Mengubah Eksperimen AI menjadi Kecerdasan & Nilai Perusahaan

AI Perusahaan tidak terbatas pada model. Perusahaan dapat menjalankan program pilot percobaan, melaksanakan tugas-tugas umum, dan menerapkan model bukti-konsep jauh lebih cepat daripada sebelumnya, namun mereka sering gagal melampaui kemenangan “AI” yang terisolasi.

Namun masalahnya bukan model; melainkan lingkungan tempat mereka bekerja. Banyak tantangan skalabilitas tetap ada, termasuk data yang terpecah-pecah dan kepemilikan yang tidak jelas, sebagian besar karena sistem-sistem ini dirancang sebelum AI menjadi opsi bisnis utama.

Sebuah studi terbaru oleh Wipro and HFS Research menyimpulkan bahwa meskipun 90% pemimpin perusahaan mengharapkan tim manusia dan AI menjadi kenyataan dalam tiga tahun, hanya 18% yang mendesain ulang proses mereka untuk mendukung masa depan tersebut. Demikian pula, 87% menyatakan mereka berinvestasi dalam AI lebih cepat daripada mereka dapat menunjukkan nilai yang diperoleh. Perusahaan tidak dapat mengharapkan AI mengubah bisnis jika mereka belum memprioritaskan pembaruan data, tata kelola, dan proses alur kerja.

Kemampuan AI dengan cepat menjadi merata. Keunggulan kompetitif akan datang dari seberapa efektif organisasi menghubungkan data, konteks, kecerdasan, tata kelola, dan pelaksanaan.

Pilot Cenderung Terhenti

Bahkan ketika ada data berharga untuk dikerjakan, program pilot masih dapat gagal. Misalnya, jika tim kecil mengetahui asal data untuk spreadsheet, mereka biasanya merasa nyaman menggunakannya. Namun, sulit untuk memperluas pemahaman data yang sama ke seluruh organisasi. Dengan AI agen, mudah untuk mengambil informasi dari berbagai sistem atau membangun alur kerja yang menghasilkan rekomendasi untuk pelanggan. Meskipun agen AI dapat bertindak cepat, seringkali tidak jelas apakah data tersebut dapat dipercaya.

Ketika perusahaan mencoba memperluas dari satu kasus penggunaan AI ke banyak, skeptisisme meningkat dan masalah dapat muncul. Jika informasi pelanggan berasal dari sistem yang berbeda, mungkin tidak mungkin mengetahui bagaimana informasi asli tersebut diperoleh dan disusun. Demikian pula, kebijakan tata kelola mungkin ada, tetapi tidak jelas apakah aturan tersebut diterapkan pada kumpulan data yang diambil oleh agen.

Jadi, meskipun memperluas AI menarik, inkonsistensi menciptakan jebakan. Untuk benar‑benar mengamankan nilai dari AI agen, perusahaan harus menerapkan desain data dan alur kerja sejak awal, bukan setelahnya.

Membangun Fondasi AI yang Terpercaya

Membangun fondasi AI yang siap dan solid berarti orang dan sistem AI dapat menemukan, mengakses, dan menggunakan data terpercaya dengan sistem tata kelola yang tepat.

Fokus pada tiga kemampuan penting: 

1. Penting untuk mengambil pendekatan terpadu terhadap data dan AI. Aplikasi AI agen perlu mengambil data dari fondasi yang solid, bukan dari sistem yang terpisah dan tidak terhubung. Hal ini secara signifikan mengurangi kebingungan akibat sumber data yang tumpang tindih dan memudahkan penerapan aturan sistematis untuk akses, kualitas, dan kepatuhan.
2. Membangun tata kelola ke dalam sistem sejak awal penting untuk mengelola cara penggunaan data. Misalnya, agen yang merekomendasikan suatu tindakan harus mengacu pada informasi yang disetujui, beroperasi dalam seperangkat izin yang ditentukan, dan menyediakan catatan yang dapat dilacak tentang bagaimana ia mencapai hasil yang diberikan.
3. Manfaatkan AI di sekitar alur kerja dan proses nyata. AI harus disematkan dalam alur kerja di mana karyawan sudah mengalami hambatan, seperti menanggapi permintaan pelanggan atau memecahkan masalah TI.

Jangan menganggap AI sebagai alat terpisah. Sebaliknya, fokuslah pada menghubungkan agen, pengawasan manusia, dan pengambilan keputusan dalam proses menyeluruh yang diatur. Pengawasan manusia penting, namun lebih kepada memiliki kontrol khusus untuk proses yang rumit.

Menerapkan AI dalam Praktik

Membangun fondasi data yang dapat dimanfaatkan AI adalah kunci. Salah satu contoh berasal dari operasi procure-to-pay di perusahaan kesehatan konsumen. Organisasi besar dapat memproses volume faktur yang sangat besar sambil mengelola proses persetujuan yang kompleks. Peninjauan manual faktur-faktur ini memperlambat siklus pembayaran dan membatasi visibilitas terhadap tempat terjadinya masalah. Menerapkan AI agen untuk memproses faktur menghasilkan operasi 70% tanpa sentuhan dan peningkatan efisiensi 45%. Sistem berbasis AI memproses kira-kira satu juta faktur per tahun, mewakili nilai sekitar $6 miliar, sambil mengarahkan masalah paling kompleks kepada manusia untuk ditinjau.

Tujuannya adalah menciptakan proses yang diatur di mana sistem dapat mengambil informasi yang tepat, menerapkan aturan yang disetujui, belajar dari pola berulang, dan meningkatkan hanya bila diperlukan. Fondasi data yang kuat memberikan sistem AI konteks yang dibutuhkan untuk mendukung perencanaan, analisis, dan pelaporan, dengan jaminan bahwa sistem tata kelola telah ada.

Langkah-Langkah untuk Maju

Untuk menyiapkan perusahaan menuju keberhasilan jangka panjang, dekati ekspansi dan skalabilitas AI dengan ketelitian yang sama seperti yang digunakan untuk program transformasi perusahaan secara menyeluruh.

1. Data dan AI: Sebelum memulai, pahami sumber asli informasi dan tanyakan: Apakah data tidak lengkap? Apakah definisi bisnis tidak konsisten? Apakah pembatasan akses menghalangi sistem melihat konteks yang diperlukan? Apakah karyawan tidak memiliki alur kerja untuk menggunakan atau menantang output AI?
2. Buat fondasi: Penting untuk membangun fondasi data yang solid yang memprioritaskan domain data yang paling penting untuk kasus penggunaan awal. Tentukan kepemilikan dan terapkan akses dengan kontrol kualitas yang selaras sejak awal. Tujuannya adalah data berkualitas tinggi dan terkelola yang membangun kepercayaan serta mendorong keputusan yang lebih baik.
3. Identifikasi beberapa alur kerja penting di mana masalah bisnis sangat jelas; data tersedia, dan mudah mengukur keberhasilan. Buat agen yang fokus pada alur kerja tersebut, termasuk yang melibatkan intervensi manusia, untuk memastikan kualitas.

Apa yang Akan Datang

Keunggulan kompetitif berikutnya tidak akan datang dari akses ke AI. Keunggulan itu akan datang dari kemampuan mengubah data seluruh perusahaan menjadi kecerdasan perusahaan dan hasil bisnis yang terukur secara skala. AI Perusahaan akan ditentukan oleh seberapa baik model dibuat, dan agen yang dibangun di atasnya beroperasi secara bertanggung jawab dan produktif. Hidup dalam dunia data yang terfragmentasi, sumbernya buruk, dan tidak dikelola akan membatasi hasil bisnis yang positif. Perusahaan yang menghubungkan data, tata kelola, dan redesain alur kerja dapat mengubah eksperimen menjadi nilai jangka panjang. Jalan menuju AI agen dimulai dengan fondasi operasional dan data yang memungkinkan tindakan cerdas.