Menavigasi Tantangan Penerapan AI Perusahaan di Tahun 2025

Dunia bisnis telah menyaksikan lonjakan fenomenal dalam adopsi kecerdasan buatan (AI) — dan khususnya AI generatif (Gen AI). Menurut Perkiraan Deloitte, belanja perusahaan untuk Gen AI pada tahun 2024 diperkirakan akan meningkat sebesar 30 persen dari angka tahun 2023 sebesar USD 16 miliar. Hanya dalam waktu satu tahun, teknologi ini telah meledak di panggung untuk membentuk kembali peta jalan strategis organisasi. Sistem AI telah berubah menjadi tuas percakapan, kognitif, dan kreatif untuk memungkinkan bisnis menyederhanakan operasi, meningkatkan pengalaman pelanggan, dan mendorong keputusan berdasarkan data. Singkatnya, Enterprise AI telah menjadi salah satu tuas utama bagi CXO untuk meningkatkan inovasi dan pertumbuhan.

Menjelang tahun 2025, kami memperkirakan Enterprise AI akan memainkan peran yang semakin signifikan dalam membentuk strategi dan operasional bisnis. Namun, penting untuk memahami dan mengatasi secara efektif tantangan yang dapat menghambat potensi penuh AI.

Tantangan #1 — Kurangnya Kesiapan Data

Keberhasilan AI bergantung pada data yang konsisten, bersih, dan terorganisasi dengan baik. Namun, perusahaan menghadapi tantangan dalam mengintegrasikan data yang terfragmentasi di seluruh sistem dan departemen. Peraturan privasi data yang lebih ketat menuntut tata kelola, kepatuhan, dan perlindungan informasi sensitif yang kuat untuk memastikan wawasan AI yang andal.

Hal ini memerlukan sistem manajemen data komprehensif yang memecah silo data, dan memprioritaskan data yang perlu dimodernisasi secara ketat. Kumpulan data yang menunjukkan kemenangan cepat akan membantu dalam mengamankan komitmen jangka panjang untuk mendapatkan ekosistem data yang tepat. Danau data terpusat atau gudang data dapat memastikan aksesibilitas data yang konsisten di seluruh organisasi. Selain itu, teknik pembelajaran mesin dapat memperkaya dan meningkatkan kualitas data, sekaligus mengotomatiskan pemantauan dan tata kelola lanskap data.

Tantangan #2 — Skalabilitas AI

Pada tahun 2024, saat organisasi memulai perjalanan implementasi AI perusahaan, banyak yang kesulitan dalam meningkatkan skala solusi mereka — terutama karena kurangnya arsitektur dan sumber daya teknis. Membangun infrastruktur AI yang dapat diskalakan akan sangat penting untuk mencapai tujuan ini.

Platform cloud memberikan efisiensi, fleksibilitas, dan skalabilitas untuk memproses kumpulan data besar dan melatih model AI. Memanfaatkan infrastruktur AI dari penyedia layanan cloud dapat memberikan penskalaan cepat penerapan AI tanpa perlu investasi infrastruktur awal yang signifikan. Menerapkan kerangka kerja AI modular untuk konfigurasi dan adaptasi yang mudah di berbagai fungsi bisnis akan memungkinkan perusahaan untuk memperluas inisiatif AI mereka secara bertahap sambil tetap mempertahankan kendali atas biaya dan risiko.

Tantangan #3 — Kesenjangan Bakat dan Keterampilan

A survei terbaru Menyoroti kesenjangan yang mengkhawatirkan antara antusiasme profesional TI terhadap AI dan kemampuan aktual mereka. Meskipun 81% menyatakan minat untuk memanfaatkan AI, hanya 12% yang memiliki keterampilan yang dibutuhkan, dan 70% pekerja membutuhkan peningkatan keterampilan AI yang signifikan. Kesenjangan bakat ini menimbulkan hambatan signifikan bagi perusahaan yang ingin mengembangkan, menerapkan, dan mengelola inisiatif AI. Menarik dan mempertahankan profesional AI yang terampil merupakan tantangan besar, dan meningkatkan keterampilan staf yang ada membutuhkan investasi yang substansial.

Strategi pelatihan organisasi harus memperhatikan tingkat literasi AI yang dibutuhkan oleh berbagai kelompok—pembangun, yang mengembangkan solusi AI, pemeriksa, yang memvalidasi keluaran AI, dan konsumen, yang menggunakan keluaran dari sistem AI untuk pengambilan keputusan. Selain itu, para pemimpin bisnis perlu dilatih untuk lebih memahami dan lebih efektif implikasi strategis AI. Dengan secara sadar mengembangkan budaya berbasis data dan mengintegrasikan AI ke dalam proses pengambilan keputusan di semua tingkatan, resistensi terhadap AI dapat dikelola, yang pada akhirnya akan meningkatkan kualitas pengambilan keputusan.

Tantangan #4 — Tata Kelola AI dan Masalah Etika

Seiring dengan semakin banyaknya perusahaan yang mengadopsi AI dalam skala besar, tantangan dari algoritma yang bias semakin besar. Model AI yang dilatih pada algoritma yang tidak lengkap atau data yang bias dapat memperkuat bias yang ada, yang mengarah pada keputusan dan hasil bisnis yang tidak adil. Seiring berkembangnya teknologi AI, Pemerintah dan badan pengatur terus-menerus memberlakukan peraturan AI baru untuk memungkinkan transparansi dalam pengambilan keputusan dan melindungi konsumen. Misalnya, UE telah menguraikan kebijakan, kerangka kerja, dan prinsipnya seputar penggunaan AI melalui Undang-Undang AI UE tahun 2024. Perusahaan perlu beradaptasi dengan cepat terhadap peraturan yang terus berkembang tersebut.

Dengan menetapkan kerangka tata kelola AI yang tepat yang berfokus pada transparansi, keadilan, dan akuntabilitas, organisasi dapat memanfaatkan solusi yang memungkinkan penjelasan model AI mereka — dan membangun kepercayaan dengan konsumen akhir. Ini harus mencakup pedoman etika untuk pengembangan dan penerapan model AI dan memastikan bahwa model tersebut selaras dengan nilai-nilai perusahaan dan persyaratan peraturan.

Tantangan #5 — Menyeimbangkan Biaya dan ROI

Pengembangan, pelatihan, dan penerapan solusi AI memerlukan komitmen finansial yang signifikan dalam hal infrastruktur, perangkat lunak, dan bakat terampil. Banyak perusahaan menghadapi tantangan dalam menyeimbangkan biaya ini dengan laba atas investasi (ROI) yang terukur.

Mengidentifikasi kasus penggunaan yang tepat untuk implementasi AI sangatlah penting. Kita perlu mengingat bahwa setiap solusi belum tentu memerlukan AI. Menyepakati tolok ukur yang tepat untuk mengukur keberhasilan di awal perjalanan adalah hal yang penting. Hal ini akan memungkinkan organisasi untuk terus memantau RoI yang diberikan dan potensinya di berbagai kasus penggunaan. Informasi ini dapat digunakan untuk memprioritaskan dan merasionalisasi kasus penggunaan secara ketat di semua tahap untuk menjaga biaya tetap terkendali. Organisasi dapat bermitra dengan penyedia layanan AI dan analitik yang memberikan hasil bisnis dengan model komersial yang fleksibel untuk menanggung risiko investasi RoI.