Menavigasi Penerapan AI: Menghindari Jebakan dan Memastikan Keberhasilan

Jalan menuju AI bukanlah lari cepat – melainkan maraton, dan bisnis perlu mengatur kecepatannya sesuai dengan itu. Mereka yang berlari sebelum belajar berjalan akan terhuyung-huyung, bergabung dengan kuburan bisnis yang mencoba bergerak terlalu cepat untuk mencapai semacam garis akhir AI. Kenyataannya, tidak ada garis akhir. Tidak ada tujuan di mana bisnis dapat tiba dan mengatakan bahwa AI telah cukup ditaklukkan. Menurut McKinsey2023 adalah tahun terobosan AI, dengan sekitar 79% karyawan mengatakan bahwa mereka pernah terpapar AI. Namun, teknologi terobosan tidak mengikuti jalur perkembangan linear; teknologi itu pasang surut, naik turun, hingga menjadi bagian dari struktur bisnis. Sebagian besar bisnis memahami bahwa AI adalah lari maraton dan bukan lari cepat, dan itu perlu diingat.

Ambil Gartner Siklus Hype misalnya. Setiap teknologi baru yang muncul melewati serangkaian tahap yang sama pada siklus sensasi, dengan sangat sedikit pengecualian. Tahap-tahap tersebut adalah sebagai berikut: Pemicu Inovasi; Puncak Harapan yang Berlebihan; Palung Kekecewaan; Lereng Pencerahan, dan Dataran Tinggi Produktivitas. Pada tahun 2023, Gartner menempatkan AI Generatif dengan kuat di tahap kedua: Puncak Harapan yang Berlebihan. Ini adalah saat tingkat sensasi seputar teknologi berada pada titik tertingginya, dan sementara beberapa bisnis dapat memanfaatkannya lebih awal dan melambung tinggi, sebagian besar akan berjuang melalui Palung Kekecewaan dan bahkan mungkin tidak berhasil mencapai Dataran Tinggi Produktivitas.

Semua ini berarti bahwa bisnis perlu berhati-hati dalam hal penerapan AI. Meskipun daya tarik awal teknologi dan kemampuannya mungkin menggoda, teknologi ini masih dalam tahap pengembangan dan batas-batasnya masih diuji. Itu tidak berarti bahwa bisnis harus menjauhi AI, tetapi mereka harus menyadari pentingnya menetapkan langkah yang berkelanjutan, menetapkan tujuan yang jelas, dan merencanakan perjalanan mereka dengan cermat. Tim kepemimpinan dan karyawan perlu dilibatkan sepenuhnya dalam gagasan ini, kualitas dan integritas data perlu dijamin, tujuan kepatuhan perlu dipenuhi – dan itu baru permulaan.

Dengan memulai dari hal kecil dan menguraikan tonggak pencapaian yang dapat dicapai, bisnis dapat memanfaatkan AI secara terukur dan berkelanjutan, memastikan mereka bergerak mengikuti teknologi, bukan melampauinya. Berikut ini adalah beberapa jebakan paling umum yang kita lihat pada tahun 2024:

Perangkap 1: Kepemimpinan AI

Faktanya: tanpa dukungan dari atasan, inisiatif AI akan gagal. Meskipun karyawan mungkin menemukan sendiri alat AI yang generatif dan memasukkannya ke dalam rutinitas harian mereka, hal itu membuat perusahaan terpapar pada masalah seputar privasi, keamanan, dan kepatuhan data. Penerapan AI, dalam kapasitas apa pun, harus datang dari atasan, dan kurangnya minat terhadap AI dari atasan bisa sama berbahayanya dengan terlalu memaksakan diri.

Ambil contoh sektor asuransi kesehatan di AS. Dalam sebuah studi baru-baru ini, survei oleh ActiveOps, terungkap bahwa 70% pimpinan operasi percaya bahwa eksekutif C-suite tidak tertarik pada investasi AI, sehingga menciptakan hambatan substansial terhadap inovasi. Meskipun mereka dapat melihat manfaatnya, dengan hampir 8 dari 10 setuju bahwa AI dapat membantu meningkatkan kinerja operasional secara signifikan, kurangnya dukungan dari atas terbukti menjadi hambatan yang membuat frustrasi terhadap kemajuan.

Jika AI digunakan, dukungan organisasi dan kepemimpinan sangat penting. Saluran komunikasi yang jelas antara pimpinan dan tim proyek AI harus dibangun. Pembaruan rutin, laporan kemajuan yang transparan, dan diskusi tentang tantangan dan peluang akan membantu agar pimpinan tetap terlibat dan terinformasi. Jika para pemimpin memahami perjalanan AI dan tonggak-tonggaknya, mereka cenderung memberikan dukungan berkelanjutan yang diperlukan untuk mengatasi kompleksitas dan masalah yang tidak terduga.

Perangkap 2: Kualitas dan Integritas Data

Menggunakan data berkualitas buruk dengan AI sama seperti memasukkan solar ke dalam mobil berbahan bakar bensin. Anda akan mendapatkan performa yang buruk, komponen yang rusak, dan tagihan yang mahal untuk memperbaikinya. Sistem AI bergantung pada sejumlah besar data untuk belajar, beradaptasi, dan membuat prediksi yang akurat. Jika data yang dimasukkan ke dalam sistem ini cacat, tidak lengkap, salah diklasifikasikan, atau bias, hasilnya pasti tidak dapat diandalkan. Hal ini tidak hanya merusak efektivitas solusi AI tetapi juga dapat menyebabkan kemunduran yang signifikan dan ketidakpercayaan terhadap kemampuan AI.

Riset kami mengungkap bahwa 90% pimpinan operasi mengatakan terlalu banyak upaya yang diperlukan untuk mengekstrak wawasan dari data operasional mereka – terlalu banyak data yang terisolasi dan terfragmentasi di berbagai sistem, dan penuh dengan ketidakkonsistenan. Ini adalah jebakan lain yang dihadapi bisnis saat mempertimbangkan AI – data mereka belum siap.

Untuk mengatasi hal ini dan meningkatkan kebersihan data mereka, bisnis harus berinvestasi dalam kerangka tata kelola data yang kuat. Ini termasuk menetapkan standar data yang jelas, memastikan data dibersihkan dan divalidasi secara konsisten, dan menerapkan sistem untuk pemantauan kualitas data yang berkelanjutan. Dengan menciptakan satu sumber kebenaran, organisasi dapat meningkatkan keandalan dan aksesibilitas data mereka, yang akan memberikan manfaat tambahan berupa kelancaran jalan bagi AI.

Perangkap 3: Literasi AI

AI adalah sebuah alat, dan alat hanya efektif jika digunakan oleh orang yang tepat. Keberhasilan inisiatif AI tidak hanya bergantung pada teknologi tetapi juga pada orang-orang yang menggunakannya, dan orang-orang seperti itu jumlahnya terbatas. Menurut Salesforce, hampir dua pertiga (60%) profesional TI mengidentifikasi kurangnya keterampilan AI sebagai hambatan utama mereka dalam penerapan AI. Kedengarannya bisnis belum siap untuk AI, dan mereka perlu mulai mencari cara untuk mengatasi kesenjangan keterampilan tersebut. sebelum mereka mulai berinvestasi dalam teknologi AI.

Namun, hal itu tidak berarti harus melakukan perekrutan besar-besaran. Program pelatihan dapat diperkenalkan untuk meningkatkan keterampilan tenaga kerja saat ini, memastikan mereka memiliki kemampuan untuk menggunakan AI secara efektif. Membangun literasi AI semacam ini dalam organisasi melibatkan penciptaan lingkungan yang mendorong pembelajaran berkelanjutan – lokakarya, kursus daring, dan proyek langsung dapat membantu mengungkap misteri AI dan membuatnya lebih mudah diakses oleh karyawan di semua tingkatan, meletakkan dasar untuk penerapan yang lebih cepat dan manfaat yang lebih nyata.

Apa selanjutnya?

Penerapan AI yang sukses membutuhkan lebih dari sekadar investasi dalam teknologi; hal itu membutuhkan pendekatan strategis yang tepat waktu yang menjamin dukungan dari karyawan dan dukungan dari pimpinan. Hal itu juga mengharuskan bisnis untuk menyadari diri sendiri dan menyadari fakta bahwa teknologi memiliki keterbatasan – sementara minat terhadap AI melonjak dan penerapannya mencapai titik tertinggi sepanjang masa, ada kemungkinan besar gelembung AI akan pecah sebelum arahnya terkoreksi dan menjadi alat yang stabil dan andal yang dibutuhkan bisnis. Ingat, kita sekarang berada di Puncak Harapan yang Meningkat, dan Palung Kekecewaan masih perlu diatasi. Bisnis yang ingin berinvestasi dalam AI dapat bersiap menghadapi badai yang akan datang dengan mempersiapkan karyawan mereka, menetapkan kebijakan penggunaan AI, dan memastikan data mereka bersih, terorganisasi dengan baik, dan diklasifikasikan serta diintegrasikan dengan benar di seluruh bisnis mereka.