Maksimalkan ROI AI di Perusahaan

Sebagaimana yang telah terjadi dengan banyak teknologi sebelumnya, kecerdasan buatan (AI) sedang dipuja sebagai inovasi besar berikutnya yang harus digunakan oleh perusahaan. Ironisnya, teknologi dasar telah ada selama beberapa dekade, tetapi dengan iterasi terbaru, hypes telah mencapai puncak demam—mengalahkan kenyataan implementasi di seluruh perusahaan. Namun, ketika tim IT menghadapi tekanan yang meningkat untuk bergabung dengan kereta IT, mereka harus menyeimbangkan antusiasme dengan kenyataan garis bawah. Implementasi yang berbeda memerlukan investasi yang berbeda, yang berarti mereka juga harus menghasilkan pengembalian yang berbeda—seringkali dengan jadwal yang berbeda.

Kemampuan untuk mengirimkan produk AI yang sukses bergantung pada banyak faktor: strategi, perencanaan, dan eksekusi yang dipilih oleh pemimpin bisnis; ketersediaan sumber daya yang terampil; kesesuaian dengan peta produk; penerimaan organisasi terhadap risiko; dan manajemen waktu terhadap pengembalian investasi (ROI) yang diharapkan.

Mengimbangkan faktor-faktor ini adalah tantangan, tetapi dengan mengikuti tiga langkah ini, organisasi dapat tetap berada di jalur menuju ROI AI.

Mengerti Teknologi

Banyak perusahaan memasuki dunia AI dengan keyakinan bahwa mereka ketinggalan, tetapi tidak sepenuhnya memahami mengapa, bagaimana, atau apa teknologi itu. Sebagai hasilnya, tugas pertama mereka adalah membedakan antara rasa AI yang berbeda, dimulai dengan AI presisi vs. AI generatif.

AI presisi adalah penggunaan pembelajaran mesin dan pembelajaran dalam untuk meningkatkan hasil. Ini memungkinkan perusahaan untuk mengotomatisasi proses pengambilan keputusan, menciptakan efisiensi, dan meningkatkan ROI. AI presisi telah matang menjadi teknologi yang mapan untuk perusahaan yang terus melihat adopsi yang signifikan dan menjadi lebih mainstream setiap hari.

AI generatif (GenAI) adalah baru dan telah naik ke ketenaran sejak OpenAI merilis ChatGPT pada akhir 2022. Terdiri dari model bahasa besar (LLM) yang dilatih dengan miliaran parameter untuk menghasilkan konteks teks semantik baru, GenAI menawarkan peluang besar untuk dampak bisnis dan efisiensi operasional, tetapi masih dalam awal siklus adopsinya.

Satu hambatan signifikan adalah standar untuk kualitas data, yang ditingkatkan untuk aplikasi GenAI karena dataset berkualitas rendah dapat memperkenalkan masalah transparansi dan etika.

Keandalan data dimulai dengan merancang dan mengimplementasikan alur kerja; membangun pipa untuk melakukan; mengabstraksi melalui API; mengkurasi dan mendemokratisasi; dan memproses jenis data yang berbeda. Daripada generasi sebelumnya dari persyaratan kualitas data yang mencakup 4V (volume, kecepatan, kebenaran, dan keragaman), AI memerlukan persyaratan baru yang mencakup 4P: prediksi, produktivitas, presisi, dan persona dalam skala.

Prediksi: Algoritma AI memungkinkan penggunaan analisis statistik untuk menemukan pola dalam data dan mengidentifikasi perilaku untuk memprediksi dan meramalkan peristiwa di masa depan dengan menghubungkan data historis dan data streaming untuk membuat keputusan secara real-time.

Produktivitas: AI memungkinkan otomatisasi proses bisnis, yang meningkatkan efisiensi operasional dan produktivitas perusahaan, mengurangi tugas berulang, dan membebaskan waktu staf untuk bekerja pada tugas strategis.

Presisi: Metrik ini mengukur hasil model dengan cara yang model pembelajaran mesin dapat menghasilkan akurasi antara rentang yang dapat diterima yang ditentukan oleh kasus penggunaan. Presisi juga dihitung sebagai jumlah positif sebenarnya dibagi dengan jumlah total prediksi positif.

Persona dalam skala: Ini merujuk pada proses menggunakan data yang andal seperti riwayat pembelian pelanggan, tindakan di situs, analisis sentimen pelanggan untuk produk tertentu, dan respons survei. Ini menyampaikan pengalaman yang dipersonalisasi di seluruh demografi.

Selain kualitas data, perusahaan harus mempertimbangkan banyak faktor lain—baik internal maupun eksternal—ketika mengevaluasi kesiapan AI mereka: tata kelola, keselarasan kepatuhan, investasi cloud, bakat, model operasional bisnis baru, manajemen risiko, dan komitmen kepemimpinan.

Organisasi harus memulai dengan menetapkan visi AI yang sesuai dengan tujuan dan objektifas mereka. Persetujuan dari C-suite sangat penting, karena penerapan AI memerlukan investasi awal yang signifikan. CIO harus secara jelas mengartikulasikan jalur menuju ROI kepada seluruh C-suite—sebuah tes sejati bagi CIO dalam meningkatkan IT dari fungsi yang memungkinkan menjadi fungsi strategis.

Selanjutnya, organisasi harus menyelaraskan orang, proses, dan teknologi. AI memerlukan keterampilan dan sertifikasi baru seperti model pembelajaran dalam dan pembelajaran mesin, karena organisasi telah secara tradisional mengintegrasikan AI ke dalam alur kerja manusia. Namun, GenAI membalikkan dinamika, tetapi sebagian besar praktik terbaik dan pedoman penggunaan yang bertanggung jawab masih mencakup komponen “manusia dalam loop” untuk mempertahankan standar etika dan nilai.

Penerapan AI juga menuntut proses bisnis baru untuk tata kelola dan jaminan kualitas data, memungkinkan ilmuwan data yang bertanggung jawab untuk mengirimkan model AI baru untuk memecahkan masalah bisnis yang kompleks.

Ketika produk AI baru dirancang, dikembangkan, dan diproduksi untuk produksi, perusahaan juga harus tetap waspada terhadap kebijakan regulasi terbaru industri AI. Undang-Undang AI Eropa telah menetapkan praktik terbaik untuk menggunakan AI—dan konsekuensi untuk tidak mengikuti kebijakan tersebut. Sebagai hasilnya, perusahaan telah membangun tim untuk menciptakan, mengevaluasi, dan memperbarui upaya sekitar regulasi AI.

Dengan perusahaan menjadi semakin data-driven, mereka harus mengembangkan strategi dasar untuk melindungi aset data yang memungkinkan mereka untuk mengirimkan wawasan terbaik melalui platform otomatisasi proses analitik. Dari sana, mereka dapat memilih teknologi AI dan platform baru yang paling masuk akal bagi mereka.

Definisikan Kasus Bisnis

Akhirnya, ROI yang sebenarnya dari investasi AI memerlukan penjualan manfaat kepada pelanggan, yang berarti kesiapan AI memerlukan pola pikir bisnis baru karena teknologi ini mengarahkan transformasi untuk perusahaan di seluruh industri.

Pengembangan produk AI yang sukses memerlukan pemahaman yang intim tentang perjalanan pelanggan yang spesifik untuk industri dan memposisikan solusi AI dengan objektifas bisnis. Sentrisitas pelanggan memainkan peran kunci dalam mengembangkan model operasional baru, dan teknologi modern digunakan untuk meningkatkan efisiensi.

Sebagai contoh, pelanggan yang mencari kemenangan kecil dalam kematangan AI dapat mengandalkan aset perangkat lunak dan infrastruktur cloud mereka untuk mengembangkan produk dan solusi baru. Ini menjaga kepuasan di antara karyawan tetap tinggi dan mempertahankan fokus mereka untuk melebihi harapan pelanggan.

Terlebih lagi, inti organisasi harus fokus pada mempersingkat waktu ke pasar dan meningkatkan manajemen proses baru untuk mempersingkat siklus hidup pengembangan produk dan meningkatkan efisiensi pengiriman produk baru. Sebagai contoh, platform analitik data terdistribusi digunakan untuk mengotomatisasi pengambilan, pengurangan, demokratisasi, pemrosesan, dan analitik data secara real-time—semua ini meningkatkan produktivitas dan ROI.

Membuka Potensi Penuh ROI AI

AI pada intinya berdiri untuk algoritma canggih, kualitas data, kekuatan komputasi, Infrastruktur sebagai Kode, tata kelola, AI yang bertanggung jawab dengan etika untuk melindungi privasi dan kerahasiaan data. Esensial dari kesiapan aplikasi AI dan tantangan manajemen data memerlukan kerangka kerja yang keras, orang, proses, strategi, etika, dan platform teknologi.

Bersamaan dengan itu, Laporan McKinsey menyatakan bahwa 65% perusahaan menggunakan teknologi AI—dua kali lipat dari tahun sebelumnya. Ini menunjukkan momentum, tetapi penerapan masih bergerak perlahan dari rasa ingin tahu ke kasus penggunaan bisnis yang sebenarnya dalam skala. GenAI menghasilkan terobosan baru, memungkinkan organisasi untuk memanfaatkan kemampuan baru melalui pengembangan LLM semantik dan multimodal. Ini mendemokratisasi spektrum penuh kemampuan AI, memungkinkan mereka untuk menghasilkan aliran pendapatan baru.

Dengan strategi yang tepat, komitmen kepemimpinan, dan investasi dalam kasus penggunaan yang benar, bisnis dapat memperoleh nilai yang signifikan dan mengarahkan pertumbuhan transformasional melalui AI.