Adopsi AI yang Berhasil Memicu Penerapan Tahap Kedua yang Jarang Direncanakan Perusahaan

Sekitar tiga tahun lalu, saya membeli langganan AI berbayar pertama dan mulai menguji kemampuan sebenarnya. Perlahan, eksperimen pribadi itu berkembang menjadi proyek internal kecil, lalu langganan bisnis untuk seluruh perusahaan, dan akhirnya penerapan AI yang menjangkau hampir semua departemen—pengembangan, keuangan, hukum, pemasaran, dan dukungan.

Pada dasarnya, fase pertama berhasil. Dalam kira-kira enam bulan, kecepatan pengembangan internal kami meningkat sekitar lima kali lipat. Namun, ada angka lain yang juga naik: pengeluaran kami untuk AI meningkat sekitar 15 kali lipat.

Saat itulah saya memahami bahwa adopsi AI yang berhasil dapat menimbulkan masalah tersendiri. Setelah teknologi ini digunakan secara luas, aturan yang kami tetapkan pada awalnya tak lagi efektif. Biaya bisa membengkak karena AI memperoleh akses ke lebih banyak data perusahaan dan menangani lebih banyak tugas, sementara banyak alat AI itu sendiri masih dikendalikan oleh penyedia eksternal.

Jadi, apa yang sebaiknya dilakukan CEO ketika adopsi AI berhasil, tetapi perusahaan tak lagi sepenuhnya mengendalikan cara teknologi itu digunakan? Mari kita coba menjawabnya.

Jangan Samakan Penggunaan Aktif AI dengan Hasil Bisnis

Hal yang langsung saya sadari adalah bahwa pada tahap penerapan pertama, metrik adopsi—seperti jumlah pengguna aktif atau frekuensi penggunaan—memang relevan. Sebagai pemimpin, Anda ingin tahu apakah karyawan menggunakan alat-alat tersebut, alat mana yang mereka gunakan, dan apakah AI benar-benar menghemat waktu mereka. Namun, setelah penggunaannya meluas ke seluruh perusahaan, angka-angka ini menjadi jauh kurang berguna.

Kami sendiri mengalaminya. Begitu mendapat akses ke model yang canggih, orang-orang mulai menggunakannya untuk hampir segala hal. Pada suatu waktu, karyawan mulai bertanya kepada AI pukul berapa sekarang di New York. Tentu saja, contoh ini terdengar konyol, tetapi ini menunjukkan betapa cepat penggunaan dapat meningkat tanpa menghasilkan nilai berarti bagi perusahaan.

Shopify mengalami masalah serupa setelah mengintegrasikan AI begitu dalam hingga agen internalnya, River, kini menyusun hingga setengah dari permintaan penggabungan kode produksi. Namun, CEO Tobi Lütke baru-baru ini memperingatkan tentang hal yang ia sebut “granat sampah”: hasil kerja yang dibuat AI dan diteruskan karyawan tanpa diperiksa dengan semestinya, sehingga orang lain harus meninjau, memperbaiki, atau bahkan merangkum hasil tersebut.

Dengan kata lain, aktivitas AI yang meningkat bisa dengan mudah menambah pekerjaan, bukannya nilai. Sebuah perusahaan mungkin mencatat angka penggunaan yang mengesankan dan menghasilkan keluaran dalam jumlah besar, padahal sebagian keluaran itu hanya menjadi tugas tambahan bagi orang lain.

Inilah yang perlu diubah oleh para CEO. Prompt, login, dan konsumsi token semuanya menunjukkan banyaknya aktivitas dalam alur kerja. Namun, semua itu tidak menunjukkan apakah AI benar-benar sepadan dengan biayanya.

Kecepatan Menimbulkan Hambatan Baru

Ada pepatah: terburu-buru mendatangkan pemborosan. Menurut saya, pepatah itu juga berlaku untuk AI. Kami menyadari bahwa membuat orang bekerja “lebih cepat” dengan AI tidak serta-merta berarti pekerjaan mereka tiba-tiba berkurang.

Dalam pengembangan, AI kini memungkinkan tim kami menghasilkan jauh lebih banyak kode dalam waktu yang sama. Namun, yang terpenting, semua kode itu tetap harus diperiksa sebelum dirilis. Tak diragukan lagi, peninjauan otomatis membantu.

Meski begitu, saya masih belum cukup percaya untuk mengandalkannya begitu saja. Jadi, meskipun pengembang menghabiskan lebih sedikit waktu untuk menulis semuanya sendiri, kini mereka harus meninjau, menguji, dan mengambil keputusan atas jauh lebih banyak hasil kerja.

Dengan kata lain, pekerjaan itu tidak hilang. Pekerjaan itu hanya muncul dalam bentuk lain.

Karena jumlah kode yang memerlukan perhatian manusia juga meningkat, kenaikan kecepatan pengembangan kami hingga lima kali lipat terasa tidak terlalu mengesankan. Biaya sebenarnya dari alur kerja berbasis AI juga mencakup waktu untuk memeriksa hasil yang dibuat AI dan, yang terpenting, menentukan apakah hasil itu dapat dipercaya sejak awal.

Penerapan Tahap Kedua Merupakan Keharusan

Menurut saya, perusahaan memerlukan sesuatu yang saya sebut penerapan AI “tahap kedua”.

Penerapan tahap pertama terutama berfokus pada adopsi: memberi orang akses, mencari kasus penggunaan, serta melihat kapan teknologi ini benar-benar membantu dan kapan tidak. Namun, setelah beberapa bulan digunakan secara nyata, Anda sudah memiliki sesuatu yang jauh lebih berharga daripada asumsi—bukti dari perusahaan Anda sendiri tentang bagian mana yang biayanya meningkat, tim mana yang menghasilkan hasil lebih baik, dan di bagian mana orang menghabiskan terlalu banyak waktu untuk memeriksa keluaran AI.

Jadi, menurut saya, inilah saatnya merancang ulang aturan penggunaan AI, alih-alih sekadar mendorong penggunaannya agar semakin luas. Dalam praktiknya, saya akan berfokus pada tiga hal:

• Sesuaikan model dengan tugasnya. Permintaan rutin dapat diarahkan ke model yang lebih kecil dan murah, sedangkan pekerjaan yang lebih rumit dapat ditangani oleh model yang sepadan dengan biaya tambahannya. Tujuan akhirnya adalah menghindari biaya model terdepan untuk tugas-tugas bernilai rendah.
• Tentukan bagian mana yang wajib berada di bawah kendali manusia. Untuk kode produksi, dokumen hukum, atau keluaran lain yang berdampak besar, tetapkan bagian mana yang mengharuskan seseorang menyetujui hasilnya sebelum proses berlanjut ke tahap berikutnya dalam alur kerja. Secara terpisah, tetapkan aturan akses untuk data sensitif agar karyawan tahu model mana yang boleh dan tidak boleh menerima data tersebut.
• Susun rencana cadangan meskipun Anda merasa tidak membutuhkannya. Jika alur kerja yang krusial bergantung pada penyedia eksternal, dokumentasikan perintah, integrasi, aliran data, dan ketergantungan khusus model dengan cukup terperinci agar beban kerja dapat dialihkan ke penyedia lain dalam keadaan darurat.

Inilah perbedaan antara penerapan AI yang pertama dan yang kedua. Penerapan pertama bertanya: di mana kita dapat menggunakan AI? Penerapan kedua bertanya: di mana sebaiknya kita menggunakannya, dengan aturan seperti apa, dan berapa biayanya?

Audit Penerapan AI Sebelum Memperluasnya Lagi

Setelah adopsi AI berjalan dengan baik dan penerapan pertama tampak berhasil, saya tidak akan terus memperluasnya dengan cara yang sama selama satu tahun lagi. Setelah sekitar 90 hingga 180 hari penggunaan nyata, saya akan berhenti sejenak dan mengaudit apa yang sebenarnya telah dibangun perusahaan.

Ini berarti mengukur hasil bisnis yang telah diterima, menyesuaikan model dan biayanya dengan nilai nyata dari tugas tersebut, mengidentifikasi bagian yang masih mewajibkan peninjauan manusia, serta bagian yang alur kerjanya dapat dengan cara tertentu dibuat lebih mendekati otomatisasi penuh.

Penerapan pertama membuktikan bahwa AI dapat membuat perusahaan bekerja lebih cepat. Penerapan kedua menjaga agar kecepatan itu tidak berujung pada pengeluaran yang tidak perlu, akses yang tidak terkendali, atau ketergantungan pada vendor yang tidak pernah disetujui secara sadar oleh perusahaan.