AI bikin kerja hukum makin cepat, tapi billable hour bikin firma rugi. Fixed fee berbasis AI, seperti yang dipakai Goodwin, bisa jadi arah baru firma hukum Indonesia.
AI Bikin Kerja Lebih Cepat, Tapi Fee Masih Per Jam?
Sebagian besar firma hukum sudah merasakan satu hal yang sama: pekerjaan makin cepat karena AI, tapi model tarif masih terpaku di billable hour. Hasilnya? Efisiensi naik, tapi pendapatan belum tentu ikut naik, dan klien makin kritis soal transparansi biaya.
Di akhir 2025 ini, firma global Goodwin Procter mengumumkan penerapan global PERSUIT Fixed-Fee Price Benchmarking – sebuah tool AI yang membantu mereka menetapkan tarif fixed fee berbasis data, bukan sekadar feeling partner. Langkah ini menarik bukan cuma buat pasar Amerika atau Eropa, tapi juga jadi sinyal kuat ke arah masa depan jasa hukum di Indonesia.
Artikel ini bagian dari seri “AI untuk Jasa Hukum Indonesia: LegalTech”. Kali ini fokusnya: apa sebenarnya yang dilakukan Goodwin dengan fixed fee berbasis AI, kenapa ini relevan untuk pasar Indonesia, dan bagaimana firma hukum di sini bisa mulai bergerak ke arah yang sama.
Apa yang Goodwin Lakukan dengan PERSUIT?
Intinya, Goodwin memakai PERSUIT untuk mengubah cara mereka menentukan harga layanan hukum, khususnya untuk fixed fee.
PERSUIT Price Benchmarking bekerja dengan cara:
- Mengumpulkan data proposal dan matter historis (secara anonim dan teragregasi)
- Menghitung rentang tarif fixed fee yang wajar untuk jenis pekerjaan tertentu
- Menyajikan range harga, bukan satu angka mati, sehingga masih ada ruang negosiasi dan penyesuaian ruang lingkup
Goodwin menyebut langkah ini sebagai milestone besar dalam cara firma inovatif memandang pricing layanan hukum. Bukan lagi sekadar tanya: “Tahun lalu kita charge berapa?”, tapi: “Berapa rentang harga pasar untuk pekerjaan serupa dengan scope seperti ini?”
Chris Grant, Managing Director Client Value di Goodwin, bilang langsung: tujuan mereka adalah mengurangi friksi dalam pembicaraan harga dan memberikan klien keyakinan bahwa mereka menerima fee yang kompetitif dan sudah teruji pasar.
PERSUIT menegaskan bahwa mereka tidak menentukan atau merekomendasikan harga spesifik. Data yang digunakan selalu anonim, tidak pernah membuka harga firm atau klien tertentu. Keputusan final tetap di tangan firma dan klien.
Ini penting dari sisi etika dan regulasi: AI di sini bukan jadi “penentu harga otomatis”, tapi alat bantu pengambilan keputusan yang jauh lebih informatif.
Masalah Besar Billable Hour di Era AI
Kalimat kunci yang muncul di artikel aslinya tajam dan jujur:
“If AI makes you go faster, and you sell time for a living, then you have a problem.”
Dan ini bukan cuma masalah Goodwin. Ini masalah global, termasuk firma hukum Indonesia.
Kenapa billable hour makin bermasalah?
-
AI bikin kerja lebih cepat
- Review kontrak yang dulu butuh 8 jam, dengan AI bisa turun drastis.
- Riset hukum, drafting dokumen standar, dan analisis pola kasus bisa dipercepat.
-
Kalau jualannya “jam kerja”, efisiensi justru menurunkan omzet
- Kerja 8 jam jadi 3 jam, tapi nilai bisnis ke klien tetap sama atau bahkan lebih tinggi.
- Namun, kalau firm tetap hanya “jualan jam”, revenue secara matematis berpotensi turun.
-
Klien makin menuntut prediktabilitas biaya
- Perusahaan Indonesia yang sudah terbiasa dengan budgeting ketat ingin angka yang jelas: “Proyek ini totalnya berapa?” bukan “Estimasi 40–60 jam, lihat nanti.”
-
Billable hour tidak selalu selaras dengan value
- Ada pekerjaan low value tapi makan banyak jam.
- Ada pekerjaan high value (misalnya satu nasihat strategis) yang hanya butuh beberapa jam tapi dampaknya besar.
Di titik ini, fixed fee (atau model alternatif lain seperti capped fee, success fee, subscription) menjadi semakin rasional. Tapi, masalah baru muncul:
Bagaimana cara menentukan angka fixed fee yang adil, kompetitif, dan tetap menguntungkan?
Di sinilah AI untuk pricing mulai terasa sangat relevan.
Cara Kerja Fixed-Fee Benchmarking Berbasis AI
Secara sederhana, tool seperti PERSUIT melakukan tiga hal kunci yang sebenarnya sangat bisa ditiru di Indonesia, baik dengan produk serupa maupun solusi internal.
1. Kumpulkan data historis, tapi dirapikan dulu
AI tidak akan berguna kalau datanya berantakan. Biasanya yang dikumpulkan:
- Jenis pekerjaan (misal: M&A mid-market, penyusunan kontrak distribusi, due diligence, sengketa komersial di tingkat banding)
- Scope pekerjaan: volume dokumen, jumlah pihak, batas waktu, kompleksitas yurisdiksi
- Struktur fee yang pernah dipakai
- Jam kerja aktual yang terpakai
- Outcome (apakah proyek lancar, ada scope creep, dsb.)
Di banyak firma Indonesia, data ini sebenarnya ada, tapi tercecer di:
- Email partner
- Spreadsheet masing-masing tim
- Sistem timekeeping yang tidak pernah benar-benar dianalisis
Langkah pertama: rapikan, sentralisasi, dan standarkan data.
2. AI menghitung pola & rentang harga
Setelah data cukup, AI bisa membantu:
- Mengelompokkan pekerjaan yang mirip (clustering)
- Mengidentifikasi range fixed fee yang lazim untuk scope tertentu
- Menemukan faktor-faktor yang paling mempengaruhi biaya (deadline, kompleksitas, jumlah dokumen, dsb.)
Hasilnya bukan “Tarifnya harus Rp 275.000.000”, melainkan:
“Untuk pekerjaan seperti ini, di masa lalu fixed fee biasanya berada di rentang Rp 220.000.000 – Rp 310.000.000.”
Ini jauh lebih berguna daripada menebak angka dari udara.
3. Mendukung negosiasi & transparansi ke klien
Dengan informasi seperti ini, tim pricing dan partner bisa:
- Menjawab RFP klien lebih cepat dan lebih percaya diri
- Menjelaskan ke klien: “Angka ini bukan asal, tapi konsisten dengan data pekerjaan sejenis.”
- Menyusun anggaran (budget) yang lebih realistis, sehingga mengurangi risiko overrun dan diskon di ujung proyek.
Untuk klien korporasi, terutama tim legal in-house di Indonesia yang sedang didesak untuk efisiensi, hal ini sangat menarik. Transparansi harga yang kuat biasanya berujung pada trust yang lebih tinggi.
Apa Artinya untuk Firma Hukum Indonesia?
Goodwin mungkin terasa jauh. Tapi arah pergerakannya sangat relevan untuk pasar lokal.
1. Tekanan ke prediktabilitas biaya akan sampai ke sini
Perusahaan Indonesia – dari unicorn sampai BUMN – sudah terbiasa mengukur semuanya: CAC, ROI, burn rate, IRR. Bukan hal aneh kalau berikutnya mereka meminta kejelasan biaya hukum yang serupa.
Makin banyak:
- RFP dengan permintaan fixed fee atau capped fee
- Pertanyaan seperti: “Bisa nggak satu paket untuk semua kontrak tahun ini?”
Firma yang siap dengan model harga berbasis data akan tampak jauh lebih profesional daripada yang masih menjawab, “Kita lihat nanti jamnya berapa.”
2. AI pricing bisa jadi diferensiasi, bukan ancaman
Banyak firma takut AI karena dianggap menurunkan jam kerja. Saya justru melihat:
AI adalah cara untuk memindahkan value dari “jam kerja” ke “hasil kerja dan kejelasan bagi klien”.
Contoh diferensiasi yang mungkin:
- Proposal yang memberikan 3 opsi paket fixed fee dengan penjelasan jelas scope dan batasannya, semua berbasis data historis.
- Dashboard internal yang langsung menunjukkan: “Kalau kita ambil proyek ini di angka X, margin kita masih aman.”
3. Ini pintu masuk ke transformasi LegalTech yang lebih luas
Begitu firma mulai serius mengelola data untuk pricing, biasanya akan ikut terdorong untuk:
- Merapikan data kontrak untuk analisis AI
- Membangun playbook standar
- Menggunakan AI untuk analisis kontrak, prediksi sengketa, hingga manajemen dokumen
Singkatnya, AI untuk pricing bisa jadi pintu awal ke seluruh ekosistem LegalTech di Indonesia.
Langkah Praktis Memulai Fixed Fee Berbasis Data di Indonesia
Tidak harus menunggu punya sistem secanggih PERSUIT. Ada beberapa langkah realistis yang bisa dilakukan firma hukum Indonesia mulai Q1 2026.
1. Audit data billing & matter yang sudah ada
Mulai dari yang sederhana:
- Ambil 1–2 jenis pekerjaan yang paling sering (misalnya: kontrak komersial standar, sengketa wanprestasi di PN)
- Kumpulkan data 1–2 tahun terakhir: fee, jam kerja, scope, hasil
- Rapikan di satu format yang konsisten
Ini bisa dilakukan dengan kombinasi spreadsheets + AI sederhana untuk membantu ekstraksi dari dokumen atau email.
2. Bangun “range internal” sebelum pakai AI canggih
Sebelum ke machine learning serius, sering kali pola sudah kelihatan:
- Range fee tipikal
- Jenis scope yang sering bikin proyek “bocor biaya”
- Faktor yang paling bikin jam membengkak
Dari sini, firma sudah bisa mulai menawarkan fixed fee yang lebih terukur untuk jenis pekerjaan tertentu.
3. Integrasikan dengan AI LegalTech yang sudah dipakai
Kalau firma sudah mulai menggunakan AI analisis kontrak atau AI untuk riset hukum, data dari sana bisa jadi input tambahan untuk pricing:
- Waktu rata-rata review kontrak jenis tertentu
- Kompleksitas klausul
- Volume pekerjaan per klien per tahun
Benang merahnya: semakin terintegrasi, semakin kuat kemampuan firma untuk menghubungkan value kerja hukum dengan harga yang rasional.
4. Bangun narasi yang jelas ke klien
Klien perlu diyakinkan bahwa fixed fee berbasis AI bukan sekadar trik marketing. Beberapa poin yang bisa ditekankan:
- Fee disusun berdasarkan data pekerjaan serupa yang sudah pernah dikerjakan
- Ada range harga yang transparan, bukan angka asal
- AI membantu firma bekerja lebih efisien, sehingga risiko biaya tak terduga berkurang
Inilah bentuk nyata AI untuk jasa hukum Indonesia: bukan hanya AI yang pintar secara teknis, tapi yang membuat hubungan firma–klien lebih sehat dan saling percaya.
Penutup: Saatnya Firma Hukum Indonesia Serius Soal Pricing
Goodwin menunjukkan satu hal penting: AI bukan cuma untuk analisis kontrak dan riset hukum, tapi juga untuk hal yang sangat sensitif dan strategis – penentuan harga.
Untuk pasar Indonesia, ini momen yang pas:
- AI sudah mulai masuk ke banyak firma dan corporate legal department
- Klien makin menuntut efisiensi dan prediktabilitas
- Kompetisi antar firma makin ketat, termasuk dengan in-house yang makin kuat
Saya pribadi berpendapat: firma yang berani berinvestasi di model fixed fee berbasis data dan AI dalam 1–2 tahun ke depan akan punya posisi tawar jauh lebih baik dibanding yang tetap bertahan di billable hour tradisional tanpa transparansi.
Kalau Anda sedang merancang roadmap LegalTech dan AI untuk firma hukum Indonesia di 2026, pertanyaannya bukan lagi, “Perlu nggak ya AI pricing?” tapi:
“Jenis pekerjaan apa yang paling duluan harus kita konversi ke fixed fee berbasis data agar klien langsung merasakan bedanya?”
Itu titik awal yang konkret – dan sangat mungkin jadi pembeda utama di mata klien Anda berikutnya.