Masa Depan Kerja: Bagaimana AI dan Otomatisasi Mengubah Peran Kerja dan Model Bisnis

Dalam praktik profesional kami, kami telah menemukan dua pendapat yang berlawanan tentang AI dan dampaknya pada peran kerja dan model bisnis. Salah satu pihak khawatir tentang tingkat pengangguran yang meningkat dan kecerdasan buatan yang mengambil alih, sementara pihak lain percaya bahwa AI tidak akan membawa perubahan signifikan dan akan berakhir menjadi gelembung.

Sebagai 64% dari CIO menempatkan harapan tinggi pada penggunaan AI untuk meningkatkan operasi bisnis dan mengembangkan perusahaan, memahami kemampuan dan keterbatasan teknologi ini menjadi sangat penting. Apakah kecerdasan buatan benar-benar dapat memperkenalkan model bisnis baru, atau apakah harapan ini berakar pada bias?

Seperti biasa, jawaban yang sebenarnya terletak di antara keduanya.

Setiap revolusi teknologi telah diikuti oleh transformasi peran kerja dan rutinitas tempat kerja. Evolusi AI berjanji untuk mengubah tempat kerja dengan cepat dan mengarahkan perubahan sosial. Namun, ternyata AI tidak berdampak pada masyarakat seperti yang diharapkan, tetapi masyarakat dapat dan harus mempengaruhi AI.

Penurunan pengembangan LLM dan laporan terus-menerus tentang halusinasi AI membuat jelas bahwa sistem AI yang kita kenal saat ini tidak hanya jauh dari sempurna — mereka tidak memberikan apa yang diharapkan, dan pengembang menyadari hal ini. Penting untuk memahami bahwa masalahnya bukan dengan kecerdasan buatan, tetapi dengan hipe di sekitarnya. Alih-alih memperlambat dan fokus pada meningkatkan fitur yang ada, pengembang mulai menargetkan tujuan berikutnya. Akibatnya, banyak masalah potensial tetap tidak dieksplorasi dan diabaikan, menyebabkan berbagai masalah, seperti Google mengalami penurunan saham sebesar $100 miliar karena Bard AI-nya membuat kesalahan faktual yang tidak diperiksa.

Hasil ini menunjukkan bahwa jika AI memerlukan kontrol dan pemantauan untuk melakukan tugas dasar, terlalu dini untuk mempercayainya dengan tugas yang rumit. Banyak peran kerja memerlukan wawasan mendalam, pemikiran kritis, dan fleksibilitas yang kecerdasan buatan tidak miliki — dan ini tidak akan berubah dalam waktu dekat.

Seperti yang dikatakan oleh mantan kepala kelompok kesiapan AGI di OpenAI, efisiensi sebenarnya dari AI akan menjadi hasil dari dialog yang kuat antara bisnis, pemerintah, suara industri, profesional, dan warga. Saat ini, percakapan ini belum dimulai, dan akan memerlukan partisipasi penuh dari semua pihak yang terkait.

AI dalam model bisnis: mengeksplorasi nilai saat ini

Sementara era model bisnis yang didorong oleh AI tidak sesuatu yang harus kita harapkan dalam satu atau dua tahun, tidak dapat disangkal bahwa kecerdasan buatan telah berdampak signifikan pada cara perusahaan beroperasi dan mengelola aliran kerja mereka.

Secara umum, semuanya berkaitan dengan tiga pilar pendukung dari setiap perusahaan:

1. Analisis data

Semakin terhubung kita, semakin banyak data yang kita terima. Ini terutama benar untuk perusahaan — setiap tahun perjalanan bisnis menghasilkan banyak kumpulan data, dokumen, kertas, dan tangkapan layar. Setiap bit ini menawarkan nilai yang luar biasa, tetapi harus ditemukan terlebih dahulu. Bagi ahli manusia, menambang dan mengatur semua data tersebut akan memakan waktu berbulan-bulan, jika tidak bertahun-tahun. Namun, bagi kecerdasan buatan, ini hanya masalah hari, jika tidak detik. Dengan menyelami volume data yang besar, mengatur, dan mengorganisir — termasuk data tidak terstruktur — AI menghubungkan informasi penting dengan karyawan, pengambil keputusan, dan eksekutif, menghilangkan bottleneck data dan memungkinkan pengambilan keputusan yang lebih tajam pada setiap tingkat. Dengan AI, sejarah dan pandangan keseluruhan perjalanan perusahaan menjadi jauh lebih jelas, menambah keyakinan dan membantu pemimpin bisnis memahami apa yang mereka capai dan di mana mereka harus berada di masa depan.

2. Personalisasi interaksi pelanggan

Dengan kualitas pengalaman pelanggan di AS mencapai titik terendah, mengurangi waktu respons, memungkinkan interaksi yang dipersonalisasi, dan mengatasi kekhawatiran pelanggan secepat mungkin telah menjadi lebih penting dari sebelumnya bagi perusahaan. Namun, mencapai tujuan ini berarti mengambil setiap potongan data pelanggan: demografi, riwayat pembelian, frekuensi interaksi merek, dan banyak faktor lain. Tugas dengan skala ini terlalu besar untuk pusat panggilan atau tim dukungan untuk menanganinya, tetapi ini adalah kegiatan rutin untuk asisten AI. Dengan bekerja bersama, platform yang didukung AI dan karyawan manusia dapat menyediakan layanan pelanggan yang unggul dengan segera meneliti sejarah klien individu dan mengatasi kebutuhan spesifik mereka. Pendekatan ini menyediakan tingkat personalisasi dan empati yang pelanggan cari dari sebuah merek, memperkuat hubungan mereka dengan vendor dan memupuk loyalitas.

3. Manajemen risiko

Manajemen risiko adalah poin nyeri yang konstan dan tidak berubah bagi perusahaan — dan ini akan selalu tetap seperti itu. Semakin intens lanskap bisnis, semakin banyak skenario yang dievaluasi oleh eksekutif untuk menilai risiko keuangan dan reputasi dengan benar. Beberapa evaluasi didasarkan pada pemikiran kritis dan pengalaman, sementara yang lain memerlukan sejumlah besar data sejarah untuk mengungkapkan pola. Dalam kasus terakhir, kecerdasan buatan menawarkan bantuan besar dengan menangani deteksi anomali, mengidentifikasi pola, dan mendeteksi perilaku mencurigakan. Kemampuan ini mengurangi tekanan pada manajer, analis, dan eksekutif, memungkinkan mereka untuk mengidentifikasi ancaman sebelum mereka muncul — dan mempersiapkan diri sesuai.

Masa depan model bisnis AI: tetap perhatikan untuk lebih banyak

Salah satu poin terpenting untuk dipertimbangkan adalah bahwa jenis model bisnis yang didukung AI akan tetap tidak terdefinisi sampai nilai penuh dari kecerdasan buatan ditemukan. Dengan pemimpin bisnis masih ragu-ragu tentang menghitung ROI AI, ada kebutuhan untuk eksplorasi dan penelitian.

Adopsi kecerdasan buatan bukanlah perubahan kecil; ini memperkenalkan alur kerja yang sepenuhnya baru. Oleh karena itu, pemimpin bisnis perlu memahami alur kerja ini, mengidentifikasi KPI-nya, dan menentukan apa yang membuatnya berbeda dari rutinitas sebelumnya — dan menarik nilai transformasional berdasarkan analisis mereka.

Sebagai contoh, dalam banyak kasus, AI tidak hanya memperbaiki proses perusahaan — tetapi juga menciptakan proses baru yang memungkinkan mencapai hasil yang diinginkan. Namun, untuk memaksimalkan nilai dari hasil ini dan meletakkan dasar untuk model baru, setiap perusahaan memerlukan tiga komponen integral: proses, teknologi, dan orang-orang yang menggunakannya.