Di sebuah ruang rapat di Suwon, seorang insinyur perangkat lunak Samsung sedang membandingkan dua versi kode Python untuk otomatisasi laporan audit internal. Ia membuka tab baru: bukan dokumentasi internal Gauss, tapi antarmuka ChatGPT-4. Dalam 90 detik, ia dapat tiga alternatif struktur logika yang lebih ringkas dari yang dibuat timnya selama dua hari. Ia tidak melaporkannya — karena sejak pekan lalu, itu sudah sah.
Apa Arti 'Lifting Restrictions' bagi Budaya Teknologi Samsung?
Kebijakan baru Samsung bukan soal mengganti Gauss dengan ChatGPT. Melainkan mengakui bahwa batas antara 'AI internal' dan 'AI eksternal' telah kabur secara operasional. Perusahaan tidak lagi melarang akses ke layanan generatif pihak ketiga seperti ChatGPT dan Claude — asalkan tidak digunakan untuk data sensitif atau proses regulasi kritis. Gauss tetap menjadi platform resmi untuk integrasi sistem ERP, manajemen rantai pasok, dan pelatihan karyawan. Tapi untuk eksplorasi ide, penyusunan draft dokumen, atau debugging cepat, karyawan kini boleh memilih alat yang paling responsif — bahkan jika itu bukan produk Samsung sendiri.
Dilansir TechInAsia, keputusan ini diambil setelah uji coba terbatas di divisi R&D dan layanan korporat selama Q1 2024. Hasilnya menunjukkan peningkatan signifikan dalam kecepatan iterasi desain prototipe dan penurunan beban administratif pada tim manajemen proyek. Yang mengejutkan manajemen adalah bukan hanya produktivitas yang naik, tapi juga peningkatan retensi karyawan di level mid-career — terutama di antara insinyur berpengalaman yang sebelumnya sering mengeluhkan keterbatasan fleksibilitas Gauss dalam tugas non-inti.
Baca juga: CrowdStrike Masuk Kelompok Identitas Digital Saat AI Agent Meledak
Bukan Kompetisi Platform, Tapi Rekonfigurasi Peran Internal
Ini bukan kekalahan Gauss. Justru sebaliknya: Gauss semakin kuat sebagai 'sistem operasi bisnis' Samsung — tempat semua transaksi finansial, sertifikasi kualitas, dan pelacakan kepatuhan hukum berjalan. Namun, peran Gauss berubah dari 'satu-satunya alat' menjadi 'pusat koordinasi'. ChatGPT dan Claude kini berfungsi sebagai 'asisten lintas domain': mereka membantu menyusun briefing untuk rapat dengan mitra Jepang, menerjemahkan dokumen teknis ke bahasa Vietnam tanpa menunggu tim lokal, atau bahkan menghasilkan skenario risiko pasar untuk presentasi direksi — lalu semua output itu dimasukkan ke Gauss untuk validasi dan arsip resmi.
Model ini jauh berbeda dari pendekatan perusahaan teknologi lain di Asia. Di Jepang, misalnya, banyak perusahaan masih menerapkan larangan mutlak terhadap AI eksternal — bahkan untuk email pribadi. Di Korea Selatan sendiri, sebagian besar perusahaan manufaktur besar masih mengandalkan solusi on-premise berbasis LLM lokal, seperti Naver's HyperClova X, yang belum sepenuhnya siap untuk tugas kreatif lintas fungsi. Samsung justru memilih jalan pragmatis: membiarkan karyawan menggunakan alat terbaik untuk tugas tertentu, selama ada guardrail yang jelas.
Baca juga: STT GDC Perluas Kampus Data Jakarta: Apa Artinya untuk Ekosistem AI Lokal?
Yang hilang dari narasi publik adalah bagaimana kebijakan ini memengaruhi rantai pasok talenta teknologi di tingkat regional. Di Indonesia, misalnya, banyak startup AI lokal seperti Kata.ai dan Sampingan mulai mengadopsi model hybrid serupa — mengintegrasikan model open-source dengan API layanan global. Tapi mereka tidak punya infrastruktur Gauss untuk menjamin keamanan data. Maka, kebijakan Samsung justru memperlebar celah antara kapasitas korporasi multinasional dan kemampuan lokal dalam membangun ekosistem AI yang aman sekaligus fleksibel.
Tantangan nyata bukan pada teknologi, tapi pada literasi organisasi. Samsung harus melatih ulang ribuan manajer agar tidak lagi menilai kinerja berdasarkan 'berapa banyak waktu dihabiskan di Gauss', melainkan 'berapa banyak masalah kompleks yang diselesaikan — dengan alat apa pun'. Ini mengubah metrik evaluasi, sistem pelaporan, bahkan budaya dokumentasi internal. Sebuah memo internal yang dilihat TechInAsia menyebutkan bahwa divisi HR kini mengembangkan modul pelatihan baru berjudul 'Menggunakan AI Eksternal Secara Bertanggung Jawab', bukan 'Mengapa Gauss Lebih Baik'.
Rangkuman dampak langsung dari kebijakan ini jelas: pertama, percepatan siklus inovasi di tingkat individu dan tim kecil — terutama di divisi non-teknis seperti pemasaran dan SDM; kedua, penurunan biaya pelatihan ulang saat muncul model baru, karena karyawan sudah terbiasa beralih antar-platform. Ketiga, tekanan tak langsung pada vendor lokal untuk meningkatkan interoperabilitas dan keamanan API, bukan hanya performa model. Dan keempat, perubahan cara pandang dalam pengadaan teknologi: bukan lagi 'beli satu platform lengkap', tapi 'bangun tata kelola yang memungkinkan banyak alat hidup berdampingan secara aman'.