Dari Full Automation ke AI Automation dengan Approval
AI automation dengan approval adalah pendekatan di mana sistem AI boleh mengeksekusi tindakan operasional secara otomatis, tetapi setiap keputusan berdampak tinggi—terutama yang menyentuh uang, akses, atau reputasi—tetap melewati kontrol pengguna, role formal, dan gerbang persetujuan manusia yang terdokumentasi sebagai bagian dari enterprise AI governance dan human-in-the-loop automation. Tren utama yang tampak pada platform enterprise bukan lagi mimpi “full automation tanpa campur tangan manusia”, melainkan orkestrasi tugas yang agresif dengan rem tangan berupa approval gate di titik berisiko. Asure, OpenAI, dan LTK sedang memposisikan diri di tengah: AI menangani detail dan koordinasi, manusia memegang otoritas. Pertanyaannya bukan apakah automation perlu dibatasi, tetapi di mana garis batas antara efisiensi dan akuntabilitas ditarik.
Asure Luna: Payroll Otomatis, Uang Tetap Butuh Tanda Tangan Manusia
Asure menambahkan Luna AI ke AsureCentral dan mengklaim mampu mengotomatisasi 50 fungsi lintas payroll, tax, compliance, employee service, dan HR administration. Di sini terlihat pola khas AI automation dengan approval: Luna bukan chatbot pasif, tetapi agent yang mengidentifikasi masalah, mengambil langkah berikutnya, dan meneruskan payroll exception yang belum selesai ke manusia sebelum proses penggajian ditutup. Dalam praktiknya, karyawan bisa bertanya dengan bahasa natural tentang jenis cuti yang tersedia, saldo setiap leave bank, dan lokasi paystub terakhir, bahkan Luna dapat menghitung serta mengajukan permintaan cuti ke sistem. Sementara itu, pemberi kerja mendapat bantuan otomatis untuk mencari dokumen yang belum ditandatangani, mengidentifikasi workflow yang macet, mengirim pengingat, dan menampilkan riwayat dari pengiriman hingga unduhan dokumen.
Namun Asure tidak menyerahkan kendali penuh atas uang kepada AI. Luna memang mendeteksi waktu kerja yang hilang, potongan tidak biasa, dan exception lain serta menghubungi manajer terkait untuk koreksi, memasukkan hasil koreksi ke workflow, lalu mengeskalasi bagian yang tetap belum terpecahkan ke reviewer manusia sebelum payroll close. Dalam bahasa enterprise AI governance, eksekusi teknis boleh otomatis, tetapi release hasil finansial tetap dikunci oleh persetujuan manusia. Asure juga menegaskan bahwa Luna hanya menyiapkan dan mengelola exception; setiap hasil finansial penting seperti koreksi gaji, pajak, atau payment exception baru dirilis setelah user yang berwenang meninjau dan menyetujui hasil tersebut. Kutipan yang layak dicatat: “Luna exception শনাক্ত ও প্রয়োজনীয় তথ্য জড়ো করলেও এমন ফলাফলের চূড়ান্ত release মানুষের অনুমোদনে আটকে রাখা তাই যুক্তিসংগত payroll control”. Itu adalah definisi praktis human-in-the-loop automation untuk fungsi keuangan.
LTK: Agentic Campaign, Kontrol Pengguna dalam AI Tetap Mutlak
Di ranah pemasaran, LTK memperkenalkan pengalaman agentic baru di Brand Platform yang berangkat dari antarmuka percakapan. Marketer menuliskan tujuan bisnis, target audiens, dan budget dalam bahasa sehari-hari; sistem kemudian memetakan struktur campaign, merekomendasikan creator, dan menyusun jalur activation dari gifting hingga Quick Collabs dalam satu alur percakapan. Graph rekomendasi ini diklaim bertumpu pada lebih dari 100 miliar commerce signal yang dihimpun selama 15 tahun, tetapi yang paling menarik bukan skalanya, melainkan garis kontrolnya: “setiap keputusan tetap berada dalam kendali marketer”. Dengan kata lain, AI menyederhanakan pencarian dan koordinasi, sementara marketer masih memutuskan apakah sebuah rekomendasi layak dijalankan.
Pengalaman ini belum dirilis penuh: pengumuman dilakukan pada 26 Agustus, limited beta dijadwalkan mulai September, dan ketersediaan yang lebih luas direncanakan pada kuartal keempat 2026. Sejauh informasi yang diumumkan, agent tidak mengaktivasi campaign tanpa persetujuan eksplisit; ia bersifat proaktif dalam mengamati creator, konsumen, produk, dan kinerja campaign, lalu membawa rekomendasi optimasi ke depan layar marketer. Di sini kontrol pengguna dalam AI menjadi garis pemisah antara automation yang membantu dan automation yang berpotensi menggerus akuntabilitas. LTK sendiri menggarisbawahi bahwa agentic experience mereka lebih tepat disebut workflow pendukung planning, selection, dan activation, bukan operator campaign yang berdiri sendiri. Kita masih perlu menunggu dokumentasi beta untuk melihat bagaimana approval gate muncul di layar nyata, tetapi arah desainnya jelas: AI boleh merancang campaign, manusia tetap memegang tombol “Launch”.
OpenAI Admin Plugin: Enterprise AI Governance dengan Rem RBAC
Di sisi administrasi teknis, OpenAI merilis Admin plugin untuk ChatGPT Work dan Codex pada 25 Agustus 2026, dengan kemampuan menganalisis usage dan credit, mengelola member dan group, menguji permission, mengontrol akses fitur dan model, mengubah usage limit, serta menyetujui atau menolak spending request. Ini tampak seperti alat kuat yang bisa mengubah konfigurasi workspace, tetapi kuncinya adalah: admin plugin bukan role super-admin baru. Setiap tindakan tetap dibatasi oleh role, permission, workspace policy, dan approval requirement yang sudah ada; instruksi percakapan tidak menciptakan otorisasi baru dengan sendirinya.
Opsionalitas dan kontrol pengguna dalam AI diperluas lewat konfigurasi apps dan action control. Dokumentasi menjelaskan bahwa apps di Business workspace aktif secara default, sementara di Enterprise dan Edu, apps default-nya nonaktif; admin atau owner dapat mengendalikan ketersediaan app dan menerapkan batas RBAC per group. Selain itu, di Enterprise dan Edu tersedia action control untuk mengizinkan hanya read action, semua action, atau kumpulan custom action tertentu. Jika sebuah app yang diperlukan dinonaktifkan untuk role tertentu, kemampuan plugin yang bergantung pada app itu juga tidak bisa digunakan. Inilah contoh konkret enterprise AI governance: automation boleh berulang (seperti mengirim usage request ke reviewer melalui Slack atau Teams dan memberikan akses fitur berdasarkan kriteria yang disetujui), tetapi plugin tidak boleh melampaui permission asli dan setiap tindakan berdampak luas dapat ditinjau sebelum diterapkan.
Mengapa Human-in-the-Loop Automation Menang untuk Enterprise
Jika ketiga contoh di atas dirangkai, satu pola besar muncul: platform enterprise mulai meninggalkan fantasi full automation dan memilih human-in-the-loop automation yang mempercepat workflow tanpa menghapus akuntabilitas. Asure memastikan Luna boleh mengidentifikasi exception payroll dan mengumpulkan informasi, tetapi pengesahan akhir gaji, pajak, dan exception pembayaran tetap memerlukan approval manusia. LTK mempersilakan agent menyusun campaign, creator, dan jalur activation secara otomatis, namun menegaskan bahwa “setiap keputusan berada di tangan marketer” sebagai batas kekuasaan agent. Admin plugin dari OpenAI mengotomatiskan banyak aksi administratif, tetapi tak pernah melampaui role, permission, policy, atau approval gate yang sudah ditetapkan.
Dalam skema ini, AI automation dengan approval bukan kompromi setengah hati, melainkan strategi sadar untuk menjaga tata kelola. Enterprise AI governance menuntut audit trail, pemisahan peran, dan kontrol granular atas tindakan yang berdampak pada uang, akses, dan data. Human-in-the-loop automation menjawab tuntutan itu: AI menangani volume dan kompleksitas, manusia mempertahankan hak veto. Jika ada pelanggaran, organisasi masih dapat menunjuk siapa yang menyetujui apa, kapan, di bawah policy mana. Konsekuensinya, diskusi di ruang rapat harus bergeser: bukan lagi “sejauh mana kita berani mengotomatisasi?”, melainkan “di mana kita sengaja meletakkan approval gate supaya kecepatan tetap tinggi dan akuntabilitas tetap jelas?”.
