Para pemimpin bisnis yang menggunakan AI saat ini mungkin merasakan hasil yang cukup memuaskan, tetapi tidak cukup kuat untuk tetap bersaing. Jarak antara dua kondisi ini sering kali tidak terlihat sampai seorang pesaing menunjukkan fakta tersebut, dan pada saat itu, biasanya sulit untuk menutup celahnya.
Artikel ini adalah salah satu dari tiga artikel terhubung yang dirancang untuk mengurangi celah antara posisi Anda sekarang dan tujuan yang ingin dicapai. Artikel pertama memberikan kerangka diagnostik untuk memahami posisi Anda saat ini dan mengapa itu penting. Artikel kedua menunjukkan cara mengubahnya menjadi sistem prompt sederhana yang membangun asisten AI untuk memvalidasi pemikiran Anda dan merencanakan langkah selanjutnya. Artikel ketiga membawa hal ini lebih jauh dengan co-pilot yang memahami bisnis Anda, tahap Anda, dan keterbatasan yang ada, yang akan membantu Anda terus bergerak tanpa harus mulai dari awal setiap kali. Di akhir, Anda tidak lagi bertanya-tanya; Anda sudah memiliki sistem yang memandu keputusan Anda.
Kerangka kerja yang menjelaskan celah ini kepada dua puluh lima pemimpin bisnis di retret Entrepreneurs’ Organization di Bourgogne berasal dari tempat yang tidak terduga: pidato Donald Rumsfeld, mantan Menteri Pertahanan AS, pada tahun 2002 tentang intelijen dan ketidakpastian.
Rumsfeld menjelaskan empat kategori pengetahuan: known knowns, known unknowns, unknown knowns, dan unknown unknowns. Ini adalah cara sederhana untuk memahami apa yang Anda ketahui, apa yang Anda ketahui tidak Anda ketahui, apa yang sudah Anda ketahui tetapi belum dinyatakan, dan apa yang belum Anda sadari Anda hilangkan.
Lebih dari dua puluh tahun kemudian, empat kategori ini hampir sempurna menggambarkan bagaimana para pengusaha menggunakan AI saat ini. Penulis memberikan presentasi berjudul “10 Stages of AI Implementation for Business Leaders” pada retret Entrepreneurs’ Organization Paris Chapter di Bourgogne—dua puluh lima pendiri menjalankan bisnis dengan pendapatan di atas €1 juta, semuanya telah menggunakan AI dalam beberapa bentuk. Yang menonjol bukanlah seberapa canggih orang-orang itu, tetapi seberapa tidak meratanya pemahaman mereka.
Kuadran terpenting bukanlah yang kebanyakan orang harapkan.
Model Rumsfeld terhubung dengan baik pada adopsi AI, dan ini berfungsi sebagai alat diagnosis—bukan sekedar metafora—karena struktur ketidakpastian sama, baik ketika Anda berurusan dengan intelijen atau pembelajaran mesin.
Berikut adalah pembagiannya:
Unknown unknowns (kekurangan pengetahuan yang tidak disadari). Anda menggunakan AI setiap hari, mendapatkan hasil yang terasa baik, dan tidak menyadari apa yang kurang. Ini adalah kuadran yang nyaman—dan juga yang paling mahal. Banyak pemimpin di retret telah berada di sini: puas dengan hasil yang akan cepat tertinggal dalam lingkungan yang lebih kompetitif.
Known unknowns (kekurangan yang disadari). Anda dapat melihat ada lebih banyak yang harus dilakukan. Anda telah melihat penggunaan yang lebih baik, atau seorang rekan menunjukkan apa yang mungkin dilakukan. Celah ini jelas, tetapi jalan ke depan belum terlihat pasti.
Known knowns (kapasitas terstruktur). Anda memiliki sistem yang ada—prompt yang dapat diulang, output yang dapat diandalkan, dan proses yang bisa Anda ajarkan kepada orang lain. Ini adalah orang-orang yang bertanya dengan tepat, “Apa langkah selanjutnya mengingat posisi saya sekarang?”
Unknown knowns (keahlian yang belum diungkapkan). Ini adalah kategori yang paling sering diabaikan: pengetahuan instingtif yang sudah Anda miliki tentang bisnis dan pengambilan keputusan Anda, tetapi belum diformalkan. Ini terwujud sebagai penilaian, pengenalan pola, dan insting berkualitas yang dibangun selama bertahun-tahun pengalaman.
Kuadran terakhir ini sangat penting—dan kebanyakan alat tidak pernah mengaksesnya.
Yang jelas dari sesi di Bourgogne adalah: kesempatan nyata bukan hanya tentang belajar bagaimana menggunakan AI dengan lebih baik. Ini tentang mengekstraksi apa yang sudah Anda ketahui, agar AI bisa menggunakannya dengan baik sejak awal.
Dan ada lapisan kedua yang sering diabaikan oleh banyak pemimpin. Mereka juga mengembangkan insting yang tak terucapkan tentang AI itu sendiri—prompt mana yang efektif, di mana model gagal, kapan output terasa tidak tepat. Pengetahuan tersebut ada, tetapi jarang dituliskan atau disistematisasi.
Sepuluh tahap implementasi AI memberikan struktur ini.
Kebanyakan perusahaan berada di sekitar Tahap 3. Banyak yang percaya mereka sudah di Tahap 5. Celah ini bukanlah ketidaktahuan—ini adalah unknown unknowns yang beraksi: batasan yang belum bisa Anda lihat.
Tahapnya bervariasi dari penggunaan prompt dasar hingga sistem adaptif penuh yang terus memperbaiki diri seiring waktu. Kebanyakan organisasi masih memperlakukan AI sebagai alat, bukan sistem.
Langkah selanjutnya adalah mengubah itu.
Tindakan praktisnya sederhana: bangun asisten AI yang mulai dengan pemahaman yang tepat tentang bisnis Anda, bukan hanya merespon prompt. Asisten yang dapat memetakan posisi Anda di antara tahap-tahap ini, mengidentifikasi celah, dan membantu menyusun langkah selanjutnya.
Bagian berikutnya akan menunjukkan kepada Anda dengan tepat bagaimana membangunnya—menggunakan sistem prompt, pengumpulan terstruktur, dan pengetahuan operasional Anda sendiri agar asisten ini menjadi kontekstual sejak hari pertama.
Karena setelah Anda bisa melihat strukturnya dengan jelas, langkah selanjutnya tidak lagi menjadi tebakan.
