Oracle Pakai ChatGPT Work: Riset Hari-harian Jadi Hitungan Menit

Oracle Pakai ChatGPT Work: Dari Hitungan Hari Jadi Hitungan Menit

Di perusahaan sebesar Oracle, birokrasi dan alur kerja antar-divisi biasanya butuh waktu lumayan panjang. Dulu, tugas-tugas tertentu cuma bisa dikerjakan oleh spesialis dan butuh waktu berhari-hari. Sekarang, tugas yang sama bisa digarap oleh siapa saja dan selesai dalam hitungan menit berkat ChatGPT Work dan Codex.

Perubahan ini terjadi di banyak lini bisnis sekaligus. Tim rekrutmen nggak perlu lagi menghabiskan hari-harian buat riset pasar tenaga kerja. Pengguna bisnis nggak perlu lagi repot berburu laporan manual ke tim data, cukup jelaskan hasil akhir yang mereka mau. Di sisi teknis, para technical lead bisa merakit tool baru yang dulunya butuh kerjaan satu tim penuh selama berbulan-bulan.

Kuncinya ada pada standarisasi alur kerja. Begitu pengetahuan para spesialis diubah jadi workflow otomatis yang gampang diulang, efisiensi kerja langsung melonjak drastis di seluruh kantor.

Tim Rekrutmen Pangkas Waktu Riset Kandidat Sampai 98 Persen

Salah satu cerita sukses paling kelihatan datang dari divisi talent acquisition atau tim rekrutmen. Tim ini memakai ChatGPT Work buat membangun tool riset pasar talenta (talent market intelligence tool) internal. Tool ini bekerja dengan membaca deskripsi pekerjaan, mencari posisi serupa di pasar, membuat perbandingan kompensasi atau gaji, serta memetakan kumpulan kandidat di berbagai lokasi yang relevan.

Sebelum ada tool ini, seorang perekrut butuh waktu 2 sampai 4 hari hanya untuk mengumpulkan data-data itu sebelum bicara dengan hiring manager. Sekarang, proses persiapan itu cuma memakan waktu 15 sampai 20 menit. Itu artinya, ada pemangkasan waktu kerja sampai 98 persen.

Jan Ackerman, Senior Vice President and Global Head of Talent Acquisition di Oracle, menyebutkan:

"Kami telah membangun tool intelijen pasar talenta menggunakan ChatGPT Work, dan ini benar-benar merevolusi cara kami menjalankan proses awal perekrutan."

Bukan cuma jauh lebih cepat, hasilnya juga jauh lebih konsisten. Dulu, tiap perekrut punya cara riset sendiri-sendiri, sehingga kualitas data yang dibawa ke hiring manager bisa beda-beda. Sekarang, semua hiring manager mendapatkan kualitas data dan insight yang sama bagusnya, siapa pun perekrut yang menangani posisinya.

Oracle Applications Lab: Tanya Bahasa Sehari-hari, Codex Bikin SQL Sendiri

Cerita menarik lainnya datang dari Oracle Applications Lab, tim internal yang mengelola banyak proses bisnis utama Oracle. Mereka menyusun ontologi berisi objek perusahaan, relasi antar-data, dan aturan bisnis. Dengan struktur ini, pertanyaan bisnis yang ditulis pakai bahasa manusia sehari-hari bisa langsung diubah menjadi query SQL yang andal oleh Codex.

Alur kerjanya simpel buat pengguna biasa. Orang bisnis tinggal menuliskan output atau hasil yang mereka butuhkan. Codex yang akan menentukan sistem internal mana yang harus dipanggil, mengumpulkan informasinya, lalu menyajikan laporan, analisis, atau bahkan aplikasi kecil.

Richard Lam, Group Vice President di Oracle Applications Lab, menceritakan contoh nyata saat seorang pengguna datang kepadanya. Pengguna itu mengajukan pertanyaan yang biasanya butuh waktu beberapa jam buat dicari jawabannya secara manual. Begitu memasukkan permintaan ke tool baru, jawabannya langsung keluar hampir seketika. Pas dicek silang dengan data manual lama, angkanya cocok persis.

Richard Lam menegaskan pergeseran besar ini:

"Pengguna bisnis sekarang mendeskripsikan hasil yang mereka inginkan alih-alih berburu laporan. Itu pergeseran besar. Saya bahkan menyebutnya transformasi bisnis."

Teknisi SRE Bereskan Insiden Sistem dalam Hitungan Menit

Bukan cuma orang non-teknis yang terbantu. Di bagian production engineering, para site reliability engineer (SRE) memanfaatkan Codex buat menangani insiden operasional. Ketika terjadi gangguan pada sistem, Codex langsung mengumpulkan konteks terkait insiden tersebut dan otomatis memunculkan panduan penanganan (playbook) yang pas.

Hasilnya, para teknisi nggak perlu lagi buang-buang waktu mencari dokumen panduan atau menelusuri log secara manual. Waktu mereka dialihkan sepenuhnya buat mengambil keputusan penting. Menurut penuturan Lam, insiden simpel yang biasanya butuh waktu satu jam untuk diselesaikan kini bisa dibereskan hanya dalam beberapa menit saja.

Meski begitu, Lam mengingatkan kalau sistem ini sama sekali nggak jalan secara autopilot tanpa pengawasan. Tetap harus ada manusia yang memastikan fondasi sistem di belakangnya dirancang dengan benar.

Perbandingan Efisiensi Oracle Sebelum dan Sesudah Pakai AI

Biar makin gampang melihat bedanya, tabel di bawah ini merangkum perbandingan alur kerja Oracle sebelum dan sesudah mengintegrasikan ChatGPT Work serta Codex:

Perubahan di atas memperlihatkan kalau integrasi AI bakal paling berasa efeknya pas dipakai buat memotong kerjaan rutin yang alurnya jelas dan berulang.

Tiga Pelajaran Penting untuk Pemimpin Bisnis dari Oracle

Walaupun AI yang membantu merakit tool-tool canggih ini, para petinggi Oracle menegaskan bahwa manusia tetap memegang kendali penuh atas hasilnya. Ada tiga pelajaran kepemimpinan yang bisa kamu tiru buat kantormu sendiri:

1. Pasang batasan dan aturan (guardrails) yang jelas. Richard Lam mengingatkan bahwa tim tetap harus sangat bertanggung jawab soal desain sistem, arsitektur, keamanan, dan bagaimana Codex menyusun kode tersebut. Jangan asal lepas tanpa kontrol.
2. Bikin prototipe langsung, bukan cuma dokumen spesifikasi. Barry Shilmover, Vice President and Technical Advisor to the CIO di Oracle, menjelaskan bahwa dia mengubah kebiasaannya. Dulu dia menuangkan ide ke atas kertas dokumen kerja yang tebal, tapi sekarang dia langsung mewujudkan idenya jadi prototipe fungsional lewat AI.
3. Kuasai kodenya sendiri (own the code). Richard Lam menekankan pentingnya bekerja berdampingan dengan AI. Kalau kamu membiarkan AI menulis kode tanpa kamu pahami arsitekturnya, kamu bakal berakhir dengan tumpukan kode yang mustahil dirawat (not maintainable) di masa depan.

Peringatan: Mengizinkan AI membuat kode atau query database tanpa pemahaman mendalam dari tim internal sangat berisiko. Pastikan selalu ada proses audit kode dan pengawasan keamanan agar sistem internal perusahaan tetap terlindungi.

Contoh Workflow Prompt untuk Riset Rekrutmen ala Oracle

Kalau tim HR atau rekrutmen di kantormu pengin mencoba alur riset talenta mirip yang dilakukan Oracle, kamu bisa menirunya memakai ChatGPT. Tentu saja tim Oracle membangun tool terintegrasi khusus, tapi kamu bisa mulai dengan template alur kerja sederhana berikut:

Kamu adalah asisten riset pasar talenta profesional. Saya akan memberikan deskripsi pekerjaan berikut:[Masukkan deskripsi pekerjaan/posisi di sini] Tolong buatkan ringkasan riset untuk persiapan wawancara dengan hiring manager, yang mencakup:1. 3 posisi atau role pembanding yang setara di industri serupa.2. Tolok ukur keahlian utama yang paling dicari untuk peran ini.3. Perkiraan rentang kompensasi pasar umum untuk level senioritas ini.4. Potensi tantangan dalam menjaring kandidat di lokasi target.Sajikan hasilnya dalam poin-poin ringkas yang siap dibahas dalam 15 menit.

Perusahaan Global Lain yang Ikut Mengadopsi Codex

Oracle bukan satu-satunya korporasi global yang memanfaatkan Codex buat menggenjot produktivitas teknis. OpenAI mencatat ada lebih dari satu juta bisnis di seluruh dunia yang sudah meraih hasil nyata bersama ekosistem mereka.

Sebagai contoh, NTT DATA Group berhasil memangkas waktu analisis insiden teknis mereka menjadi hanya 30 menit dengan bantuan Codex. Alur penanganan masalah yang sebelumnya panjang berhasil dipadatkan secara rapi.

Selain itu, perusahaan raksasa jaringan Cisco juga berkolaborasi dengan OpenAI buat mendefinisikan ulang cara kerja rekayasa perangkat lunak enterprise lewat integrasi Codex. Langkah serupa juga diambil oleh perusahaan finansial dan teknologi Simplex.

Simplex memikirkan ulang proses pengembangan perangkat lunak mereka dari awal agar para developer bisa bergerak jauh lebih gesit tanpa terbebani tugas-tugas penulisan boilerplate code yang berulang. Kalau kamu tertarik melihat bagaimana tools kolaborasi modern mengadopsi AI serupa, kamu juga bisa membaca ulasan soal integrasi Atlassian OpenAI yang membekali sistem kerja tim dengan agen pintar.

Dampak Nyata Adopsi AI Enterprise untuk Kantor di Indonesia

Kisah sukses Oracle ini membawa sejumlah catatan penting buat iklim kerja dan bisnis di Indonesia. Selama ini, banyak kantor lokal masih memandang ChatGPT cuma sebagai chatbot buat bikin draf email atau memperbaiki tata bahasa. Padahal, potensinya jauh lebih besar kalau diintegrasikan ke sistem database internal.

Pertama, soal efisiensi biaya dan waktu. Untuk UMKM maupun perusahaan menengah di Indonesia, kamu nggak perlu merekrut puluhan analis data tambahan cuma buat menarik laporan penjualan mingguan. Dengan menghubungkan model bahasa ke struktur database lewat guardrail yang tepat, staf operasional bisa langsung bertanya dengan bahasa Indonesia sehari-hari.

Kedua, perlindungan data dan privasi. Ketika perusahaan di Indonesia mulai menyambungkan data internal ke sistem AI, kepatuhan terhadap regulasi seperti UU Pelindungan Data Pribadi (UU PDP) wajib diperhatikan. Pastikan data sensitif pelanggan tidak dijadikan data latihan publik dan gunakan sistem enterprise yang punya isolasi data ketat.

Ketiga, kesiapan tim internal. Transformasi seperti di Oracle butuh pemimpin dan karyawan yang melek alur kerja AI. Buat kamu yang ingin melatih tim agar paham cara menyusun prompt bisnis dan alur kerja terstruktur, kamu bisa mengikuti kelas AI untuk Pemilik Bisnis & UMKM atau kelas AI untuk HR & People di Classai.

Sementara itu, buat tim developer lokal yang ingin bereksperimen menghubungkan model AI ke database kantor lewat API, kamu bisa memanfaatkan Classai Router. Lewat satu API key yang kompatibel dengan SDK OpenAI, kamu bisa mencoba model seperti gpt-4o (Rp500 / Rp2.500 per 1 juta token) atau gpt-4.1 (Rp500 / Rp2.500 per 1 juta token) dengan pembayaran saldo rupiah via QRIS tanpa perlu kartu kredit luar negeri.

Langkah Oracle memperjelas arah masa depan kerja: mereka yang sukses bukan yang membiarkan AI jalan sendiri tanpa aturan, melainkan mereka yang mampu merumuskan hasil akhir dengan jelas dan membiarkan AI mengurus langkah-langkah teknisnya.