Baptiste Bouvier, CEO dan Salah Satu Pendiri Daptic – Seri Wawancara

Baptiste Bouvier adalah CEO dan salah satu pendiri Daptic. Di sana, ia berupaya menghubungkan intelijen regulasi dengan pengembangan produk. Sebagai lulusan ilmu komputer dan teknik MIT, pengalamannya mencakup riset AI dan sistem otonom di MIT CSAIL, AI di bidang kesehatan di Babylon Health, riset kuantitatif di J.P. Morgan, rekayasa AR/VR di Meta, serta konsultasi di McKinsey. Fokus pekerjaannya adalah membantu produsen menerjemahkan persyaratan regulasi yang kompleks menjadi keputusan rekayasa yang praktis.

Daptic menyediakan platform kepatuhan produk berbasis AI yang menghubungkan perubahan regulasi, interpretasi, dan persyaratan produk di sepanjang siklus hidup produk. Perangkat lunaknya membantu spesialis regulasi, insinyur, dan tim produk memantau persyaratan global, menilai dampaknya, serta memasukkannya ke dalam alur kerja pengembangan, dengan keterlacakan sumber dan pengawasan manusia. Dalam wawancara ini, Bouvier membahas intelijen regulasi, AI fisik, batasan desain yang dapat dibaca mesin, serta peralihan menuju Manajemen Siklus Hidup Kepatuhan Produk yang berkelanjutan.

Karier Anda membawa Anda dari riset AI dan sistem otonom di MIT CSAIL ke AI di bidang kesehatan di Babylon Health, riset kuantitatif di J.P. Morgan, rekayasa AR/VR di Meta, dan konsultasi di McKinsey. Bagaimana pengalaman-pengalaman itu membentuk keputusan Anda untuk turut mendirikan Daptic, dan apa yang meyakinkan Anda bahwa AI dapat mengubah intelijen regulasi secara mendasar?

Hal yang benar-benar membuka mata saya adalah melihat betapa besar pengaruh regulasi terhadap pengembangan produk, sementara perangkat lunak untuk mendukung pekerjaan itu sangat terbatas.

Latar belakang saya terutama di bidang ilmu komputer, dengan sedikit pengalaman di bidang teknik mesin, dan sebelum mendirikan Daptic, saya sempat bekerja di berbagai lingkungan teknis. Namun, di McKinsey saya mendapat gambaran lebih dekat tentang cara perusahaan besar mengembangkan produk fisik dan bagaimana regulasi dapat memperlambat proses tersebut.

Saya melihat perusahaan-perusahaan yang sangat canggih mengelola bagian penting dari pengembangan produk melalui dokumen, lembar kerja, surel, dan percakapan di antara banyak tim yang berbeda. Sebuah regulasi mungkin bermula sebagai bahasa hukum yang diterbitkan pemerintah, tetapi pada akhirnya seseorang harus menerjemahkannya menjadi persyaratan rekayasa spesifik yang mengubah cara suatu produk dirancang.

Kesenjangan antara regulasi dan rekayasa itulah yang menarik minat saya. Proses ini melibatkan keahlian yang sangat besar, tetapi infrastrukturnya untuk menghubungkan pekerjaan tersebut masih sangat terbatas. Kami menyebut kategori yang lebih luas ini Manajemen Siklus Hidup Kepatuhan Produk: menghubungkan perubahan regulasi, interpretasi, dan persyaratan produk dengan keputusan yang diambil tim sepanjang pengembangan produk dan masa pakai produk.

AI mengubah apa yang mungkin dilakukan karena dapat menangani sekaligus materi regulasi, informasi produk, dan pengetahuan organisasi dalam jumlah besar. Hal ini memberi kami peluang untuk membangun infrastruktur bagi alur kerja yang selama ini sangat bergantung pada upaya manual. Itulah yang menjadi landasan Daptic.

Insinyur produk di sektor seperti otomotif, kedirgantaraan, pertahanan, perangkat medis, dan robotika dapat menghadapi ribuan regulasi yang terus berkembang. Di bagian mana AI memberikan manfaat terbesar untuk mengubah kumpulan informasi regulasi yang sangat besar itu menjadi sesuatu yang benar-benar dapat digunakan insinyur selama pengembangan produk?

Manfaat terbesarnya adalah kemampuan untuk menjaga keterhubungan antara perkembangan regulasi dan perkembangan produk.

Bayangkan Anda sedang mengembangkan produk fisik yang kompleks dan nantinya akan dijual di 30 atau 40 pasar geografis yang berbeda. Anda perlu memahami regulasi mana yang berlaku, memantau perubahan regulasi tersebut, menentukan perubahan mana yang berdampak pada produk, serta menerjemahkan persyaratan yang relevan menjadi keputusan rekayasa.

AI dapat terus memantau lingkungan regulasi dan mempersempit jumlah informasi yang perlu dievaluasi tim. Jika suatu persyaratan berubah, sistem dapat membantu mengidentifikasi produk, komponen, atau keputusan rekayasa mana yang mungkin terdampak, lalu menyampaikan konteks yang relevan kepada orang-orang yang membutuhkannya.

Peluang yang lebih menarik muncul ketika konteks regulasi menjadi bagian dari alur kerja rekayasa itu sendiri. Insinyur yang mengambil keputusan desain seharusnya dapat dengan cepat memahami persyaratan terkait keputusan tersebut tanpa harus mencari secara manual di berbagai yurisdiksi, standar, dan ranah regulasi.

Regulasi berubah dan produk pun berubah. Nilai sebenarnya terletak pada upaya menjaga keterhubungan antara keduanya agar tim dapat memahami implikasinya selagi masih punya waktu untuk mengambil keputusan rekayasa yang berbeda. Keterhubungan berkelanjutan ini merupakan bagian inti dari Manajemen Siklus Hidup Kepatuhan Produk.

Kepatuhan regulasi merupakan penerapan AI dengan risiko yang sangat tinggi, karena mengabaikan persyaratan atau menghasilkan interpretasi yang keliru dapat menimbulkan konsekuensi serius. Bagaimana Daptic menangani akurasi, keterjelasan, dan pengawasan manusia saat menerapkan AI untuk intelijen regulasi?

Kepercayaan merupakan hal mendasar dalam kategori ini.

Keputusan regulasi membutuhkan tingkat keyakinan yang tinggi, sehingga ketertelusuran harus menjadi bagian dari alur kerja. Tim harus dapat melihat asal informasi, meninjau bahan sumber yang mendasarinya, dan memahami bagaimana suatu interpretasi dihasilkan.

Keahlian manusia tetap sangat penting karena peraturan mengandung ambiguitas. Suatu peraturan dapat memberi banyak informasi, tetapi penerapannya pada produk tertentu sering kali memerlukan konteks, pengalaman, dan pertimbangan. Para ahli yang berbeda juga dapat menghasilkan interpretasi yang berbeda atas persyaratan yang sama.

Pendekatan kami adalah memanfaatkan AI untuk mendukung keahlian tersebut. AI dapat menemukan dan menyusun informasi, mengaitkannya dengan konteks produk yang relevan, serta menyimpan penalaran yang telah dilakukan. Insinyur dan profesional regulasi tetap terlibat dalam proses tersebut dan dapat meninjau, menyempurnakan, serta memberikan keahlian mereka sendiri.

Seiring waktu, hal ini juga menghasilkan sesuatu yang bernilai bagi organisasi. Penalaran di balik keputusan regulasi menjadi pengetahuan institusional yang dapat dijadikan rujukan dan dikembangkan lebih lanjut, alih-alih tersimpan dalam utas surel atau hanya dikuasai satu orang. Agar Manajemen Siklus Hidup Kepatuhan Produk dapat diterapkan dalam skala besar, konteks dan pertimbangan ahli tersebut harus tetap tersedia di berbagai tim, produk, dan siklus pengembangan.

AI fisik dengan cepat berkembang dari lingkungan industri yang terkendali menuju produk yang dapat beroperasi di rumah dan ruang publik. Seiring meningkatnya kemampuan robot humanoid dan sistem seperti anjing robot, tantangan regulasi apa yang menurut Anda akan menjadi hambatan terbesar bagi adopsi secara luas oleh konsumen?

AI fisik menyatukan bidang-bidang regulasi yang secara historis dapat ditangani dengan jauh lebih terpisah.

Bayangkan robot humanoid yang beroperasi di rumah atau lingkungan publik. Produk yang sama dapat melibatkan keselamatan fisik, sistem kelistrikan, baterai, komunikasi nirkabel, keamanan siber, privasi, dan perilaku otonom. Bergantung pada fungsi robot tersebut, persyaratan tambahan terkait mesin, transportasi, penggunaan medis, atau kegiatan lain yang diatur juga dapat berlaku.

Yang membuat hal ini sangat menarik adalah produk-produk tersebut semakin ditentukan oleh perangkat lunak. Perangkat lunak dapat mengubah produk fisik secara signifikan setelah produk itu dijual. Kemampuan atau perilaku baru yang diperkenalkan melalui pembaruan dapat mengubah pertimbangan regulasi yang terkait dengan produk tersebut.

Artinya, perusahaan harus mempertimbangkan regulasi sepanjang siklus hidup produk, bukan hanya pada satu tahap sebelum peluncuran. Peralihan dari kepatuhan pada satu titik waktu ke Manajemen Siklus Hidup Kepatuhan Produk yang berkelanjutan menjadi sangat penting, terutama bagi produk yang kemampuannya dapat berkembang setelah memasuki pasar.

Ada pula dimensi global. Berbagai yurisdiksi menyusun peraturan untuk teknologi ini dengan kecepatan yang berbeda-beda dan sering kali berangkat dari kondisi awal yang berbeda.

Bagi perusahaan yang mengembangkan produk AI fisik, strategi regulasi semakin menjadi bagian dari strategi produk. Keputusan mengenai sensor, otonomi, pengumpulan data, material, konektivitas, dan perilaku produk dapat memengaruhi lokasi produk dapat digunakan, cara produk perlu diuji, serta persyaratan yang harus dipenuhinya. Hubungan antara hal-hal tersebut perlu dipahami saat produk masih dirancang.

Saat ini, kepatuhan sering diperlakukan sebagai sesuatu yang baru dilakukan menjelang akhir pengembangan produk. Apa yang berubah ketika persyaratan regulasi menjadi masukan bagi rekayasa dan desain produk sejak awal?

Ruang solusi yang tersedia bagi para insinyur menjadi jauh lebih luas.

Ada analogi yang berguna dalam bidang rekayasa, yaitu desain untuk kemudahan manufaktur. Anda dapat merancang sesuatu dalam CAD yang tampak sepenuhnya masuk akal, lalu menyadari bahwa memproduksinya dalam skala besar memerlukan pendekatan yang sama sekali berbeda. Industri kemudian mengembangkan alat dan metodologi yang membawa informasi tentang kemudahan manufaktur ke tahap lebih awal dalam proses desain, sehingga para insinyur dapat memperhitungkan kendala tersebut selagi masih memiliki fleksibilitas.

Persyaratan regulasi dapat bergerak ke arah yang sama.

Jika memahami kendala regulasi saat merancang, para insinyur dapat mengevaluasi berbagai arsitektur, material, komponen, dan perilaku produk dengan konteks yang jauh lebih baik. Mereka juga dapat memahami dampak suatu keputusan terhadap pengujian, sertifikasi, atau akses pasar sebelum menginvestasikan waktu pengembangan selama berbulan-bulan untuk keputusan tersebut.

Hal ini dapat berdampak besar pada kecepatan dan biaya pengembangan. Yang lebih penting, regulasi menjadi masukan bagi proses rekayasa, bukan sekadar informasi yang datang setelah banyak keputusan penting terkait produk dibuat. Inilah salah satu perubahan mendasar di balik Manajemen Siklus Hidup Kepatuhan Produk: intelijen regulasi menjadi bagian dari proses pengembangan produk, bukan sekadar gerbang yang harus dilewati kemudian.

Apakah peraturan pada akhirnya dapat menjadi semacam kendala desain yang hampir terbaca mesin, sehingga sistem AI dapat memperingatkan insinyur secara waktu nyata bahwa komponen, material, fitur perangkat lunak, atau perilaku produk yang diusulkan berpotensi melanggar persyaratan di pasar tertentu? Seberapa dekat kita dengan alur kerja seperti itu?

Kita bergerak ke arah itu, tetapi kuncinya bukan sekadar membuat peraturan dapat dibaca mesin. Yang penting adalah menerjemahkan bahasa regulasi menjadi batasan yang bermakna dalam konteks produk tertentu.

Peraturan umumnya tidak ditulis seperti spesifikasi rekayasa. Pemerintah dan lembaga standardisasi menyusunnya untuk dibaca manusia, dan ada beberapa lapisan interpretasi antara teks regulasi dan batasan teknis yang sebenarnya dibutuhkan seorang insinyur.

AI memberi kita perangkat yang jauh lebih baik untuk menghubungkan lapisan-lapisan tersebut. Sebuah sistem dapat memahami persyaratan regulasi, interpretasi resmi, dan konteks produk yang sedang dirancang. Ketika seorang insinyur mengubah material, komponen, fitur perangkat lunak, atau perilaku produk, sistem dapat menunjukkan persyaratan yang mungkin terdampak dan menjelaskan kaitannya.

Hal yang penting adalah konteks produk. Bahasa regulasi yang sama dapat memiliki implikasi yang sangat berbeda, bergantung pada produk, pasar, komponen, atau tujuan penggunaannya.

Kita sudah mulai menerapkan beberapa bagian dari alur kerja ini. Untuk menghadirkan umpan balik regulasi yang terintegrasi secara mendalam di berbagai lingkungan rekayasa, dibutuhkan konteks produk yang terstruktur serta koneksi yang andal antara bahasa regulasi, interpretasi internal, dan persyaratan teknis. AI telah mempercepat kemampuan kita untuk membangun koneksi tersebut.

Seiring waktu, saya memperkirakan umpan balik regulasi akan semakin terintegrasi dengan alat yang sudah digunakan para insinyur, sebagaimana batasan rekayasa lainnya kini semakin dekat dengan titik pengambilan keputusan desain.

Produsen global sering kali harus mematuhi aturan yang berbeda, bahkan terkadang saling bertentangan, di puluhan yurisdiksi. Bagaimana AI dapat membantu tim rekayasa menentukan bukan hanya peraturan mana yang berlaku, tetapi juga bagaimana keputusan desain di satu pasar dapat memengaruhi produk secara global?

Di sinilah penggabungan intelijen regulasi dengan konteks produk menjadi sangat bermanfaat.

Produsen umumnya ingin memaksimalkan keseragaman antarpasar karena memelihara banyak versi berbeda dari produk yang sama menambah biaya dan kompleksitas secara signifikan. Namun, persyaratan berbeda-beda di setiap yurisdiksi, sehingga ada kalanya produk perlu diubah.

AI dapat membantu tim memetakan hubungan tersebut dengan jauh lebih sistematis. Jika Anda sedang mempertimbangkan material, komponen, atau fitur tertentu, Anda dapat mengevaluasi pasar tempat produk akan dijual dan memahami persyaratan yang relevan di masing-masing pasar.

Dengan begitu, tim rekayasa dapat melihat implikasi global dari suatu keputusan desain jauh lebih awal. Satu pilihan mungkin dapat diterapkan di 25 pasar, tetapi menimbulkan persyaratan tambahan di lima pasar. Tim kemudian dapat memutuskan apakah akan mengubah desain global, membuat varian regional, atau memilih kompromi yang berbeda.

Produsen sudah membuat keputusan seperti ini saat ini. Peluangnya adalah memberi orang-orang yang terlibat gambaran yang jauh lebih jelas tentang hubungan antara regulasi dan produk, sehingga kompromi dapat dipertimbangkan lebih awal dan dengan konteks yang lebih baik.

Intelijen regulasi mencakup lebih dari sekadar memantau undang-undang yang telah disahkan. Bagaimana AI dapat mengidentifikasi sinyal awal dari rancangan aturan, diskusi pemerintah, lembaga standardisasi, tindakan penegakan, dan sumber lainnya agar perusahaan dapat mengantisipasi persyaratan sebelum berdampak pada peluncuran produk?

Pemantauan tren regulasi menjadi sangat penting ketika siklus pengembangan produk berlangsung selama bertahun-tahun.

Bagi produsen, memahami apa yang berubah kemarin hanyalah satu bagian dari gambaran besar. Tim juga perlu mengetahui apa yang mungkin berubah saat produk sedang dirancang, diuji, dan disiapkan untuk diluncurkan.

Ada banyak potensi sinyal. Pemerintah menerbitkan usulan aturan dan dokumen konsultasi. Lembaga standardisasi membahas perubahan. Regulator mengeluarkan panduan dan melakukan tindakan penegakan. Jika dilihat bersama, sumber-sumber tersebut dapat memberikan petunjuk berguna tentang arah perkembangan persyaratan.

Skalanya sangat besar. Produsen global mungkin perlu memantau sumber-sumber di puluhan yurisdiksi, bahasa, dan bidang regulasi, lalu menentukan perkembangan mana yang benar-benar relevan bagi produknya.

AI dapat terus memantau sumber-sumber tersebut, mengidentifikasi perkembangan yang mungkin relevan, dan menghubungkannya dengan produk, komponen, atau bidang bisnis tertentu. Dengan demikian, para ahli regulasi dapat lebih banyak mencurahkan waktu untuk mengevaluasi perkembangan yang berpotensi berdampak signifikan pada peta jalan produk.

Semakin awal konteks tersebut sampai kepada tim produk, semakin leluasa perusahaan untuk bertindak. Jika suatu persyaratan diperkirakan akan berubah dua tahun lagi dan produk berikutnya akan diluncurkan dalam 18 bulan, hal itu dapat menjadi pertimbangan dalam perencanaan produk mulai sekarang.

Seiring semakin terintegrasinya agen AI dalam alur kerja rekayasa, mungkinkah nantinya ada agen kepatuhan khusus yang bekerja bersama para insinyur, manajer produk, dan sistem AI lainnya di sepanjang siklus hidup produk? Seperti apa arsitektur tersebut dalam praktiknya?

Ya, dan menurut saya kuncinya adalah sistem ini perlu memantau kedua sisi. Regulasi berubah, tetapi produk juga berubah.

Anda dapat memiliki agen-agen khusus yang terus memantau perkembangan regulasi dan menentukan perubahan mana yang relevan bagi portofolio produk tertentu. Agen lain dapat membantu menerjemahkan persyaratan tersebut menjadi implikasi bagi rekayasa.

Pada saat yang sama, agen dapat memantau perubahan pada produk itu sendiri. Tim mungkin mengganti bahan, memperbarui perangkat lunak, beralih pemasok, mengubah komponen, atau memperkenalkan kemampuan produk baru. Setiap keputusan tersebut dapat mengubah persyaratan mana yang berlaku atau cara menafsirkan persyaratan yang sudah ada.

Sistem-sistem tersebut perlu berbagi konteks. Agen regulasi perlu memahami produk. Agen rekayasa perlu mengakses batasan regulasi yang relevan. Keduanya perlu mengakses keputusan dan penafsiran yang telah dibuat organisasi sebelumnya.

Pertimbangan manusia tetap menjadi bagian penting dari arsitektur tersebut. Ketika agen menemukan ambiguitas, persyaratan yang saling bertentangan, atau keputusan yang berpotensi menimbulkan konsekuensi signifikan, pakar yang tepat harus dapat meninjau sumber yang mendasarinya, memberikan penafsiran, dan mendokumentasikan penalaran tersebut agar dapat dimanfaatkan oleh seluruh organisasi.

Saya melihat arsitektur ini berkembang menjadi jaringan sistem khusus dan pakar yang bekerja berdasarkan pemahaman bersama tentang produk. Untuk produk fisik, pendekatan ini sangat efektif karena satu keputusan rekayasa dapat menimbulkan dampak lanjutan pada manufaktur, keselamatan, sertifikasi, regulasi, dan akses pasar. Dalam banyak hal, infrastruktur bersama inilah yang dapat menjadi Manajemen Siklus Hidup Kepatuhan Produk: sebuah sistem untuk mengoordinasikan intelijen regulasi, konteks produk, AI, dan keahlian manusia di seluruh siklus hidup produk.

Dengan menilik lima hingga sepuluh tahun ke depan, seiring AI fisik, mesin otonom, dan produk yang semakin berbasis perangkat lunak menjadi arus utama, bagaimana Anda memperkirakan hubungan antara rekayasa, AI, dan regulasi akan berkembang, dan apa peran Daptic dalam ekosistem tersebut?

Saya memperkirakan intelijen regulasi akan menjadi masukan standar dalam proses perancangan produk fisik.

Kita telah melihat hal ini terjadi di bidang rekayasa lainnya. Informasi yang sebelumnya tersimpan dalam proses terpisah pada akhirnya menjadi lebih mudah diakses oleh insinyur, tepat saat keputusan dibuat. Perancangan agar produk mudah diproduksi adalah contoh yang baik.

Regulasi bergerak ke arah tersebut karena AI memungkinkan kita menangani skala dan kompleksitas yang ada, serta mengaitkan persyaratan regulasi dengan produk tertentu dan keputusan rekayasa.

Hal ini menjadi semakin penting seiring produk makin otonom dan berbasis perangkat lunak. Pembaruan perangkat lunak dapat mengubah perilaku produk fisik setelah diluncurkan. Pemasok atau komponennya dapat berubah. Kemampuan baru dapat mengubah persyaratan mana yang relevan. Pada saat yang sama, regulasi dan standar terus berkembang di berbagai pasar.

Produk terus berubah, begitu pula lingkungan regulasinya. Perusahaan membutuhkan infrastruktur yang dapat terus menghubungkan keduanya.

Itulah arah yang kami tuju dalam membangun Daptic. Kami ingin intelijen regulasi menjadi bagian dari infrastruktur pengembangan produk, sehingga para insinyur dapat mengetahui implikasi regulasi selagi masih memiliki keleluasaan dalam desain, dan para pakar regulasi dapat menerapkan keahlian mereka di organisasi yang jauh lebih besar.

Pada akhirnya, kami melihat Manajemen Siklus Hidup Kepatuhan Produk akan menjadi bagian inti dari infrastruktur tersebut. Tujuannya adalah menghubungkan regulasi dan rekayasa di sepanjang siklus hidup produk agar perusahaan dapat mengambil keputusan produk yang lebih baik, mempertahankan pengetahuan institusional yang penting, dan membawa inovasi fisik ke pasar dengan lebih cepat.

Terima kasih atas wawancara yang luar biasa ini. Pembaca yang ingin mempelajari lebih lanjut tentang intelijen regulasi berbasis AI dan manajemen siklus hidup kepatuhan produk dapat mengunjungi Daptic.