5 Langkah Untuk Menerapkan AI dalam Bisnis Anda Tanpa Merugikan Bank

Kecerdasan buatan terus berkembang pesat, dan jika terus menyebar ke setiap industri, hal ini akan mengubah cara hidup kita sepenuhnya.

Oleh karena itu, mengintegrasikan AI ke dalam perusahaan mereka telah menjadi prioritas utama bagi banyak pendiri. Bahkan individu pun mencari cara untuk memanfaatkan AI untuk meningkatkan kehidupan pribadi mereka.

Hype-nya sedemikian rupa sehingga Kamus Collins, sebuah otoritas bahasa terkenal, menamainya AI sebagai istilah tahun ini, karena lonjakan popularitasnya.

Namun demikian, bagi sebagian besar organisasi, terdapat kesenjangan besar antara ide dan kenyataan ketika mencoba memasukkan AI ke dalam proses mereka, karena jalurnya tidak semudah kelihatannya, dan hal ini bisa sangat mahal, baik dari segi belanja modal. dibutuhkan dan membuang-buang waktu, karena perkembangan yang dilakukan tidak membawa hasil yang diharapkan. Ini telah mendarat beberapa bisnis dalam kesulitan. Misalnya CNET bereksperimen dengan artikel yang ditulis AI, dan ternyata mereka penuh dengan kekurangan. Perusahaan lain, seperti iTutor Group, telah menghadapi denda yang besar selain cemoohan publik karena penerapan AI yang buruk.

Seperti yang ditunjukkan oleh kasus-kasus ini, bisnis dapat membuat banyak kesalahan dengan AI, dan kecuali suatu usaha memiliki dukungan finansial dari Amazon, Google, Microsoft, atau Meta, eksperimen yang gagal ini dapat membuat perusahaan bangkrut.

Jika Anda seorang pendiri atau pemilik bisnis, berikut adalah panduan dengan lima langkah untuk membantu Anda menerapkan AI dalam bisnis Anda, sambil memanfaatkan sumber daya Anda secara bijaksana–uang dan waktu, yang pada akhirnya adalah uang–dan sekaligus mengurangi kemungkinan terjadinya hal yang fatal. kesalahan.

1. Perjelas masalah yang ingin Anda selesaikan

Tidak ada perusahaan yang kebal terhadap kegagalan AI. Dan seperti yang ditemukan Amazon dengan susah payah – melalui toko-toko tanpa kasir yang gagal, Amazon Go –tidak semua kasus bisnis membutuhkan AI.

Oleh karena itu, penting bagi Anda untuk mendefinisikan masalah yang ingin Anda selesaikan dengan AI. Hal ini perlu diuraikan sejelas mungkin.

Misalnya, penerapan AI yang umum adalah dukungan pelanggan. Penerapan AI dalam kasus seperti ini dapat dilakukan dengan cara yang memberikan hasil tertentu, misalnya, mengurangi biaya pusat panggilan sebesar X jumlah uang per bulan atau mempercepat waktu rata-rata yang diperlukan untuk menyelesaikan pertanyaan pelanggan sebesar X menit. Dengan pendekatan ini, kami memiliki indikator terukur dalam bentuk uang atau waktu, yang akan kami coba capai dengan menerapkan AI dan melihat apakah hal ini berdampak.

Ada berbagai cara untuk mewujudkannya. Misalnya, alih-alih menggunakan chatbot, kita dapat mengembangkan atau membeli layanan yang akan menentukan apakah pertanyaan pelanggan dapat dijawab melalui halaman FAQ. Cara kerjanya seperti ini. Ketika pelanggan menulis pesan, kita menjalankan model ini dan layanan tersebut akan memberi tahu kita bahwa kita perlu meneruskan percakapan ini ke agen, atau menampilkan halaman relevan berisi jawaban atas pertanyaan mereka. Mengembangkan model ini lebih cepat dan lebih murah daripada membangun chatbot yang rumit dari awal. Jika implementasi ini berhasil, kita akan mencapai tujuan kita untuk mengurangi biaya sekaligus mengoptimalkan belanja modal terkait AI, dibandingkan dengan biaya pengembangan chatbot.

Pelopor dalam pendekatan ini adalah Matten Law, sebuah firma hukum yang berbasis di California terintegrasi yang didukung AI asisten untuk mengotomatiskan banyak tugas, memungkinkan pengacara menghabiskan lebih banyak waktu untuk mendengarkan pelanggan dan mempelajari aspek-aspek kasus yang paling relevan. Hal ini menggambarkan bahwa sektor yang paling kaku sekalipun dapat diganggu melalui AI dengan cara yang meningkatkan pengalaman pengguna, dengan memperkuat sentuhan manusia di tempat yang paling membutuhkannya.

Masalah umum lainnya yang dapat diatasi dengan bantuan AI mencakup analisis data dan pembuatan penawaran yang disesuaikan. Spotify adalah contoh luar biasa dari sebuah perusahaan yang berhasil memanfaatkan AI untuk mengembangkan sistem cerdas untuk rekomendasi musik, hingga sejauh ini memperhitungkan waktu saat seseorang mendengarkan genre tertentu.

Dalam kedua skenario di atas, AI membantu memberikan pengalaman yang lebih baik bagi pelanggan. Namun, alasan mengapa perusahaan-perusahaan ini berhasil menggunakan AI adalah karena mereka sangat jelas mengenai aspek-aspek yang perlu didelegasikan kepada AI.

2. Tentukan data yang perlu Anda analisis

Setelah masalah utama terdefinisi dengan baik, kita perlu memperhitungkan data yang kita perlukan untuk memberi masukan pada sistem. Penting untuk diingat bahwa AI adalah sebuah algoritma, yang menganalisis dan menyesuaikan dengan data yang kami berikan. Skenario dasar pengumpulan data adalah sebagai berikut:

1. Pahami data apa yang mungkin kami perlukan untuk mengimplementasikan AI.

2. Lihat apakah bisnis kita memiliki data itu.

   1. Jika ya — bagus.

   2. Jika tidak, kita perlu duduk bersama dan mencari tahu apakah kita bisa memulai proses pengumpulan data yang tepat secara internal. Sebagai alternatif, kita bisa meminta pengembang untuk menyimpan data yang kita butuhkan jika kita belum melakukannya.

Berikut contohnya. Kami memiliki kedai kopi, dan kami membutuhkan data tentang berapa banyak pelanggan yang mengunjunginya. Kami dapat melakukannya dengan menerapkan kartu loyalitas personal yang akan ditunjukkan pengguna saat melakukan pembelian. Dengan cara ini, kami akan memiliki data yang dibutuhkan, seperti pelanggan mana yang datang, kapan mereka datang, apa yang mereka beli, dan berapa jumlahnya. Setelah data tersebut tersedia, kami dapat menggunakan data ini untuk menerapkan AI. Namun, terkadang pengumpulan data ini bisa sangat mahal. Dan di saat itulah AI dapat membantu kami. Misalnya, jika kami memasang kamera di kedai kopi kami—yang mungkin saja dilakukan untuk tujuan keamanan—kami dapat memanfaatkannya untuk mengumpulkan data dari pelanggan kami. Perlu saya sampaikan bahwa sebelum menerapkan ini, penting untuk berkonsultasi terlebih dahulu tentang undang-undang data pribadi, seperti GDPR, karena pendekatan ini mungkin tidak berhasil di setiap negara. Namun, di wilayah hukum yang memperbolehkannya, ini dapat menjadi cara yang mudah untuk mengumpulkan informasi yang Anda butuhkan, dan meminta bantuan AI untuk menganalisis serta memprosesnya.

Jika Anda bertanya-tanya, program loyalitas yang dipersonalisasi ini apa yang dilakukan Starbucks, dengan sukses besar. Skema penghargaan Starbucks mencakup pemberian insentif yang dipersonalisasi setiap kali pelanggan mengunjungi lokasi pilihan mereka atau memesan minuman favorit mereka.

3. Definisikan hipotesis

Mungkin ada situasi di mana Anda merasa tidak yakin mengenai proses mana yang dapat atau perlu dioptimalkan oleh AI.

Jika ini adalah kasus Anda, maka Anda dapat mulai dengan memecah seluruh proses menjadi beberapa tahap, dan mengidentifikasi fase-fase di mana Anda merasa bisnis Anda berkinerja buruk. Di bidang apa saja Anda menghabiskan terlalu banyak uang? Apa yang memakan waktu lebih lama dari biasanya? Dengan menjawab pertanyaan-pertanyaan ini, Anda dapat menentukan area penting yang perlu ditingkatkan, dan memutuskan apakah AI dapat membantu.

Seperti yang akan Anda temukan, ada beberapa contoh di mana solusi konvensional mungkin lebih efektif. Jika Anda kesulitan menentukan penawaran produk mana yang harus disoroti kepada pelanggan Anda, saran berdasarkan produk paling populer sering kali jauh lebih efektif dalam sistem rekomendasi pasar daripada upaya memperkirakan perilaku pengguna. Oleh karena itu, cobalah dulu. Setelah Anda mendapatkan hasil – apakah positif atau negatif – maka Anda dapat memiliki hipotesis untuk pengujian AI. Jika tidak, bidang tindakannya akan terlalu kabur, dan Anda mungkin hanya membuang-buang waktu dan uang.

4. Memanfaatkan solusi yang sudah ada

Banyak perusahaan yang ingin segera merancang algoritme pembelajaran mesin mereka sendiri. Namun, jika Anda tidak berencana untuk melatih mereka dengan kumpulan data yang cukup besar dalam jangka waktu yang lama, jangan lakukan itu. Ini akan sangat mahal dan memakan waktu.

Sebaliknya, saya menyarankan agar Anda fokus pada solusi yang sudah tersedia. Perusahaan seperti Amazon, Google, Microsoft, dan banyak lainnya memiliki alat bertenaga AI yang dapat membantu Anda mencapai banyak tujuan. Kemudian, secara bertahap, Anda dapat menandatangani kontrak dengan salah satu dari mereka, dan menyewa pengembang internal untuk secara terampil mengonfigurasi permintaan API yang diperlukan.

Ide dasarnya adalah bahwa alat-alat ini dapat diintegrasikan oleh pengembang bisnis (bukan spesialis ML), yang memungkinkan kita untuk dengan cepat menguji hipotesis apakah AI memberikan efek yang diharapkan atau tidak. Jika gagal, kita cukup menonaktifkan alat-alat ini, dan biaya pengujian hipotesis kita hanya akan menjadi waktu pengembang yang kita habiskan untuk berintegrasi dengan layanan tersebut dan jumlah yang kita bayarkan untuk menggunakan alat tersebut. Jika kita mengembangkan sebuah model, kita akan menghabiskan gaji spesialis ML dikalikan dengan jumlah waktu yang mereka habiskan untuk mengembangkan model tersebut, ditambah dengan biaya infrastruktur. Dan kemudian tidak jelas apa yang harus dilakukan dengan pengembang dan model tersebut jika, pada akhirnya, efek yang diharapkan tidak ada.

Jika hipotesis kami terbukti, dan alat yang didukung AI memberikan efek yang diharapkan, kami bergembira dan menghasilkan hipotesis baru. Di masa depan, jika kami memperkirakan bahwa biaya alat ini akan meningkat secara signifikan, kami dapat mempertimbangkan untuk mengembangkan model ini sendiri, sehingga dapat mengurangi biayanya lebih jauh lagi. Namun pertama-tama kita perlu mengevaluasi apakah biaya pengembangan sebenarnya lebih kecil dari biaya yang harus kita keluarkan untuk menggunakan alat dari perusahaan lain yang khusus mengembangkan alat tersebut.

Saran saya adalah Anda mempertimbangkan untuk mengembangkan produk pembelajaran mesin Anda sendiri hanya setelah Anda memperoleh hasil yang baik dari penggunaan AI dengan alat yang disebutkan di atas, dan setelah Anda yakin bahwa AI adalah cara yang tepat untuk menyelesaikan masalah Anda dalam jangka panjang. Jika tidak, proyek ML Anda tidak akan memberikan nilai yang Anda cari, dan seperti yang dikatakan oleh artikel brilian terbaru dari Harvard Business Review, Hype AI hanya akan mengalihkan perhatian Anda dari misi Anda, yang tidak membutuhkan AI.

5. Konsultasikan dengan spesialis AI

Demikian pula, kesalahan umum lainnya yang dilakukan para pendiri dan pemilik bisnis adalah mereka mencoba melakukan semuanya sendiri. Mereka mempekerjakan seorang chief engineer atau peneliti AI, dan kemudian lebih banyak orang untuk membentuk tim yang dapat menciptakan produk mutakhir. Namun, teknologi tersebut tidak akan berguna bagi tujuan perusahaan Anda jika Anda tidak memiliki strategi penerapan AI yang jelas. Ada juga kasus ketika mereka menyewa Junior ML Engineer, untuk menghemat uang dibandingkan menyewa spesialis yang lebih berpengalaman. Hal ini juga berbahaya, karena seseorang yang tidak memiliki pengalaman mungkin tidak mengetahui seluk-beluk pengembangan dan desain sistem ML dan membuat “kesalahan pemula”, yang mana perusahaan harus membayar harga yang terlalu tinggi, hampir selalu melebihi harga mempekerjakan orang yang berpengalaman. Spesialis ML.

Oleh karena itu, rekomendasi saya adalah Anda terlebih dahulu mempekerjakan seorang pakar AI, seperti konsultan, yang akan memandu Anda sepanjang proses dan mengevaluasi proses adopsi AI Anda. Manfaatkan keahlian mereka untuk memastikan bahwa masalah yang Anda kerjakan memerlukan AI, dan teknologi tersebut dapat ditingkatkan secara efektif untuk membuktikan hipotesis Anda.

Jika Anda adalah startup tahap awal, dan khawatir tentang pendanaan, solusinya adalah dengan menghubungi teknisi AI di LinkedIn untuk mengajukan pertanyaan spesifik. Percaya atau tidak, banyak pakar ML dan AI yang senang membantu, karena mereka benar-benar memahami topik tersebut, dan karena jika mereka berhasil membantu Anda, mereka dapat menggunakannya sebagai studi kasus positif untuk portofolio konsultasi mereka.

Final Thoughts

Dengan semua hype seputar AI, wajar jika Anda ingin memasukkannya ke dalam bisnis Anda dan mengembangkan solusi bertenaga AI yang akan membawa Anda ke level berikutnya. Namun, Anda perlu ingat bahwa fakta bahwa semua orang membicarakan AI berarti bisnis Anda membutuhkan AI. Sayangnya, banyak bisnis yang terburu-buru mengintegrasikan AI tanpa tujuan yang jelas, dan akhirnya membuang banyak uang dan waktu. Dalam beberapa kasus, terutama bagi perusahaan yang baru berdiri, hal ini bisa berarti kehancurannya. Dengan mengartikulasikan masalah dengan jelas, mengumpulkan data yang relevan, menguji hipotesis, dan menggunakan alat yang sudah tersedia dengan bantuan seorang ahli, Anda dapat mengintegrasikan AI tanpa menguras sumber daya keuangan perusahaan Anda. Kemudian, jika solusinya berhasil, Anda dapat secara bertahap meningkatkan dan menerapkan AI di bidang-bidang yang dapat meningkatkan efisiensi atau profitabilitas perusahaan Anda.