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

Ketika tim kepemimpinan di seluruh dunia mulai merencanakan untuk tahun 2025, topik yang ada di pikiran semua orang adalah kapan mereka dapat mengharapkan investasi mereka di AI dan/atau generative AI (GenAI) untuk menghasilkan keuntungan. 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 keuntungan yang signifikan dari investasi (ROI). Namun, memaksimalkan ROI dari AI/GenAI memerlukan pendekatan strategis yang melampaui justifikasi biaya, mencakup kembalian langsung/tidak langsung, pemahaman yang jelas tentang waktu tunggu dan biaya tersembunyi, dan integrasi fitur yang berorientasi pada manusia untuk memastikan proses yang dapat diandalkan dan skalabel.

Mengubah ROI

Mengingat semua perhatian yang diberikan pada 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 di masa depan. Jika mereka memiliki harapan tinggi untuk perubahan transformasional yang segera, pendapat 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 perspektif orang yang melihatnya, tetapi bahkan “kemenangan kecil” dapat menyebabkan hasil yang lebih besar di masa depan. Berikut adalah tiga cara untuk membantu memahami investasi AI/GenAI Anda, serta beberapa contoh dari mereka yang berada dalam perjalanan yang sama.

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 akan mendapatkan gambaran langsung dari pelanggan tentang bagaimana 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 yang mengalir” 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 itu 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 itu sulit diukur, itu harus selalu dimasukkan sebagai faktor dalam menghitung pengembalian.

Contoh yang baik tentang ROI langsung dan tidak langsung dapat ditemukan di perusahaan e-commerce Mercari, yang tahun lalu menambahkan asisten belanja yang ditenagai oleh ChatGPT ke platform marketplace untuk barang bekas. “Merchant AI” baru mereka akan memungkinkan pelanggan untuk “masuk ke situs, berinteraksi dengan asisten belanja dalam percakapan alami, menjawab pertanyaan tentang kebutuhan mereka, dan kemudian menerima serangkaian rekomendasi” untuk langkah selanjutnya. ROI langsung dari ini adalah pengurangan 74% volume tiket 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, tidak mungkin mereka tiba-tiba mengadopsi mentalitas “hal-hal baik datang kepada mereka yang menunggu”. Namun, kenyataannya adalah bahwa setiap upaya untuk memasuki AI/GenAI memerlukan waktu dan uang, bahkan sebelum Anda mencapai garis start. Dari investasi infrastruktur dan pelatihan hingga akuisisi API dan data yang relevan, dapat memakan waktu berbulan-bulan persiapan yang tidak akan menunjukkan “pengembalian” selain siap untuk memulai. Biaya tersembunyi lainnya (yang banyak orang tidak berbicara tentang) 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, yang membuat semuanya sedikit lebih berisiko dan lebih mahal, sehingga penting bagi pemimpin untuk mempertimbangkan hal ini saat mengevaluasi ROI.

McKinsey menawarkan wawasan tentang proses pengambilan keputusan ini dan biaya yang terkait, 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 yang dimiliki untuk mendapatkan hasil yang lebih disesuaikan), atau “Maker” (membangun model khusus untuk menangani kasus bisnis yang spesifik). Setiap arketip memiliki biaya yang harus dinilai oleh pemimpin teknis, dari “Taker” yang memerlukan sekitar $2 juta, hingga “Maker” yang dapat mencapai 100 kali lipat dari jumlah itu.

Upaya untuk membuat investasi di AI/GenAI lebih berorientasi pada 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 sebagai peningkatan, bukan penggantian, dan mencari cara untuk membuat investasi mereka lebih berorientasi pada manusia. Dengan GenAI, ini bukanlah transaksi; ini 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. Itu sebabnya sangat penting bagi perusahaan untuk terus menantang AI untuk memberikan alasan di balik setiap keputusan untuk memastikan akurasi. Ini akan memberikan konten lebih valid, pekerja Anda akan melihat peran yang ditentukan dalam proses, dan ini akan membantu ROI karena Anda belajar pada setiap tahap.

Juga merupakan ide yang baik untuk menetapkan batasan yang ketat untuk memberikan batasan yang ketat pada jenis informasi yang dapat dikumpulkan oleh AI. Tanyakan pada diri sendiri, “Apakah kita harus memungkinkan AI untuk mengakses internet?” Mungkin tidak. Poinnya adalah untuk mempertimbangkan kebutuhan terlebih dahulu, dan jika Anda memiliki metodologi yang terbukti, 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.

Mengisi Celah Antara Janji dan Kenyataan

Para ahli setuju bahwa, sementara GenAI memiliki hambatan rendah untuk memasuki pasar, 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 inovasi digital baru ini, mungkin tidak akan ada “garis finish” tradisional yang kita tuju. Sebagai gantinya, 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.