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

Gelombang pertama kecerdasan buatan perusahaan memberikan tim copilot yang mengoptimalkan produktivitas di dalam fungsi individu. Gelombang berikutnya sekarang menghadapi masalah koordinasi: keputusan bisnis yang paling penting meliputi keuangan, operasi, rantai pasok, dan strategi, sementara sebagian besar sistem kecerdasan buatan masih beroperasi di dalam satu fungsi.

Menurut penelitian McKinsey tentang kematangan AI, hanya satu persen pemimpin yang menyebut perusahaan mereka “matang” pada spektrum penerapan, yang berarti bahwa kecerdasan buatan sepenuhnya terintegrasi ke dalam alur kerja dan menghasilkan hasil bisnis yang substansial. Sembilan puluh sembilan persen lainnya memiliki kecerdasan buatan yang diterapkan dan tidak banyak yang dapat ditunjukkan pada tingkat perusahaan belum.

Alasannya adalah struktural. Sistem kecerdasan buatan ini memerlukan tempat untuk berkoordinasi, dan perencanaan adalah tempat alami. Perencanaan adalah tempat di mana asumsi keuangan, sinyal permintaan, kendala operasional, dan tujuan strategis sudah berkumpul. Membangun kecerdasan buatan ke dalam lapisan itu mengubahnya dari latihan periodik menjadi jaringan penghubung perusahaan.

Ini adalah batas yang banyak perusahaan sekarang temukan dengan penerapan kecerdasan buatan generasi pertama. Sementara copilot meningkatkan efisiensi tugas di dalam tim individu, sebagian besar organisasi tidak pernah menyelesaikan masalah yang lebih sulit di bawahnya: bagaimana keputusan berkoordinasi di seluruh bisnis secara real-time. Alur kerja peramalan yang lebih cepat masih rusak ketika asumsi rantai pasok, kendala operasional, dan prioritas keuangan tetap terputus dari satu sama lain.

Arsitektur Celah Koordinasi Kecerdasan Buatan Perusahaan

Tiga pergeseran struktural harus terjadi agar itu berfungsi.

1. Kecerdasan Buatan Perusahaan Harus Keluar dari Silo Fungsional

Sebuah copilot yang tertanam di keuangan dapat merangkum varians peramalan dan menjelaskan apa yang berubah dalam P&L. Ini tidak dapat menarik sinyal permintaan waktu nyata dari operasi, memasukkan penilaian risiko supplier yang diperbarui, dan mengembalikannya ke dalam peramalan yang direvisi yang sedang dilihat oleh CFO dan COO secara bersamaan. Itulah batas struktural yang kecerdasan buatan perusahaan temui saat ini, dan itu adalah mengapa penerapan fungsional demi fungsional menghasilkan angka produktivitas individu yang kuat dan hasil perusahaan yang lemah.

Di bawah kegagalan itu adalah masalah konteks. Setiap fungsi kecerdasan buatan beroperasi pada data yang dimiliki oleh fungsi, dalam sistem yang digunakan oleh fungsi, dengan asumsi yang dibuat oleh fungsi – dan tidak ada lapisan bersama di mana pandangan tersebut berkumpul menjadi gambaran tunggal tentang apa yang dipercayai oleh bisnis.

Ini menciptakan apa yang banyak perusahaan sekarang alami sebagai ‘celah koordinasi kecerdasan buatan’: sistem yang mampu menghasilkan wawasan secara mandiri tetapi tidak dapat menyelaraskan keputusan di seluruh bisnis dengan cukup cepat untuk kondisi langsung.

Menghancurkan batas itu berarti menghubungkan agen melalui konteks operasional bersama yang dibangun pada model data umum, logika bisnis bersama, dan ontologi yang memungkinkan mereka menafsirkan keputusan secara konsisten di seluruh fungsi.

Dengan fondasi itu, agen permintaan dapat mengamati sinyal, agen rantai pasok dapat menjalankan simulasi sumber terhadapnya, dan agen keuangan dapat memperbarui peramalan berdasarkan keduanya. CFO melihat satu rekomendasi yang disatukan yang dibangun pada pandangan kenyataan yang sama yang digunakan oleh seluruh bisnis.

2. Perencanaan Terus-Menerus Menjadi Lapisan Koordinasi Kecerdasan Buatan Perusahaan

Perencanaan terus-menerus di atas konteks operasional itu mengubah agen yang berkoordinasi menjadi hasil bisnis yang sebenarnya. Artinya perencanaan berhenti menjadi latihan triwulanan dan mulai berjalan seperti sistem langsung, dengan skenario yang bergerak melawan tujuan perusahaan saat kondisi berubah daripada menunggu siklus berikutnya untuk mengejar. Ketika asumsi bergeser, alternatif sudah dimodelkan dan diuji, sehingga kepemimpinan memasuki keputusan dengan jalur yang layak daripada satu peramalan yang harus dibangun kembali di bawah deadline.

Konflik AS-Iran sedang menguji ini secara real-time. Perusahaan multinasional dengan paparan menyerap beberapa sinyal sekaligus – harga minyak dan energi bergerak, rute pengiriman melalui Selat Hormuz menambahkan risiko, waktu memimpin supplier memanjang. Dan kepemimpinan harus memutuskan apa yang harus dilakukan tentang hal itu dalam beberapa hari. Penutupan energi, pengalihan, dan renegosiasi kontrak semua perlu dievaluasi terhadap satu sama lain dalam jendela itu. Sistem perencanaan yang berjalan terus-menerus dan menguji skenario saat situasi bergerak adalah satu-satunya cara untuk menghasilkan jawaban yang dapat diandalkan pada waktunya untuk bertindak.

Ini adalah apa yang terlihat seperti kecerdasan buatan yang berorientasi pada tujuan dalam praktek. Agen bekerja menuju tujuan yang telah ditetapkan oleh kepemimpinan, dan mereka menandai pertukaran ketika mencapai satu berarti melepaskan yang lain. Sistem dapat memodelkan seratus alternatif secara real-time dan masih meninggalkan kepemimpinan terjebak pada mana yang harus dipilih. Lapisan perencanaan adalah tempat di mana tujuan dan pertukaran sudah hidup. Itulah perbedaan antara sistem multi-agen yang berfungsi dalam produksi dan yang berfungsi dalam demo.

Kesegeraan sekitar pergeseran ini tumbuh. Gartner memprediksi lebih dari 40 persen proyek kecerdasan buatan agen akan dibatalkan pada akhir 2027 karena biaya yang meningkat, nilai bisnis yang lemah, atau kontrol risiko yang tidak memadai. Banyak kegagalan itu akan kembali ke masalah koordinasi dan tata kelola daripada kemampuan model saja.

3. Tata Kelola Perusahaan Tidak Dapat Dipasang Kemudian

Lapisan perencanaan terus-menerus mengkonsentrasikan wewenang keputusan yang sebenarnya ke dalam sistem kecerdasan buatan yang berkoordinasi, yang mengapa tata kelola harus menjadi bagian dari arsitektur dari awal. Ini adalah kekhawatiran yang banyak CFO dan CIO angkat pertama kali setiap kali percakapan berubah menjadi implementasi kecerdasan buatan, dan itu mencerminkan posisi yang dapat dipertahankan. Sistem otonom tidak boleh berada dalam alur keputusan tanpa auditabilitas, keterjelasan, dan batasan kebijakan yang jelas.

Dalam penerapan yang sebenarnya berfungsi, setiap tindakan yang diambil oleh agen dapat dilacak kembali ke input, logika, dan kebijakan di baliknya. Setiap rekomendasi datang dengan asumsi yang dibutuhkan oleh pemimpin keuangan, auditor, atau anggota dewan untuk menantangnya berdasarkan kelebihannya.

Keterlacakan adalah apa yang membuat pengawasan manusia dapat dilakukan. CFO, kontroler, dan pemimpin yang bertanggung jawab atas hasilnya hanya dapat meninjau rekomendasi, menantang asumsi, dan mengotorisasi tindakan jika mereka dapat melihat bagaimana sistem mencapai kesana. Agen menangani kecepatan dan keluasan, dan manusia memegang penilaian. Seorang pemimpin yang dapat menonton sistem menangkap varians, melihat asumsi di baliknya, dan menantang rekomendasi sebelum itu dieksekusi akan memperluas lebih banyak wewenang ke sistem dari waktu ke waktu. Seorang pemimpin yang diberi jawaban black-box dengan logika yang tidak dapat dilacak akan menolak untuk bergantung pada sistem, dan wewenang agen menyusut. Perusahaan yang membangun tata kelola ke dalam arsitektur mendapatkan penerapan jenis pertama. Yang memasangnya kemudian mendapatkan yang kedua.

Dasawarsa Mendatang Milik Pembangun Infrastruktur

Sepuluh tahun dari sekarang, perbedaan antara perusahaan yang membuat perencanaan sebagai lapisan penghubung untuk kecerdasan buatan mereka dan perusahaan yang tidak akan sangat jelas.

Pekerjaan yang tidak glamor – menghubungkan data, mengintegrasikan alur kerja, memasukkan tata kelola dari awal – adalah apa yang menentukan sisi mana perusahaan berakhir.

Pemenang dalam kecerdasan buatan perusahaan tidak akan menjadi perusahaan dengan agen paling banyak. Mereka akan menjadi perusahaan yang membangun infrastruktur yang mampu mengoordinasikan mereka.