Genpact dan HFS Research Report Menemukan $18 Triliun dalam Nilai Perusahaan Terganggu oleh Kesenjangan Kesiapan AI

Kecerdasan buatan telah menjadi pusat strategi perusahaan, dengan organisasi di seluruh dunia menginvestasikan miliaran dolar dalam inisiatif AI, sistem agen, dan program transformasi digital. Namun, menurut The $18 Trillion Opportunity: Four Enterprise Debts Will Make or Break Your AI Future, sebuah laporan baru dari Genpact dalam kemitraan dengan HFS Research, sebagian besar perusahaan mengalami kesulitan untuk mengubah investasi AI menjadi nilai bisnis yang dapat diukur. Alasannya, menurut laporan tersebut, bukanlah kurangnya teknologi AI. Sebaliknya, organisasi dibatasi oleh empat bentuk utang perusahaan yang saling terkait: utang proses, utang data, utang teknologi, dan utang talenta. Bersama, utang-utang tersembunyi ini memerangkap sekitar $17,9 triliun nilai perusahaan.

Ambisi AI Tinggi, Tetapi Kesiapan Perusahaan Rendah

Laporan ini berdasarkan survei terhadap 2.002 eksekutif perusahaan di 16 industri dan 14 fungsi bisnis. Temuan tersebut mengungkapkan kesenjangan yang mencolok antara ambisi AI dan kesiapan organisasi. Sementara 92% eksekutif senior di perusahaan Global 2000 percaya bahwa agentic AI akan mengubah secara fundamental bagaimana pekerjaan dilakukan, hanya 13% melaporkan bahwa agentic AI sudah terintegrasi ke dalam operasional mereka.

Kesenjangan ini telah menjadi semakin penting karena perusahaan bergeser dari eksperimen ke penerapan. Menurut CEO Genpact Balkrishan “BK” Kalra, bisnis bergerak dari dunia di mana pekerjaan diproses dan divalidasi oleh manusia ke dunia yang semakin didorong oleh alur kerja yang diproses mesin dengan pengawasan manusia. Namun, hanya menambahkan AI di atas sistem yang ada tidak cukup. Organisasi harus terlebih dahulu mengatasi fondasi yang mendasari yang menentukan apakah AI berhasil atau gagal.

Laporan tersebut menjelaskan tantangan ini sebagai “kesenjangan kecepatan AI,” perbedaan antara apa yang dapat dicapai karyawan dengan AI secara individual dan apa yang dapat dicapai perusahaan secara keseluruhan melalui penerapan yang terstruktur.

Empat Utang Perusahaan yang Menghambat Transformasi

Penelitian tersebut mengidentifikasi empat kategori utang yang secara kolektif mencegah organisasi untuk mewujudkan nilai AI.

Utang teknologi tetap menjadi tantangan yang paling familiar. Lebih dari setengah eksekutif mengklasifikasikan utang teknologi mereka sebagai parah, didorong oleh sistem inti yang sudah tua, kompleksitas integrasi, konsentrasi vendor, dan beban infrastruktur. Sistem inti rata-rata perusahaan berusia sekitar sepuluh tahun, sementara tim pengembangan menghabiskan lebih dari 40% waktunya untuk memelihara teknologi yang ada daripada membangun kemampuan baru.

Utang data muncul sebagai penghalang AI tunggal yang paling signifikan. Lebih dari setengah data perusahaan dianggap berkualitas rendah, hanya 33% dianggap siap AI, dan karyawan menghabiskan hingga 40% waktunya untuk merekonsiliasi, memperbaiki, atau mempersiapkan data. Laporan tersebut memperkirakan bahwa kegagalan kualitas data menyumbang 42% dari inisiatif analitik dan AI yang tertunda, berkinerja rendah, atau gagal secara keseluruhan.

Utang proses mencerminkan kenyataan bahwa banyak organisasi terus mengandalkan alur kerja manual, terfragmentasi, dan tidak tergovern dengan baik. Hampir setengah proses perusahaan masih memerlukan intervensi manual, sementara kurang dari setengah secara formal didokumentasikan dan diatur. Proses yang tidak efisien menghabiskan sekitar 40% waktu kerja karyawan dan menciptakan hambatan signifikan bagi otomatisasi dan penerapan AI.

Utang talenta mungkin yang paling tidak terlihat tetapi mungkin yang paling konsekuensial. Hanya 32% dari tenaga kerja yang dianggap siap AI, sementara hingga setengah dari pekerja pengetahuan melaporkan frustrasi dan ketidakpuasan yang disebabkan oleh ketidakefisienan operasional. Kekurangan talenta, kesenjangan keterampilan, dan kesiapan AI yang rendah memperburuk setiap kategori utang lainnya, memperlambat adopsi dan membatasi kelenturan organisasi.

Utang Perusahaan Menghabiskan Lebih Banyak Biaya daripada yang Diperkirakan

Hampir 90% pemimpin perusahaan mengakui bahwa utang perusahaan sudah mempengaruhi kinerja bisnis. Konsekuensinya meluas jauh melampaui departemen IT.

Laporan tersebut menemukan bahwa utang perusahaan meningkatkan biaya operasional rata-rata sebesar 34%, menunda peluncuran produk sekitar delapan bulan, menyebabkan sekitar 34% dari inisiatif transformasi gagal untuk menghasilkan hasil yang diharapkan, dan membatasi realisasi nilai AI untuk 85% dari organisasi yang disurvei.

Pentingnya, utang-utang ini tidak beroperasi secara independen. Utang teknologi dapat merusak kualitas data. Pengaturan yang lemah dapat menciptakan ketidakefisienan proses dan tantangan talenta secara bersamaan. Alur kerja manual sering menghasilkan baik utang proses dan utang data pada saat yang sama. Laporan tersebut berargumen bahwa organisasi sering gagal karena mereka mencoba untuk menyelesaikan satu kategori secara terisolasi daripada mengobati utang perusahaan sebagai masalah sistemik.

Mengkuantifikasi Kesempatan $18 Triliun

Salah satu temuan laporan yang paling menarik perhatian adalah bahwa menyelesaikan utang perusahaan dapat membuka sekitar $17,9 triliun nilai di seluruh perusahaan Global 2000. Kesempatan terbesar datang dari utang proses dan utang data, masing-masing mewakili sekitar $7,7 triliun dalam nilai yang dapat dipulihkan. Utang teknologi menyumbang $1,5 triliun, sementara utang talenta mewakili sekitar $1 triliun.

Peneliti menghitung angka-angka ini menggunakan perkiraan eksekutif tentang pertumbuhan pendapatan potensial dan pengurangan biaya yang dihasilkan dari penyelesaian utang. Berdasarkan respons survei, menyelesaikan utang perusahaan dapat menghasilkan sekitar 8% pertumbuhan pendapatan tahunan yang lebih cepat dan sekitar 16% pengurangan biaya tahunan di seluruh perusahaan besar.

Mungkin yang paling penting, laporan tersebut menyimpulkan bahwa penghematan biaya saja tidak menceritakan seluruh cerita. Penyelesaian utang menciptakan kesempatan untuk peluncuran produk yang lebih cepat, siklus penjualan yang lebih singkat, pengambilan keputusan yang lebih baik, pengalaman pelanggan yang lebih baik, dan penerapan AI yang lebih efektif. Dengan kata lain, organisasi memperoleh baik efisiensi dan pertumbuhan secara bersamaan.

Mengapa Inisiatif AI Macet

Meskipun investasi yang meningkat, banyak inisiatif AI mengalami kesulitan untuk melampaui program pilot.

Menurut survei, utang data adalah alasan utama organisasi gagal untuk mewujudkan nilai AI, yang disebutkan oleh 33% responden. Utang teknologi mengikuti pada 28%, utang proses pada 23%, dan utang talenta pada 16%.

Konsekuensinya berbeda-beda tergantung pada jenis utang. Utang data menjebak inisiatif AI dalam tahap konsep bukti. Utang teknologi meningkatkan biaya penerapan dan mempersulit penskalaan. Utang proses menciptakan hasil yang tidak dapat diandalkan ketika agen AI beroperasi dalam alur kerja yang tidak konsisten. Utang talenta memperlambat adopsi dan membatasi pengawasan manusia yang diperlukan untuk sistem agen yang sukses.

Laporan tersebut berulang kali menekankan bahwa AI tidak dapat mengkompensasi fondasi yang rusak secara terus-menerus. Organisasi yang mencoba untuk mengotomatisasi proses yang rusak atau menerapkan AI di atas data yang berkualitas rendah berisiko untuk memperbesar ketidakefisienan daripada menyelesaikannya.

Beberapa Industri Menghadapi Kesempatan yang Lebih Besar

Kesempatan penyelesaian utang tidak didistribusikan secara merata di seluruh industri.

Manufaktur memimpin daftar, dengan kesempatan sekitar $4,8 triliun yang menggabungkan pertumbuhan pendapatan dan penghematan biaya. Perawatan kesehatan dan ilmu kehidupan mengikuti dengan sekitar $3,3 triliun, sementara ritel dan barang konsumsi menghasilkan $2,7 triliun lainnya. Energi, teknologi, perbankan, transportasi, dan asuransi juga mewakili kesempatan yang signifikan.

Sifat utang bervariasi menurut sektor. Perusahaan jasa keuangan cenderung berjuang paling banyak dengan utang data karena puluhan tahun merger, akuisisi, dan persyaratan regulasi. Manufaktur, ritel, dan perawatan kesehatan mengalami utang proses terbesar karena alur kerja yang panjang dan multi-pihak. Perusahaan ilmu kehidupan dan perangkat keras teknologi sering menghadapi utang teknologi terbesar karena sistem perangkat lunak yang tertanam dan kendala regulasi.

Pada tingkat fungsional, tim rekayasa, pengembangan produk, dan IT menawarkan kesempatan terbesar untuk penciptaan nilai. Area-area ini berada di dekat tumpukan teknologi, infrastruktur, dan alur kerja yang menentukan apakah AI perusahaan dapat diskalakan dengan sukses.

6% yang Telah Menemukan Jawabannya

Salah satu temuan paling mengungkap dalam laporan adalah bahwa hanya 6% dari perusahaan yang memenuhi syarat sebagai “penyelesaian utang yang terbukti” menurut peneliti. Organisasi-organisasi ini telah membangun, melaksanakan, dan mengukur program penyelesaian utang yang sukses. 43% lainnya secara aktif bekerja pada penyelesaian utang, sementara 51% tidak memiliki rencana, rencana yang belum disetujui, atau belum memulai.

Menurut penelitian, organisasi yang sukses memiliki beberapa karakteristik. Mereka memperlakukan penyelesaian utang sebagai mandat CEO daripada inisiatif IT. Mereka mengejar strategi dual-kecepatan yang menyeimbangkan pekerjaan fondasi jangka panjang dengan perbaikan operasional jangka pendek. Mereka berinvestasi besar dalam kemampuan seperti pengembangan talenta, pengaturan, kesiapan AI, dan platform data. Mereka juga menggunakan AI itu sendiri untuk mempercepat pengurangan utang melalui penambangan proses, analisis alur kerja, perbaikan kualitas data, dan pelatihan tenaga kerja.

Mungkin yang paling penting, organisasi-organisasi ini bertindak daripada terus merencanakan. Laporan tersebut menyimpulkan bahwa kesenjangan antara perusahaan yang sukses dan yang tidak sukses bukanlah primair teknologi. Ini adalah perbedaan dalam eksekusi.

Tantangan AI yang Sebenarnya Mungkin Bukan AI

Salah satu tema terkuat di seluruh laporan adalah bahwa utang perusahaan pada akhirnya adalah tantangan kepemimpinan daripada tantangan teknologi. Sementara organisasi terus meningkatkan pengeluaran AI, banyak yang gagal untuk mengatasi masalah operasional, budaya, dan struktural yang menentukan apakah investasi tersebut menghasilkan nilai.

Sebagaimana The $18 Trillion Opportunity: Four Enterprise Debts Will Make or Break Your AI Future membuat jelas, transformasi AI dan penyelesaian utang tidak lagi merupakan inisiatif terpisah. Mereka semakin menjadi program yang sama dilihat dari sudut yang berbeda. Organisasi yang mengatasi utang proses, data, teknologi, dan talenta secara bersamaan mungkin membuka pertumbuhan dan efisiensi yang signifikan. Mereka yang terus membangun AI di atas fondasi yang tidak stabil berisiko menghabiskan lebih banyak sementara mencapai lebih sedikit.

Bagi pemimpin perusahaan, pesan laporan ini sederhana: ketahui di mana utang Anda, pahami apa yang menghabiskan biaya Anda, dan mulailah memperbaikinya sebelum pesaing memperlebar kesenjangan. Organisasi yang memenangkan era AI mungkin bukan mereka yang menghabiskan paling banyak untuk kecerdasan buatan, tetapi mereka yang pertama membangun fondasi operasional yang diperlukan untuk AI untuk sukses.