Mengubah Cara Kami Berpikir tentang GenAI di Ruang Rapat: Mengarahkan ROI Jangka Pendek dan Panjang

Ketika tim kepemimpinan di seluruh dunia mulai merencanakan untuk tahun 2025, topik yang ada di benak semua orang adalah kapan mereka dapat mengharapkan investasi mereka di AI dan/atau generative AI (GenAI) untuk menghasilkan pendapatan. Penelitian baru dari Google Cloud telah mengungkapkan bahwa lebih dari 6 dari 10 perusahaan besar (lebih dari 100 karyawan) menggunakan GenAI, dan 74% sudah melihat beberapa pengembalian investasi (ROI) yang besar. Namun, memaksimalkan ROI dari AI/GenAI memerlukan pendekatan strategis yang melampaui justifikasi biaya, mencakup kembali langsung/tidak langsung, pemahaman yang jelas tentang waktu tunggu dan biaya tersembunyi, dan integrasi fitur berbasis manusia untuk memastikan proses yang dapat diandalkan dan skalabel.

Mengubah ROI

Mengingat semua perhatian yang diberikan AI/GenAI di media selama setahun terakhir, dapat dengan mudah dilupakan bahwa investasi ini masih relatif baru, yang berarti bahwa sebagian besar perusahaan belum melihat ROI yang mungkin. Itu membuatnya lebih penting untuk mengelola harapan di ruang rapat dari awal karena setiap evaluasi awal akan menciptakan kesan kritis yang akan mempengaruhi bagaimana kepemimpinan memandang investasi masa depan. Jika mereka memiliki harapan tinggi untuk perubahan transformasional segera, opini mereka mungkin memburuk jika perubahan tersebut masih dalam tahap awal. Dengan kata lain, inovasi baru memerlukan perspektif pengukuran baru, dan pemimpin harus mengubah cara mereka berpikir tentang ROI jangka pendek dan panjang.

Dalam hal apa yang merupakan transformasi yang sukses, kemajuan seringkali diukur dari sudut pandang orang yang melihatnya, tetapi bahkan “kemenangan kecil” dapat menyebabkan hasil yang lebih besar di masa depan. Berikut adalah tiga cara untuk membantu mengkontekstualisasikan investasi AI/GenAI Anda, serta beberapa contoh dari mereka yang berada dalam perjalanan serupa.

1. Bedakan antara ROI langsung & tidak langsung

Di beberapa industri, ROI langsung lebih mudah dilihat. Misalnya, jika perusahaan ritel atau CPG memulai fungsi GenAI baru, mereka kemungkinan akan mendapatkan gambaran langsung dari pelanggan tentang bagaimana fitur-fitur tersebut diterima. Sementara di industri lain seperti manufaktur, ada ROI tidak langsung yang bergantung pada investasi jangka panjang. Dengan jenis pengembalian yang lembut, biasanya “dampak tetes” yang dapat menciptakan peluang baru atau membuka nilai baru. Bayangkan Anda mengimplementasikan solusi AI baru untuk meningkatkan produktivitas tim. Sementara tujuan awal Anda mungkin telah menjadi output, peningkatan aktivitas tersebut juga dapat menyebabkan penemuan jalur pertumbuhan yang sama sekali baru yang belum pernah dipertimbangkan. Itu adalah bagian paling menarik dan menggembirakan tentang AI/GenAI – potensi yang tidak diketahui. Dan meskipun potensi tersebut sulit diukur, itu harus selalu dimasukkan sebagai faktor dalam menghitung pengembalian.

Ilustrasi yang baik dari ROI langsung dan tidak langsung dapat ditemukan di perusahaan e-commerce Mercari, yang tahun lalu menambahkan asisten belanja berbasis ChatGPT ke platform marketplace untuk barang bekas. “Merchant AI” baru mereka akan memungkinkan pelanggan untuk “masuk ke situs, mengaktifkan asisten belanja dalam percakapan alami, menjawab pertanyaan tentang kebutuhan mereka, dan kemudian menerima serangkaian rekomendasi” untuk langkah selanjutnya. ROI langsung dari ini adalah pengurangan volume tiket sebesar 74% di Mercari, sementara ROI tidak langsung adalah bahwa waktu yang dihemat memungkinkan perusahaan untuk secara bertahap mengurangi utang teknis dan menskalakan operasinya.

2. Faktor dalam waktu tunggu untuk investasi AI/GenAI dan biaya tersembunyi yang menyertainya

Mengingat tekanan konstan pada C-Suite untuk meningkatkan keuntungan, ada sedikit kemungkinan bahwa mereka akan tiba-tiba mengadopsi mentalitas “hal-hal baik datang kepada mereka yang menunggu”. Namun, kenyataannya adalah bahwa setiap langkah ke dalam AI/GenAI membutuhkan waktu dan uang, bahkan sebelum Anda mencapai garis start. Dari investasi infrastruktur dan pelatihan hingga pengadaan API yang berbeda dan data yang relevan, dapat memakan waktu beberapa bulan persiapan yang tidak akan menunjukkan “pengembalian” apa pun selain siap untuk memulai. Biaya tersembunyi lainnya (yang banyak orang tidak bicarakan) adalah kenyataan bahwa Anda akan mendapatkan halusinasi dan kesalahan yang dibuat oleh AI yang dapat menghabiskan uang perusahaan dengan mengirim mereka ke arah yang salah, membuka celah, atau memicu masalah PR yang mahal. Pengalaman ini sangat baru, sehingga membuat semuanya sedikit lebih berisiko dan lebih mahal, sehingga penting bagi pemimpin untuk mempertimbangkan ini saat mengevaluasi ROI.

McKinsey menawarkan wawasan tentang proses pengambilan keputusan ini dan biayanya, mengutip skenario “rent, buy, or build” klasik. Dalam arketip mereka, CIO atau CTO harus mempertimbangkan apakah mereka adalah “Taker” (menggunakan LLM yang tersedia secara publik dengan sedikit kustomisasi), “Shaper” (mengintegrasikan model dengan data milik untuk mendapatkan hasil yang lebih disesuaikan), atau “Maker” (membangun model khusus untuk menangani kasus bisnis diskrit). Setiap arketip memiliki biayanya sendiri yang harus dinilai oleh pemimpin teknis, dari “Taker” yang berbiaya sekitar $2 juta, hingga “Maker” yang dapat mencapai 100 kali lipat dari jumlah tersebut.

Berusaha membuat investasi di AI/GenAI lebih berbasis manusia

Masih banyak ketakutan di luar sana (terutama di antara pekerja) bahwa AI akan menggantikan manusia. Alih-alih mengabaikan kekhawatiran tersebut, perusahaan harus memposisikan transformasi apa pun sebagai peningkatan, bukan penggantian, dan mencoba mencari cara untuk membuat investasi mereka lebih berbasis manusia. Dengan GenAI, bukanlah transaksi; itu adalah kemitraan, dan masih ada kebutuhan nyata bagi manusia untuk mengevaluasi efektivitas wawasan atau bahan yang dihasilkan untuk memastikan mereka bebas dari bias, halusinasi, atau salah tafsir lainnya. Itulah mengapa sangat penting bagi perusahaan untuk terus menantang AI untuk memberikan alasan di balik setiap keputusan untuk memastikan akurasi. Ini akan memberikan konten lebih validasi, pekerja Anda akan melihat peran yang ditentukan dalam proses, dan pada akhirnya akan membantu ROI karena Anda belajar pada setiap tahap.

Juga merupakan ide yang baik untuk menetapkan batasan yang ketat untuk memberikan batasan ketat pada jenis informasi yang dapat dikumpulkan AI. Tanyakan pada diri Anda, “Apakah kita harus membiarkan AI mengakses internet?” Mungkin tidak. Poinnya adalah untuk mempertimbangkan kebutuhan terlebih dahulu, dan jika Anda memiliki metodologi yang terbukti lainnya, gunakan itu. Terkadang, AI hanya berguna untuk merangkum, bukan “berpikir”. Ini semua tentang menciptakan keseimbangan yang tepat, dan manusia masih memiliki peran kritis untuk dimainkan. Menurut penelitian dari Accenture, 94% eksekutif merasa bahwa teknologi antarmuka manusia akan memungkinkan kita untuk lebih memahami perilaku dan niat, mengubah interaksi manusia-mesin.

Mengatasi Celah Antara Janji dan Kenyataan

Para ahli setuju bahwa, meskipun GenAI memiliki hambatan masuk yang rendah, potensi jangka panjangnya bergantung pada pembuktian nilai jangka pendeknya. Itu berarti setiap pilot AI/GenAI harus memiliki serangkaian kriteria keberhasilan yang jelas (namun fleksibel) sebelum diluncurkan, dan perusahaan harus terus memantau proses untuk memastikan mereka terus memberikan nilai. Ketika datang ke era baru inovasi digital ini, mungkin tidak pernah ada “garis finish” tradisional yang kita tuju. Sebaliknya, dengan mengubah cara kita berpikir tentang ROI jangka pendek dan panjang dari AI/GenAI, perusahaan dapat lebih bijak dengan dolar investasi mereka dan fokus pada mengembangkan kemampuan yang dapat berkembang bersama dengan bisnis.