Di tengah belanja online yang terasa makin “mudah” dari tahun ke tahun, CEO Amazon Andy Jassy justru menyampaikan pesan yang terdengar seperti peringatan: AI bukan sekadar fitur tambahan, melainkan ancaman paling serius bagi model e-commerce yang selama ini dianggap mapan. Dalam cara pandangnya, kecerdasan buatan akan mengubah hampir seluruh kebiasaan konsumen—bukan hanya cara mereka mencari produk, tetapi juga cara mereka membandingkan, meminta rekomendasi, sampai memutuskan membeli. Ketika keputusan belanja pindah dari “klik pencarian” ke “percakapan dengan agen AI”, permainan ikut berubah: pemenangnya bukan sekadar yang punya katalog besar, melainkan yang paling mampu mempersonalisasi pengalaman, mengeksekusi logistik cepat, dan membangun kepercayaan di era jawaban instan.
Pernyataan Jassy yang beredar luas sejak 2025—dalam memo internal dan berbagai wawancara—menunjukkan dua sisi yang sama kuat: optimisme bahwa transformasi digital berbasis AI akan membuat pengalaman pelanggan lebih mulus, sekaligus pengakuan bahwa pergeseran ini menekan cara kerja lama, dari tim korporat sampai rantai pasok. Dampaknya tidak abstrak. Saat “asisten belanja” generatif bisa menanyakan kebutuhan, menyaring opsi, dan menegosiasikan trade-off harga-kualitas, apa yang tersisa dari e-commerce tradisional yang bertumpu pada iklan, pencarian, dan halaman produk statis? Pertanyaan itu menjadi titik berangkat untuk membaca strategi Amazon—dan sinyal penting bagi pelaku teknologi dan ritel yang kini menghadapi persaingan pasar yang kian cerdas.
CEO Amazon Andy Jassy dan AI sebagai ancaman utama bagi model e-commerce tradisional
Ketika CEO Amazon menyebut AI sebagai risiko terbesar sekaligus peluang terbesar, ia tidak sedang berbicara tentang tren sesaat. Intinya sederhana: jika belanja online dulu dibangun di atas “pencarian kata kunci” dan “etalase digital”, maka gelombang baru akan ditopang oleh “niat pengguna” yang ditangkap lewat percakapan, konteks, dan preferensi yang terus belajar. Dalam skema ini, e-commerce tradisional menjadi rentan karena terlalu mengandalkan pola lama: optimasi SEO, iklan berbayar, dan katalog yang diurutkan berdasarkan popularitas, bukan relevansi personal.
Bayangkan tokoh fiktif bernama Dina, seorang pekerja kantoran yang ingin membeli sepatu lari. Pada model lama, Dina mengetik “sepatu lari wanita” lalu tenggelam dalam ratusan hasil. Ia membuka beberapa halaman, membaca ulasan, membandingkan ukuran, dan tetap ragu. Dengan agen kecerdasan buatan, Dina cukup berkata: “Aku lari 3 kali seminggu, lutut agak sensitif, budget 1,2 juta, dan aku suka sepatu yang ringan.” Agen lalu menanyakan satu-dua pertanyaan lanjutan—permukaan lari, preferensi bantalan—kemudian memberi 3 opsi, menjelaskan alasan, bahkan mengingatkan ukuran merek yang cenderung sempit atau longgar. Di titik itu, “toko” bukan lagi sekadar situs, melainkan sistem keputusan.
Itulah makna ancaman bagi model e-commerce yang tidak siap: trafik dari pencarian bisa menurun karena pengguna tidak lagi “menjelajah” seperti dulu. Jika rekomendasi diambil alih AI, maka nilai bergeser ke pihak yang menguasai data, kemampuan personalisasi, serta integrasi inventori dan pengiriman. Jassy juga menekankan bahwa perubahan semacam ini biasanya membuat beberapa pekerjaan menyusut karena otomatisasi. Di Amazon, pekerjaan rutin yang dulu menyita waktu—analisis sederhana, rangkuman riset, sampai sebagian tugas pemrograman—makin banyak ditangani agen AI sehingga tim manusia fokus pada hal bernilai tinggi: desain produk, eksperimen pengalaman pelanggan, dan keputusan kompleks.
Pernyataan tentang “akan ada lebih sedikit orang pada beberapa pekerjaan” bukan retorika. Amazon sudah menjalani gelombang pengurangan tenaga kerja korporat sejak awal dekade ini, dengan total pemangkasan yang dilaporkan melampaui 27.000 peran dalam beberapa tahun. Jassy membingkai situasi itu sebagai konsekuensi dari efisiensi dan restrukturisasi, sekaligus dorongan agar karyawan mempelajari AI melalui pelatihan dan eksperimen alat. Pesannya tajam: adaptasi bukan pilihan kosmetik, melainkan syarat bertahan di organisasi yang ingin bergerak cepat seperti startup.
Jika bagian ini menyoroti “mengapa” AI menjadi ancaman bagi model lama, bagian berikutnya akan mengurai “bagaimana” Amazon membangun strategi teknologinya—dari chip sampai layanan fondasi—untuk memenangkan babak baru ini. Insight kuncinya: teknologi bukan pendukung bisnis, melainkan mesin yang mendefinisikan ulang bisnis itu sendiri.
Strategi AI Amazon: dari infrastruktur hingga agen belanja yang mengubah pengalaman pelanggan
Perubahan besar jarang dimenangkan hanya dengan aplikasi di permukaan. Strategi Amazon, seperti yang sering dijelaskan Andy Jassy, bertumpu pada gagasan “tiga lapisan” dalam ekosistem AI. Lapisan terbawah adalah infrastruktur komputasi untuk melatih dan menjalankan model: chip, server, dan efisiensi biaya. Di sini Amazon menonjolkan chip kustom seperti Trainium untuk menekan biaya pelatihan dan inferensi, sebuah isu yang pada 2026 makin penting karena permintaan komputasi AI meningkat dan perusahaan mencari cara agar inovasi tidak membakar anggaran.
Lapisan berikutnya adalah layanan bagi perusahaan yang tidak ingin membangun model dari nol, tetapi ingin memanfaatkan model besar, menyesuaikan dengan data internal, dan menambahkan fitur keamanan. Amazon memposisikan layanan seperti Bedrock sebagai “pasar” model frontier plus seperangkat alat untuk membuat aplikasi generatif yang aman. Di level praktis, ini menjawab kebutuhan nyata: guardrails agar asisten tidak mengarang klaim berbahaya, mekanisme retrieval agar jawaban tetap aktual, serta kemampuan agentic untuk mengeksekusi serangkaian tindakan. Dengan fondasi ini, bukan hanya Amazon yang bisa membangun produk; pelanggan AWS pun dapat menciptakan solusi AI yang relevan bagi industrinya.
Lapisan teratas adalah aplikasi yang bersentuhan langsung dengan pengguna. Pada ranah ritel, Jassy mencontohkan asisten belanja generatif yang mampu meniru interaksi toko fisik: bertanya, menyempitkan pilihan, membandingkan, dan menjelaskan perbedaan spesifikasi. Contoh yang sering dibahas adalah ide “salesperson digital” yang tidak lelah, tidak tergesa, dan makin personal seiring waktu. Di dunia nyata, ini bisa berarti pengguna bertanya: “Mana yang lebih cocok untuk anak alergi?” atau “Apa bedanya bahan A dan B untuk cuaca tropis?” Lalu sistem memberi jawaban yang mudah dicerna, disertai opsi barang yang benar-benar tersedia dan bisa dikirim cepat.
Untuk menghidupkan gambaran itu, kita kembali ke Dina. Setelah membeli sepatu, Dina ingin kaus kaki kompresi dan jam tangan olahraga. Pada model lama, ia harus mengulang pencarian, menilai reputasi merek, dan memikirkan kompatibilitas. Dengan agen AI, Dina cukup berkata: “Tambahkan aksesori yang cocok untuk latihan 10K, tapi jangan yang terlalu mahal.” Sistem dapat menyusun bundel, menyesuaikan warna, memperkirakan ukuran, lalu menawarkan opsi cicilan. Keputusan mikro yang dulu memakan waktu kini dipadatkan menjadi percakapan. Pada titik ini, model e-commerce yang paling kuat adalah yang menguasai orkestrasi keputusan, bukan hanya pajangan produk.
Amazon juga memanfaatkan AI di belakang layar: pengelolaan inventori agar stok berada di lokasi yang tepat, prediksi permintaan, serta model ukuran pakaian yang membantu konsumen memilih sizing antar merek. Hal-hal ini terlihat “operasional”, tetapi dampaknya langsung ke pengalaman: keterlambatan kirim berkurang, retur turun, dan tingkat kepuasan naik. Dalam persaingan pasar, pengurangan retur saja bisa menjadi keunggulan margin yang besar, terutama di kategori fesyen yang terkenal mahal dari sisi logistik balik.
Bagian ini memperlihatkan bahwa Amazon memandang AI sebagai rantai dari chip sampai percakapan. Selanjutnya, pertanyaan yang tak kalah penting: jika AI mengubah bisnis, bagaimana ia mengubah cara kerja manusia di dalamnya—terutama saat Jassy secara terbuka mengakui akan ada penyusutan peran tertentu?
Dampak AI pada tenaga kerja Amazon: otomatisasi, peran baru, dan budaya belajar
Pernyataan CEO Amazon tentang tenaga kerja tidak dibungkus manis. Garis besarnya: saat kecerdasan buatan mengambil pekerjaan rutin, perusahaan membutuhkan lebih sedikit orang di beberapa fungsi—sementara fungsi lain tumbuh, terutama yang menuntut kreativitas, penilaian, dan desain sistem. Dalam wawancaranya, Andy Jassy menekankan pola yang berulang di setiap revolusi teknologi: otomatisasi mengurangi kebutuhan tenaga untuk tugas tertentu, namun menciptakan peran baru yang sebelumnya tidak ada.
Di Amazon, contoh yang disorot adalah agen AI yang membantu coding, analitik, dan riset. Ini bukan berarti semua pengembang “digantikan”, tetapi cara kerja berubah. Seorang engineer kini bisa meminta agen untuk menulis kerangka awal, membuat unit test, atau merangkum log error—lalu manusia memeriksa, mengarahkan, dan memastikan keputusan arsitektur tetap benar. Seorang analis dapat mengotomatisasi pembersihan data dan membuat ringkasan tren, lalu fokus pada interpretasi bisnis: mengapa konversi turun di wilayah tertentu, apa pengaruh promosi, dan eksperimen apa yang paling masuk akal.
Agar perubahan ini terasa nyata, bayangkan unit fiktif di Amazon bernama Tim Orion yang menangani optimasi halaman produk. Sebelum agen AI matang, tim membutuhkan banyak pertemuan untuk menyatukan data, menulis hipotesis, dan membagi tugas laporan. Setelah agen AI terintegrasi, satu orang bisa meminta ringkasan performa, daftar anomali, dan draf eksperimen A/B dalam hitungan menit. Tim mengecil, tetapi produktivitas per orang meningkat. Di sinilah kalimat Jassy tentang “tim yang lebih gesit” menemukan bentuknya: organisasi mengejar output yang sama atau lebih besar dengan struktur yang lebih ramping.
Namun, sisi lain dari efisiensi adalah penyesuaian tenaga kerja. Amazon telah mengalami pemangkasan signifikan di beberapa tahun terakhir, dan Jassy menyatakan bahwa adopsi generative AI diperkirakan menurunkan total tenaga kerja korporat dalam beberapa tahun berikutnya karena efisiensi yang terus bertambah. Yang menarik, ia juga mendorong karyawan untuk mengambil peran aktif: belajar, mengikuti workshop, dan mencoba alat AI untuk menyelesaikan lebih banyak pekerjaan tanpa menambah anggota tim. Pesan ini menyiratkan perubahan kontrak psikologis di tempat kerja: nilai karyawan tidak lagi hanya pada “menyelesaikan tugas”, melainkan pada kemampuan memanfaatkan alat baru dan mengubah cara tim bekerja.
Peran baru yang tumbuh juga spesifik. Jassy menyebut area seperti robotika, pengembangan AI, dan bidang yang butuh keputusan kompleks. Di ekosistem Amazon, itu bisa berarti: spesialis evaluasi model (mengukur bias dan kualitas jawaban), desainer alur percakapan belanja, engineer integrasi agen dengan sistem inventori, atau pengelola kebijakan penggunaan AI agar patuh regulasi dan etika. Bahkan di fungsi non-teknis, muncul kebutuhan baru: manajer kategori yang mampu “berdialog” dengan sistem AI untuk mensimulasikan dampak harga dan promosi, atau staf HR yang merancang reskilling berbasis kompetensi AI.
Berikut daftar keterampilan yang menjadi penentu dalam organisasi raksasa yang sedang dipacu transformasi digital berbasis AI, baik di Amazon maupun perusahaan lain:
- Literasi AI praktis: mampu menggunakan asisten untuk menulis, menganalisis, dan menyusun rencana kerja dengan verifikasi yang ketat.
- Prompting dan framing masalah: bukan sekadar “bertanya”, tetapi merumuskan konteks, batasan, dan kriteria sukses agar jawaban bisa dipakai.
- Penilaian kritis: memeriksa halusinasi, menuntut sumber data, dan memahami kapan AI tidak boleh dipercaya.
- Kolaborasi lintas fungsi: menghubungkan tim produk, data, keamanan, dan operasi agar agen AI benar-benar berjalan end-to-end.
- Etika dan kepatuhan: memahami privasi, keamanan data, dan risiko rekomendasi yang menyesatkan.
Di ujungnya, transformasi tenaga kerja bukan semata soal jumlah karyawan, melainkan soal kecepatan organisasi belajar. Bagian berikutnya akan mengaitkan perubahan internal ini dengan pertarungan eksternal: bagaimana AI mengubah lanskap persaingan pasar dan mengancam pemain yang bertahan pada pola e-commerce tradisional.
AI dan persaingan pasar: mengapa e-commerce tradisional terdesak dan apa yang berubah dalam strategi
Jika dulu keunggulan e-commerce identik dengan harga murah dan pilihan luas, sekarang diferensiasi bergerak ke tiga hal: kualitas rekomendasi, kecepatan eksekusi, dan kepercayaan. AI mempercepat pergeseran ini karena ia membuat “pengalaman” menjadi produk utama. Dalam konteks model e-commerce, itu berarti halaman produk yang rapi saja tidak cukup; pelanggan menginginkan pendamping keputusan yang memahami tujuan, kendala, dan preferensi.
Di sinilah ancaman bagi e-commerce tradisional tampak jelas. Banyak pemain bertumpu pada iklan dan optimasi listing. Mereka menang saat konsumen melakukan browsing panjang dan terpapar promo. Namun ketika agen AI memberi tiga rekomendasi final yang disesuaikan, ruang untuk “perang banner” mengecil. Pertanyaan retorisnya: jika pelanggan tidak melihat 30 hasil pencarian, siapa yang masih peduli membayar posisi nomor satu di listing? Nilai beralih dari “mendatangkan klik” menjadi “memenangkan jawaban AI”. Ini memaksa merek dan marketplace memikirkan ulang data produk, struktur katalog, hingga cara menuliskan informasi yang dapat dipahami mesin.
Ada dimensi kedua yang sering luput: AI meningkatkan ekspektasi layanan. Jika agen bisa menjawab “apakah kamera ini cocok untuk low light?” secara instan, pelanggan akan marah jika harus menunggu CS atau mencari di forum. Jika AI bisa memprediksi ukuran baju lebih tepat, toleransi terhadap kesalahan sizing turun. Akibatnya, perusahaan yang tidak berinvestasi pada data kualitas tinggi akan tampak lambat dan tidak meyakinkan. Dalam persaingan pasar 2026, reputasi bisa runtuh bukan karena tidak punya produk, tetapi karena informasi produk buruk dan pengalaman pasca-beli tidak selaras dengan janji AI.
Amazon tampak menyadari bahwa pertarungan bukan hanya antar marketplace, tetapi antar ekosistem. Saat AI terhubung dengan inventori, logistik, pembayaran, dan kebijakan retur, ia menciptakan “jalur cepat” dari niat ke pemenuhan. Di luar Amazon, pemain yang hanya kuat di front-end akan kewalahan. Sebaliknya, perusahaan logistik yang menambahkan agen perencanaan rute, prediksi keterlambatan, dan optimasi gudang bisa naik kelas menjadi mitra strategis ritel. AI membuat batas industri jadi lebih cair.
Contoh kecil yang terasa: seorang penjual pihak ketiga bernama Raka (tokoh fiktif) menjual peralatan kopi. Sebelumnya, Raka fokus pada foto bagus dan diskon. Kini, ia harus memastikan spesifikasi produknya “ramah AI”: kapasitas, material, kompatibilitas, panduan perawatan, serta skenario penggunaan. Jika tidak, agen belanja akan kesulitan merekomendasikan produknya dibanding pesaing yang datanya lengkap. Raka juga perlu mengantisipasi pertanyaan yang biasa muncul di percakapan: “Apakah aman untuk kompor induksi?” atau “Berapa lama garansi?” Penjual yang paling siap bukan yang paling keras beriklan, melainkan yang paling rapi mengelola pengetahuan produknya.
Strategi perusahaan pun ikut bergeser. Dalam wawasan Jassy tentang organisasi, kecepatan adalah keputusan kepemimpinan. Ketika AI memperpendek siklus inovasi, perusahaan harus memotong birokrasi, meratakan lapisan manajemen, dan memberi otonomi pada “pembangun” di garis depan. Ini sejalan dengan upaya Amazon meningkatkan rasio kontributor individual dibanding manajer, serta mengurangi proses yang tidak bernilai. Dalam praktik, langkah seperti ini membuat tim lebih berani bereksperimen dengan fitur AI, meluncurkan iterasi kecil, dan belajar cepat dari respons pelanggan.
Poin penutupnya: ancaman AI bagi model e-commerce lama bukan sekadar teknologi baru, melainkan perubahan mekanisme kompetisi. Bagian berikutnya akan mengaitkan strategi organisasi dan pilihan operasional—seperti budaya kerja, struktur manajemen, dan disiplin eksekusi—yang menjadi “mesin” agar AI tidak berhenti sebagai demo, melainkan menjadi keunggulan yang sulit ditiru.
Transformasi digital ala Andy Jassy: organisasi gesit, minim birokrasi, dan operasi yang siap AI
Teknologi yang kuat sering gagal bukan karena modelnya jelek, tetapi karena organisasi tidak mampu mengadopsinya. Dalam berbagai penjelasan, Andy Jassy menekankan Amazon ingin beroperasi seperti “startup terbesar di dunia”: fokus pada masalah pelanggan, dipenuhi para builder, bergerak cepat, berani mengambil risiko, dan tetap hemat sumber daya. Ini bukan slogan; ini kerangka kerja untuk memastikan transformasi digital berbasis AI benar-benar meresap ke operasi.
Salah satu gagasan yang relevan untuk perusahaan besar adalah pembedaan keputusan “dua arah” dan “satu arah”. Keputusan dua arah—yang bisa dibatalkan tanpa kerusakan permanen—sebaiknya ditangani oleh orang yang paling dekat dengan pekerjaan. Bila semua hal harus naik tiga tingkat manajemen, inovasi melambat. Dalam era AI, kelambatan berarti kalah, karena pesaing bisa merilis fitur baru mingguan sementara organisasi yang birokratis butuh kuartalan. Di sinilah logika perataan organisasi menjadi strategis: bukan sekadar memangkas biaya, melainkan memperpendek jarak antara ide dan eksekusi.
Jassy juga menyoroti bahaya “rapat sebelum rapat sebelum rapat”, gejala klasik perusahaan besar. AI sebenarnya bisa membantu merangkum, menyusun agenda, dan mengotomatisasi dokumen, tetapi jika budaya rapatnya sendiri tidak diubah, manfaatnya tetap terbatas. Banyak organisasi mengadopsi asisten AI untuk notulen, namun tetap mengadakan rapat berjam-jam dengan tujuan kabur. Transformasi yang efektif menuntut disiplin: rapat hanya untuk keputusan, metrik jelas, dan pekerjaan rutin diserahkan pada otomasi.
Aspek lain yang sering memicu perdebatan adalah kebijakan kerja di kantor. Jassy mendorong ritme tatap muka penuh waktu untuk fungsi tertentu dengan alasan kualitas kolaborasi inventif. Ia menggambarkan bagaimana ide besar sering lahir setelah rapat “berantakan”, ketika beberapa orang bertahan di papan tulis atau bertemu spontan di koridor. Dalam konteks kecerdasan buatan, argumentasinya menjadi lebih tajam: membangun produk AI yang aman dan berguna membutuhkan banyak iterasi lintas fungsi—produk, data, keamanan, legal, operasi—dan friksi koordinasi akan memperlambat semuanya. Perusahaan lain boleh memilih model kerja berbeda, tetapi pelajarannya sama: desain kerja harus mendukung siklus eksperimen yang cepat.
Untuk mengilustrasikan dampaknya, kita kembali ke Tim Orion. Saat tim membangun fitur agen belanja, mereka harus menguji ribuan skenario: rekomendasi salah ukuran, jawaban yang terlalu percaya diri, atau saran yang melanggar kebijakan. Siklus evaluasi semacam ini membutuhkan umpan balik cepat. Bila setiap perubahan harus menunggu persetujuan berlapis, fitur tak akan pernah matang. Di sini, organisasi yang “owner-driven” unggul: orang yang menjalankan eksperimen diberi wewenang mengambil keputusan dua arah, lalu belajar dari data.
Jassy bahkan membuka kanal umpan balik anti-birokrasi di internal dan mendorong karyawan melaporkan proses yang menghambat. Ratusan proses kemudian disederhanakan atau dihapus. Ini penting untuk AI karena setiap lapisan proses menambah waktu “time-to-value”. Ketika perusahaan berlomba memasukkan AI ke dalam customer journey, waktu menjadi mata uang paling mahal. Menghapus satu proses yang tidak perlu bisa setara dengan menambah satu kuartal kecepatan inovasi.
Namun sisi terpenting dari transformasi organisasi adalah perubahan perilaku individu. Jassy mendorong rasa ingin tahu, kesediaan belajar, dan keberanian gagal. Dalam era AI, orang yang menolak belajar akan tertinggal cepat, sementara orang yang menjadikan AI sebagai rekan kerja akan melesat. Pada akhirnya, “startup mindset” bukan berarti perusahaan kecil, melainkan perusahaan besar yang terus mengasah kelincahan. Insight akhirnya: AI hanya menjadi keunggulan kompetitif jika didukung organisasi yang mampu bergerak cepat tanpa kehilangan akuntabilitas.
