Transformasi gagal bukan karena perusahaan memilih teknologi yang salah, melainkan karena membangun sebagian kapabilitas dan mengabaikan sisanya. Hasil akhirnya ditentukan oleh yang paling lemah, sebesar apa pun investasi di yang lain.

Daftar ini diambil dari kerangka Rewired McKinsey, disusun dari pengalaman mendampingi lebih dari 200 perusahaan besar lintas industri. Riset McKinsey menyebut sekitar 90 persen perusahaan sudah meluncurkan sebentuk transformasi digital, tetapi rata-rata hanya sepertiga manfaat pendapatan yang diharapkan benar-benar terwujud (McKinsey, 2023). Dua temuan menjelaskan jaraknya: tidak ada transformasi yang berhasil tanpa kompetensi dasar di keenam kapabilitas, dan keenamnya saling terkait sehingga harus dikelola sebagai satu kesatuan.

Satu hal perlu diluruskan sejak awal: ini pekerjaan seluruh jajaran pimpinan, bukan hanya direktur utama atau direktur teknologi.

  1. Peta jalan yang dipimpin bisnis. Ketika transformasi macet, sebagian besar masalahnya bisa dilacak ke perencanaan dan penyelarasan yang tidak memadai di awal. Tiga langkah perlu dibereskan: selaraskan tim puncak (pekerjaan berminggu-minggu, bukan satu rapat); tentukan satuan kerja yang tepat, yaitu domain bisnis; dan buat kontrak dengan jajaran direksi yang mengikat hasil tiap domain ke perbaikan indikator operasional tertentu.Angka soal cakupan cukup mencolok: pada transformasi yang sedang tersendat, sampai 80 persen intervensi yang berhasil berupa penataan ulang cakupan ke beberapa domain yang terdefinisi jelas. Peta jalannya menyusun urutan solusi agar menghasilkan nilai berarti dalam 12 sampai 18 bulan dan nilai transformasional dalam tiga sampai lima tahun. Patokan kasar McKinsey: peta jalan digital yang kuat semestinya menghasilkan perbaikan EBIT 20 persen atau lebih.
  1. Talenta digital internal. Tidak ada perusahaan yang bisa mencapai keunggulan digital dengan menyerahkan semuanya ke pihak luar. Sasaran yang disarankan: 70 sampai 80 persen talenta digital berada di dalam perusahaan, 20 sampai 30 persen dari luar untuk keahlian khusus atau fleksibilitas. Bentuk piramida talenta perlu berubah menyerupai belah ketupat — lebih tebal di tengah — karena ada lompatan produktivitas yang nyata pada teknolog berpengalaman; rasio yang disarankan 4 banding 1 antara insinyur dan manajer, dibanding 1 banding 1 yang lazim ditemukan.Keterampilan perlu dikalibrasi presisi lewat tingkatan tertulis dan sertifikasi; perusahaan teknologi besar bahkan punya sampai sepuluh tingkat untuk insinyur data. Karena mengubah seluruh fungsi SDM sekaligus jarang praktis, McKinsey menyarankan membentuk tim khusus — Talent Win Room — yang menyesuaikan proses SDM saat ini agar bisa memenangkan talenta digital.
  1. Model operasi yang bisa diperbesar. Sebagian besar perusahaan sanggup membentuk segelintir tim lintas fungsi; yang sulit adalah memperbesarnya sampai ratusan atau ribuan tim bekerja dengan cara itu. Dua gagasan mendasarinya: tim kecil lintas disiplin (pod) adalah cara paling efektif membangun perangkat lunak, dan tim bekerja paling baik ketika sebagian fokus memperbaiki pengalaman pengguna sementara sebagian lain membuat layanan yang bisa dipakai ulang.Tiga model telah terbukti di lapangan: pabrik digital (20 sampai 50 tim, sekitar 12 sampai 18 bulan sampai beroperasi penuh, cocok bila ingin mulai cepat dengan risiko organisasi terbatas); produk dan platform (ratusan hingga ribuan tim, beberapa tahun, bila sebagian besar organisasi diselaraskan ulang); dan agile menyeluruh (beberapa tahun, paling menuntut, bila fokus pelanggan dan keluwesan sumber daya adalah pembeda kinerja utama).

    Satu kapabilitas menentukan apakah model itu berjalan: manajemen produk. Sekitar 75 persen pemimpin bisnis dalam survei McKinsey menyatakan praktik terbaik manajemen produk belum diadopsi di perusahaan mereka, masih berupa fungsi yang baru tumbuh, atau tidak ada sama sekali.

  1. Teknologi untuk kecepatan. Tujuannya bukan kecanggihan, melainkan kemudahan ratusan tim merilis inovasi terus-menerus. Tiga prioritas: platform pengembang berupa portal layanan mandiri (tidak masuk akal bila setiap anggota tim harus menelepon divisi TI untuk tambahan kapasitas penyimpanan); API tanpa pengecualian, agar tim tidak terus-menerus menunggu tim lain; dan otomasi pengiriman perangkat lunak lewat CI/CD, yang memendekkan pembaruan dari berminggu-minggu menjadi hitungan menit. Untuk model AI dan pembelajaran mesin, otomasi serupa diperlukan dan punya namanya sendiri: MLOps — tanpa itu, model gagal naik ke produksi skala penuh. Banyak direktur teknologi sudah memulai ketiganya; yang jarang terjadi adalah memperbesarnya ke seluruh perusahaan.
  1. Data yang tertanam di mana-mana. Sampai 70 persen usaha membangun solusi berbasis AI habis hanya untuk merapikan dan menyelaraskan data (McKinsey, 2023). Tiga area perlu dibereskan. Pertama, produk data: kumpulan data bermutu tinggi yang siap pakai, misalnya pandangan menyeluruh atas pelanggan, karyawan, lini produk, atau gerai. Angkanya layak diperhatikan — produk data membantu menyajikan aplikasi padat data sampai 90 persen lebih cepat dengan biaya 30 persen lebih rendah, serta beban risiko dan tata kelola yang berkurang. Catatan penting: membangunnya menuntut tim khusus dan investasi tersendiri, bukan pekerjaan sampingan. Kedua, arsitektur data — sistem perpipaan yang mengalirkan data dari tempat disimpan ke tempat dipakai; pola yang lebih baru seperti data lakehouse menggabungkan danau data dan gudang data dalam satu platform. Ketiga, tata kelola terfederasi: fungsi pusat menetapkan kebijakan dan standar, unit bisnis mengelola pengembangan produk data dan saluran datanya.
  2. Adopsi dan penskalaan. Di sinilah mayoritas program berhenti. Perusahaan sering meremehkan berapa banyak elemen model bisnis yang juga harus berubah: sebuah perusahaan asuransi yang membangun solusi analitik untuk membantu agen menawarkan polis tambahan ternyata juga harus mengubah algoritma penetapan harga, insentif tenaga penjual, model distribusi dan interaksi pelanggan, serta metrik kinerjanya.

Dari situ lahir patokan paling berguna: untuk setiap satu rupiah membangun solusi digital, siapkan setidaknya satu rupiah lagi untuk memastikan adopsi penuh dan penskalaan (McKinsey, 2023). Penskalaan sendiri yang menghentikan 72 persen perusahaan, karena menyalin keberhasilan ke lingkungan lain menuntut pengulangan pekerjaan yang besar. Pemimpin digital mengatasinya dengan memperlakukan solusi sebagai aset yang dirancang untuk dipakai ulang, sehingga 60 sampai 90 persen bagiannya bisa digunakan kembali dan hanya 10 sampai 40 persen perlu disesuaikan secara lokal.

Latihan penilaiannya. Kumpulkan lima sampai tujuh orang dari fungsi berbeda. Minta masing-masing menilai keenam kapabilitas secara terpisah sebelum berdiskusi, dengan skala: tidak ada, ada di atas kertas, berjalan di sebagian tempat, berjalan luas, beroperasi penuh.

Tiga aturan agar hasilnya berguna: nilai hanya diberikan bila buktinya bisa ditunjukkan hari ini; perbedaan nilai antar-penilai lebih informatif daripada rata-ratanya, jadi bahas yang paling berbeda lebih dulu; dan nilai terendah Anda — bukan rata-rata — yang menentukan batas hasil yang bisa dicapai program Anda.

Langkah praktisnya bukan memulai enam program sekaligus. Kerjakan penilaian itu bersama tim inti, temukan nilai terendah Anda, dan alokasikan perhatian direksi ke sana selama dua kuartal ke depan. Perlu diingat, ini perjalanan perbaikan yang terus berjalan, bukan tujuan yang suatu saat tercapai.

Sumber: Lamarre, Smaje & Zemmel (20 Juni 2023), Rewired to outcompete, McKinsey Quarterly; Bedard & Beauchene (4 Februari 2026), AI Transformation Is a Workforce Transformation, BCG.