrasi, perangkat lunak tersebut biasanya hanya digunakan untuk membuat laporan read-only yang tidak dapat dimanipulasi.
Itu semua berubah sekarang. AI membuka peluang untuk melakukan upgrade, kustomisasi, penggantian, serta akses dan pemanfaatan data dalam sistem pencatatan ini dengan cara yang lebih baik.
Pada akhirnya, tujuan AI bukan sekadar “menggantikan SAP/ServiceNow/Salesforce,” melainkan membuatnya lebih mudah diprogram dan diakses. Pemenangnya adalah platform yang (1) masuk dalam anggaran transformasi dengan pengurangan risiko dan waktu yang terukur, lalu (2) berkembang ke operasi harian sebagai control plane tepercaya, secara bertahap memecah UI legacy menjadi aksi dan aplikasi tipis yang terintegrasi, terkontrol, dan didukung AI. Dengan kata lain, sistem pencatatan tetap bertahan; antarmuka, otomasi, dan lapisan ekstensi menjadi frontier perangkat lunak berikutnya.
SAP Tidak Mudah Digunakan, Namun Tetap Dipakai
Untuk memberikan gambaran, mari kita bahas sedikit tentang SAP dan fungsinya. Secara kasat mata, sistem ini sulit dinavigasi, menyulitkan perubahan, dan entah bagaimana masih menjadi tulang punggung operasional organisasi terbesar dunia. Bayangkan seperti apa menggunakan SAP!
Sumber
Namun “entah bagaimana” tersebut justru menjadi peluang.
Jawaban yang tidak nyaman adalah, di balik UI yang buruk dan konfigurasi yang rumit, sistem ini sangat kuat: mereka memuat model data utama bisnis, izin serta kontrol untuk kepatuhan, alur kerja yang memungkinkan operasi skala besar, dan integrasi yang menghubungkan puluhan hingga ratusan proses. Ini bukan sekadar “aplikasi” konsumen, melainkan memori institusional yang terakumulasi dalam bentuk tabel, peran, persetujuan, logika posting, dan penanganan pengecualian.
Mengganti sistem ini bukan hanya mahal; risikonya sangat tinggi. Semakin besar investasi perusahaan—field kustom, alur kerja, aturan harga, logika pelaporan—semakin besar pula biaya penggantian dan keunggulan kompetitif yang dihasilkan. Itulah mengapa kemampuan perluasan sangat penting: setiap perusahaan unik, perubahan adalah keniscayaan (regulasi baru, produk baru, struktur organisasi baru), dan platform ini bertahan karena dapat disesuaikan dengan kebutuhan nyata. Tantangannya, fleksibilitas yang sama juga membuatnya rapuh: setiap kustomisasi menjadi jebakan upgrade di masa depan, setiap alur kerja menjadi labirin, setiap layar menjadi beban bagi setiap pengguna.
Kerentanan ini terlihat di mana-mana. Kepuasan pengguna CRM tetap bervariasi meski adopsinya luas, dan kustomisasi berat pada ERP konsisten menyebabkan pembengkakan waktu dan anggaran. Pekerja digital kewalahan dengan alur kerja yang terfragmentasi—mereka berpindah antar aplikasi sekitar 1.200 kali per hari (sekitar 4 jam per minggu hilang), dan 47% pekerja digital kesulitan menemukan informasi yang dibutuhkan untuk bekerja. Transformasi berskala besar sering kali gagal; satu estimasi menyebut sekitar 70% gagal mencapai target. Pengeluaran akibat friksi ini sangat besar: pasar implementasi perangkat lunak/sistem integrasi saja mencapai sekitar \$380 miliar pada 2023.
Proses dan rasa sakit ini menjadi peluang bagi AI untuk mengubah cara perangkat lunak ini diimplementasikan dan digunakan. Cara termudah memahami peluangnya adalah mengikuti siklus hidup produk: mulai dari implementasi atau migrasi, digunakan setiap hari, lalu membangun di atasnya seiring bisnis berubah. Di setiap fase, tantangannya adalah mengubah niat manusia yang tidak terstruktur menjadi aksi yang benar dan dapat diaudit pada sistem pencatatan.
Mari kita bahas bagaimana AI dapat meningkatkan penggunaan sistem perangkat lunak legacy di setiap tahap.
Implementasi
Kita mulai dari implementasi—fase paling berisiko, paling sensitif terhadap anggaran, dan dengan pengembalian paling jelas. Secara konkret, ini berarti mengubah penemuan yang acak-acakan (rapat, dokumen, tiket) menjadi kebutuhan terstruktur, lalu otomatis menghasilkan alur kerja implementasi: pemetaan proses dan field, konfigurasi dan kode, skrip pengujian, rencana cutover, dan playbook migrasi—ditambah pembersihan dan validasi data untuk go-live. Ini sulit dilakukan dengan benar: raksasa supermarket Jerman, Lidl, pernah membatalkan upaya transisi ke SAP setelah menghabiskan \$500 juta.
Perusahaan di sini membangun copilot, alat manajemen proyek, dan perangkat lunak lain untuk membantu migrasi dan implementasi. Berikut beberapa contoh startup di bidang ini (Andreessen Horowitz berinvestasi di beberapa di antaranya):
- Axiamatic adalah lapisan “assurance” AI untuk ERP: membangun knowledge graph dari artefak proyek dan menandai kegagalan tersembunyi dalam requirement/change management melalui Slack/Teams untuk mengurangi risiko dan mempercepat program S/4HANA (bermitra dengan SAP Build; terintegrasi dalam KPMG/EY/IBM).
- Conduct adalah copilot pemetaan kode dan proses yang menghasilkan semantic layer dan dokumentasi teknis lintas ECC→S/4, dengan Q&A atas tabel/API kustom untuk mempercepat pengambilalihan internal.
- Auctor melakukan delivery implementasi agentic untuk SI/pro services, otomatis menangkap penemuan menjadi requirement terstruktur sebelum menjadi sistem pencatatan untuk SOW, dokumen desain, user story, konfigurasi, dan rencana pengujian.
- Supersonik membantu enablement produk berbasis AI untuk channel/MSP dan pelanggan—agen vision dan voice yang mengajarkan langsung di UI nyata, mengurangi kebutuhan SDM SE dan memungkinkan implementasi/ekspansi yang dipimpin reseller.
- Tessera SI native AI yang mengelola transformasi perusahaan end-to-end—terhubung ke instance ERP pelanggan, mengevaluasi implementasinya, lalu menandai/otomatis memperbaiki bagian yang perlu diubah selama migrasi.
Perusahaan-perusahaan ini menciptakan nilai dengan membuat transformasi lebih cepat, murah, dan minim risiko. Mereka melakukannya dengan beberapa cara utama: mendeteksi masalah sejak awal pada requirement dan change management sebelum membesar, mempercepat timeline (di mana satu bulan terlambat bisa menghabiskan jutaan), mengubah data proyek yang acak menjadi pengetahuan terstruktur agar tim internal bisa segera mengambil alih, dan mengurangi ketergantungan pada tim SI besar melalui otomasi pemetaan, dokumentasi, pengujian, dan enablement.
Kami melihat peluang bagi lebih banyak startup yang membangun alat yang bekerja dengan mitra yang sudah ada, bukan melawan mereka. Secara spesifik:
- Agen implementasi yang berbagi hasil dan risiko (misal pelacakan requirement, perbandingan konfigurasi, simulasi cutover, pembuatan kode, dan deteksi deviasi)
- Alat dokumentasi semantik yang menjaga pengetahuan tetap terkini dan mudah diakses
- Agen enablement yang mengubah pelatihan dan peluncuran channel menjadi produk yang berulang
Karena startup dapat mengurangi beban di level enterprise, mereka bisa mematok harga berdasarkan delay yang dihindari, dan menjual ke anggaran transformasi yang sudah dikeluarkan CIO dan CFO, menggantikan kontrak SI yang gemuk.
Penggunaan dan Pemeliharaan
Setelah perangkat lunak diimplementasikan, penggunaan berarti menavigasi UI yang rumit seperti saat ini. Pekerjaan sehari-hari melibatkan puluhan layar, pergantian peran mengulang pembelajaran, dan banyak alur kerja edge-case tidak pernah mendapat perhatian utama dari produk. Pengguna menghabiskan waktu mencari field, menyalin data antar sistem, dan meminta tim operasional untuk “jalankan laporan ini.” Hasilnya adalah siklus kerja lambat, kesalahan yang bisa dihindari, dan beban pelatihan yang terus-menerus.
Peluangnya adalah AI membungkus sistem legacy dengan “system of action” yang lebih ramah dan canggih.
Perusahaan di kategori ini membangun alat yang membantu tim memaksimalkan sistem yang sudah dipakai. Secara praktik, ini seperti copilot yang hidup di Slack atau sebagai sidecar browser, bisa menjawab “Di mana saya bisa menemukan X?” atau “Bagaimana cara melakukan Y?” menggunakan pencarian semantik, lalu melakukan aksi aman (membuat kasus, posting jurnal, memperbarui syarat pemasok) melalui API jika tersedia. Alat ini juga dapat merangkai alur kerja multi-aplikasi (“ambil PO kuartal lalu dari SAP, cek syarat kontrak di Coupa, draft catatan deviasi di ServiceNow”), dengan langkah persetujuan manusia, audit trail, dan RBAC granular. Yang terbaik melacak adopsi, waktu yang dihemat, dan tingkat kesalahan.
Banyak pekerjaan penting di perusahaan belum terekspos rapi lewat API—masih ada di layar, klien tebal, sesi VDI, dan konsol admin yang setengah terdokumentasi. Itulah mengapa agen “penggunaan komputer” modern sangat penting sebagai pelengkap copilot berbasis API: mereka memperluas area otomasi ke 30–40% alur kerja yang tidak punya endpoint andal. Kapabilitas utamanya bukan “klik tombol”, tapi keandalan di tengah kekacauan—agen yang bisa membaca UI, menempel pada elemen stabil, pulih dari pop-up dan perubahan layout, serta checkpoint progres agar bisa melanjutkan dengan aman. Bila dipadukan dengan validasi (diff, rekonsiliasi, sandbox run) dan kontrol enterprise (SSO, secrets, least privilege, audit), ini mengubah pekerjaan manual menjadi otomasi yang terkontrol dan berulang—triase tiket, langkah tutup periode, update pelanggan, perubahan harga—bahkan di bagian SAP/ServiceNow/Salesforce yang vendor tidak pernah rancang untuk otomasi. API mempercepat jalur utama, dan penggunaan komputer memungkinkan ekor panjangnya bisa diotomasi.
Perusahaan seperti Factor Labs dan Sola sudah menerapkan agen ini secara produksi, menggantikan pengeluaran BPO dan membantu organisasi besar mengotomasi tugas dalam skala besar.
Ekstensi
Akhirnya, meski SAP/ServiceNow/Salesforce sudah dibuat lebih mudah digunakan, bisnis Anda akan terus berubah sehingga sistem pencatatan juga harus ikut berubah. Produk baru, kebijakan baru, akuisisi baru, regulasi baru, dan alur kerja yang tidak pernah layak menjadi proyek modul inti berarti ada pekerjaan konstan untuk menjaga perangkat lunak tetap relevan. Secara historis, tim punya dua pilihan: kustomisasi suite (dan menanggung pajak kerentanannya) atau membangun aplikasi satuan (dan kesulitan integrasi, kontrol, serta pemeliharaannya). Inilah ruang ketiga bagi AI: mengirimkan pengalaman kecil yang terkontrol di atas sistem pencatatan dengan cepat, sembari menjaga inti tetap bersih.
Membangun alat dan otomasi baru di atas legacy estate menjadi lapisan “Lovable” di atas perangkat lunak yang tidak dicintai. Polanya dimulai dengan data-and-action plane yang terpadu: membaca dari sistem pencatatan via API dan event (dan UI capture aman jika perlu), menormalkan ke model semantik objek bisnis (order, vendor, kasus), lalu membuka set aksi terkontrol dengan RBAC, approval, dan audit.
Di atas lapisan tersebut, tim mengirimkan pengalaman fokus yang terasa modern dan sesuai kebutuhan. Alih-alih analis pengadaan harus melewati 12 transaksi SAP untuk onboarding vendor, Anda beri satu aplikasi tipis “Vendor Onboarding” yang mengumpulkan dokumen, cek duplikasi, rute approval, dan posting data ke SAP. Alih-alih RevOps harus membuka lima layar Salesforce untuk memperbarui syarat perpanjangan, Anda beri editor secepat spreadsheet yang bisa edit massal, validasi kebijakan, pratinjau dampak, lalu commit dengan audit trail lengkap. Alih-alih proyek portal lagi, tim frontline mendapat command palette yang bisa menjawab pertanyaan dan mengeksekusi aksi harian (“buat return”, “perpanjang kredit”, “buka Sev-2”, “posting accrual”) di banyak sistem, tanpa harus membuka 20 tab.
Ekstensi ini juga membuka alur kerja lintas sistem dan otomasi yang tidak akan diprioritaskan vendor mana pun: trigger berbasis event seperti “jika invoice diposting DAN deviasi >3% → buat penjelasan → rute untuk approval,” atau “jika tiket dibuka ulang dua kali → buat problem record → assign owner → update customer,” dengan checkpoint human-in-the-loop bila diperlukan. Seiring waktu, deployment paling bernilai berubah menjadi “intent pack” reusable—quote-to-cash, vendor onboarding, period close—yang mengkodekan bukan hanya apa yang dilakukan, tapi bagaimana melakukannya dengan aman di lingkungan Anda.
Platform seperti Cell dari General Magic membuat blok bangunan workflow kustom ini nyata: Anda upload spesifikasi OpenAPI sehingga setiap endpoint menjadi aksi, lalu embed command bar native dengan satu script tag yang mengeksekusi API call nyata, didukung analitik, multitenancy, guardrail keamanan, dan RBAC, sehingga pekerjaan bergeser dari membangun ulang UI ke merangkai aksi dan kebijakan tepat di atas sistem yang sudah Anda percayai.
Bagaimana Gambaran Akhirnya?
Kami percaya sistem legacy akan tetap bertahan, namun mereka tidak lagi menjadi permukaan utama aktivitas kerja. ERP, CRM, dan ITSM terlalu tertanam untuk diganti dalam siklus perangkat lunak biasa; mereka berevolusi perlahan dan tetap menjadi sistem pencatatan. Yang akan berubah adalah “system of action” yang dihadapi pengguna: AI akan menjadi antarmuka default untuk memahami cara kerja sistem, mengeksekusi alur kerja di atasnya, dan menghadirkan pengalaman modern yang melewati UI legacy sepenuhnya. Dengan kata lain, jembatan menjadi jalan tol.
Perangkat lunak yang bertahan di kategori ini akan lebih mirip lapisan operasi daripada chatbot: data dan action plane terpadu dengan model semantik objek bisnis, serta guardrail yang membuat AI dapat dipercaya di lingkungan produksi. Jika Anda pengguna akhir, alih-alih belajar layar, field, dan kode transaksi (dan mengulanginya tiap kali UI atau proses berubah), Anda cukup mendeskripsikan hasil yang diinginkan dan sistem akan mengantarkan Anda ke sana. Anda akan mendapat beberapa pertanyaan klarifikasi, ditunjukkan pratinjau aksi, lalu alat akan mengeksekusi dengan approval dan audit trail yang tepat. Menutup loop berarti “buat return dan beri tahu pelanggan,” “buka Sev-2 dan ambil tiga insiden terakhir terkait,” atau “onboard vendor ini, kumpulkan dokumen, rute approval, dan tetapkan syarat pembayaran”—aksi yang kini butuh berpindah antar SAP, Salesforce, ServiceNow, dan spreadsheet. Hasilnya: lebih sedikit kesalahan dan pembatalan, lebih minim ketergantungan pada pengetahuan tribal, siklus kerja lebih cepat, dan beban pelatihan jauh berkurang karena antarmuka berbasis intent, sadar peran, dan self-serve secara default.
Keunggulan akan terakumulasi dari penggunaan nyata: setiap workflow sukses menjadi intent reusable, setiap pengecualian jadi guardrail, setiap artefak migrasi jadi living lineage, dan setiap integrasi memperdalam graph tentang cara kerja enterprise sebenarnya. Seiring waktu, “lapisan AI” akan menjadi tempat tim memahami dampak perubahan, mencegah deviasi, mengukur ROI, dan meluncurkan workflow baru, bahkan ketika sistem dasarnya tetap sama.
Newsletter ini disediakan hanya untuk tujuan informasi dan tidak dapat dijadikan dasar sebagai nasihat hukum, bisnis, investasi, atau pajak. Selain itu, konten ini bukan merupakan nasihat investasi, maupun dimaksudkan untuk digunakan oleh investor atau calon investor pada dana a16z mana pun. Newsletter ini dapat menautkan ke situs web lain atau memuat informasi yang diperoleh dari sumber pihak ketiga— a16z tidak melakukan verifikasi secara independen maupun membuat pernyataan mengenai keakuratan informasi tersebut saat ini maupun di masa mendatang. Jika konten ini memuat iklan pihak ketiga, a16z tidak meninjau iklan tersebut dan tidak mendukung konten iklan ataupun perusahaan terkait. Setiap investasi atau perusahaan portofolio yang disebutkan, dirujuk, atau dideskripsikan tidak mewakili seluruh investasi pada kendaraan yang dikelola oleh a16z; kunjungi https://a16z.com/investment-list/ untuk daftar investasi lengkap. Informasi penting lainnya dapat ditemukan di a16z.com/disclosures. Anda menerima newsletter ini karena telah mendaftar sebelumnya; jika ingin berhenti berlangganan, Anda dapat unsubscribe kapan saja.
Disclaimer:
-
Artikel ini merupakan repost dari [a16z]. Seluruh hak cipta milik penulis asli [Eric dan Seema Amble]. Jika terdapat keberatan atas repost ini, silakan hubungi tim Gate Learn, dan mereka akan segera menindaklanjutinya.
-
Penafian Tanggung Jawab: Seluruh pandangan dan opini dalam artikel ini sepenuhnya milik penulis dan tidak merupakan nasihat investasi apa pun.
-
Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, dilarang menyalin, mendistribusikan, atau menjiplak artikel terjemahan ini.
