Nilai Sebenarnya AI Dibangun di Atas Data dan Orang – Bukan Hanya Teknologi

Janji AI berkembang setiap hari – dari meningkatkan produktivitas individu hingga memungkinkan organisasi untuk menemukan wawasan bisnis baru yang kuat melalui data. Sementara potensi AI tampaknya tidak terbatas dan dampaknya mudah dibayangkan, perjalanan menuju ekosistem yang benar-benar didukung AI sangat kompleks dan menantang. Perjalanan ini tidak dimulai dan diakhiri dengan mengimplementasikan, mengadopsi atau bahkan menggunakan AI secara konsisten – itu baru awal. Merealisisasikan nilai penuh dari solusi AI pada akhirnya tergantung pada kualitas data dan orang-orang yang mengimplementasikan, mengelola, dan menerapkan AI untuk menghasilkan hasil yang berarti.

Data: Pondasi Keberhasilan AI

Data, konstanta organisasi. Baik itu toko kelontong kecil atau perusahaan besar, setiap bisnis berjalan pada data (catatan keuangan, persediaan, rekaman keamanan, dll.). Pengelolaan, akses, dan tata kelola data ini adalah kunci untuk merealisisasikan potensi penuh AI dalam sebuah organisasi. Gartner baru-baru ini mencatat bahwa 63% organisasi baik tidak percaya diri atau tidak yakin apakah praktik data atau struktur manajemen yang ada cukup untuk mengadopsi AI dengan sukses. Memungkinkan sebuah organisasi untuk membuka potensi penuh AI memerlukan Praktik Data yang terencana dengan baik. Dari pengumpulan, penyimpanan, sintesis, analisis, keamanan, privasi, tata kelola, dan kontrol akses – kerangka kerja dan metode harus ada untuk memanfaatkan AI dengan benar. Selain itu, sangat penting untuk memitigasi risiko dan konsekuensi yang tidak diinginkan. Intinya, data adalah pondasi analitik dan bahan bakar untuk AI Anda.

Akses yang dimiliki solusi AI Anda ke data Anda menentukan potensinya untuk menghasilkan – sehingga kita melihat munculnya fungsi baru yang dirancang khusus untuk itu, Petugas Data Utama (CDO). Secara sederhana, jika solusi AI diperkenalkan ke lingkungan dengan data “mengambang” yang dapat diakses oleh siapa saja – itu akan berisi kesalahan, bias, tidak patuh, dan sangat mungkin untuk mengungkapkan informasi sensitif dan pribadi. Sebaliknya, ketika lingkungan data kaya, terstruktur, akurat, dalam kerangka kerja dan metode untuk menggunakan data organisasi – AI dapat mengembalikan manfaat langsung dan menghemat banyak jam dalam pemodelan, peramalan, dan pengembangan kemungkinan. Dibangun di sekitar pondasi data adalah hak akses dan kebijakan tata kelola data, yang menyajikan kekhawatiran tersendiri – elemen manusia.

Orang: Faktor yang Kurang Dinilai dalam Adopsi AI

IDC baru-baru ini membagikan bahwa 45% CEO dan lebih dari 66% CIO yang disurvei menyampaikan keraguan sekitar vendor teknologi yang tidak sepenuhnya memahami potensi risiko AI. Pemimpin ini memiliki alasan yang sah untuk kehati-hatian mereka. Secara argumentatif, konsekuensi risiko IT yang sudah ada tetap sama dengan AI yang dikelola (misalnya, downtime, gangguan operasional, premi asuransi siber yang mahal, denda kepatuhan, pengalaman pelanggan, pelanggaran data, ransomware, dan lain-lain) dan diperkuat oleh integrasi AI ke dalam IT. Kekhawatiran datang dari kurangnya pemahaman sekitar penyebab akar dari konsekuensi tersebut atau bagi mereka yang tidak menyadari, kecemasan yang datang dengan pemberdayaan AI yang berfungsi sebagai katalis untuk konsekuensi tersebut.

Pertanyaan yang mendesak adalah, “Apakah saya harus berinvestasi dalam alat IT yang mahal ini yang dapat sangat meningkatkan kinerja bisnis saya pada setiap tingkat fungsional dengan risiko implodir IT karena kurangnya kesiapan dan pemberdayaan karyawan?” Dramatis? Absolut – risiko bisnis selalu seperti itu, dan kita sudah tahu jawabannya. Dengan teknologi yang lebih kompleks dan potensi operasional yang ditingkatkan, upaya untuk memungkinkan tim menggunakan alat-alat ini secara legal, benar, efisien, dan efektif juga harus ditingkatkan.

Tantangan Vendor

Kurangnya kepercayaan pada vendor teknologi melampaui keahlian subjek dan mencerminkan masalah yang lebih dalam: ketidakmampuan untuk secara jelas mengartikulasikan risiko spesifik yang dapat dan akan dihadapi organisasi dengan implementasi yang tidak tepat dan harapan yang tidak realistis.

Hubungan antara organisasi dan vendor teknologi mirip dengan hubungan antara pasien dan praktisi kesehatan. Pasien berkonsultasi dengan praktisi kesehatan dengan gejala mencari diagnosis dan berharap untuk solusi sederhana dan efektif biaya. Dalam situasi pencegahan, praktisi kesehatan akan bekerja dengan pasien pada rekomendasi diet, pilihan gaya hidup, dan perawatan khusus untuk mencapai tujuan kesehatan yang ditentukan. Serupa, ada harapan bahwa organisasi akan menerima solusi preskriptif dari vendor teknologi untuk memecahkan atau merencanakan implementasi teknologi. Namun, ketika organisasi tidak dapat menyediakan risiko preskriptif spesifik untuk lingkungan IT yang diberikan, itu memperburuk ketidakpastian implementasi AI.

Bahkan ketika vendor IT secara efektif mengkomunikasikan risiko dan dampak potensial AI, banyak organisasi yang terhalang oleh biaya total kepemilikan (TCO) sebenarnya yang terlibat dalam meletakkan fondasi yang diperlukan. Ada kesadaran yang tumbuh bahwa implementasi AI yang sukses harus dimulai dalam lingkungan yang ada – dan hanya ketika lingkungan itu dimodernisasi, organisasi dapat benar-benar membuka nilai integrasi AI. Ini mirip dengan menganggap bahwa siapa saja dapat melompat ke kokpit mobil balap F1 dan langsung memenangkan balapan. Orang yang masuk akal tahu bahwa kesuksesan dalam balapan adalah hasil dari kombinasi pengemudi yang terampil dan mesin yang berkinerja tinggi. Demikian pula, manfaat AI hanya dapat direalisasikan ketika organisasi benar-benar siap, terlatih, dan dilengkapi untuk mengadopsi dan mengimplementasikan AI.

Kasus: Microsoft 365 Copilot

Microsoft 365 Copilot adalah contoh solusi AI yang ada yang potensi dampak dan nilainya sering salah dipahami atau diencerkan karena harapan pelanggan yang tidak sejalan – tentang bagaimana AI harus diimplementasikan dan apa yang mereka percayai itu seharusnya lakukan, bukan memahami apa yang dapat dilakukan. Hari ini, lebih dari 70% perusahaan Fortune 500 sudah menggunakan Microsoft 365 Copilot. Namun, ketakutan bahwa AI akan menggantikan pekerjaan sebagian besar adalah kesalahpahaman ketika datang ke sebagian besar aplikasi AI dunia nyata. Sementara penggantian pekerjaan telah terjadi di beberapa area – seperti gudang “gelap” yang sepenuhnya otomatis – penting untuk membedakan antara AI secara keseluruhan dan penggunaannya dalam robotika. Yang terakhir memiliki dampak yang lebih langsung pada penggantian pekerjaan.

Dalam konteks Pekerjaan Modern, nilai utama AI terletak pada meningkatkan kinerja dan memperkuat keahlian – bukan menggantinya. Dengan menyelamatkan waktu dan meningkatkan output fungsional, AI memungkinkan strategi go-to-market yang lebih gesit dan pengiriman nilai yang lebih cepat. Namun, manfaat ini bergantung pada pengaktif yang kritis:

• Praktik Data yang matang
• Pengelolaan Akses dan Tata Kelola yang Kuat
• Langkah-langkah Keamanan yang Kuat untuk memitigasi risiko
• Pemberdayaan Orang sekitar penggunaan AI yang bertanggung jawab dan praktik terbaik

Berikut beberapa contoh perbaikan fungsional yang didorong AI di seluruh area bisnis:

• Pemimpin Penjualan dapat menghasilkan model kemungkinan menggunakan data siklus hidup pelanggan untuk mengarahkan strategi cross-sell dan upsell, meningkatkan retensi pelanggan dan nilai.
• Tim Strategi Perusahaan & FP&A memperoleh wawasan yang lebih dalam berkat waktu yang dihemat dalam menganalisis unit bisnis, memungkinkan keselarasan yang lebih baik dengan tujuan perusahaan.
• Tim Piutang dapat mengelola siklus pembayaran dengan lebih efisien dengan akses yang lebih cepat ke data yang dapat ditindaklanjuti, meningkatkan pendekatan dan keterlibatan pelanggan.
• Pemimpin Pemasaran dapat membangun strategi go-to-market yang lebih efektif dan sejalan dengan penjualan dengan menggunakan wawasan AI tentang kinerja penjualan dan peluang.
• Tim Operasional dapat mengurangi waktu yang dihabiskan untuk merekonsiliasi data Keuangan dan Penjualan, meminimalkan kekacauan selama proses akhir kuartal atau akhir tahun.
• Tim Keberhasilan Pelanggan & Dukungan dapat mengurangi waktu respons dan resolusi dengan mengotomatisasi alur kerja dan menyederhanakan langkah-langkah kunci.

Contoh-contoh ini hanya menggores permukaan potensi AI untuk mengarahkan transformasi fungsional dan peningkatan produktivitas. Namun, merealisisasikan manfaat ini memerlukan fondasi yang tepat – sistem yang memungkinkan AI untuk terintegrasi, mensintesis, menganalisis, dan pada akhirnya memenuhi janjinya.

Pemikiran Terakhir: Tidak Ada Plug-and-Play untuk AI

Mengimplementasikan AI untuk membuka potensi penuhnya tidak semudah menginstal program atau aplikasi. Ini adalah integrasi dari jaringan fungsi otonom yang memenuhi seluruh tumpukan IT – menghasilkan wawasan dan efisiensi operasional yang akan memerlukan upaya, waktu, dan sumber daya manual yang signifikan.

Merealisisasikan nilai solusi AI didasarkan pada membangun praktik data, memelihara kerangka kerja akses dan tata kelola yang kuat, dan mengamankan ekosistem – topik yang memerlukan penyelaman yang lebih dalam.

Kemampuan vendor teknologi untuk menjadi mitra yang berharga akan bergantung pada pemasaran dan pemberdayaan, yang berfokus pada membantah mitos dan mengkalibrasi harapan tentang apa yang dimaksud dengan memanfaatkan potensi AI secara sebenarnya.