Team Topologies untuk Tim Manusia-Plus-Agen: Di Mana Agen Sebenarnya Berperan

Empat tipe tim Team Topologies dengan kapabilitas AI tertanam di dalam setiap batasnya

Turn this article into takeaways for your work.

Each assistant summarizes the article only for you and suggests best practices for your work.

Team Topologies adalah kerangka kerja Matthew Skelton dan Manuel Pais untuk mengorganisasi tim ke dalam empat tipe (stream-aligned, enabling, complicated-subsystem, dan platform) agar pekerjaan mengalir dengan beban koordinasi sekecil mungkin. Ketika diterapkan pada tim yang sebagian pekerjaannya dikerjakan oleh AI agent, keempat tipe yang sama tetap berlaku, tetapi dua hal berubah: beban kognitif mendapat kategori baru (memiliki keluaran yang tidak Anda hasilkan sendiri), dan Hukum Conway kini berlaku pada sistem di mana sebagian dari "tim" yang bekerja adalah perangkat lunak, bukan hanya manusia. Ini adalah sisi struktural dari pergeseran yang lebih luas yang dibahas dalam apa itu masa depan pekerjaan.

Fakta Utama

  • Team Topologies mendefinisikan empat tipe tim dasar: stream-aligned (selaras dengan aliran nilai bisnis), enabling (membantu tim stream-aligned mengatasi hambatan dan mendeteksi kapabilitas yang hilang), complicated-subsystem (memiliki pekerjaan yang membutuhkan keahlian spesialis atau matematis yang mendalam), dan platform (menyediakan produk internal yang menarik yang mempercepat tim stream-aligned). Sumber: Team Topologies, "Key concepts and practices"
  • Makalah Melvin Conway tahun 1968 menyatakan tesis aslinya: "Any organization that designs a system... will inevitably produce a design whose structure is a copy of the organization's communication structure." Ia juga mencatat bahwa jalur komunikasi yang mungkin dalam sebuah kelompok bertambah kira-kira sebanding dengan kuadrat ukurannya. Sumber: Melvin Conway, "How Do Committees Invent?" (Datamation, 1968)
  • Dalam riset DORA 2025, 90% organisasi telah mengadopsi setidaknya satu platform internal, dan laporan itu menemukan korelasi langsung antara kualitas platform yang tinggi dan kemampuan organisasi memperoleh nilai dari adopsi AI. Sumber: Google Cloud, announcing the 2025 DORA Report
  • Work Trend Index Microsoft 2026 menemukan faktor organisasi (budaya, dukungan manajer, dan praktik talenta) menyumbang dampak terukur lebih dari dua kali lipat terhadap hasil AI dibandingkan faktor individu, dan mengidentifikasi profesional "Frontier", pekerja yang kapabilitas individu dan kesiapan organisasinya saling memperkuat, sebesar sekitar 19% dari tenaga kerja pengguna AI yang disurvei. Sumber: Microsoft WorkLab, "2026 Work Trend Index"

Apa yang Sebenarnya Dikatakan Team Topologies

Skelton dan Pais menyusun Team Topologies untuk memecahkan masalah yang spesifik: bagan organisasi biasanya digambar berdasarkan garis pelaporan, bukan aliran kerja yang sebenarnya, dan ketidakcocokan itu muncul sebagai deployment yang lambat, kepemilikan yang tidak jelas, dan tim yang tidak bisa merilis tanpa persetujuan tiga tim lain. Jawaban mereka adalah mengorganisasi di sekitar tepat empat tipe tim dan bersikap sengaja tentang bagaimana tim-tim itu berinteraksi, alih-alih membiarkan pola interaksi muncul secara kebetulan.

Aliran nilai yang mengalir melalui empat tipe tim Team Topologies

Tim stream-aligned memiliki satu irisan nilai bisnis dari ujung ke ujung dan dibentuk untuk menyampaikannya dengan serah terima seminimal mungkin. Tim enabling ada untuk menutup kesenjangan kapabilitas di tim lain, dengan sengaja dan sementara, lalu mundur setelah kesenjangan itu tertutup. Tim complicated-subsystem menangani bagian sistem yang benar-benar membutuhkan keahlian mendalam dan sempit (mesin pembayaran, model rekomendasi, algoritma harga) agar tim stream-aligned tidak masing-masing membutuhkan spesialis sendiri. Tim platform membangun produk internal, yaitu infrastruktur bersama, perangkat, dan kapabilitas swalayan, yang memungkinkan tim stream-aligned bergerak cepat tanpa menciptakan ulang saluran yang sama lima kali.

Tidak satu pun kosakata itu perlu diubah untuk menggambarkan tim di mana sebagian "pekerjaan" dikerjakan oleh AI agent, bukan manusia. Yang perlu ditambahkan adalah jawaban yang jelas atas dua pertanyaan yang tidak ditulis Skelton dan Pais untuk dijawab: di mana sebenarnya pekerjaan agen berada di dalam keempat tipe ini, dan apa yang terjadi pada beban kognitif ketika seseorang bertanggung jawab atas keluaran yang tidak ia hasilkan sendiri.

Beban kognitif selalu menjadi kendala yang sebenarnya

Team Topologies memperlakukan ukuran dan cakupan tim sebagai turunan dari satu variabel: beban kognitif, total upaya mental yang dapat ditopang tim sebelum kualitas dan kecepatan sama-sama menurun. Tim stream-aligned yang diberi tanggung jawab kelima yang tidak terkait tidak menjadi lebih mampu, melainkan menjadi lebih lambat dan lebih ceroboh pada kelimanya. Itulah sebabnya kerangka ini menegaskan tanggung jawab tim yang sempit dan berbatas jelas, bukan yang luas.

Agen mengubah apa yang mengisi anggaran itu tanpa harus mengurangi totalnya. Tim yang dulu menghabiskan beban kognitifnya untuk menghasilkan sebuah deliverable kini menghabiskan sebagian untuk menspesifikasikan tugas dengan cukup tepat agar agen dapat mencobanya, dan sebagian untuk memverifikasi keluaran yang tampak percaya diri entah benar atau tidak. Dari Pelaksana menjadi Orkestrator membahas pergeseran ini pada tingkat pekerjaan satu orang. Pada tingkat tim, pergeseran yang sama berarti beban kognitif tim punya pos baru: beban akuntabilitas, biaya berkelanjutan untuk memiliki keputusan atau artefak yang dihasilkan oleh agen, bukan rekan satu tim. Abaikan pos itu saat menentukan ukuran tim dan Anda mendapatkan tim stream-aligned yang tampak ramping di atas kertas dan diam-diam tenggelam dalam keluaran agen yang belum ditinjau.

Di Mana Agen Berada dalam Setiap Tipe Tim

Jawaban jujurnya adalah agen tidak menciptakan tipe tim kelima. Agen mengubah komposisi internal dan beban interaksi dari empat tipe yang sudah ada.

Kapabilitas AI yang tertanam secara berbeda di tim stream, enabling, spesialis, dan platform

Tim stream-aligned: agen bekerja di dalam aliran, manusia tetap memiliki hasilnya

Di sinilah sebagian besar penggunaan agen berada saat ini, dan itu sebaiknya tetap menjadi default. Agen menyusun kode, naskah kampanye, balasan support, atau analisis tahap pertama, dan seseorang yang disebutkan namanya di tim tetap bertanggung jawab atas apa yang dirilis. Cakupan tim tidak berubah; pembagian kerja internalnya yang berubah. Waspadai pembengkakan cakupan ke arah sebaliknya: tim stream-aligned yang diam-diam mulai membangun dan memelihara infrastruktur agennya sendiri (pustaka prompt, harness evaluasi, konektor alat) di atas pekerjaan produk sesungguhnya telah mengambil pekerjaan kedua yang tak terbatas yang tidak pernah ia setujui. Itulah pola augmentasi, bukan otomatisasi yang berjalan sebagaimana mestinya, hingga pekerjaan infrastruktur melampaui anggaran kognitif tim.

Tim enabling: agen membuat transfer keterampilan lebih cepat, bukan otomatis

Skelton dan Pais merancang tim enabling agar bersifat sementara: mereka ada untuk menutup kesenjangan kapabilitas tertentu dan dibubarkan atau berpindah setelah kesenjangan itu tertutup. Dalam konteks manusia-plus-agen, inilah tim yang mengajari tim stream-aligned lain cara menulis brief agen yang dapat dipakai, cara menetapkan standar evaluasi, dan cara menangkap keluaran yang masuk akal tetapi keliru sebelum dirilis. Godaannya adalah membiarkan tim enabling diam-diam menjadi platform bayangan permanen, yang mengerjakan pekerjaan alih-alih mentransfer keterampilan. Itu menggagalkan tujuannya dan menyembunyikan beban kognitif yang sebenarnya di dalam tim yang tidak dilacak siapa pun terhadap kerangka kerja ini.

Tim complicated-subsystem: spesialis jarang digantikan, jangkauannya diperluas

Tim complicated-subsystem ada karena sebagian sistem benar-benar membutuhkan keahlian mendalam yang sulit didistribusikan. Agen kurang cocok untuk memiliki subsistem itu sepenuhnya, justru karena alasan tim itu ada adalah kesalahan di sana mahal dan sulit ditangkap tanpa pengetahuan spesialis sejak awal. Di mana agen membantu di sini adalah jangkauan: spesialis yang meninjau sepuluh draf pertama perubahan model harga yang disusun AI adalah penggunaan keahlian langka yang berbeda, dan sering lebih baik, dibandingkan spesialis yang sama membangun kesepuluhnya dari nol dengan tangan. Itulah human-in-the-loop yang berjalan sebagaimana mestinya: spesialis tetap menjadi pemeriksa akhir, bukan sekadar stempel. Jumlah anggota tim subsistem mungkin menyusut atau keluarannya mungkin bertambah, tetapi batas kepemilikan dan standar verifikasinya tidak boleh bergeser.

Tim platform: mengapa tim platform AI internal muncul hampir seketika

Inilah tipe tim yang paling cepat berkembang begitu lebih dari dua atau tiga tim stream-aligned mulai memakai agen secara mandiri. Jika dibiarkan, setiap tim cenderung menyelesaikan masalah yang sama secara terpisah: model mana yang dipanggil, cara menangani kredensial dan batas biaya, cara mencatat apa yang dilakukan agen untuk keperluan audit, cara menghubungkannya ke data dan alat internal dengan aman. Riset DORA 2025 menemukan pola ini tidak khas AI: 90% organisasi telah mengadopsi setidaknya satu platform internal karena alasan ini, dan kualitas platform secara langsung memprediksi apakah adopsi AI menjadi peningkatan kinerja yang nyata atau upaya yang tersebar dan terduplikasi.

Tim platform AI internal terbentuk karena alasan yang sama dengan terbentuknya tim platform DevOps bersama: membangun salurannya sekali, dengan baik, dan menawarkannya sebagai kapabilitas swalayan mengalahkan setiap tim stream-aligned membangun miliknya sendiri. Yang biasanya dimilikinya: koneksi bersama ke penyedia model, lapisan interoperabilitas berbasis MCP agar agen mengakses alat dan data internal secara konsisten alih-alih melalui lima integrasi satu kali pakai, pagar pengaman biaya dan penggunaan, serta standar evaluasi dan pencatatan bersama agar tak ada yang menciptakan ulang "bagaimana kita tahu keluaran ini cukup baik" dari nol. Tim ini juga pemilik alami segala hal yang melibatkan beberapa agen yang berkoordinasi dalam satu tugas, jenis saluran bersama berisiko tinggi yang tidak sepatutnya dimiliki sendirian oleh satu tim stream-aligned. Rework memperlakukannya sama di sisi produk: menstandarkan alur kerja yang menghadap agen dan interoperabilitas MCP adalah wilayah Work Ops, karena saluran itu tidak semestinya hidup berlebihan di dalam setiap tim yang menyentuhnya.

Hukum Conway Ketika Sebagian Tim Adalah Perangkat Lunak

Pengamatan asli Conway pada 1968 tentang manusia: organisasi yang merancang sistem cenderung menghasilkan rancangan yang mencerminkan struktur komunikasinya sendiri, karena antarmuka antarmodul akhirnya cocok dengan antarmuka antartim yang membangunnya. Ia juga menunjukkan hal yang kurang dikutip tetapi sama berguna: jumlah jalur komunikasi yang mungkin dalam sebuah kelompok bertambah kira-kira sebanding dengan kuadrat ukurannya, itulah sebabnya kelompok besar yang koordinasinya longgar menghasilkan rancangan yang melebar dan terintegrasi buruk.

Struktur komunikasi yang membentuk arsitektur sistem AI agent yang serupa di bawah Hukum Conway

Logika itu tidak berhenti berlaku begitu agen mengerjakan sebagian pekerjaan. Koneksi alat dan batas akses agen itu sendiri adalah antarmuka, secara struktural tidak berbeda dari batas API antara dua tim manusia. Jika lima tim stream-aligned masing-masing membangun versinya sendiri dari "agen yang dapat membaca CRM dan menyusun email", Anda mendapat lima integrasi yang sedikit berbeda, lima mode kegagalan, dan lima tempat yang harus diperiksa terpisah dalam tinjauan keamanan. Itulah Hukum Conway yang berjalan persis seperti yang diprediksi, dengan akses alat agen menggantikan saluran komunikasi.

Langkah yang berguna di sini sama dengan yang dipinjam Team Topologies dari wawasan asli Conway: inverse Conway maneuver, yaitu membentuk struktur organisasi yang Anda inginkan secara sengaja demi mendapatkan arsitektur sistem yang Anda inginkan, alih-alih menemukan arsitektur Anda secara kebetulan setelah bagan organisasi sudah ditetapkan. Jika tujuannya satu cara yang koheren dan dapat diaudit bagi agen untuk terhubung ke sistem internal, organisasi harus menarik batas yang jelas (biasanya tim platform) yang memiliki antarmuka itu, alih-alih membiarkan lima tim stream-aligned menciptakan ulangnya sendiri-sendiri dan menyebut kekacauan yang dihasilkan sebagai "fleksibilitas".

Empat Pola Tim untuk Pekerjaan Manusia-Plus-Agen

Tidak satu pun dari ini adalah resep untuk disalin persis. Ini bentuk-bentuk yang dapat dikenali, dan kebanyakan organisasi akan menjalankan lebih dari satu sekaligus, pada tahap kematangan yang berbeda.

Pola tim Siapa dan apa di dalamnya Kapan dipakai
Tim stream-aligned yang diperkuat agen Tim stream-aligned biasa di mana anggota secara individual memakai agen sebagai bagian dari alur kerja mereka; tanpa peran agen khusus Titik awal default untuk kebanyakan tim produk, marketing, atau operasional; penggunaan agen tertanam dalam pekerjaan yang ada, bukan fungsi terpisah
Tim enabling AI tertanam Tim kecil sementara beranggotakan 2-4 orang yang berotasi melewati tim stream-aligned untuk mengajarkan keterampilan briefing, verifikasi, dan evaluasi, lalu berpindah Pada awal adopsi, ketika kesenjangan keterampilan luas (kebanyakan tim kurang keterampilan mengarahkan agen) tetapi dangkal (beberapa minggu coaching menutupnya)
Tim platform AI pusat Tim permanen yang memiliki akses model bersama, koneksi alat berbasis MCP, pagar pengaman biaya dan penggunaan, serta standar evaluasi/pencatatan, ditawarkan sebagai kapabilitas swalayan Ketika 3+ tim stream-aligned membangun integrasi agen secara mandiri dan menduplikasi saluran yang sama, atau ketika keamanan/kepatuhan membutuhkan satu titik integrasi yang dapat diaudit
Tim complicated-subsystem yang dimiliki manusia Tim spesialis (hukum, pemodelan keuangan, rekayasa kritis keselamatan) yang memakai agen untuk menyusun draf pertama tetapi menyerahkan persetujuan akhir dan tinjauan mendalam sepenuhnya kepada spesialis yang disebutkan namanya Keputusan berisiko tinggi, teregulasi, atau sulit dibalik, di mana biaya keluaran yang salah terlalu tinggi untuk mendelegasikan verifikasi secara luas

Diagnostik yang berguna: jika Anda tidak bisa mengatakan di bentuk mana dari keempat ini sebuah pekerjaan agen saat ini berada, itulah masalah yang sebenarnya, bukan model yang Anda pakai atau prompt yang ditulis seseorang.

Tanda-Tanda Topologi Anda Belum Menyesuaikan Diri

Beberapa gejala muncul secara andal di organisasi yang menambahkan agen ke alur kerja tanpa meninjau ulang struktur tim:

  • Duplikasi senyap. Beberapa tim stream-aligned masing-masing membangun versinya sendiri dari kapabilitas agen yang sama, karena tidak ada tim platform yang menawarkannya sekali saja. Ini pola Conway yang terfragmentasi di atas, dan biasanya pertama kali muncul sebagai temuan tinjauan keamanan tentang lima cara berbeda agen menyentuh basis data pelanggan yang sama.
  • Beban akuntabilitas yang tak terlihat. Rencana staf tim masih mencerminkan "seberapa banyak pekerjaan yang bisa dihasilkan tim ini", tanpa memperhitungkan waktu yang kini dihabiskan untuk memverifikasi keluaran agen. Ini versi tingkat tim dari paradoks produktivitas AI: aktivitas naik sementara throughput yang dapat dipercaya tidak bergerak seperti yang disarankan metrik aktivitas.
  • Tim enabling yang tidak pernah pergi. Transfer keterampilan sementara diam-diam berubah menjadi tim yang mengerjakan pekerjaan agen untuk semua orang, menggagalkan tujuan tim enabling dan menyembunyikan kebutuhan jumlah karyawan yang nyata di dalam tim yang tidak dilacak terhadap cakupan sebenarnya.
  • Batas subsistem yang dilanggar. Seseorang di luar tim spesialis mulai memakai agen untuk menghasilkan keluaran di domain yang dulu membutuhkan persetujuan tim subsistem, dan tidak ada yang memperbarui siapa yang sebenarnya bertanggung jawab atas hasilnya.

Cara Mulai Menerapkannya

Urutannya kurang penting dibandingkan melakukannya dengan sengaja alih-alih membiarkannya terjadi secara kebetulan:

  1. Petakan tim saat ini terhadap empat tipe, dengan jujur, bukan secara aspiratif. Kebanyakan organisasi menemukan pekerjaan platform informal sudah berlangsung di dalam dua atau tiga tim stream-aligned, tanpa label dan tanpa koordinasi.
  2. Tanyakan di mana beban akuntabilitas telah bergeser, dan cocokkan dengan staf yang sebenarnya. Jika waktu verifikasi bertambah dan jumlah karyawan tidak, beban kognitif nyata tim itu lebih tinggi daripada yang disarankan bagan organisasinya.
  3. Putuskan, dengan sengaja, kapan tim platform layak dibentuk. Temuan DORA bahwa kualitas platform memprediksi imbal hasil organisasi dari AI adalah uji naluri yang berguna: duplikasi yang terlihat di berbagai tim biasanya berarti investasi itu akan terbayar sendiri.
  4. Beri tim enabling kondisi keluar sebelum mereka mulai. Definisikan di muka seperti apa "kesenjangan sudah tertutup", agar tim punya titik alami untuk dibubarkan alih-alih menjadi fungsi permanen yang tak terhitung.
  5. Lindungi batas complicated-subsystem secara eksplisit. Tuliskan keputusan mana yang tetap memerlukan persetujuan tim spesialis terlepas dari apa yang menghasilkan draf pertama, dan perlakukan pelanggaran batas itu sebagai insiden, bukan kemenangan efisiensi.

Semua ini bukan reorganisasi sekali jalan. Kerangka Microsoft sendiri tentang peran "agent boss" dan frontier firm memperlakukan struktur manusia-agen sebagai pertanyaan operasional yang berkelanjutan, bukan bagan yang digambar sekali lalu diarsipkan, dan membangun budaya yang siap AI adalah yang mencegahnya kembali ke kebiasaan lama dalam satu kuartal. Tim manusia-agen sudah membahas sisi norma dan kepercayaan dari pergeseran ini, bagaimana orang membangun hubungan kerja dengan agen sehari-hari. Ini adalah sisi struktural dari masalah yang sama, dan keduanya hanya berhasil jika ada yang benar-benar memiliki keputusan desain organisasi, bukan setiap tim berimprovisasi dengan jawabannya sendiri.

Bagan tim yang tidak pernah digambar ulang setelah agen datang bukanlah hal yang netral. Duplikasi, waktu verifikasi yang tak terhitung, dan kepemilikan yang tidak jelas tetap terjadi, diam-diam, di dalam struktur apa pun yang ada sebelum seseorang terpikir untuk bertanya dengan sengaja.

About the author

Victor Hoang

Victor Hoang

Co-Founder, Rework.com

Victor Hoang is Co-Founder and CMO of Rework. He spent 12+ years scaling B2B SaaS growth, building a lead engine that generated over 1 million leads and $10M+ in annual recurring revenue. Today he builds AI agents and MCP servers into Rework's products to empower customers across growth and operations. He writes about what actually works.