Mengaktifkan Data untuk Menutup Celah ROI AI: 4 Langkah untuk Merealisisasikan Nilai Bisnis Melalui AI Agensi

Ketika kita memasuki tahun keempat “tahun AI”, banyak pemimpin organisasi mempertimbangkan dua pertanyaan yang tampaknya berlawanan. Pertama, apakah AI generatif merupakan teknologi paling transformatif di abad ke-21? Dan kedua, apakah AI terlalu dibesar-besarkan? Saya akan menjawab pertanyaan tersebut dengan paradoks, ya untuk keduanya. Namun, saya pikir pertanyaan tersebut salah. Sebaliknya, saya percaya para pemimpin tersebut harus bertanya pada diri sendiri: bagaimana organisasi saya dapat mendapatkan nilai bisnis dari AI sekarang?

Kenyaatan adalah bahwa banyak perusahaan telah menghabiskan tiga tahun terakhir untuk berinvestasi pada teknologi AI baru dan bereksperimen dengan alat AI baru, tetapi mereka belum mendapatkan hasil yang diharapkan. Meskipun tekanan CEO untuk “menggunakan AI pada semua hal”, organisasi tidak melihat pengembalian investasi yang diinginkan. Ini tidak boleh mengejutkan. Sejarah mengajarkan kita bahwa inovasi teknis yang paling mendalam membutuhkan waktu sebelum membayar. Ada keterlambatan antara penemuan teknis dan inovasi bisnis.

Thomas Edison menunjukkan kekuatan listrik di Manhattan pada tahun 1882, tetapi tidak sampai Ford memperkenalkan jalur perakitan yang ditenagai listrik pada tahun 1913 bahwa listrik benar-benar menggantikan tenaga uap dalam manufaktur. Bayangkan seorang pemimpin bisnis pada tahun 1885 yang mendorong pekerja pabriknya untuk mulai bereksperimen dengan tenaga listrik? Namun, tenaga listrik tetap berkuasa dan membuka jalan bagi banyak inovasi revolusioner pada abad ke-20, dari transmisi radio hingga komputasi digital.

Sebagai contoh yang lebih baru, World Wide Web menjadi mainstream pada awal tahun 1990-an. Penggunaan konsumen meledak seketika, tetapi adopsi bisnis tertinggal. Butuh setengah dekade sebelum sebagian besar perusahaan yang mapan mulai mendapatkan manfaat dari web melalui e-commerce. Namun, web membuka jalan bagi media sosial, keterlibatan mobile, komputasi awan, dan akhirnya AI. Nilai bisnis dihasilkan secara bertahap dari teknologi baru.

Jika era listrik bisnis dimulai dengan jalur perakitan, dan era web dimulai dengan e-commerce, apa yang akan menjadi aplikasi pembunuh untuk era bisnis AI? Peluncuran ChatGPT pada akhir tahun 2022 memperkenalkan kekuatan model bahasa besar kepada masyarakat umum. Karena popularitasnya, “chatbot yang memahami saya dan terdengar seperti manusia” menjadi arketipe untuk bagaimana AI dapat diterapkan. Akibatnya, banyak bisnis memulai dengan AI dengan memperkenalkan asisten serupa yang disesuaikan dengan versi perusahaan mereka sendiri dari ChatGPT. Dalam banyak kasus, hasilnya diterima dengan baik oleh pengguna, tetapi pengembalian produktivitas bisnis sulit diukur.

Salah satu aplikasi AI yang paling berkembang untuk bisnis adalah di bidang asisten pengkodean. Claude Code, Cursor, dan alat lainnya telah mendapatkan popularitas luas, menunjukkan hasil yang hampir ajaib. Namun, studi menunjukkan bahwa peningkatan produktivitas pengembang individu belum diterjemahkan menjadi produktivitas organisasi secara keseluruhan. Di atas itu, mempercepat pengembangan tidak membantu kinerja bisnis jika apa yang dihasilkan tidak membawa nilai bisnis. Asisten pengkodean akan membantu meningkatkan adopsi AI dari waktu ke waktu, tetapi mereka bukanlah aplikasi pembunuh.

Untuk menemukan aplikasi AI yang paling berdampak, organisasi harus fokus pada roda gigi yang menggerakkan model bisnis mereka sendiri. Dalam buku kami Unbundling the Enterprise, Stephen Fishman dan saya menyelidiki konsep “dinamika nilai”, metode untuk memecah model bisnis menjadi serangkaian pertukaran nilai yang saling terkait. Pertukaran nilai melibatkan beberapa “mata uang”, termasuk biaya, penghematan waktu, jangkauan, dan kualitas yang ditingkatkan. Mata uang yang paling unik adalah data. Dalam buku tersebut, kami menunjukkan bagaimana perusahaan seperti Google dan Meta mengubah akumulasi data menjadi dominasi digital. Kesuksesan mereka datang dengan menyediakan tautan otomatis dan waktu nyata dalam pertukaran nilai mereka. Mereka menghubungkan pengumpulan data dengan generasi pendapatan dalam lingkaran yang bermanfaat. Kedua perusahaan tersebut mengkontekstualisasikan data pelanggan dalam bentuk target iklan, kemudian menggunakan ini untuk mengarahkan pendapatan inti mereka dan mengumpulkan lebih banyak data melalui keterlibatan pengguna.

Sementara banyak organisasi telah menghabiskan beberapa dekade terakhir untuk mengumpulkan dan memperhalus data, mereka belum sepenuhnya memanfaatkan potensi data melalui roda gigi seperti itu. Pada intinya, model bahasa besar hanya merupakan data yang diterapkan. Ini memiliki potensi untuk menjadi mesin yang menggerakkan roda gigi nilai bagi organisasi, tetapi mesin tersebut membutuhkan bahan bakar dalam bentuk data yang dikontekstualisasikan, dan harus dihubungkan dengan roda gigi model bisnis organisasi. Proses “aktivasi data” ini membuat data dapat dipercaya dan tersedia dalam skala besar, sehingga memungkinkan otomatisasi dinamis yang lebih besar di perusahaan, dan akhirnya menemukan aplikasi AI pembunuh bagi organisasi tersebut.

Apa yang akan terlihat seperti organisasi yang telah mengaktifkan data mereka untuk era AI? Pertimbangkan skenario berikut:

• Perusahaan farmasi yang saat ini harus membuat taruhan sebesar jutaan dolar, dengan siklus uji klinis yang panjang, menjadi perusahaan yang lebih gesit dengan siklus uji klinis yang lebih singkat dan paralel, yang ditenagai oleh otomatisasi dinamis yang diperkaya AI
• Bank ritel yang saat ini mengirimkan penawaran produk “berharap dan berdoa” kepada semua pelanggannya dengan sedikit penerimaan dan pemenuhan manual, menjadi perusahaan yang menawarkan penawaran yang dipersonalisasi dengan pemenuhan kredit yang efisien, yang mengarah pada penerimaan yang lebih tinggi dari produk pinjaman yang menguntungkan
• Penjual eceran yang saat ini memiliki sistem manajemen persediaan yang penuh dengan kelebihan dan kekurangan stok, menjadi perusahaan yang memahami posisi persediaan mereka dalam waktu nyata, berkat koneksi langsung ke outlet, gudang, dan pemasok yang dianalisis melalui agen AI yang selalu aktif

Jalan menuju ROI yang digambarkan dalam skenario ini mengikuti bentuk otomatisasi dinamis yang baru, dan didorong oleh aktivasi data.

Bagaimana organisasi dapat memulai perjalanan ini? Berikut adalah empat langkah untuk memulai…

Langkah 1: Pahami Dinamika Nilai Organisasi Anda

Menguraikan model bisnis organisasi menjadi pertukaran nilai yang mendasarinya sangat berharga untuk beberapa alasan. Peta pertukaran nilai yang dihasilkan menunjukkan kemampuan apa yang menggerakkan bisnis, fungsi bisnis mana yang paling kritis, dan bagaimana setiap elemen dalam organisasi berkontribusi pada penciptaan, penangkapan, dan distribusi nilai. Untuk tujuan kita, peta pertukaran nilai dapat digunakan untuk memvisualisasikan proses bisnis inti yang akan menjadi kandidat untuk otomatisasi dinamis. Sebagai lapisan berikutnya, Anda dapat memetakan setiap pertukaran nilai dan komponen ke cara mereka dioperasikan dalam organisasi. Ini dapat berupa aplikasi perangkat lunak, penyimpanan data, atau bahkan tugas karyawan. Peluang otomatisasi dapat diukur dengan dampak dan kompleksitas implementasi untuk memfokuskan pada tempat terbaik untuk menerapkan AI dan aktivasi data.

Langkah 2: Sebarkan Opsi melalui Lapisan Aktivasi Data

Kemampuan organisasi untuk mengaktifkan data bergantung pada opsi digital mereka. Opsi melimpah ketika aset digital – fungsi perangkat lunak, sumber data, layanan pihak ketiga – dapat diakses dalam waktu nyata. Dalam konteks AI, ini berarti dua hal. Pertama, organisasi harus dapat mensintesis data dari sumber yang berbeda untuk menyediakan konteks yang tepat untuk model bahasa besar yang mengarah pada penalaran yang akurat dan menghindari halusinasi. Kedua, komponen perangkat lunak yang menjalankan fungsi bisnis inti – seperti layanan penilaian pinjaman bank atau sistem persediaan ritel yang hidup – harus dapat dipanggil oleh aplikasi berbasis model bahasa besar untuk memenuhi otomatisasi. Dalam kedua kasus, API adalah mekanisme terbaik untuk membuat data dan fungsi yang sesuai dapat diakses. Protokol Konteks Model (MCP) mendapatkan popularitas sebagai protokol API pilihan untuk aktivasi data. Kemampuan yang dapat diakses ini dapat dibuat menjadi platform kontekstual untuk organisasi Anda. Mengubah lanskap digital dari sekumpulan aplikasi dan data yang terisolasi menjadi lapisan API yang sejalan dengan bisnis sangat penting untuk mencapai ROI melalui aktivasi data.

Langkah 3: Terima Paradigma Agensi dari Solusi Digital

Arsitektur perangkat lunak yang dominan pada era AI sedang muncul. Solusi perangkat lunak yang dioptimalkan memerlukan keseimbangan antara komponen yang diperkaya AI dan non-AI. Agen AI – komponen yang diperkaya AI dalam arsitektur yang muncul – menggunakan penalaran model bahasa besar yang ditanam dalam kesadaran kontekstual untuk menjalankan tugas melalui alat yang tersedia. Mereka adalah instrumen aktivasi data dan otomatisasi dinamis. Lanskap digital yang dioptimalkan melalui API (termasuk alat MCP) adalah tanah yang paling subur untuk agen tersebut untuk berkembang. Arsitektur agensi memungkinkan pola yang beragam yang menggabungkan komponen perangkat lunak deterministik dalam infrastruktur yang ada dengan agen AI tersebut. Pola ini berkisar dari chatbot sederhana dan agen pekerja hingga alur kerja agensi hingga sistem multi-agen otonom. Organisasi yang mengadopsi pendekatan arsitektur ini akan dapat memanen nilai terbesar dari aset digital yang ada sambil mengadopsi AI dengan kecepatan yang memungkinkan mereka untuk mengelola kompleksitas solusi yang membawa nilai yang lebih besar.

Langkah 4: Gunakan AI sebagai Alat Produktivitas untuk Membangun Otomatisasi Agensi

Menerapkan AI untuk produktivitas pekerja mungkin tidak menghasilkan pengembalian tertinggi untuk bisnis secara mandiri. Menggunakan keuntungan produktivitas AI dalam layanan aktivasi data organisasi dan menyediakan otomatisasi agensi, bagaimanapun, dapat mempercepat pengembalian yang sebenarnya. Ini tidak hanya berarti menggunakan AI untuk mempercepat pekerjaan pengembang. Bahkan sebelum ledakan AI, salah satu hambatan terbesar untuk pengiriman adalah kesenjangan organisasi antara ahli domain bisnis yang memahami penerapan teknologi dan tim IT yang membangun solusi. Tren organisasi seperti DevOps telah membantu menjembatani kesenjangan tersebut, tetapi AI dapat membantu dengan cara yang lebih nyata. Sebagai teknologi berbasis bahasa, model bahasa besar dapat menerjemahkan antara persyaratan dan solusi dengan cara yang belum pernah terjadi sebelumnya. AI multimodal memungkinkan penangkapan sketsa bisnis yang dapat menghasilkan artefak yang dapat digunakan untuk pengembangan hilir. Transkrip dapat diubah menjadi prototipe. Ini adalah jenis aktivasi data yang baru: mengubah pengetahuan domain bisnis menjadi scaffolding solusi dalam waktu nyata.

Mengikuti empat langkah ini, organisasi dapat mengaktifkan data mereka dan mulai melihat pengembalian investasi pada investasi AI mereka. Selain itu, mereka akan lebih siap untuk ekosistem baru, pekerjaan, dan peluang yang diciptakan oleh ekonomi AI. Dengan memahami dinamika nilai bisnis Anda, mengubah aset digital Anda menjadi opsi yang dapat dilaksanakan, dan mengorientasikan diri pada arsitektur agensi, Anda akan mempersiapkan organisasi Anda untuk masa depan AI dengan menciptakannya sendiri.