Kecepatan AI: Fase Berikutnya dalam Masa Depan Inovasi

Sejak munculnya ChatGPT, dunia telah memasuki siklus ledakan AI. Namun, apa yang tidak disadari oleh banyak orang adalah bahwa AI tidak benar-benar baru — itu telah ada selama beberapa waktu. Bahkan di hari-hari awal mesin pencari Google yang banyak digunakan, otomatisasi ada di jantung hasil pencarian. Sekarang, dunia mulai menyadari seberapa banyak AI sudah tertanam dalam kehidupan sehari-hari kita dan seberapa banyak potensi yang belum terungkap.

Kecepatan adopsi dan inovasi AI bergerak sangat cepat — mencapai sekitar $1 triliun dalam pengeluaran — sehingga banyak orang bertanya-tanya apakah kita dapat secara akurat memprediksi ekspansi model masa depan bahkan dua tahun dari sekarang. Ini diperkuat lebih lanjut karena perusahaan teknologi seperti Meta, Alphabet, Microsoft, Oracle, dan OpenAI mengumumkan putaran demi putaran kemajuan dan model AI baru untuk mencoba mengikuti permintaan industri. Pembuat chip AI Nvidia tumbuh sangat cepat, bisnisnya bahkan tidak dapat dievaluasi dengan benar.

Apa yang kita ketahui tentang kecepatan AI adalah bahwa seiring dengan peningkatan kuantitas data dan kualitas data, kemampuan AI untuk menggerakkan inovasi untuk kegiatan bisnis, aplikasi, dan proses di seluruh industri juga akan meningkat. Untuk memperkirakan di mana AI akan berada dalam beberapa tahun, kita harus memahami bahwa kasus penggunaan AI ada dua jenis. Yang pertama adalah bahwa AI merupakan teknologi pengaktif, memperbaiki solusi yang ada untuk membuatnya lebih efisien, akurat, dan berdampak. Yang kedua adalah bahwa AI memiliki potensi untuk menjadi teknologi inovator dengan membuat kemajuan atau solusi yang tidak terbayangkan menjadi nyata.

Mempertimbangkan Kembali Kecepatan AI Sepanjang Sejarah

Meskipun terasa seperti gemuruh di balik AI dimulai ketika OpenAI meluncurkan ChatGPT pada 2022, asal-usul kecerdasan buatan dan pemrosesan bahasa alami (NLPs) berasal dari beberapa dekade yang lalu. Algoritma, yang merupakan dasar untuk AI, pertama kali dikembangkan pada 1940-an, meletakkan dasar untuk pembelajaran mesin dan analisis data. Penggunaan awal AI di industri seperti manajemen rantai pasokan (SCM) berasal dari 1950-an, menggunakan otomatisasi untuk memecahkan masalah dalam logistik dan manajemen persediaan. Pada 1990-an, pendekatan berbasis data dan pembelajaran mesin sudah umum di bisnis. Ketika 2000-an berkembang, teknologi seperti otomatisasi proses robotik (RPA) merampingkan tugas-tugas sederhana di seluruh fungsi bisnis yang kompleks dan administratif.

Kemudian datanglah ChatGPT. Sangat jelas bahwa persepsi tentang AI telah berubah karena AI generatif. Sebelum penciptaan GenAI, konsumen tidak memahami mekanisme otomatisasi, apalagi kekuatan otomatisasi untuk bisnis. AI mendasari banyak teknologi modern, seperti Mesin Pencari Google. Sebagian besar konsumen percaya Google untuk menyediakan jawaban yang akurat untuk pertanyaan tak terhitung, mereka jarang mempertimbangkan proses dan algoritma kompleks yang terlibat dalam menampilkan hasil tersebut di layar komputer mereka. Namun, melihat adalah percaya — dengan ChatGPT, dunia mulai melihat kasus penggunaan nyata. Masih, ada kesalahpahaman tentang seberapa terintegrasi AI dalam kehidupan sehari-hari kita — bahkan di dunia bisnis. Seperti disebutkan di atas, AI memungkinkan teknologi yang ada untuk menjadi lebih baik dan, seperti mikrochip Intel, AI berada di latar belakang teknologi yang kita gunakan setiap hari.

Jika pemimpin tidak dapat memahami besarnya AI, bagaimana mereka dapat diharapkan untuk berhasil mengadopsi AI ke dalam operasi bisnis sehari-hari? Itulah masalahnya.

Tantangan Adopsi dan Pertumbuhan

Jika seseorang bertanya kepada alat GPT, ‘apa yang profesional pengadaan dan rantai pasokan kemungkinan katakan tentang AI’, itu mungkin menyoroti kesenjangan pengetahuan terkait adopsi AI. Secara global, adopsi AI meningkat secara eksponensial dalam setahun terakhir setelah pertumbuhan terbatas di tahun-tahun sebelumnya. Selama enam tahun terakhir, hanya 50% pemimpin bisnis mengatakan bahwa mereka berinvestasi dalam teknologi AI di seluruh operasi mereka. Pada 2024, tingkat adopsi melompat ke 72%, menunjukkan bahwa pemimpin bisnis baru saja menyadari potensi AI untuk meningkatkan organisasi mereka di semua lini bisnis.

Namun, untuk mewujudkan nilai penuh AI, diperlukan lebih dari sekadar menggelar solusi canggih. Ini membutuhkan akses ke data yang tepat — data yang menyediakan konteks kaya tentang pola pengeluaran bisnis yang sebenarnya, kinerja pemasok, dinamika pasar, dan kendala dunia nyata. Akses data yang tidak memadai berarti hidup atau mati untuk inovasi AI dalam perusahaan. Setidaknya 30% dari semua proyek GenAI diperkirakan akan ditinggalkan karena kualitas data yang buruk, di antara tantangan lain seperti kontrol risiko yang tidak memadai, biaya yang meningkat atau nilai bisnis yang tidak jelas. Namun, ada banyak tantangan lain yang dihadapi bisnis ketika mengadopsi AI dan membawanya ke skala.

Di organisasi besar, sayangnya umum terjadi adanya silo yang dapat memaparkan bisnis pada risiko besar. Ambil, misalnya, industri rantai pasokan. Rantai pasokan memainkan peran kritis dalam strategi bisnis dan bagi organisasi global besar, skala terhubung dari sektor ini hampir tidak terbayangkan. Jika satu aspek bisnis beroperasi dalam silo, itu dapat memaparkan seluruh organisasi pada risiko besar. Jika tim rantai pasokan tidak mengkomunikasikan perubahan dalam permintaan kepada pemasok mereka, bagaimana pemimpin dapat diharapkan untuk kemudian membuat perkiraan yang akurat? Jika tim penjualan tidak mengkomunikasikan perkiraan yang diperbarui kepada pengadaan, mereka mungkin mengamankan kontrak jangka panjang berdasarkan informasi yang sudah ketinggalan zaman, mengunci kesepakatan yang mungkin tidak sejalan dengan permintaan pelanggan saat ini.

Apakah itu silo organisasional atau silo informasional, kurangnya komunikasi dapat menyebabkan kegagalan dalam layanan pelanggan, menciptakan ketidakefisienan, dan menghentikan inovasi secara keseluruhan. AI dapat membuktikan nilainya dalam mengatasi silo-silo ini: jika teknologinya terhubung secara efisien, maka karyawan dan pemasok mereka juga dapat terhubung.

Pemimpin bisnis secara aktif berinvestasi dalam solusi AI yang ditenagai untuk menggerakkan otomatisasi proses, kemampuan sumber, visibilitas dan kontrol pengeluaran, serta profitabilitas secara keseluruhan. Untuk menemukan kesuksesan dengan kemampuan AI ini dan mencapai tujuan manajemen pengeluaran total mereka, perusahaan harus bekerja sama untuk memupuk transparansi dan bekerja menuju tujuan yang sama.

Evolusi Berikutnya untuk AI

Saat ini, kasus penggunaan terbaik untuk AI yang benar-benar menggerakkan efisiensi bisnis dan pertumbuhan adalah mengotomatisasi tugas-tugas administratif sederhana. Apakah itu efisiensi alur kerja, ekstraksi dan analisis data, manajemen persediaan, atau perawatan prediktif, pemimpin menyadari bahwa AI dapat mempercepat tugas-tugas yang membosankan dan memakan waktu dengan kecepatan dan presisi yang luar biasa. Meskipun tampak sederhana, ketika digunakan dalam industri seperti rantai pasokan atau pengadaan, kasus penggunaan seperti ini dapat menyelamatkan bisnis dari jumlah jam yang tak terhitung dan miliaran dolar.

Kita telah membahas AI sebagai teknologi pengaktif — namun masih ada potensi yang belum terungkap untuk AI menjadi teknologi inovator. Ketika kita berada di ambang tahun baru, ada banyak kemajuan AI yang pemimpin bisnis harus waspadai di cakrawala.

Untuk manajemen rantai pasokan dan pengadaan secara khusus, salah satu kemajuan ini akan menjadi peningkatan dalam sumber daya otonom. Dengan menggunakan AI dan teknologi canggih lainnya, bisnis dapat mengotomatisasi tugas-tugas yang tradisional bergantung pada manusia, seperti sumber daya dan kontrak, untuk menggerakkan efisiensi dan membebaskan sumber daya dengan memungkinkan AI menganalisis jumlah data yang besar, mengidentifikasi tren, dan membuat keputusan sumber daya yang terinformasi dalam waktu nyata. Sumber daya otonom sepenuhnya tidak hanya menawarkan penghematan biaya yang tidak tertandingi dengan menyelamatkan waktu karyawan, mempromosikan efisiensi, dan mengurangi kesalahan, tetapi juga dapat memitigasi risiko penipuan dan pemalsuan dengan terus memastikan kepatuhan terhadap standar etika dan keberlanjutan.

Namun, bahkan sebelum memperkenalkan sumber daya otonom, perusahaan harus fokus pada penyampaian pengalaman pengguna (UX) yang intuitif, efisien, dan mudah dinavigasi baik untuk tim pengadaan maupun pemasok. Setelah UX yang hiper-personalisasi dibuat, bisnis dapat mengimplementasikan solusi otonom secara kohesif.

Hasil dari AI bukan hanya meningkatkan ROI bisnis, tetapi juga meningkatkan pengambilan keputusan, memprediksi pola masa depan, dan membangun ketahanan. Eksekutif tingkat C di seluruh sektor semakin melihat adopsi teknologi AI sebagai esensial untuk mengubah dan memastikan operasi mereka melalui otomatisasi. Over time, seperti teknologi lain sebelumnya, AI akan menjadi semakin murah sementara nilai outputnya akan terus meningkat. Ini memberi kita alasan yang cukup untuk optimis tentang masa depan AI dan peran seimbang yang akan dimainkannya dalam kehidupan kita — baik bisnis maupun pribadi.