Celah Pengetahuan yang Dibuat AI Adalah Celah Keamanan Baru. Berikut Cara Menutupnya.

Perusahaan teknologi membuat taruhan yang familiar: bahwa AI dapat melakukan pekerjaan lebih cepat dan lebih murah daripada manusia. Sementara dalam banyak kasus ini mungkin benar, juga digunakan sebagai tombol mudah untuk pemutusan hubungan kerja.

Dalam laporan PwC yang dipublikasikan awal tahun ini, 56% CEO mengatakan bahwa mereka belum melihat manfaat keuangan yang signifikan dari investasi AI mereka sampai saat ini, dan hanya 12% melaporkan melihat penghematan biaya dan pertumbuhan pendapatan dari AI. Selain itu, sebuah studi Februari oleh National Bureau of Economic Research menemukan bahwa hampir 90% perusahaan mengatakan bahwa AI belum memiliki dampak pada pekerjaan atau produktivitas selama tiga tahun terakhir. Ini semua menekankan kebenaran yang mengungkapkan: banyak organisasi belum melihat pengembalian pendapatan dan produktivitas yang dijanjikan oleh AI, dan untuk menutupi kerugian mereka, mereka terus melakukan pemutusan hubungan kerja ribuan orang dari tenaga kerja.

Tapi apa yang tidak dikatakan dalam panggilan pendapatan: ketika Anda menghilangkan manajer akun yang membawa konteks hubungan selama sepuluh tahun dalam pikirannya, atau insinyur QA yang pengetahuan institusionalnya adalah satu-satunya yang menangkap cacat sebelum mereka mencapai pelanggan, Anda tidak menghilangkan lemak. Anda menghilangkan dinding penopang. Biaya perbaikan, perputaran pelanggan, kegagalan kualitas yang mengikuti jarang muncul dalam slide deck yang sama yang merayakan pengurangan jumlah karyawan. Mereka diserap diam-diam ke dalam kuartal mendatang, dikaitkan dengan kondisi pasar, dan dilupakan. Jarak antara apa yang dijanjikan oleh restrukturisasi yang digerakkan AI dan apa yang sebenarnya disampaikan adalah nyata, itu tumbuh, dan bagi banyak organisasi, itu tetap tidak diakui.

Biaya riil dari siklus ini tidak mendarat di satu tempat. Mereka menyebar di seluruh tim yang tersisa setelah pemotongan. Pengembang menyerap beban kerja insinyur yang pergi, sementara secara bersamaan diberikan alat AI yang masih belum matang untuk mengkompensasi kehilangan jumlah karyawan. Tim produk kehilangan konteks yang menjaga peta jalan tetap berakar pada kenyataan pelanggan. Organisasi dukungan meregang tipis dan kualitas respons menurun karena pelanggan segera mengenali respons “slop” terhadap tiket mereka. Beban tidak terkonsentrasi, itu didistribusikan, dan difusi itu adalah bagian dari apa yang membuatnya mudah diabaikan dalam laporan kuartalan. Tapi dalam penyebaran yang lebih luas, tim IT menghadapi versi masalah yang berbeda dan berkompilasi. Mereka tidak hanya melakukan lebih dengan kurang. Mereka diminta untuk mengelola infrastruktur yang dibangun dengan cepat, tanpa pengetahuan institusional yang memberinya koherensi, sementara secara bersamaan melaksanakan offboarding rekan yang pergi dan onboarding penggantinya karena perusahaan diam-diam membalikkan keputusan pemotongan yang mereka rayakan secara terbuka.

Ketika kita melanjutkan tahun ini, dan organisasi berusaha untuk memenuhi janji AI, sudah waktunya kita menyadari bahwa ada lebih dari pendapatan yang hilang ketika Anda memotong keahlian manusia demi efisiensi yang diberdayakan AI. Kabar baiknya? Anda bisa memiliki yang terbaik dari kedua dunia. Tapi itu membutuhkan pendekatan yang lebih praktis dan pragmatis terhadap AI. Yang menjaga manusia di pusat strategi Anda.

Apa yang Hilang Ketika Pengetahuan Keluar Pintu

Pengetahuan operasional kritis hidup dalam orang dan diterapkan melalui penilaian manusia, bukan sistem. Ketika orang-orang itu pergi, pengetahuan itu pergi bersama mereka. Tidak peduli seberapa canggih modelnya, AI tidak bisa mengisi celah itu saat ini.

Bahkan ketika kemampuan AI berkembang, otomatisasi tanpa konteks nuansa menciptakan blind spot berbahaya di area kritis:

• Penilaian dan strategi: Intuisi, pengetahuan institusional, dan kesadaran pasar tidak hidup rapi dalam set data, bahkan yang tidak terstruktur.
• Konteks dan kesadaran situasional: Manusia mengenali nuansa, niat, dan dapat menavigasi area abu-abu di mana aturan kaku mungkin gagal.
• Empati dan kepercayaan: Momen-momen berdampak tinggi atau emosional (terutama yang melibatkan pelanggan atau karyawan) menuntut respons yang berpusat pada manusia.
• Pengawasan dan akuntabilitas: Seseorang harus bertanggung jawab untuk mengidentifikasi kegagalan, bias, atau mendahului informasi yang salah. Sekadar mengatakan, “Anda benar, izinkan saya mencoba lagi,” setelah memberikan informasi yang sepenuhnya salah tidak cukup.
• Memori institusional dan konteks sistem: Memahami mengapa tim membangun infrastruktur dengan cara tertentu (atau tidak), apa yang telah mereka coba sebelumnya, dan kasus tepi apa yang ada yang tidak didokumentasikan.
• Kepemimpinan dan tata kelola: Menentukan kebijakan, toleransi risiko, dan mempertahankan batas etika tetap menjadi tanggung jawab manusia yang mendasar.

AI dapat menyajikan wawasan, merekomendasikan tindakan, dan mempercepat eksekusi, tetapi tidak dapat menggantikan memori institusional yang mencegah bencana, atau menawarkan akuntabilitas yang menangkapnya sebelum mereka berputar.

Apa yang Dilakukan Organisasi Cerdas dengan Berbeda

Organisasi yang sukses dengan AI tidak menghilangkan manusia dari persamaan. Mereka menggunakan AI untuk merampingkan proses yang berulang dan membosankan yang menambah gesekan pada operasi sehari-hari. Membebaskan manusia untuk mendedikasikan waktu dan sumber daya kritis lainnya untuk menemukan cara kreatif baru untuk menghasilkan manfaat bisnis yang lebih besar. Mereka menggunakan AI sebagai alat “lomba-dengan” untuk memaksa-amplifikasi. Pertimbangkan dunia operasi TI. Tim-tim ini sudah meregang tipis, mengelola infrastruktur yang menjalar dengan sarana terbatas. AI, atau lebih spesifik, pembelajaran mesin (ML), dapat memberikan nilai nyata di sini. AI/ML dapat mengotomatisasi tugas-tugas yang sebelumnya memakan waktu dan membosankan yang mengubur ahli subjek-materi yang berharga dalam pekerjaan operasional: pengujian patch dan penelitian, klasifikasi tiket, generasi alur kerja, penemuan, dan pemetaan risiko.

Tugas-tugas ini membentuk fondasi operasi TI, tetapi mereka mengonsumsi sejumlah besar waktu (terutama karena perusahaan memperluas estat digital mereka, lanskap kerentanan bergeser, dan karyawan semakin mengharapkan pengalaman digital yang positif dengan perangkat yang mereka gunakan untuk bekerja). Ketika tim gagal melakukan dasar-dasar dengan baik (mengelola atau memantau kemampuan dan proses ini) karena mereka tenggelam, konsekuensinya sangat parah: downtime, pemutakhiran yang terlewat, kebocoran data, pelanggaran keamanan.

Di sisi lain, ketika Anda menggunakan AI dengan baik untuk merampingkan pekerjaan di area-area ini, Anda memberi staf TI waktu untuk melakukan apa yang AI tidak bisa: membersihkan utang teknis, memperbaiki sistem dan proses yang ada, merancang ulang untuk ketahanan, dan melestarikan pengetahuan institusional yang menjaga sistem kritis tetap berjalan. Itu lebih dari sekadar efisiensi. Itu mitigasi risiko. Dan itu menetapkan fondasi yang lebih kuat untuk pertumbuhan jangka panjang.

Mendapatkan Adopsi AI yang Tepat

Organisasi yang memulai dengan penerapan AI yang bijak dan adopsi, sambil juga memprioritaskan pemberdayaan yang aman dan efektif, akan melihat (dan akan terus melihat) kemenangan yang lebih besar dari strategi AI mereka. Optimisasi tidak datang dari pemotongan orang. Itu berasal dari investasi pada mereka, merancang ulang alur kerja, dan mendidik tim tentang cara terbaik menggunakan AI.

Ini sebenarnya tidak baru. Teknologi telah berkembang melalui siklus generasi selama ratusan tahun. Setiap kali kita cenderung mengulangi kesalahan yang sama. Kita berputar terlalu jauh dan mencoba membuat kemajuan tertentu sebagai obat untuk segala yang salah. Tidak ada kekurangan penjual obat yang akan memanfaatkan kesulitan ini, berjanji lebih dari yang dapat mereka penuhi dan menghilang sebelum hasilnya dapat diukur. Kenyataannya adalah AI/ML dapat melakukan apa yang komputer telah lakukan selama ini; melakukan tugas tertentu dengan kecepatan dan akurasi yang lebih tinggi daripada manusia. Mereka yang menemukan peluang tersebut dan menerapkan AI dengan cara yang pragmatis, akan melihat pengembalian yang sangat cepat pada investasi mereka. Secara praktis, itu berarti:

• Menggunakan AI untuk menghilangkan tugas bernilai rendah, bukan penilaian bernilai tinggi
• Merancang alur kerja dengan manusia di dalamnya untuk meminimalkan keputusan berdampak tinggi
• Menentukan jalur eskalasi yang jelas ketika sistem AI gagal atau menghasilkan hasil yang tidak pasti
• Menetapkan kepemilikan yang jelas untuk keputusan yang digerakkan AI
• Melatih tim untuk memeriksa output AI, bukan menerima begitu saja

Biaya Riil dari Kesalahan

Siklus industri teknologi saat ini dari pemutusan hubungan kerja massal diikuti oleh perekrutan kembali yang sunyi bukanlah pergeseran bakat. Itu adalah transfer risiko. Organisasi menggantikan dekade memori institusional dengan kecepatan otomatisasi beberapa bulan, dan pemimpin IT adalah mereka yang akhirnya memegang tas ketika datang untuk mengelola dampaknya.

AI menawarkan keuntungan nyata, tetapi itu berarti paling banyak ketika Anda menggunakan AI untuk melestarikan dan memperkuat keahlian, bukan menggantinya. Perusahaan yang akan terus berkembang di era AI bukanlah mereka yang memotong terdalam atau menerapkan alat AI paling banyak. Mereka adalah yang dengan bijak menggunakan AI untuk mengotomatisasi monotonitas, dan meningkatkan kreativitas, kolaborasi, dan keahlian manusia.

Karena ketika sistem berikutnya gagal, atau kejadian outage atau insiden keamanan siber berikutnya terjadi, Anda tidak ingin robot atau mesin di garis depan perbaikan sistem atau komunikasi pelanggan. Itulah tempat Anda ingin (dan membutuhkan) orang dengan konteks historis yang mendalam dan pengetahuan masih di gedung.

Jika kita ingin membuka potensi penuh AI, itu sangat penting untuk fokus pada pemanfaatan AI untuk tugas-tugas yang terjebak dalam kebosanan, dan berhenti menggunakan AI sebagai alasan untuk kinerja bisnis yang buruk.