Pemimpin pemikiran

Kecerdasan Buatan Perusahaan Telah Mencapai Batas. Perencanaan Adalah Cara Menerobosnya.

David Marmer
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaAI perusahaan mencapai batas koordinasi karena agen tidak memiliki konteks operasional…
Lihat selengkapnya
  • AI perusahaan mencapai batas koordinasi karena agen tidak memiliki konteks operasional bersama lintas fungsi.
  • Perencanaan berkelanjutan mengubah AI menjadi lapisan koordinasi langsung yang menguji skenario di bawah tekanan saat kondisi berubah.
  • Tata kelola harus dirancang sejak awal untuk memastikan ketertelusuran dan pengawasan manusia atas keputusan otonom.

Gelombang pertama AI perusahaan memberi tim copilot yang meningkatkan produktivitas di dalam masing-masing fungsi. Gelombang berikutnya kini menghadapi masalah koordinasi: keputusan bisnis terpenting mencakup keuangan, operasi, rantai pasok, dan strategi, sementara sebagian besar sistem AI masih bekerja dalam satu fungsi saja.

Menurut penelitian McKinsey tentang kematangan AI, hanya satu persen pemimpin menyebut perusahaan mereka «matang» dalam tingkat penerapannya: AI sudah sepenuhnya terintegrasi ke alur kerja dan menghasilkan dampak bisnis yang besar. Sembilan puluh sembilan persen lainnya sudah menerapkan AI, tetapi belum banyak hasil yang bisa ditunjukkan pada tingkat perusahaan secara keseluruhan.

Alasannya bersifat struktural. Sistem-sistem ini memerlukan tempat untuk berkoordinasi, dan perencanaan merupakan tempat yang wajar. Di sinilah asumsi keuangan, sinyal permintaan, kendala operasional, dan tujuan strategis sudah bertemu. Membangun AI pada lapisan ini mengubah perencanaan dari kegiatan berkala menjadi penghubung seluruh perusahaan.

Inilah batas yang kini ditemukan banyak perusahaan dalam penerapan AI generasi pertama. Copilot meningkatkan efisiensi tugas di masing-masing tim, tetapi sebagian besar organisasi belum pernah menyelesaikan masalah mendasar yang lebih sulit: bagaimana keputusan di seluruh bisnis dikoordinasikan secara waktu nyata. Proses peramalan yang lebih cepat pun gagal ketika asumsi rantai pasok, kendala operasional, dan prioritas keuangan tetap terpisah.

Arsitektur kesenjangan koordinasi AI perusahaan

Dibutuhkan tiga perubahan struktural agar hal ini berhasil.

1. AI perusahaan harus keluar dari silo fungsional

Copilot yang tertanam dalam fungsi keuangan dapat merangkum penyimpangan dari prakiraan dan menjelaskan perubahan pada laporan laba rugi. Namun, ia tidak dapat mengambil sinyal permintaan waktu nyata dari operasi, memperhitungkan penilaian terbaru atas risiko pemasok, dan memasukkan semuanya ke prakiraan revisi yang dilihat CFO dan COO secara bersamaan. Itulah batas struktural AI perusahaan saat ini, sekaligus alasan penerapan fungsi demi fungsi menghasilkan angka produktivitas individu yang kuat tetapi hasil perusahaan yang lemah.

Di balik kegagalan itu terdapat masalah konteks. AI setiap fungsi bekerja dengan data yang dimiliki fungsi tersebut, di sistem yang digunakannya, serta dengan asumsi yang dibuatnya. Tidak ada lapisan bersama yang menyatukan berbagai pandangan itu menjadi satu gambaran tentang apa yang dianggap benar oleh bisnis.

Hal ini menciptakan «kesenjangan koordinasi AI» yang kini dialami banyak perusahaan: sistem mampu menghasilkan wawasan secara mandiri, tetapi tidak dapat menyelaraskan keputusan di seluruh bisnis secepat yang dituntut kondisi aktual.

Menembus batas tersebut berarti menghubungkan agen melalui konteks operasional bersama, berdasarkan model data bersama, logika bisnis bersama, dan ontologi yang memungkinkan penafsiran keputusan secara konsisten lintas fungsi.

Dengan fondasi itu, agen permintaan dapat mengamati sinyal, agen rantai pasok dapat menjalankan simulasi pengadaan berdasarkan sinyal tersebut, dan agen keuangan dapat memperbarui prakiraan berdasarkan keduanya. CFO melihat satu rekomendasi terpadu yang dibangun atas pandangan realitas yang sama dengan yang digunakan bagian bisnis lainnya.

2. Perencanaan berkelanjutan menjadi lapisan koordinasi AI perusahaan

Perencanaan berkelanjutan di atas konteks operasional itu mengubah agen yang terkoordinasi menjadi hasil bisnis nyata. Perencanaan tidak lagi menjadi kegiatan triwulanan, melainkan sistem hidup: skenario dinilai terhadap tujuan perusahaan saat kondisi berubah, tanpa menunggu siklus berikutnya untuk mengejar ketertinggalan. Ketika asumsi bergeser, alternatif sudah dimodelkan dan menjalani uji ketahanan. Pimpinan menghadapi keputusan dengan jalur yang layak, bukan satu prakiraan yang harus dibangun ulang di bawah tekanan tenggat.

Konflik antara Amerika Serikat dan Iran sedang menguji hal ini secara waktu nyata. Perusahaan multinasional yang terpapar dampaknya menyerap beberapa sinyal sekaligus: perubahan harga minyak dan energi, penilaian ulang harga risiko rute pelayaran melalui Selat Hormuz, serta memanjangnya waktu tunggu pemasok. Pimpinan harus memutuskan tindakan dalam hitungan hari. Lindung nilai harga energi, pengalihan rute, dan renegosiasi kontrak harus dibandingkan satu sama lain dalam rentang waktu itu. Hanya sistem perencanaan yang berjalan terus dan menguji ketahanan skenario seiring perubahan situasi yang dapat memberikan jawaban andal tepat waktu untuk bertindak.

Inilah wujud AI berorientasi tujuan dalam praktik. Agen bekerja menuju tujuan yang ditetapkan pimpinan dan menandai konsekuensi pilihan ketika mencapai satu tujuan berarti melepaskan tujuan lain. Sistem dapat memodelkan seratus alternatif secara waktu nyata, tetapi pimpinan masih bisa kesulitan menentukan pilihan. Lapisan perencanaan sudah menjadi tempat tujuan dan konsekuensi pilihan tersebut berada. Itulah perbedaan antara sistem multiagen yang bekerja dalam produksi dan yang bekerja dalam demo.

Kebutuhan akan perubahan ini makin mendesak. Gartner memprediksi lebih dari 40 persen proyek AI berbasis agen akan dibatalkan paling lambat akhir 2027 karena biaya yang meningkat, nilai bisnis yang lemah, atau pengendalian risiko yang tidak memadai. Banyak kegagalan itu akan berakar pada masalah koordinasi dan tata kelola, bukan semata kemampuan model.

3. Tata kelola perusahaan tidak dapat ditambahkan belakangan

Lapisan perencanaan berkelanjutan memusatkan kewenangan pengambilan keputusan yang nyata dalam sistem AI terkoordinasi. Karena itu, tata kelola harus menjadi bagian arsitektur sejak awal. Inilah kekhawatiran yang pertama kali disampaikan banyak CFO dan CIO ketika pembicaraan beralih ke penerapan AI, dan sikap tersebut dapat dibenarkan. Sistem otonom tidak seharusnya berada dalam alur keputusan tanpa kemampuan untuk diaudit, dijelaskan, dan dibatasi oleh kebijakan yang jelas.

Dalam penerapan yang benar-benar berhasil, setiap tindakan agen dapat ditelusuri ke masukan, logika, dan kebijakan yang mendasarinya. Setiap rekomendasi disertai asumsi yang diperlukan pemimpin keuangan, auditor, atau anggota dewan untuk mengujinya secara kritis berdasarkan substansinya.

Keterlacakan membuat pengawasan manusia dapat dijalankan. CFO, kontroler keuangan, dan pemimpin yang bertanggung jawab atas hasil hanya dapat meninjau rekomendasi, mempertanyakan asumsi, dan mengizinkan tindakan jika mereka melihat bagaimana sistem sampai pada kesimpulannya. Agen menangani kecepatan dan keluasan, sedangkan manusia tetap memegang penilaian. Pemimpin yang dapat melihat sistem menangkap penyimpangan, melihat asumsi di baliknya, dan mempertanyakan rekomendasi sebelum dijalankan akan memberi sistem lebih banyak kewenangan seiring waktu. Pemimpin yang menerima jawaban kotak hitam tanpa logika yang dapat ditelusuri akan menolak mengandalkan sistem, dan kewenangan agen menyusut. Perusahaan yang membangun tata kelola ke dalam arsitektur memperoleh jenis penerapan pertama. Yang menambahkannya belakangan memperoleh jenis kedua.

Dasawarsa mendatang milik pembangun infrastruktur

Sepuluh tahun dari sekarang, perbedaan antara perusahaan yang menjadikan perencanaan sebagai lapisan penghubung AI mereka dan perusahaan yang tidak melakukannya akan terlihat jelas.

Pekerjaan yang tidak mencolok — menghubungkan data, mengintegrasikan alur kerja, dan menanamkan tata kelola sejak awal — menentukan di sisi mana perusahaan berakhir.

Pemenang AI perusahaan bukanlah perusahaan dengan agen terbanyak, melainkan perusahaan yang membangun infrastruktur untuk mengoordinasikan agen-agen tersebut.

David Marmer adalah Direktur Produk di Board, di mana ia memimpin strategi produk, manajemen, dan desain. Sebagai eksekutif manajemen produk yang berpengalaman, David membawa puluhan tahun pengalaman mengelola portofolio dari $50M hingga $1B di seluruh startup dan perusahaan global. Latar belakangnya mencakup analitik, FP&A/EPM, IoT, wawasan pelanggan, kejahatan keuangan, dan solusi GRC. Dikenal karena mendorong strategi perusahaan yang kohesif, David telah memegang posisi eksekutif di IBM dan Cognos, membantu organisasi menerjemahkan visi produk menjadi hasil bisnis yang terukur.