Denis Romanovskiy, Chief AI Officer di SOFTSWISS – Seri Wawancara

Denis Romanovskiy, Chief AI Officer di SOFTSWISS, adalah seorang eksekutif teknologi berpengalaman dengan lebih dari 25 tahun pengalaman memimpin program teknik skala besar di berbagai industri, termasuk permainan, perangkat lunak perusahaan, IoT, dan platform online dengan beban tinggi. Setelah menghabiskan lima tahun terakhir di sektor iGaming, ia sebelumnya menjabat sebagai Wakil CTO di SOFTSWISS, mengawasi tata kelola teknis di beberapa tim produk dengan fokus kuat pada platform kasino dan olahraga sebelum memasuki peran saat ini untuk mendefinisikan dan mengimplementasikan strategi AI perusahaan.

SOFTSWISS adalah perusahaan teknologi iGaming yang berbasis di Malta yang menyediakan solusi turnkey untuk kasino online dan olahraga, termasuk platform kasino, agregator game, solusi olahraga, dan layanan terkelola. Perusahaan ini mendukung operator di seluruh dunia dengan infrastruktur yang dirancang untuk skalabilitas, kepatuhan, dan keandalan, memposisikan diri di persimpangan teknologi permainan dan optimasi yang didorong AI yang muncul.

Setelah memimpin program teknis skala besar di berbagai industri dan sekarang mendefinisikan strategi AI perusahaan di SOFTSWISS, bagaimana latar belakang Anda dalam sistem dengan beban tinggi dan ketersediaan tinggi membentuk cara Anda memasukkan AI ke dalam organisasi dengan lebih dari 2.000 orang?

Pengalaman saya dalam sistem dengan beban tinggi dan ketersediaan tinggi mengajarkan saya satu pelajaran mendasar: setiap perubahan kompleks pada skala memerlukan pendekatan sistem. Anda tidak bisa hanya mengirimkan teknologi dan berharap itu bekerja – Anda perlu merancang seluruh ekosistem di sekitarnya dan memastikan bahwa proses, struktur, dan teknologi semua bekerja bersama.

Kami menerapkan prinsip yang sama ini untuk adopsi AI di SOFTSWISS. Ini dimulai pada tingkat individu. Kami menjelaskan kepada setiap karyawan bagaimana menggunakan AI dengan aman dan efektif – apa yang bisa dilakukan, di mana batasannya, dan apa risiko yang terkait. Secara kritis, kami membuatnya jelas bahwa tanggung jawab mereka untuk hasil tidak menghilang ketika AI memasuki gambar. AI memperluas kemampuan Anda, tetapi akuntabilitas tetap dengan Anda. Anda masih memiliki kualitas output, keputusan, dan hasil.

Kemudian kami beralih ke tingkat tim, dan di sinilah dinamika bergeser. Kesempatan baru muncul – siklus perencanaan yang lebih cepat, verifikasi otomatis, analisis yang ditingkatkan – tetapi juga risiko baru: ketergantungan pada output AI, erosi pemikiran kritis, adopsi yang tidak konsisten di seluruh tim. Ini adalah tempat di mana manajer memainkan peran yang menentukan. Mereka perlu menyesuaikan cara mereka meninjau pekerjaan, pertanyaan apa yang mereka ajukan, dan sinyal apa yang mereka cari. Ketika seseorang mengirimkan hasil dua kali lebih cepat, tugas manajer adalah memahami apakah kualitasnya terjaga dan apakah orang tersebut benar-benar memahami apa yang mereka kirimkan.

Pendekatan yang berlapis-lapis ini – kesadaran individu, adaptasi tingkat tim, pengawasan manajemen – adalah apa yang memungkinkan kami untuk menskalakan AI di seluruh organisasi besar tanpa mengorbankan stabilitas dan keandalan yang diminta oleh lingkungan yang diatur. Ini tidak hanya tentang teknologi. Ini tentang membangun sistem di sekitarnya yang membuat adopsi berkelanjutan.

Apa yang membedakan AI yang diterapkan sebagai alat produktivitas dari AI yang dimasukkan langsung ke dalam infrastruktur inti dan sistem pengambilan keputusan, dan bagaimana perbedaan ini mengubah hasil bisnis jangka panjang?

AI produktivitas – asisten obrolan dan kopilot kode – adalah tempat orang pertama kali mengalami AI di tempat kerja. Langkah ini penting, dan Anda tidak bisa melewatinya. Ini membangun literasi AI, mengajarkan orang untuk mengevaluasi output, dan menciptakan kebiasaan penggunaan yang bertanggung jawab di seluruh organisasi.

Tapi ada perbedaan mendasar antara AI yang membantu individu dan AI yang dimasukkan ke dalam cara organisasi beroperasi. AI infrastruktur – terintegrasi ke dalam sistem perusahaan melalui platform AI – menjadi bagian dari sistem manajemen. Ini melibatkan perencanaan, kontrol, dan audit. Ini menghormati kerangka tata kelola dan langsung memasuki rantai keputusan.

Pengaruhnya sangat signifikan. Alat produktivitas memberikan keuntungan efisiensi 20-30% pada tugas individu – berharga, tetapi inkremental. AI infrastruktur mempercepat proses keseluruhan 3-5 kali lipat. Dan dari waktu ke waktu, ini mengubah organisasi itu sendiri – menghilangkan beberapa peran sebagian atau sepenuhnya, menciptakan yang baru, dan mengompresi alur kerja yang sebelumnya memerlukan beberapa penyerahan.

Itulah mengapa kedua kategori ini memerlukan pendekatan yang berbeda. AI produktivitas adalah tantangan pemberdayaan. AI infrastruktur adalah transformasi organisasi yang memerlukan perencanaan yang hati-hati, manajemen perubahan, dan pengawasan terus-menerus.

Apa pergeseran arsitektur dan budaya yang diperlukan untuk beralih dari eksperimen AI yang terisolasi ke platform AI yang terpusat dan tersebar di seluruh organisasi?

Secara arsitektur, platform terpusat sangat penting – satu yang menyediakan akses aman ke beberapa vendor model sambil mempertahankan tata kelola data yang ketat. Tanpa lapisan ini, eksperimen memperbesar fragmentasi bukan nilai.

Secara budaya, pergeseran yang lebih besar adalah beralih dari pemikiran yang berfokus pada eksekusi ke pemikiran yang berfokus pada desain. Ketika eksekusi menjadi lebih murah dan lebih cepat dengan AI, keunggulan kompetitif bergeser ke bagaimana tim merancang alur kerja. Karyawan harus merancang proses di mana AI menangani operasi berulang, sementara manusia tetap mengendalikan orkestrasi dan kualitas keputusan.

Bagaimana perusahaan besar dapat secara sistematis meningkatkan kecepatan pembelajaran mereka saat mengirimkan AI, dan apa mekanisme operasional yang membuatnya dapat diukur?

Kecepatan pembelajaran meningkat ketika eksperimen terstruktur. Di SOFTSWISS, kami menunjuk juara AI di dalam tim produk yang mengidentifikasi kasus penggunaan, memperbaiki praktik terbaik, dan membagikannya di seluruh organisasi. Lokakarya lebih lanjut mempercepat transfer pengetahuan.

Pengukuran dikaitkan dengan KPI bisnis. Kami melacak indikator seperti Waktu Resolusi di dukungan atau tingkat otomatisasi dalam tinjauan kode. Jika adopsi AI tidak memperbaiki metrik yang dapat diukur, maka itu tetap superficial.

Proses warisan mana yang paling umum membatasi dampak adopsi AI di perusahaan teknologi yang mapan?

Kendala utama adalah mencoba mengintegrasikan AI ke dalam struktur manajemen yang kaku dengan siklus perencanaan yang panjang dan alokasi sumber daya yang tetap. Keunggulan AI adalah kecepatan, dan model tata kelola yang ketinggalan zaman memperlambat keunggulan itu.

Faktor pembatas lainnya adalah klasifikasi data yang lemah. Tanpa data yang terstruktur dan dikelola dengan baik, integrasi AI yang aman dan skalabel menjadi sangat sulit.

Apakah Anda dapat membagikan contoh di mana mengintegrasikan AI langsung ke dalam sistem inti menghasilkan keuntungan yang dapat diukur dalam efisiensi, pendapatan, atau kinerja operasional?

Dalam dukungan teknis, AI yang dimasukkan ke dalam Jira menganalisis riwayat tiket dan dokumentasi untuk mengusulkan jalur solusi, secara signifikan mengurangi waktu resolusi.

Dalam SDM, asisten otomatis yang menangani pertanyaan tentang manfaat dan cuti menyelamatkan ratusan jam setiap bulan.

Dalam pengembangan, otomatisasi tinjauan kode yang didorong AI mencapai 60–80%, mempercepat siklus pengembangan sebesar dua hingga empat kali. Keuntungan ini dapat diukur secara operasional dan secara langsung mempengaruhi efisiensi.

Bagaimana Anda merancang kerangka tata kelola yang memastikan auditabilitas, keamanan, dan akuntabilitas ketika AI dimasukkan secara mendalam ke dalam alur kerja perusahaan?

Tata kelola harus menciptakan lingkungan yang terkendali daripada membatasi inovasi. Kami bergantung pada perjanjian vendor kelas perusahaan dan menerapkan masker data sebelum mengirimkan informasi ke model cloud.

Akuntabilitas dibangun ke dalam desain sistem. Tindakan yang didorong AI beroperasi dalam jendela rollback yang ditentukan, memungkinkan pengambilalihan manusia. Tanggung jawab pada akhirnya tetap dengan pemimpin tim yang merancang dan memiliki alur kerja.

Apa keunggulan struktural yang memungkinkan tim AI asli yang kecil untuk berkembang lebih cepat daripada perusahaan tradisional, dan bagaimana organisasi yang lebih besar dapat beradaptasi tanpa kehilangan stabilitas?

Perbedaan utama adalah arsitektur. Perusahaan tradisional memecah pekerjaan menjadi tahap berurutan – masing-masing dimiliki oleh peran terpisah, dengan penyerahan dan antrian di antaranya. Tim AI asli dapat mengeksekusi di seluruh tahap secara bersamaan. Tidak ada antrian, tidak ada menunggu orang berikutnya dalam rantai. Proses keseluruhan diotomatisasi dari ujung ke ujung, yang memberi mereka keunggulan kecepatan yang besar.

Bagi organisasi yang lebih besar, jalur ke depan adalah gradual. Pertama – bangun literasi AI dan perlengkapi tim dengan alat AI. Berikan orang waktu untuk belajar, bereksperimen, dan mengintegrasikan AI ke dalam alur kerja yang ada. Pada tahap ini, inovasi terjadi dalam proses yang ada, bukan sebagai penggantinya.

Setelah tim memperoleh pengalaman dan kepercayaan diri, Anda dapat menetapkan tujuan yang lebih ambisius – mengoptimalkan proses keseluruhan daripada langkah individu. Ini adalah tempat transformasi nyata dimulai, tetapi hanya bekerja ketika orang dan proses sudah siap untuk itu.

Kunci adalah kecepatan. Bergerak terlalu cepat dan Anda akan memecahkan stabilitas. Bergerak terlalu lambat dan pasar akan meninggalkan Anda. Pendekatan yang tepat adalah progresi yang disengaja dan berurutan – sehingga organisasi berkembang tanpa kehilangan apa yang sudah bekerja.

Bagaimana beroperasi di sektor iGaming, dengan tuntutan regulasi dan keandalan, mempengaruhi cara infrastruktur AI dirancang dan diterapkan?

iGaming adalah lingkungan unik. Ini melibatkan uang nyata, transaksi waktu nyata, dan pengawasan regulasi di beberapa yurisdiksi. Di SOFTSWISS, kami beroperasi di bawah beberapa lisensi – masing-masing dengan persyaratan kepatuhan yang unik. Ini berarti setiap keputusan teknologi, termasuk AI, harus mempertimbangkan lanskap regulasi yang kompleks yang jauh melampaui perlindungan data standar.

Pasar yang diatur memerlukan kepatuhan yang ketat dengan aturan penyimpanan data, penghapusan, dan pemrosesan, termasuk GDPR. Tapi di iGaming, cakupannya lebih luas – persyaratan anti-pencucian uang, kewajiban perjudian yang bertanggung jawab, kondisi lisensi yang menentukan bagaimana data mengalir dan di mana dapat diproses. Infrastruktur harus menjamin bahwa data sensitif tidak digunakan untuk pelatihan model eksternal dan bahwa setiap keputusan yang didorong AI tetap dapat diaudit.

Pada saat yang sama, standar keandalan sangat tinggi. Sistem beroperasi 24/7 dengan volume transaksi yang besar. Setiap sistem AI yang kami terapkan harus memenuhi standar yang sama – selalu tersedia, sepenuhnya dapat diaudit, dan mampu menangani volume data yang kami lihat dalam operasi dukungan dan kepatuhan. Di industri ini, kegagalan AI bukan hanya ketidaknyamanan – itu adalah risiko regulasi dan keuangan.

Ketika AI perusahaan matang, apa kemampuan yang akan membedakan perusahaan yang benar-benar mengintegrasikan AI ke dalam model operasional mereka dari mereka yang tetap menjadi pengadopsi permukaan?

Di organisasi AI yang matang, setiap karyawan akan memiliki AI di ujung jari mereka – dengan akses aman ke data perusahaan di seluruh sistem, tanpa hambatan atau permintaan manual. Proses akan diotomatisasi dari ujung ke ujung, tanpa antrian atau penyerahan antar peran. Pekerjaan akan mengalir terus menerus, bukan dalam tahap.

Tapi otomatisasi saja tidak cukup. Apa yang membedakan pemimpin dari yang lain adalah kemampuan untuk mengendalikan pekerjaan yang didorong AI pada skala besar. Tim dan organisasi akan beradaptasi dengan pemantauan kualitas yang diotomatisasi – mendeteksi masalah awal dan memperbaikinya sebelum mereka berkompromi.

Peran karyawan individu bergeser secara fundamental. Alih-alih mengeksekusi tugas, mereka mendefinisikan spesifikasi untuk AI – menyediakan konteks yang cukup, tujuan yang jelas, dan metode kontrol kualitas. Nilai mereka terletak pada mengarahkan AI dan mengoptimalkan outputnya, bukan melakukan pekerjaan secara manual.

Peran pemimpin juga berubah. Manajer dan eksekutif menjadi arsitek pemikiran sistem di seluruh organisasi. Tugas mereka adalah menghubungkan berbagai alur kerja, alat, dan artefak menjadi aliran nilai yang memecahkan masalah pelanggan lebih baik daripada yang dapat dilakukan pesaing, bukan mengoptimalkan tugas individu – tetapi merancang bagaimana semuanya saling terkait.

Kedalaman integrasi ini – AI di setiap tangan, proses yang diotomatisasi, kontrol kualitas sistematis, dan kepemimpinan yang fokus pada nilai ujung-ke-ujung – akan mendefinisikan keunggulan kompetitif jangka panjang.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi SOFTSWISS.