Startup Skan AI sukses mengamankan pendanaan Seri C senilai 63 juta dolar AS atau sekitar Rp980 miliar yang dipimpin oleh Cathay Innovation dan Dell Technologies Capital. Suntikan modal ini memperkuat posisi perusahaan dalam menciptakan 'grafik konteks kerja' dengan mengamati bagaimana karyawan beroperasi di balik layar perangkat lunak perusahaan. Total pendanaan yang dikumpulkan perusahaan berusia tujuh tahun ini kini mencapai 120 juta dolar AS, dengan keterlibatan investor strategis seperti Citi Ventures, Bloomberg Beta, dan Wipro Ventures.
Langkah ini diambil di tengah kegelisahan industri terhadap efektivitas AI generatif di lingkungan korporasi. Berdasarkan riset Gartner yang dikutip Skan, hanya 8 persen perusahaan yang berhasil mengimplementasikan agen AI dalam produksi, sementara 95 persen proyek percontohan awal dianggap gagal memberikan hasil terukur. Angka-angka ini menjadi sinyal kuat bahwa ada celah besar antara ekspektasi kecerdasan buatan dengan realitas operasional di lapangan.
Avinash Misra, CEO dan salah satu pendiri Skan, berpendapat bahwa masalah utamanya bukan terletak pada model AI itu sendiri, melainkan pada kurangnya pemahaman mendalam tentang ekosistem bisnis tempat AI tersebut ditempatkan. Selama ini, perusahaan cenderung memberi makan AI dengan dokumen prosedur standar (SOP) yang sering kali tidak mencerminkan kenyataan. Misra mengibaratkan AI sebagai mobil yang canggih namun kehilangan sistem navigasi yang tepat untuk menavigasi kompleksitas tugas manusia sehari-hari.
Skan menawarkan pendekatan berbeda dengan mengamati langsung aktivitas pada layar desktop karyawan. Teknologi mereka memantau pergerakan data antar aplikasi, mulai dari lembar kerja sederhana, sistem CRM, hingga perangkat lunak warisan (legacy) perusahaan. Data mentah dari pengamatan ini kemudian diabstraksi menjadi model bisnis yang dinamis. Berbeda dengan alat process mining konvensional yang hanya melihat jejak data di sistem backend, Skan menangkap 'pekerjaan nyata' yang terjadi di antara transisi sistem tersebut.
Keunggulan kompetitif Skan terletak pada kemampuan ekstraksi niat dari apa yang terlihat di layar. Menurut Misra, memantau layar bukan bagian tersulit, melainkan melatih model untuk memahami konteks pekerjaan, seperti membedakan antara kasus baru dengan pengerjaan ulang (rework). Inilah yang menjadi fondasi bagi produk baru mereka, yakni Skan AI Blueprint dan Skan AI Agents, yang dirancang untuk membantu perusahaan melakukan otomasi alur kerja yang lebih akurat.
Di Indonesia, adopsi AI di tingkat korporasi sedang berada dalam fase akselerasi, namun tantangannya serupa dengan pasar global. Banyak perusahaan besar di tanah air masih terjebak pada digitalisasi yang tidak efisien karena ketidaksesuaian antara sistem IT dengan kebiasaan operasional tim. Implementasi teknologi seperti Skan berpotensi mengubah cara perusahaan lokal mengevaluasi efisiensi internal mereka sebelum memutuskan untuk melakukan otomatisasi penuh.
Namun, pendekatan pengamatan layar ini tentu memicu perdebatan mengenai privasi di tempat kerja. Isu pengawasan karyawan menjadi sensitif, terutama setelah beberapa perusahaan global, seperti Meta, sempat menarik kembali alat pelacak klik mouse karena protes dari pekerjanya. Skan harus mampu menyeimbangkan kebutuhan akan telemetri operasional dengan batasan etika agar tidak dianggap melakukan pengawasan berlebihan yang merusak budaya organisasi.
Bagi pasar Indonesia, ini merupakan pengingat penting bahwa otomatisasi bukanlah solusi instan yang bisa diterapkan secara 'top-down'. Perusahaan di Indonesia yang sedang bertransformasi digital perlu memahami bahwa data yang tercatat dalam sistem sering kali tidak cukup untuk melatih model AI yang cerdas. Memahami 'human-in-the-loop' atau bagaimana manusia benar-benar berinteraksi dengan aplikasi adalah kunci utama keberhasilan transformasi digital.
Ke depannya, Skan berencana untuk terus memperluas kemampuan agen AI mereka agar mampu mengambil keputusan secara mandiri berdasarkan konteks yang telah dipetakan. Industri kini mulai bergeser dari sekadar membangun model AI yang besar menuju pembangunan sistem yang memahami konteks spesifik perusahaan. Jika berhasil, Skan akan menjadi jembatan krusial antara ketidakteraturan kerja manusia dengan presisi mesin.
Kegagalan banyak pilot proyek AI di masa lalu menjadi pelajaran berharga bagi banyak CTO di Indonesia. Investasi pada pemahaman proses (process intelligence) sebelum melakukan investasi besar pada model AI generatif mungkin adalah strategi yang lebih bijak. Dengan cara ini, perusahaan tidak hanya membuang anggaran untuk teknologi yang tidak relevan, tetapi benar-benar membangun fondasi operasional yang siap menghadapi era kecerdasan buatan.