Navigasi Penerapan AI: Menghindari Jalan Buntu dan Memastikan Keberhasilan

Jalan menuju AI bukanlah lari sprint – itu adalah lari maraton, dan bisnis perlu mengatur diri mereka sendiri sesuai dengan itu. Mereka yang berlari sebelum mereka belajar berjalan akan terjatuh, bergabung dengan kuburan bisnis yang mencoba bergerak terlalu cepat untuk mencapai garis finish AI. Kebenaran adalah, tidak ada garis finish. Tidak ada tujuan di mana bisnis dapat tiba dan mengatakan bahwa AI telah ditaklukkan dengan cukup. Menurut McKinsey, 2023 adalah tahun breakout AI, dengan sekitar 79% karyawan mengatakan mereka telah memiliki beberapa tingkat paparan terhadap AI. Namun, teknologi breakout tidak mengikuti jalur pengembangan linear; mereka naik dan turun, hingga mereka menjadi bagian dari bisnis. Sebagian besar bisnis memahami bahwa AI adalah maraton dan bukan lari sprint, dan itu patut dipertimbangkan.

Ambil contoh Hype Cycle Gartner. Setiap teknologi baru yang muncul melewati serangkaian tahap pada siklus hype, dengan sangat sedikit pengecualian. Tahap-tahap tersebut adalah sebagai berikut: Innovation Trigger; Peak of Inflated Expectations; Trough of Disillusionment; Slope of Enlightenment, dan Plateau of Productivity. Pada 2023, Gartner menempatkan Generative AI secara kuat pada tahap kedua: Peak of Inflated Expectations. Ini adalah saat ketika tingkat hype sekitar teknologi tersebut berada pada titik tertinggi, dan sementara beberapa bisnis dapat memanfaatkan kesempatan ini dan melompat ke depan, sebagian besar akan bergelut melalui Trough of Disillusionment dan mungkin tidak akan mencapai Plateau of Productivity.

Semua ini untuk mengatakan bahwa bisnis perlu berhati-hati ketika datang ke penerapan AI. Sementara daya tarik awal teknologi dan kemampuannya dapat menggoda, itu masih menemukan kakinya dan batasannya masih diuji. Itu tidak berarti bahwa bisnis harus menghindari AI, tetapi mereka harus mengakui pentingnya menetapkan tempo yang berkelanjutan, menentukan tujuan yang jelas, dan merencanakan perjalanan mereka dengan hati-hati. Tim kepemimpinan dan karyawan perlu sepenuhnya dibawa ke dalam ide, kualitas data dan integritas perlu dijamin, tujuan kepatuhan perlu dipenuhi – dan itu hanya awal.

Dengan memulai dari kecil dan menggariskan tonggak yang dapat dicapai, bisnis dapat memanfaatkan AI dengan cara yang terukur dan berkelanjutan, memastikan mereka bergerak bersama teknologi daripada melompat ke depan. Berikut beberapa jalan buntu yang paling umum yang kita lihat pada 2024:

Jalan Buntu 1: Kepemimpinan AI

Itu adalah fakta: tanpa persetujuan dari atas, inisiatif AI akan terjatuh. Sementara karyawan mungkin menemukan alat AI generatif untuk diri mereka sendiri dan mengintegrasikannya ke dalam rutinitas harian mereka, itu memaparkan perusahaan pada masalah sekitar privasi data, keamanan, dan kepatuhan. Penerapan AI, dalam kapasitas apa pun, perlu datang dari atas, dan kurangnya minat dalam AI dari atas dapat sama berbahayanya dengan melompat terlalu keras.

Ambil contoh sektor asuransi kesehatan di AS. Dalam survei terbaru oleh ActiveOps, terungkap bahwa 70% pemimpin operasional percaya bahwa eksekutif C-suite tidak tertarik untuk berinvestasi dalam AI, menciptakan hambatan signifikan bagi inovasi. Sementara 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 frustrasi bagi kemajuan.

Di mana AI digunakan, persetujuan organisasi dan dukungan kepemimpinan sangat penting. Saluran komunikasi yang jelas antara kepemimpinan dan tim proyek AI harus dibentuk. Pembaruan reguler, laporan kemajuan yang transparan, dan diskusi tentang tantangan dan peluang akan membantu menjaga kepemimpinan tetap terlibat dan terinformasi. Ketika pemimpin memiliki pengetahuan yang baik tentang perjalanan AI dan tonggaknya, mereka lebih mungkin untuk memberikan dukungan berkelanjutan yang diperlukan untuk menavigasi kompleksitas dan masalah yang tidak terduga.

Jalan Buntu 2: Kualitas dan Integritas Data

Menggunakan data berkualitas rendah dengan AI seperti memasukkan bahan bakar diesel ke dalam mobil bensin. Anda akan mendapatkan kinerja 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 tersebut rusak, tidak lengkap, salah klasifikasi atau bias, hasilnya akan tidak dapat diandalkan. Ini tidak hanya melemahkan efektivitas solusi AI tetapi juga dapat menyebabkan kemunduran signifikan dan kepercayaan pada kemampuan AI.

Penelitian kami menunjukkan bahwa 90% pemimpin operasional mengatakan bahwa terlalu banyak upaya diperlukan untuk mengekstrak wawasan dari data operasional mereka – terlalu banyak di antaranya yang terisolasi dan terfragmentasi di seluruh sistem, dan penuh dengan inkonsistensi. Ini adalah jalan buntu lain yang dihadapi bisnis ketika mempertimbangkan AI – data mereka tidak siap.

Untuk mengatasi hal ini dan meningkatkan kebersihan data, bisnis harus berinvestasi dalam kerangka kerja tata kelola data yang kuat. Ini termasuk menetapkan standar data yang jelas, memastikan data konsisten dibersihkan dan divalidasi, dan mengimplementasikan sistem untuk pemantauan kualitas data berkelanjutan. Dengan menciptakan sumber daya yang benar, organisasi dapat meningkatkan keandalan dan ketersediaan data, yang akan memiliki bonus tambahan untuk memuluskan jalan bagi AI.

Jalan Buntu 3: Literasi AI

AI adalah alat, dan alat hanya efektif ketika digunakan oleh tangan yang tepat. Keberhasilan inisiatif AI bergantung tidak hanya pada teknologi tetapi juga pada orang-orang yang menggunakannya, dan orang-orang itu langka. Menurut Salesforce, hampir dua pertiga (60%) profesional IT mengidentifikasi kekurangan keterampilan AI sebagai hambatan utama mereka untuk penerapan AI. Itu terdengar seperti bisnis tidak siap untuk AI, dan mereka perlu memulai untuk mengatasi kesenjangan keterampilan itu sebelum mereka mulai berinvestasi dalam teknologi AI.

Itu tidak harus berarti melakukan perekrutan besar-besaran, bagaimanapun. Program pelatihan dapat diperkenalkan untuk meningkatkan keterampilan tenaga kerja saat ini, memastikan mereka memiliki kemampuan untuk menggunakan AI secara efektif. Membangun literasi AI di dalam organisasi melibatkan menciptakan lingkungan di mana pembelajaran berkelanjutan didorong – lokakarya, kursus online, dan proyek praktis dapat membantu menghilangkan misteri AI dan membuatnya lebih dapat diakses oleh karyawan di semua tingkat, meletakkan dasar untuk penerapan yang lebih cepat dan manfaat yang lebih nyata.

Apa Selanjutnya?

Adopsi AI yang sukses memerlukan lebih dari sekadar investasi dalam teknologi; itu memerlukan pendekatan yang terstruktur dan strategis yang memastikan persetujuan dari karyawan dan dukungan dari kepemimpinan. Ini juga memerlukan bisnis untuk menyadari dan mengakui bahwa teknologi memiliki batasan – sementara minat dalam AI meningkat dan adopsi berada pada tingkat tertinggi, ada kemungkinan bahwa gelembung AI akan meletus sebelum mengoreksi dan menjadi alat yang stabil dan dapat diandalkan yang dibutuhkan bisnis. Ingat, kita sekarang berada di puncak harapan yang terlalu tinggi, dan lembah kekecewaan masih perlu dihadapi. Bisnis yang ingin berinvestasi dalam AI dapat mempersiapkan diri untuk badai yang akan datang dengan mempersiapkan karyawan, menetapkan kebijakan penggunaan AI, dan memastikan data mereka bersih, terorganisir dengan baik, dan diklasifikasikan serta diintegrasikan dengan benar di seluruh bisnis.