Mengapa ROI Jangka Panjang Tidak Cukup: Memastikan Nilai pada Setiap Tahap Implementasi AI

Perusahaan-perusahaan mendengar satu hal berulang-ulang: percepat implementasi AI dan tunjukkan hasil, sekarang. Adopsi AI dipercepat, dengan 78% dari organisasi sudah menggunakan AI di setidaknya satu fungsi bisnis pada tahun 2024—naik dari 55% hanya setahun yang lalu.

Tapi ini adalah penangkapannya: tekanan untuk menunjukkan nilai bisnis meningkat dengan cepat.

Itu adalah tuntutan yang tinggi ketika masa jabatan CDO singkat, dan peran Chief AI Officer (CAIO) masih berevolusi. Dengan banyak volatilitas kepemimpinan di atas, program AI sering macet sebelum mereka dapat menunjukkan nilai nyata.

Tantangan kunci adalah jelas: perusahaan perlu berhenti membangun strategi AI yang mengejar janji “transformasi masa depan” dan mulai fokus pada menciptakan fondasi yang solid yang memberikan nilai hari ini — sambil mempersiapkan diri untuk masa depan.

Masalah dengan Strategi “Masa Depan Saja”

Eksekutif mengeluarkan uang ke AI. Faktanya, 92% dari mereka meningkatkan anggaran mereka selama tiga tahun ke depan, dengan lebih dari setengah dari mereka bertujuan untuk meningkatkan 10%. Di atas itu, lembaga keuangan seperti Morgan Stanley meramalkan pengembalian yang signifikan, seperti ~ $920M keuntungan tahunan bersih untuk S&P 500.

Tren makro ini memicu apa yang saya sebut “program AI besar-tapi-nanti”, yang terlihat mengesankan di atas kertas tetapi meninggalkan nilai terlalu jauh di masa depan untuk memiliki dampak hari ini.

Kenyataan yang keras adalah bahwa sangat sedikit organisasi yang memiliki data yang siap AI. Dengan tata kelola dan kualitas data sebagai hambatan terbesar, hanya 12% dari perusahaan melaporkan bahwa data mereka cukup untuk penerapan AI yang efektif. Dan seperti Gartner menunjukkan, tata kelola yang buruk akan menyebabkan 60% dari organisasi melewatkan target AI mereka pada tahun 2027—bahkan jika mereka mengadopsi AI sekarang.

Singkatnya, program AI yang hanya mengandalkan janji masa depan pasti akan macet, terjebak dalam purgatory pilot, atau kehilangan kepercayaan pemangku kepentingan sebelum ROI yang diharapkan tiba.

Mengubah Nilai AI

Untuk menjembatani kesenjangan antara potensi masa depan dan nilai hari ini, organisasi perlu mengubah cara mereka memandang nilai AI. Ada dua jenis yang berbeda:

• Nilai segera: Ini adalah perbaikan yang dapat diukur, jangka pendek—seperti 23% lebih cepat waktu respons pertama setelah mengirimkan asisten dukungan GenAI. Ini adalah kemenangan yang menunjukkan kepada pemangku kepentingan bahwa AI tidak hanya bermain jangka panjang.
• Nilai fondasional: Ini tentang membangun infrastruktur dasar—pipa data, tata kelola, dan platform yang dapat diskalakan—yang akan membuat AI bekerja secara efektif hari ini dan di masa depan. Seperti laporan State of AI dari McKinsey, manajemen risiko dan tata kelola sangat penting untuk kesuksesan jangka panjang.

Setelah Anda mendefinisikan kedua aliran nilai, tantangannya adalah menyeimbangkan keduanya: Bagaimana Anda dapat mengarahkan kemenangan segera sambil memastikan bahwa mereka diterjemahkan menjadi kemampuan yang dapat diulang dan dikelola? Mereka yang mendapatkan keseimbangan yang tepat akan melihat pengembalian yang nyata.

Mencapai Keseimbangan yang Tepat: Nilai Sekarang dan Nanti

Salah satu kesalahan terbesar yang saya lihat adalah perusahaan mengabaikan untuk merancang platform AI dengan mempertimbangkan pengembang. Pada tahun 2025, 84% dari pengembang akan menggunakan alat AI, dan 51% dari mereka akan menggunakannya setiap hari. Jika platform AI tidak terintegrasi dengan alur kerja yang ada, adopsi akan tertinggal, tidak peduli seberapa kuat modelnya. Keberhasilan bergantung pada integrasi, pemilihan tugas, dan pelatihan berkelanjutan.

Sangat penting juga adalah tata kelola dan keamanan. Jika ini tidak diprioritaskan, tidak peduli seberapa canggih AI, pengguna tidak akan mempercayainya. Gartner telah menandai bahwa masalah kepercayaan, keamanan akses, dan tata kelola adalah hambatan utama untuk adopsi, dan bahwa pelanggaran yang terkait dengan penyalahgunaan GenAI kemungkinan akan meningkat seiring dengan percepatan inovasi. Tata kelola harus menjadi prioritas sejak hari pertama, terutama karena tekanan regulasi meningkat.

Organisasi yang paling sukses adalah mereka yang menciptakan alat AI yang memberikan nilai segera—karena kemenangan cepat membeli modal politik. Faktanya, perusahaan yang melihat ROI terbaik pada AI adalah mereka yang memiliki CAIO yang didedikasikan. Pemimpin ini mengarahkan sumber daya mereka pada “sekarang” (kasus penggunaan yang dapat diukur) dan “berikutnya” (penguatan data dan platform), memastikan kemajuan yang stabil sambil meletakkan dasar untuk keuntungan di masa depan.

Ini juga berarti menetapkan KPI yang menyoroti nilai awal—operasi dukungan, penjualan, pemasaran, dan teknik adalah titik awal yang baik. Menetapkan KPI yang jelas—seperti lead-to-win, churn, dan skor risiko model—bersama dengan rencana baseline dan verifikasi akan memastikan bahwa inisiatif AI tidak hanya teoretis tetapi memberikan hasil yang nyata.

Kunci adalah mengidentifikasi pola yang sukses dan mengulanginya. Perubahan dari eksperimen ke eksekusi terjadi ketika perusahaan menyesuaikan proses mereka, bukan hanya alat mereka.

Menguatkan Fondasi Data: Proses Berkelanjutan

Terlalu banyak program AI gagal karena data tidak dapat dipercaya. Kurangnya tata kelola data adalah salah satu hambatan terbesar untuk kesuksesan. Itulah mengapa kualitas data, asal-usul, dan aksesibilitas harus diperlakukan dengan penting seperti alat yang menghadap pengguna itu sendiri. Fondasi data yang kuat adalah fondasi dari setiap inisiatif AI yang sukses.

Jadikan AI sebagai Imperatif Bisnis, Hari Ini dan Besok

Harapan adalah jelas: tunjukkan kemenangan segera yang dapat diukur sambil membangun platform dan estate data yang akan membayar di jangka panjang. Dengan anggaran AI yang meningkat dan tekanan yang intens, gagal untuk memberikan pada kedua front berisiko mengatur ulang program.

Pemimpin yang dapat memberikan nilai sekarang sambil membangun untuk masa depan akan mengubah AI dari serangkaian pilot yang terisolasi menjadi mesin yang berkelanjutan untuk pendapatan dan produktivitas.