Mengapa AI Perusahaan Terhenti, dan Apa yang Diperlukan untuk Skala Lebih Lanjut dari Pilot

Tiga tahun yang lalu, kebanyakan pemimpin perusahaan berada dalam penolakan terhadap AI. Pandangan yang dominan adalah bahwa ini hanyalah kebisingan pasar, atau sekadar mainan cerdas, tetapi bukan teknologi kelas perusahaan. “Halusinasi” adalah kata yang ada di benak semua orang. Dalam setahun terakhir saja, skeptisisme itu hampir sepenuhnya berbalik. Harapan kini berada pada puncaknya, dengan dewan direksi yakin bahwa AI akan mengubah setiap peran dan setiap proses.

Namun kedua ekstrem tersebut melewatkan inti masalah. AI bukan sekadar tren sesaat maupun tongkat sihir. Ini adalah transformasi paling menyeluruh yang pernah dilihat industri; lebih besar daripada cloud, yang pada dasarnya tentang efisiensi dan fleksibilitas. AI adalah transformasi bisnis. Itulah mengapa begitu banyak organisasi, setelah menjalankan pilot yang memukau, menemukan diri mereka terjebak. State of AI survei dari McKinsey & Company menangkap skala masalah: hampir dua pertiga responden mengatakan organisasi mereka belum memulai skala AI di seluruh perusahaan.

Kendala Nyata Bukan Kemampuan

Sangat menggoda untuk menyalahkan teknologi, tetapi itu akan salah. Pada tahap ini, model frontier memiliki kemampuan yang luar biasa. Kesulitannya terletak pada mengintegrasikan AI ke dalam proses bisnis nyata untuk menghasilkan hasil yang dapat diukur.

Penelitian IDC menemukan bahwa 88% bukti konsep AI gagal mencapai penyebaran produksi, yang berarti untuk setiap 33 yang diluncurkan, hanya empat yang berhasil melewatinya. Alasan jarang terletak pada teknologi itu sendiri. Sebuah pilot menunjukkan apa yang mungkin; skala menuntut organisasi mengubah cara kerja sebenarnya dilakukan. Itu adalah upaya yang jauh lebih rumit daripada yang diperkirakan kebanyakan pemimpin. Ini melibatkan manajemen perubahan, gesekan antar fungsi, siklus anggaran yang tidak pernah dirancang untuk jenis investasi ini, dan tugas berat mendesain ulang alur kerja dari ujung ke ujung. Inilah mengapa perjalanan dari bukti konsep ke produksi memakan waktu lebih lama daripada yang dibesar-besarkan: perusahaan bersifat kompleks, dan kompleksitas menolak jalan pintas.

Pemimpin harus menahan refleks “adopsi AI sekarang” yang menghasilkan percobaan yang tersebar dan terputus. Mulailah dengan mendefinisikan masalah spesifik dan hasil yang diharapkan, misalnya mengurangi waktu penyelesaian layanan, mengambil pengetahuan lebih cepat, memperpendek siklus pengembangan. Ketika AI dirancang di sekitar alur kerja yang terdefinisi, dampaknya menjadi terukur, dan dampak terukur memperoleh hak untuk diskalakan.

Yang Terlihat dan yang Tak Terlihat

Agen adalah cara AI menjadi hidup di dalam perusahaan, dan mereka terbagi menjadi dua kelas. Pertama, agen asisten adalah bantuan yang terlihat yang merangkum email atau membantu pengembang menulis kode. Kedua, agen terjalin secara tak terlihat ke dalam alur kerja, merekonsiliasi akun, menjalankan rantai persetujuan, dan menandai penipuan. Agen-agen ini harus benar-benar kelas perusahaan: dapat diskalakan ke volume besar, memberikan akurasi, menawarkan keterlacakan penuh, dan beroperasi dalam batasan AI yang bertanggung jawab.

Berita utama yang mengumumkan “jumlah agen” tidak berarti banyak, karena tidak ada cara standar untuk menghitung agen. Yang penting adalah pekerjaan yang dicapai oleh kombinasi manusia-dan-agen. Produktivitas yang dipimpin agen mungkin menghemat satu juta dolar; membayangkan kembali proses bisnis dengan tim orang-dan-agen dapat menghasilkan seratus juta dari upaya yang sama, dan itulah yang harus dicari oleh para pemimpin.

Tata Kelola, Kepercayaan, dan Uji Hari Hujan

Pemilikan hasil sangat penting untuk memastikan keberhasilan. Mudah untuk menerapkan AI ketika sepuluh kesalahan dapat ditoleransi; namun berbeda ketika proses harus berjalan tanpa cela pada skala besar. Prinsip panduan adalah uji hari hujan: ketika AI menolak bekerja sama, namun bisnis tetap berjalan. Oleh karena itu, tata kelola bukan musuh kecepatan melainkan pendorongnya. Sementara itu, fleksibilitas tanpa tata kelola menghasilkan kekacauan, dan tata kelola tanpa fleksibilitas mencekik inovasi. Apa yang pada akhirnya menahan AI adalah rasa takut, kepercayaan, keamanan, dan kontrol atas data milik sendiri. Kecemasan ini menentukan apakah sebuah perusahaan akan berskala atau membeku.

Menentukan Ukuran Arsitektur yang Tepat

Secara penting, untuk 80 hingga 90 persen kasus penggunaan perusahaan, model frontier tidak diperlukan. Model bahasa kecil yang dibangun dengan data organisasi sendiri, sering bekerja berdampingan dengan model frontier, adalah jawaban yang lebih cerdas. Biaya per token turun secara eksponensial, namun model penalaran dan perluasan jendela konteks meningkatkan konsumsi secara tajam, menjadikan optimisasi token peluang signifikan tersendiri.

Membangun untuk Gelombang Berikutnya

Dalam setiap gelombang teknologi, nilai terwujud di ujung ketika bisnis benar-benar menggunakan teknologi tersebut. Pengeluaran hari ini berada di lapisan infrastruktur, seperti biasanya pada tahap awal siklus teknologi. Gelombang berikutnya yang lebih besar adalah adopsi secara skala.

Para pemimpin bisnis harus mencatat bahwa AI perusahaan tidak terhenti karena teknologinya lemah. Ia terhenti karena organisasi memperlakukan transformasi bisnis sebagai proyek teknologi. Pemenang akan menjadikan AI proses bisnis yang terpercaya, dapat diulang, dan dapat dipertanggungjawabkan, kemudian memiliki kesabaran untuk menskalakannya dan memanfaatkan gelombang yang lebih besar di depan.