Tujuh Tren yang Diharapkan dalam Kecerdasan Buatan pada 2025

Tahun lain, investasi lain dalam kecerdasan buatan (AI). Itulah yang telah terjadi pada 2024, tetapi apakah momentum yang sama akan berlanjut pada 2025 ketika banyak organisasi mulai mempertanyakan ROI-nya?

Menurut sebagian besar analis, jawabannya adalah ya dengan investasi global yang diharapkan meningkat sekitar sepertiga dalam 12 bulan mendatang dan terus pada trajektori yang sama hingga 2028. Namun, meskipun anggaran mungkin meningkat, saya melihat pendekatan yang lebih hati-hati pada 2025 dengan perusahaan menjadi lebih selektif tentang jenis teknologi yang mereka butuhkan, dan lebih penting lagi, apakah teknologi tersebut dapat mengatasi tantangan bisnis nyata.

Dengan demikian, berikut beberapa prediksi saya untuk 2025:

1. Analisis yang Lebih Baik Sebelum Mengambil Keputusan

Dengan penekanan yang lebih besar pada ROI yang ditingkatkan, bisnis akan menggunakan AI itu sendiri untuk memastikan mereka menghabiskan uang dengan bijak. Salah satu masalah terbesar hingga saat ini adalah kecepatan untuk “melompat ke kereta” terutama sejak diperkenalkannya AI generatif dan LLM. Faktanya, sebanyak 63% pemimpin bisnis global mengakui bahwa investasi mereka dalam AI disebabkan oleh FOMO (takut ketinggalan), menurut studi terbaru. Ini adalah mengapa pendekatan yang didorong oleh data sangat penting. Mengikuti otomatisasi agen, kecerdasan proses kognitif akan fokus pada memberikan konteks yang lebih dalam tentang operasi bisnis, pada dasarnya memberikan AI kemampuan untuk bertindak sebagai konsultan operasional. Sistem ini akan dapat memetakan, menganalisis, dan memprediksi alur kerja kompleks dalam sebuah organisasi, kemudian merekomendasikan perbaikan berdasarkan analisis data waktu nyata dan pola masa lalu, di luar otomatisasi tugas sederhana. Ini akan menarik terutama bagi sektor seperti keuangan, logistik, dan manufaktur, di mana bahkan perbaikan kecil dalam operasi akan berarti penghematan biaya yang signifikan.

2. Era AI-First Membangkitkan Kembali Minat pada BPM

Zaman keemasan baru dalam manajemen proses bisnis (BPM) ada di cakrawala. Tidak sejak 1990-an, ketika munculnya perencanaan sumber daya perusahaan (ERP) memicu digitisasi yang meluas, perusahaan perlu mempertimbangkan kembali bagaimana mereka beroperasi untuk tetap kompetitif. Dua faktor yang mendorong perubahan ini. Pertama, perusahaan menyadari bahwa pertumbuhan dengan biaya apa pun tidak berkelanjutan dengan pergeseran menuju kinerja dan efisiensi untuk mencapai ekonomi unit yang sehat dan ROI positif. Kedua, hipe AI generatif dan agen mempercepat minat dan adopsi teknologi ini karena eksekutif perusahaan memerintahkan tim untuk mengeksplorasi kasus penggunaan, dengan tujuan untuk mendapatkan keunggulan pasar.

Model atau prompt yang paling efektif adalah tidak produktif dalam isolasi. Akibatnya, BPM kembali menjadi sorotan. Pengaruh AI yang akan datang pada hampir semua alur kerja perusahaan membuat penemuan proses, analisis, dan perancangan ulang menjadi fundamental untuk mengoperasikan program apa pun, apalagi menskalakannya. Dilema ini mirip dengan tantangan transformasi digital sebelumnya, yang mengalami tingkat keberhasilan yang buruk karena fokus teknologi yang berlebihan sambil mengabaikan pertimbangan manusia atau proses.

3. Sistem AI Multimodal yang Lebih Terintegrasi

AI multimodal yang menggabungkan teks, visi, audio, dan data sensor akan menjadi norma bagi bisnis yang mencari kesadaran situasional holistik. Ini akan melampaui analisis dokumen mandiri atau pengenalan suara; sistem terintegrasi akan dapat menarik kesimpulan dari beberapa modalitas untuk memberikan interpretasi yang lebih kaya dan akurat dari skenario kompleks.

Di sektor keuangan, AI multimodal dapat merevolusi layanan pelanggan dengan mengintegrasikan teks, suara, catatan transaksi, dan data perilaku untuk memberikan pemahaman komprehensif tentang kebutuhan pelanggan. Integrasi ini memungkinkan lembaga keuangan untuk menawarkan layanan yang dipersonalisasi, meningkatkan kepuasan pelanggan, dan meningkatkan efisiensi operasional.

Sebagai contoh, penasihat keuangan virtual yang ditenagai AI dapat menyediakan akses 24/7 ke saran keuangan, menganalisis pola pengeluaran pelanggan dan menawarkan tips anggaran yang dipersonalisasi. Selain itu, chatbot yang didorong AI dapat menangani volume tinggi pertanyaan rutin, mempermudah operasi dan menjaga pelanggan tetap terlibat.

Dengan memanfaatkan AI multimodal, lembaga keuangan dapat memprediksi kebutuhan pelanggan, mengatasi masalah secara proaktif, dan memberikan saran keuangan yang disesuaikan, sehingga memperkuat hubungan pelanggan dan memperoleh keunggulan kompetitif di pasar.

4. AI yang Siap Regulasi, Dapat Dijelaskan

Dengan peraturan global yang meningkat, akan ada fokus pada AI yang dapat dijelaskan dan transparan yang memenuhi persyaratan peraturan dari awal. Kami akan melihat penekanan yang lebih besar pada alat yang memungkinkan transparansi AI, pengurangan bias, dan jejak audit, yang memungkinkan perusahaan untuk mempercayai solusi AI mereka dan memverifikasi kepatuhan atas permintaan.

Pengembang AI kemungkinan akan menyediakan antarmuka yang memungkinkan pemangku kepentingan untuk menafsirkan dan menantang keputusan AI, terutama di sektor kritis seperti keuangan, asuransi, kesehatan, dan hukum.

Di luar transparansi, komitmen untuk AI yang bertanggung jawab akan menjadi prioritas karena perusahaan berusaha untuk memenangkan kepercayaan klien dan konsumen. OECD melaporkan lebih dari 700 inisiatif peraturan yang sedang dikembangkan di lebih dari 60 negara. Meskipun peraturan masih tertinggal dari inovasi, perusahaan akan berusaha untuk mengikuti kode etika sukarela, seperti yang dikembangkan oleh IEEE atau NIST, untuk menetapkan standar yang jelas. Dengan menerima transparansi, mematuhi praktik terbaik, dan berkomunikasi dengan jelas dengan pelanggan, mereka memupuk reputasi untuk keandalan yang menjembatani kesenjangan kepercayaan dalam AI dan meningkatkan loyalitas dan kepercayaan.

Audit eksternal juga akan tumbuh dalam popularitas untuk memberikan perspektif yang tidak memihak. Contoh dari ini adalah forHumanity sebuah organisasi nirlaba yang dapat menyediakan audit independen dari sistem AI untuk menganalisis risiko.

5. Desain AI yang Berorientasi pada Manusia

Karena alat AI menjadi lebih tertanam dalam kehidupan kita, pertimbangan etis dan desain AI yang berorientasi pada manusia akan tumbuh dalam pentingnya. Harapkan untuk melihat pergeseran menuju sistem AI yang dirancang dengan pendekatan humanistik, yang memprioritaskan pemberdayaan pengguna, inklusivitas, dan kesejahteraan.

Perusahaan kemungkinan akan berusaha untuk mengembangkan solusi AI yang menekankan kecerdasan kolaboratif—sistem AI yang meningkatkan pengambilan keputusan manusia daripada menggantinya. Ini mungkin juga termasuk fokus pada keselamatan psikologis dan kesejahteraan pengguna dalam interaksi manusia-mesin

6. Tahan Kuda Agentic

Batas antara otomatisasi deterministik dan agen akan memburuk pada 2025, menghasilkan sistem yang lebih terintegrasi, cerdas, dan adaptif yang meningkatkan berbagai aspek kehidupan dan industri kita. Namun, otomatisasi deterministik akan terus mendominasi dan menguasai setidaknya 95% dari otomatisasi dalam produksi tahun depan.

Tidak diragukan lagi bahwa otomatisasi agen, yang ditandai dengan sistem yang dapat membuat keputusan otonom dan beradaptasi dengan situasi baru, sangat menarik dan siap untuk membuat langkah besar. Dalam lingkungan dinamis di mana fleksibilitas dan adaptabilitas sangat penting, sistem ini akan memungkinkan interaksi yang lebih personal dan responsif, meningkatkan pengalaman pengguna dan hasil.

7. Penolakan terhadap LLM

Kemajuan dalam model bahasa besar (LLM) tidak kurang dari revolusioner. Namun, seperti halnya semua hal besar, mereka datang dengan serangkaian tantangan, terutama label harga sumber daya yang besar.

Banyak kelemahan AI generatif dan LLM berasal dari toko besar data yang harus dinavigasi untuk menghasilkan nilai. Tidak hanya ini meningkatkan risiko dalam hal etika, akurasi, seperti halusinasi, dan privasi, tetapi juga memperburuk jumlah energi yang diperlukan untuk menggunakan alat tersebut.

Sebagai gantinya, pada 2025, perusahaan akan beralih ke AI khusus yang dibangun untuk tugas dan tujuan yang lebih sempit. Ini seperti memotong kembali apa yang tidak benar-benar Anda butuhkan – seperti pohon Bonzi – Anda harus memotongnya, sehingga menjadi lebih ramping dan efisien. Dengan mengompresi model itu sendiri, presisi perhitungannya lebih kecil, meningkatkan kecepatan dan mengurangi kebutuhan energi untuk daya komputasi.

Rangkuman

Tanpa keraguan, 2025 akan menjadi tahun lain dengan investasi yang lebih besar dalam kecerdasan buatan, terutama AI generatif yang akan terus mengubah perusahaan dan pekerjaan di setiap sektor. Namun, pemimpin bisnis akan mengambil pendekatan yang lebih didorong oleh data dan holistik untuk investasi yang mencapai tujuan bisnis nyata, sambil memastikan standar dipenuhi dalam hal etika dan keberlanjutan. Pada akhirnya, potensi nyata AI terletak pada cara itu diterapkan dengan bijak dan strategis – jangan biarkan FOMO mengaburkan penilaian Anda.