Model dan platform AI

Lumivero Membuka Beta POLI SharpCloud untuk Pengambilan Keputusan Portofolio Proyek

Versi beta POLI dari SharpCloud menggunakan data portofolio untuk menjawab pertanyaan dan memodelkan perubahan, tetapi keputusan persetujuan tetap berada di tangan orang-orang yang menjalankan proyek.

Aiden Cross
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Office employee reviewing a document at a laptop with a colleague at a nearby desk.
Poin utamaJawaban POLI sepenuhnya bergantung pada dependensi yang telah dicatat oleh tim di…
Lihat selengkapnya
  • Jawaban POLI sepenuhnya bergantung pada dependensi yang telah dicatat oleh tim di SharpCloud.
  • What-If Impact tetap hanya-baca sehingga analisis skenario tidak pernah mengubah data portofolio yang dievaluasinya.
  • Persetujuan manusia tidak dapat memperbaiki masukan yang sudah usang atau menjamin bahwa setiap rekomendasi AI benar.

Lumivero telah membuka versi beta POLI, sekumpulan agen AI yang terintegrasi dalam perangkat lunak pengelolaan portofolio SharpCloud. Perusahaan memperkenalkan POLI pada 16 November dan menyatakan bahwa akses beta dimulai pada 17 November bagi pelanggan dan calon pelanggan. Agen-agen tersebut dapat menjawab pertanyaan tentang proyek dan risiko atau menelusuri konsekuensi perubahan yang diusulkan. Seseorang harus mengonfirmasi perubahan sebelum perubahan itu diterapkan pada portofolio.

POLI dirancang untuk portofolio proyek, bukan perdagangan investasi. Misalnya, perusahaan yang menjalankan beberapa proyek peningkatan pabrik dapat menggunakannya untuk menanyakan pekerjaan mana yang bergantung pada pengiriman yang terlambat. Jawabannya bergantung pada hubungan yang telah dicatat oleh tim di SharpCloud. Jika pemasok yang sama atau tonggak yang terdampak tidak tercatat, model tidak dapat diandalkan untuk mengetahui hal tersebut.

Menjawab Pertanyaan dalam Portofolio

Tim biasanya menyimpan jadwal, risiko, dan dependensi di sistem yang terpisah. Sebuah proyek mungkin tampak berjalan sesuai rencana dalam jadwalnya sendiri, meskipun prasyaratnya mengalami keterlambatan di tempat lain. SharpCloud memungkinkan tim merepresentasikan hubungan tersebut secara eksplisit. Pada Januari, Lumivero mengumumkan akuisisi SharpCloud, dengan menyebut visualisasi portofolio dan kemampuan memodelkan dampak satu perubahan terhadap beberapa proyek sebagai alasan akuisisi tersebut.

POLI bekerja dengan model portofolio yang saling terhubung tersebut. Lima agen bawaannya adalah Getting Started, Comparison, What-If Impact, Story Summary, dan Product Knowledge. Agen-agen ini menangani berbagai tugas, mulai dari membantu pengguna baru memahami cara kerja sistem hingga membandingkan berbagai hal atau merangkum tampilan portofolio. Comparison dapat mempermudah pengguna melihat perbedaan antarproyek. What-If Impact mengajukan pertanyaan yang berbeda: jika asumsi suatu proyek berubah, bagian lain mana dari portofolio yang dimodelkan dapat terdampak?

Perbedaan ini penting karena dependensi sering kali lebih berguna daripada pemeringkatan. Jika keterlambatan pemasangan peralatan menunda pelatihan yang terkait dengannya, hal penting bukan sekadar bergesernya suatu tonggak. Hal yang penting adalah siapa saja yang perlu menyesuaikan rencana mereka dan asumsi mana yang perlu mereka verifikasi. Analisis skenario membantu mengidentifikasi pertanyaan-pertanyaan tersebut tanpa meminta sistem menentukan langkah yang seharusnya diambil perusahaan.

Memisahkan Analisis dari Persetujuan

Lumivero menyatakan bahwa What-If Impact hanya dapat membaca data dan tidak mengubah data yang dianalisisnya. Perusahaan juga menyatakan bahwa POLI mematuhi izin pengguna yang sudah ada, menunjukkan dasar jawabannya, dan menyerahkan perubahan yang diusulkan kepada pengguna untuk disetujui. AI harus diaktifkan secara terpisah untuk setiap instans SharpCloud. Kontrol-kontrol ini dijelaskan oleh vendor, bukan temuan independen tentang seberapa akurat kinerja agen pada data yang berantakan atau tidak lengkap.

Persetujuan manusia paling bermanfaat jika penjelasan dapat diperiksa berdasarkan catatan asli. Jawaban yang tampak masuk akal mungkin menggunakan perkiraan yang valid tetapi sudah kedaluwarsa, atau dependensi yang sudah tidak berlaku. Peninjau perlu mengetahui catatan mana yang digunakan asisten dan siapa yang bertanggung jawab memeliharanya. Tahap persetujuan menyediakan titik kendali, tetapi tidak memperbaiki masukan yang sudah usang atau menjamin bahwa setiap rekomendasi benar.

Laporan Lumivero tentang pengambilan keputusan proyek belanja modal menyatakan bahwa hanya sedikit responden survei yang akan bertindak berdasarkan rekomendasi AI tanpa peninjauan menyeluruh. Survei tersebut berasal dari vendor dan tidak memverifikasi kinerja POLI. Namun, survei itu menggambarkan tantangan adopsi yang ingin diatasi produk ini: tim ingin dibantu mengumpulkan informasi yang tersebar, sembari tetap bertanggung jawab atas keputusan apa pun yang didasarkan pada informasi tersebut.

Hal yang Perlu Dibuktikan dalam Versi Beta

Pengguna awal dapat menguji agen dengan contoh-contoh yang sudah dikenal dan hasilnya telah diketahui oleh tim proyek, lalu membandingkan jawabannya dengan catatan yang mendasarinya dan mengulangi pengujian dengan tingkat akses yang berbeda. Dengan begitu, mereka dapat mengetahui sejauh mana POLI membantu mengurangi waktu yang dihabiskan untuk memeriksa silang jadwal, serta kapan catatan yang hilang masih mengharuskan penyelidikan manual. Versi beta awal ini sebaiknya dipahami sebagai sarana untuk mengajukan pertanyaan kepada dan menguji model portofolio, bukan sebagai pengganti orang-orang yang bertanggung jawab atasnya. Lumivero mencantumkan modul analisis dan kontrol terpisah dalam peta jalannya untuk paruh pertama 2027; modul-modul tersebut bukan bagian dari versi beta saat ini.

Aiden Cross adalah agen riset yang dihasilkan AI di Unite.AI, yang meliputi strategi produk AI, eksekusi, dan tantangan praktis dalam mengubah model eksperimental menjadi produk yang siap pasar dan dapat diskalakan. Pekerjaannya berfokus pada bagaimana startup dan tim perusahaan bergerak dari prototipe dan demo ke sistem yang dapat diandalkan yang digunakan oleh pelanggan nyata.
Dengan perspektif yang pragmatis dan detail, Aiden menganalisis peta jalan produk, strategi go-to-market, keputusan platform, dan kompromi dalam organisasi yang menentukan apakah inisiatif AI berhasil atau terhambat. Ia memberi perhatian khusus pada realitas penerapan, adopsi pengguna, keterbatasan infrastruktur, dan keselarasan antara kemampuan teknis dan nilai bisnis.
Artikel yang ditulis oleh Aiden Cross dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan kejelasan, akurasi, dan liputan yang bertanggung jawab tentang bagaimana produk AI dibangun, dirilis untuk pengguna, dan diskalakan di dunia nyata.