5 Langkah untuk Mengimplementasikan AI di Bisnis Anda Tanpa Menghabiskan Banyak Uang

Kecerdasan buatan terus berkembang, dan jika terus meresap ke setiap industri, itu akan mengubah cara kita hidup.

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

Hype-nya sangat besar sehingga Collins Dictionary, otoritas bahasa terkemuka, telah menamai AI sebagai kata tahun ini, karena lonjakan popularitasnya.

Namun, untuk sebagian besar organisasi, ada kesenjangan besar antara ide dan kenyataan ketika mencoba mengintegrasikan AI ke dalam proses mereka, karena jalannya tidak semudah yang terlihat, dan dapat sangat mahal, baik dalam hal pengeluaran modal yang diperlukan maupun waktu yang terbuang, karena pengembangan tidak akan menghasilkan hasil yang diharapkan. Ini telah menyebabkan beberapa bisnis mengalami kesulitan. Misalnya, CNET menguji coba artikel yang ditulis AI, dan ternyata penuh dengan kesalahan. Perusahaan lain, seperti iTutor Group, menghadapi denda besar serta ejekan publik karena implementasi AI yang buruk.

Seperti kasus-kasus ini menunjukkan, bisnis dapat membuat banyak kesalahan dengan AI, dan kecuali sebuah perusahaan memiliki bantalan keuangan seperti Amazon, Google, Microsoft, atau Meta, eksperimen gagal ini dapat secara efektif menghancurkan perusahaan.

Jika Anda adalah pendiri atau pemilik bisnis, berikut adalah panduan dengan lima langkah untuk membantu Anda mengimplementasikan AI di bisnis Anda, semua sambil menggunakan sumber daya Anda dengan bijak – uang dan waktu, yang pada akhirnya adalah uang – dan sambil mengurangi kemungkinan kesalahan fatal.

1. Jelaslah tentang masalah yang Anda coba selesaikan

Tidak ada perusahaan yang kebal dari kegagalan AI. Dan seperti yang ditemukan Amazon dengan menyakitkan – melalui toko tanpa kasir Amazon Go-nya yang gagal – tidak setiap kasus bisnis memerlukan AI.

Oleh karena itu, sangat penting bahwa Anda mendefinisikan masalah yang Anda coba selesaikan dengan AI. Ini perlu dilakukan dengan cara yang sangat jelas.

Misalnya, aplikasi umum AI adalah dukungan pelanggan. Mengimplementasikan AI dalam kasus seperti ini memungkinkan dengan hasil yang spesifik, misalnya, mengurangi biaya pusat panggilan sebesar X jumlah uang per bulan atau mempercepat waktu rata-rata untuk menyelesaikan pertanyaan pelanggan sebesar X menit. Dengan pendekatan ini, kita memiliki indikator yang dapat diukur dalam bentuk uang atau waktu, yang akan kita coba capai dengan mengimplementasikan AI dan melihat apakah ini memiliki dampak.

Ada beberapa cara untuk melakukan ini. Misalnya, alih-alih chatbot, kita dapat mengembangkan atau membeli layanan yang akan menentukan apakah pertanyaan pelanggan dapat dijawab dengan halaman FAQ. Ini akan bekerja seperti ini. Ketika pelanggan menulis pesan, kita menjalankan model ini dan itu baik memberitahu kita untuk mentransfer percakapan ini ke agen atau menunjukkan kepada mereka halaman yang relevan dengan jawaban untuk pertanyaan mereka. Mengembangkan model ini lebih cepat dan lebih murah daripada membangun chatbot yang kompleks dari awal. Jika implementasi ini berhasil, kita akan mencapai tujuan kita untuk mengurangi biaya sambil mengoptimalkan pengeluaran modal kita yang terkait dengan AI, dibandingkan dengan biaya mengembangkan chatbot.

Pionir dalam pendekatan ini adalah Matten Law, sebuah firma hukum di California yang mengintegrasikan asisten yang dipowered AI untuk mengotomatisasi banyak tugas, memungkinkan pengacara untuk menghabiskan lebih banyak waktu mendengarkan pelanggan dan mempelajari aspek-aspek kasus yang paling relevan. Ini menunjukkan bahwa bahkan sektor yang paling kaku dapat diganggu melalui AI dengan cara yang memperkuat pengalaman pengguna, dengan memperkuat sentuhan manusia di mana diperlukan.

Masalah tambahan yang dapat diatasi dengan bantuan AI termasuk analisis data dan pembuatan penawaran yang disesuaikan. Spotify adalah contoh luar biasa dari perusahaan yang berhasil memanfaatkan AI untuk mengembangkan sistem rekomendasi musik yang cerdas, yang bahkan memperhitungkan waktu hari di mana seseorang mendengarkan genre tertentu.

Dalam kedua skenario tersebut, AI membantu menyediakan pengalaman yang lebih baik bagi pelanggan. Namun, alasan mengapa perusahaan-perusahaan ini menggunakan AI dengan sukses adalah karena mereka sangat jelas tentang aspek-aspek yang perlu didelegasikan kepada AI.

2. Tentukan data yang Anda perlukan untuk dianalisis

Setelah masalah utama didefinisikan dengan baik, kita perlu mempertimbangkan data yang kita perlukan untuk memberi makan sistem. Penting untuk diingat bahwa AI adalah algoritma, yang menganalisis dan menyesuaikan dengan data yang kita berikan. Skenario dasar untuk pengumpulan data adalah sebagai berikut:

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

2. Lihat apakah bisnis kita memiliki data tersebut.

   1. Jika ya — bagus.

   2. Jika tidak, kita perlu duduk dan memikirkan apakah kita dapat memulai proses pengumpulan data yang tepat di dalam perusahaan. Sebagai kemungkinan lain, kita dapat meminta pengembang untuk menyimpan data yang kita perlukan jika kita belum melakukannya.

Berikut contoh. Kita memiliki sebuah kafe, dan kita memerlukan data tentang berapa banyak pelanggan yang mengunjungi. Kita dapat melakukan ini dengan mengimplementasikan kartu loyalitas pribadi yang pengguna akan tampilkan saat melakukan pembelian. Dengan cara ini, kita akan memiliki data yang kita perlukan, seperti pelanggan mana yang datang, kapan mereka datang, apa yang mereka beli, dan dalam jumlah berapa. Setelah kita memiliki itu, kita dapat menggunakan data ini untuk mengimplementasikan AI. Namun, ada saat-saat ketika mengumpulkan data ini dapat sangat mahal. Dan itulah saat AI dapat membantu kita. Misalnya, jika kita memiliki kamera yang dipasang di kafe kita – yang mungkin kita lakukan setidaknya untuk tujuan keamanan – kita bisa memanfaatkan kamera itu untuk mengumpulkan data dari pelanggan yang mengunjungi. Saya harus mengatakan bahwa sebelum mengimplementasikan ini, penting untuk berkonsultasi tentang hukum data pribadi, seperti GDPR, karena pendekatan ini mungkin tidak berfungsi di setiap negara. Tapi di yurisdiksi di mana itu diizinkan, ini dapat menjadi cara yang mulus untuk mengumpulkan informasi yang kita perlukan, dan meminta AI untuk membantu menganalisis dan memprosesnya.

Jika Anda bertanya-tanya, program loyalitas pribadi ini adalah apa yang dilakukan Starbucks, dengan kesuksesan besar. Skema rewards Starbucks mencapai sejauh menyediakan insentif pribadi setiap kali pelanggan mengunjungi lokasi favorit mereka atau memesan minuman favorit mereka.

3. Tentukan hipotesis

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

Jika ini adalah kasus Anda, maka Anda dapat memulai dengan memecah proses Anda menjadi tahap-tahap, dan mengidentifikasi tahap-tahap di mana Anda merasa bisnis Anda tidak berperforma. Apa area-area yang Anda habiskan terlalu banyak uang? Apa yang memakan waktu lebih lama dari biasanya? Dengan menjawab pertanyaan-pertanyaan ini, Anda dapat menemukan area-area kritis untuk perbaikan, dan memutuskan apakah AI dapat membantu.

Seperti yang Anda temukan, ada kasus di mana solusi konvensional mungkin lebih efektif. Jika Anda kesulitan menentukan penawaran produk mana yang harus ditampilkan kepada pelanggan, saran berdasarkan produk paling populer seringkali jauh lebih efektif dalam sistem rekomendasi pasar daripada upaya untuk memprediksi perilaku pengguna. Oleh karena itu, coba dulu. Setelah Anda memiliki hasil – apakah positif atau negatif – maka Anda dapat memiliki hipotesis untuk pengujian AI. Jika tidak, bidang tindakan akan terlalu samar, dan Anda mungkin akan membuang waktu dan uang.

4. Manfaatkan solusi yang sudah ada

Banyak perusahaan berusaha untuk segera merancang algoritma pembelajaran mesin mereka sendiri. Namun, jika Anda tidak berencana untuk melatih mereka dengan set data yang besar selama periode waktu yang lama, jangan lakukan itu. Ini akan sangat mahal dan memakan waktu.

Sebaliknya, saya sarankan Anda fokus pada solusi yang sudah ada. Perusahaan seperti Amazon, Google, Microsoft, dan banyak lainnya memiliki alat yang dipowered AI yang dapat membantu Anda mencapai banyak tujuan. Kemudian, secara bertahap, Anda bisa menandatangani kontrak dengan salah satu dari mereka, dan menyewa pengembang internal untuk mengkonfigurasi permintaan API yang diperlukan dengan ahli.

Gagasan dasar adalah bahwa alat-alat ini dapat diintegrasikan oleh pengembang bisnis (bukan spesialis ML), yang akan memungkinkan kita untuk dengan cepat menguji hipotesis apakah AI membawa efek yang diharapkan atau tidak. Jika gagal, kita dapat dengan mudah menonaktifkan alat-alat ini, dan biaya pengujian hipotesis kita hanya akan menjadi waktu pengembang yang kita habiskan untuk mengintegrasikan dengan layanan tersebut dan jumlah yang kita bayar untuk menggunakan alat tersebut. Jika kita mengembangkan model, kita akan menghabiskan gaji spesialis ML kali waktu yang mereka habiskan untuk mengembangkan model plus biaya infrastruktur. Dan kemudian tidak jelas apa yang harus dilakukan dengan pengembang dan model jika, pada akhirnya, efek yang diharapkan tidak ada.

Jika hipotesis kita terbukti, dan alat yang dipowered AI membawa efek yang diharapkan, kita bersukacita dan mengembangkan hipotesis baru. Di masa depan, jika kita memprediksi bahwa biaya alat tersebut tumbuh secara signifikan, kita dapat mempertimbangkan untuk mengembangkan model ini sendiri, dan dengan demikian mengurangi biaya lebih lanjut. Tapi kita perlu terlebih dahulu mengevaluasi apakah biaya pengembangan memang lebih rendah dari apa yang akan kita bayar untuk menggunakan alat dari perusahaan lain yang berspesialisasi dalam mengembangkan alat-alat ini.

Saran saya adalah bahwa Anda mempertimbangkan untuk mengembangkan produk pembelajaran mesin Anda sendiri hanya setelah Anda telah mendapatkan hasil yang baik dari menggunakan AI dengan alat-alat yang disebutkan di atas, dan setelah Anda yakin bahwa AI adalah cara yang tepat untuk memecahkan masalah Anda dalam jangka panjang. Jika tidak, proyek ML Anda tidak akan memberikan nilai yang Anda cari, dan seperti yang dikatakan oleh sebuah artikel brilian baru-baru ini di Harvard Business Review, hype AI hanya akan mengalihkan perhatian Anda dari misi Anda, yang tidak memerlukan AI.

5. Konsultasikan dengan spesialis AI

Dalam nada yang sama, kesalahan lain yang umum dilakukan oleh pendiri dan pemilik bisnis adalah bahwa mereka mencoba melakukan semuanya sendiri. Mereka menyewa insinyur kepala AI atau peneliti, dan kemudian lebih banyak orang untuk membentuk tim yang dapat menciptakan produk yang canggih. Namun, teknologi itu akan tidak berguna bagi tujuan perusahaan jika Anda tidak memiliki strategi implementasi AI yang didefinisikan dengan baik. Ada juga kasus di mana mereka menyewa Insinyur ML Junior, untuk menghemat uang dibandingkan dengan menyewa spesialis yang lebih berpengalaman. Ini juga berbahaya, karena orang tanpa pengalaman mungkin tidak mengetahui hal-hal yang halus dari pengembangan dan desain sistem ML dan membuat “kesalahan pemula”, untuk yang perusahaan akan harus membayar harga yang terlalu tinggi, hampir selalu melebihi harga menyewa satu spesialis ML yang berpengalaman.

Oleh karena itu, saran saya adalah bahwa Anda pertama-tama menyewa satu ahli AI, seperti konsultan, yang akan membimbing Anda sepanjang jalan dan mengevaluasi proses adopsi AI Anda. Manfaatkan keahlian mereka untuk memastikan bahwa masalah yang Anda kerjakan memerlukan AI, dan bahwa teknologi dapat diskalakan secara efektif untuk membuktikan hipotesis Anda.

Jika Anda adalah startup tahap awal, dan khawatir tentang pendanaan, hack untuk ini adalah menghubungi insinyur AI di LinkedIn dengan pertanyaan spesifik. Percayalah atau tidak, banyak ahli ML dan AI suka membantu, baik karena mereka sangat menyukai topik tersebut, dan karena jika mereka berhasil membantu Anda, mereka dapat menggunakannya sebagai studi kasus positif untuk portofolio konsultasi mereka.

Pemikiran Akhir

Dengan semua hype yang mengelilingi AI, wajar jika Anda mungkin bersemangat untuk mengintegrasikan AI ke dalam bisnis Anda dan mengembangkan solusi yang dipowered AI yang membawa Anda ke tingkat berikutnya. Namun, Anda perlu menjaga agar tidak lupa bahwa fakta bahwa semua orang berbicara tentang AI berarti bahwa bisnis Anda memerlukan AI. Banyak bisnis, sayangnya, terburu-buru untuk mengintegrasikan AI tanpa tujuan yang jelas, dan akhirnya membuang-buang jumlah uang dan waktu yang luar biasa. Dalam beberapa kasus, terutama untuk perusahaan tahap awal, ini dapat berarti kehancuran mereka. Dengan mengartikulasikan masalah dengan jelas, mengumpulkan data yang relevan, menguji hipotesis, dan menggunakan alat-alat yang sudah ada dengan bantuan ahli, Anda dapat mengintegrasikan AI tanpa menghabiskan sumber daya keuangan perusahaan Anda. Kemudian, jika solusi itu berhasil, Anda dapat secara bertahap meningkatkan dan mengintegrasikan AI ke dalam area-area di mana itu meningkatkan efisiensi atau profitabilitas perusahaan Anda.