Memberdayakan Perusahaan dengan Platform AI

Melintasi industri, saya melihat pola yang sama: kasus penggunaan AI yang paling berharga jarang berasal dari komite pengarah. Mereka berasal dari tim yang paling dekat dengan gesekan operasional.

Saya menghabiskan banyak waktu dengan tim kepemimpinan untuk menjawab pertanyaan yang sama: “Kami berinvestasi di AI, jadi di mana nilai bisnis?” Ini adalah pertanyaan yang adil, dan jawaban yang jujur adalah bahwa bagi sebagian besar organisasi, nilai tidak muncul cukup cepat. RAND telah memperkirakan bahwa lebih dari 80% proyek AI gagal, sekitar dua kali lipat dari tingkat proyek non-AI. Penelitian BCG sama-sama mengkhawatirkan: pada akhir 2025, 60% perusahaan menghasilkan sedikit atau tidak ada nilai material dari AI, dan hanya 5% yang menciptakan nilai pada skala besar. Inisiatif NANDA dari MIT menyatakan dengan jelas: hanya sekitar 5% dari pilot AI generatif perusahaan mencapai percepatan pendapatan yang cepat.

Reaksi yang biasa adalah meluncurkan satu program transformasi besar dan menunda pengiriman AI yang berarti sampai setiap lapisan dasar selesai. Itulah tempat momentum mati. Berikut adalah pesan inti: platform data Anda sangat penting untuk kesuksesan AI, tetapi menunggu seluruh platform selesai adalah model operasional yang salah. Bangun platform dan ciptakan nilai secara paralel.

Mengapa Garis Depan Adalah Tempat Nilai Dimulai

Di setiap organisasi dengan populasi pekerja pengetahuan yang besar, nilai sering kali mudah ditemukan jika Anda bertanya kepada orang yang tepat, dan itu lebih besar dari meminta chatbot untuk merangkum dokumen. Kesempatan nyata adalah AI agenik yang tertanam dalam alur kerja operasional. Kami telah menggunakan platform kode rendah di akuntansi untuk mempercepat pemrosesan faktur dan menjawab pertanyaan akuntansi secara otomatis. Di dukungan pelanggan, agen yang menangani kasus masuk, menarik riwayat pelanggan, dan mengdraftkan resolusi untuk tinjauan manusia dapat memperbaiki tingkat respons dan kepuasan pelanggan secara material. Ini adalah alur kerja multi-langkah yang melintasi sistem, memerlukan penilaian, dan berada paling dekat dengan orang-orang yang sudah tahu di mana gesekan hidup. Mereka tidak perlu fase penemuan enam bulan untuk mengatakan apa yang rusak. Mereka menangani hal itu setiap hari.

Ada dua langkah yang bekerja bersama. Memberdayakan pekerja pengetahuan dengan alat AI kode rendah/tanpa kode yang dikelola sehingga mereka dapat memperbaiki alur kerja mereka sendiri, dan membuat fungsi teknik AI untuk tim bisnis untuk kasus penggunaan yang lebih sulit. Keduanya menciptakan nilai, dan organisasi terkuat melakukan keduanya. Tetapi tidak ada yang berkembang tanpa platform bersama untuk identitas, akses, data, integrasi, dan operasi.

Gap Pilot-Produksi Adalah Masalah Platform

Banyak organisasi terjebak dalam debat tentang model mana yang digunakan. Itu penting, tetapi itu bukan kendala utama. Masalah yang lebih besar adalah kematangan platform. Tim dapat membuat prototipe dengan cepat, tetapi mereka tidak dapat mengirimkan secara konsisten di seluruh perusahaan ketika fondasi bersama hilang: kontrol akses dan identitas yang dapat digunakan tim bisnis, batas data yang jelas, pola integrasi yang dapat digunakan kembali, dan proses praktis untuk tinjauan, rilis, dan pemantauan. S&P Global menemukan (SPGI ) bahwa rata-rata organisasi membuang 46% bukti konsep AI sebelum mereka mencapai produksi.

Ini adalah mengapa platform data sangat penting. Data AI-siap tidak hanya sebuah keinginan; itu adalah kunci keberhasilan produksi. Tanpa data yang dapat dipercaya, dapat diakses, dan sesuai kebijakan, bahkan kasus penggunaan yang kuat akan terhambat.

Perangkap Data, dan Mengapa Anda Tidak Harus Menunggu

Berikut adalah apa yang menghentikan sebagian besar program: data. Gartner memprediksi bahwa hingga 2026, organisasi akan meninggalkan 60% proyek AI yang tidak didukung oleh data AI-siap. Reaksi biasa adalah meluncurkan program platform data besar pertama, memodernisasi semua, memperbarui garis keturunan, dan kemudian melakukan AI.

Urutan itu terdengar disiplin, tetapi sering kali menunda nilai selama bertahun-tahun. Modernisasi platform data adalah nyata, diperlukan, dan tidak dapat dinegosiasikan. Ini juga berjalan pada timeline multi-tahun di sebagian besar perusahaan. Jika setiap kasus penggunaan AI dipaksa untuk menunggu arsitektur akhir, kepercayaan eksekutif melemah sebelum hasil yang berarti muncul.

Pendekatan yang lebih baik adalah eksekusi paralel: terus membangun platform data perusahaan sambil memprioritaskan pengaktifan AI di area proses dengan gesekan operasional tertinggi.

Just-in-Time, Just-Enough Governance untuk Alur Kerja dengan Gesekan Tinggi

Mulai dengan nyeri proses, bukan jalan peta teknologi. Identifikasi di mana gesekan paling tinggi dan dampak bisnis paling jelas: siklus faktur yang tertunda, resolusi kasus yang lambat, persetujuan yang berat dengan pengecualian, pencarian data berulang, atau loop rekonsiliasi manual. Kemudian targetkan alur kerja tersebut pertama untuk pengaktifan AI.

Gunakan tata kelola just-in-time untuk memungkinkan hal itu. Alih-alih mencoba mengatur semua hal di awal, atur data spesifik yang diperlukan untuk setiap kasus penggunaan yang diprioritaskan ketika kasus penggunaan itu siap untuk bergerak. Tim kecil fungsional dapat menentukan kepemilikan, akses, persyaratan kualitas, dan kontrol dalam beberapa hari, bukan beberapa bulan, dalam siklus komite.

Terapkan kontrol yang cukup untuk mencocokkan risiko nyata. Kasus penggunaan yang menangani konten produk publik tidak memerlukan guardrails yang sama seperti kasus penggunaan yang menangani informasi pribadi pelanggan. Model risiko-proporsional ini melindungi organisasi sambil mempertahankan kecepatan pengiriman, dan mengurangi perilaku AI bayangan yang muncul ketika jalur formal terlalu lambat.

Backlog Adalah Jembatan ke Kesiapan Data Penuh

Setiap penerapan AI garis depan harus menghasilkan pembelajaran terstruktur: apa data yang digunakan, apa cacat kualitas yang muncul, apa transformasi yang diperlukan, dan apa keputusan tata kelola yang dibuat. Tangkap setiap kesenjangan sebagai item backlog untuk perbaikan platform.

Backlog itu menjadi peta permintaan yang didorong untuk modernisasi data. Alih-alih menebak di mana untuk berinvestasi pertama, perbaiki set data dan produk data yang sudah terhubung dengan hasil bisnis yang dapat diukur. Dalam waktu, ini menciptakan loop yang memperkuat: kasus penggunaan AI garis depan mengungkap kesenjangan data paling penting, tim platform memperbaikinya, dan gelombang solusi AI berikutnya dikirim lebih cepat dengan risiko yang lebih rendah.

Pikiran Akhir: Platform Adalah Keputusan

Keputusan bukanlah “pilot atau tidak pilot”. Ini adalah apakah Anda akan membangun platform AI dan data yang dikelola yang memungkinkan organisasi Anda untuk belajar, mengirim, dan berkembang dengan aman.

Perlakukan data AI-siap sebagai misi kritis. Bangun platform data sebagai program strategis. Tetapi jangan tunggu sampai semuanya selesai. Prioritaskan area proses dengan gesekan tertinggi, aktifkan dengan AI, dan atur data just-in-time. Itulah cara Anda menciptakan nilai sekarang sambil membangun fondasi yang mempertahankan nilai pada skala besar.