Fase Bulan Madu AI Berakhir, Lalu Apa Selanjutnya?

Banyak diskusi tentang potensi transformasi AI telah berlangsung selama dua tahun terakhir sejak rilis awal ChatGPT yang menimbulkan banyak kegembiraan. Pemimpin perusahaan telah bersemangat untuk menggunakan teknologi ini untuk mengurangi biaya operasional. Mungkin mengejutkan, bagaimanapun, bahwa untuk banyak pemimpin, metrik kunci yang digunakan untuk mengevaluasi keberhasilan alat AI bukanlah pengembalian investasi (ROI) seumur hidup. Ini adalah kecepatan untuk ROI.

Di tengah penurunan toleransi risiko dan tekanan pendapatan yang meningkat, pemimpin berharap investasi dapat menghasilkan perubahan dan membayar dengan cepat. Pada saat yang sama, hipe sekitar AI mulai mereda, membuka jalan bagi diskusi yang lebih pragmatis tentang pengembalian investasi AI.

Fase Selanjutnya: Menjadi Nyata tentang Di Mana AI Bekerja

Keberhasilan di pasar saat ini—di mana langganan adalah raja—bergantung pada seberapa baik Anda mempertahankan pelanggan, bukan seberapa baik Anda memperoleh mereka. Di sebagian besar sektor, pasar sudah jenuh, dan banyak organisasi menawarkan layanan yang mirip dengan kualitas yang hampir identik. Tambahkan penurunan loyalitas pelanggan, harapan yang meningkat, dan kemauan untuk beralih merek, dan organisasi menemukan diri mereka tanpa ruang untuk kesalahan untuk tetap bersaing. Pengalaman pelanggan (CX) adalah factor yang menentukan apakah organisasi berbasis langganan berhasil atau gagal.

Di lingkungan ini, organisasi dapat bersaing dengan baik dengan memilih perbaikan inkremental daripada menjauh dari pengeluaran. Setiap pilihan yang dibuat organisasi harus diarahkan pada tujuan yang spesifik, berorientasi pada pelanggan — bahkan jika itu membutuhkan biaya sedikit lebih banyak di awal. Ini berlaku untuk implementasi AI. Organisasi telah bertanya bagaimana AI dapat mengembalikan biayanya dengan menggunakan AI sebagai pengganti sumber daya yang ada. Sekarang, mereka perlu bertanya bagaimana AI dapat menciptakan nilai bagi organisasi dengan memperbaiki cara mereka bekerja dengan pelanggan.

Jawabannya cukup sederhana. AI memiliki banyak aplikasi potensial yang dapat memperbaiki CX secara langsung dan tidak langsung. Alat yang ditenagai AI dapat meningkatkan personalisasi dengan menggunakan data perilaku pelanggan untuk memastikan pengguna melihat pesan atau promosi yang tepat pada waktu yang tepat. Data yang sama dapat membantu memandu pengembangan produk, menyoroti celah di pasar yang dapat dimanfaatkan organisasi untuk lebih baik melayani kebutuhan pelanggan. Mereka juga dapat membuat organisasi lebih proaktif, membantu mereka mengantisipasi gangguan, mengaktifkan rencana kontinjensi, dan mengkomunikasikan informasi yang diperlukan kepada pengguna.

Namun, pekerjaan ini terjadi terutama di balik layar, dan tidak dapat terjadi dalam semalam.

Ingin AI pada Yang Terbaik? Mulai dengan Aplikasi ‘Tidak Terlihat’

Satu-satunya cara untuk mengetahui dengan pasti apakah kasus penggunaan back-end atau front-end akan menghasilkan hasil yang diinginkan adalah dengan memanfaatkan kemampuan AI yang lebih halus, di balik layar, terlebih dahulu.

Di balik headline tentang transformasi instan adalah kemampuan inti AI: analisis. Model bahasa besar (LLM) seperti ChatGPT menarik perhatian karena fleksibilitas yang tampak, tetapi mereka hanya melakukan satu tugas, tidak peduli di mana mereka beroperasi. Mereka merangkum informasi. Ini tergantung pada organisasi untuk membuat informasi yang tepat tersedia, dan itu membutuhkan waktu. Itu adalah dua fakta yang sering hilang dalam percakapan, dan mereka mewakili akhir dari reputasi “perbaikan cepat” yang dinikmati AI.

Era berikutnya akan ditandai dengan perbaikan “tidak terlihat” yang difasilitasi oleh AI ketika organisasi membangun fondasi teknis mereka. Organisasi dapat memulai dengan LLM yang membantu:

1. Mengintegrasikan database yang ada dan menghancurkan silo untuk menyediakan visibilitas ujung ke ujung – dan konteks yang menyertainya.
2. Menerapkan alat pengumpulan data waktu nyata untuk memastikan wawasan tetap mutakhir dan mencerminkan tren, pola, dan gangguan terbaru.
3. Mempercepat rekonsiliasi dan manajemen untuk memastikan akurasi dan membebaskan pekerja untuk fokus pada tugas yang lebih tinggi yang memerlukan sentuhan manusia.

Perubahan organisasi adalah langkah pertama untuk implementasi yang efektif dan mencakup sistem dan staf. Pada titik ini, pemimpin juga harus mempertimbangkan cara penerapan AI dapat memengaruhi staf dan bekerja untuk mengatasi hambatan potensial. Mengembangkan program pelatihan dan pengembangan keterampilan akan membantu memastikan staf siap bekerja secara efektif bersama teknologi baru. AI itu sendiri dapat membantu dalam upaya ini — salah satu aplikasi “tidak terlihat” lainnya. Misalnya, itu dapat menyoroti celah pengetahuan individu berdasarkan data penggunaan. Informasi semacam ini dapat membimbing program pelatihan untuk memastikan pekerja memiliki semua yang mereka butuhkan untuk sukses.

Sekali organisasi telah mengintegrasikan, akurat, dan mutakhir, serta staf yang memahami cara dan kapan menggunakan AI, mereka dapat menambahkan lapisan “tidak terlihat” lain. Gelombang solusi berikutnya harus fokus pada analitik yang membantu mengembangkan pemahaman yang mendalam tentang cara bisnis berjalan, apa yang diinginkan pelanggan, dan hambatan yang menghalangi. Solusi ini membangun satu sama lain, dengan setiap langkah mengungkapkan tingkat wawasan baru.

Lebih spesifik, analitik deskriptif menggunakan data historis untuk mengidentifikasi pola historis; mereka mengatakan kepada organisasi apa yang terjadi. Analitik diagnostik menggunakan data tambahan untuk mengkontekstualisasikan apa yang terjadi, mengidentifikasi penyebab, dan menyoroti efek dari insiden dan perubahan; mereka mengatakan kepada organisasi mengapa hal-hal terjadi dengan cara mereka. Analitik prediktif menggunakan wawasan dari peristiwa masa lalu untuk memodelkan dampak dari perubahan yang diusulkan dan memantau tren; mereka menunjukkan kepada organisasi apa yang mungkin terjadi. Analitik preskriptif menggunakan semua output ini untuk membuat keputusan yang tepat; mereka mengatakan kepada organisasi apa yang harus dilakukan selanjutnya.

Meskipun solusi analitik seperti ini mungkin menggunakan kemampuan AI yang lebih maju, perlu diingat bahwa — pada awalnya — hampir semua proses ini terjadi di balik layar. Akhirnya, algoritma prediktif dan preskriptif mungkin membuat jalan mereka ke dalam solusi yang menghadap konsumen, tetapi itu hanya dapat terjadi setelah fondasi internal yang kritis ini dibangun.

Ketika bulan madu AI berakhir, reputasinya sebagai perbaikan ajaib juga akan berakhir — tetapi melepaskan persepsi ini sangat penting untuk mewujudkan potensi penuh teknologi ini. Pemimpin yang ingin membuat headline besok dengan aplikasi AI inovatif harus menyelesaikan pekerjaan fondasional ini terlebih dahulu, yang mungkin sulit diterima di tengah tekanan untuk pengembalian yang lebih cepat dan lebih cepat. Namun, beralih ke penilaian yang lebih holistik, inkremental, dan jangka panjang tentang nilai AI akan memungkinkan organisasi untuk mempercepat pengembalian. Pendekatan ini memberi pemimpin alat dan waktu untuk mengembangkan gambaran yang jelas tentang apa yang perlu diperbaiki, wawasan tentang perubahan kecil yang akan memiliki dampak terbesar, dan kemampuan untuk mengembangkan strategi yang solid yang menghasilkan pengembalian hari ini tanpa merusak profitabilitas besok.

Pragmatisme dari Ujung ke Ujung

Meskipun kasus penggunaan yang mencolok mungkin menarik perhatian pelanggan pada pandangan pertama, dan kesempatan penghematan biaya mungkin menarik perhatian pemimpin perusahaan, tidak satu pun dari ini yang kemungkinan akan mendefinisikan dampak AI dalam jangka panjang. Sebaliknya, teknologi ini akan menjadi sinonim dengan pekerjaan di balik layar yang menghasilkan perbaikan yang nyata dalam skala besar.

Akhir dari fase bulan madu menandai awal dari hubungan yang lebih dewasa dengan AI, yang memerlukan pertimbangan yang cermat tentang bagaimana AI dapat benar-benar meningkatkan pengalaman pelanggan dan menghasilkan profitabilitas. Pada akhirnya, kunci adalah memandang AI bukan sebagai perbaikan cepat, tetapi sebagai mitra strategis dalam upaya mencapai loyalitas pelanggan, pengalaman yang memuaskan, dan solusi sederhana dalam operasi yang semakin kompleks saat ini.

Di bulan-bulan dan tahun-tahun mendatang, organisasi yang unggul akan menjadi mereka yang menggali lebih dalam, berkomitmen untuk perubahan, dan mengakui potensi AI sebagai investasi jangka pendek dan panjang.