Meskipun telah berinvestasi besar-besaran pada platform AI modern, model canggih, dan talenta ilmu data yang terampil, banyak pemimpin bisnis belum sepenuhnya menyadari nilai inisiatif-inisiatif ini. Terlepas dari semua potensi yang ditawarkan AI, satu fakta yang disayangkan tetap ada: terlalu banyak model yang tidak pernah melewati tahap pembuktian konsep, terutama dalam fungsi-fungsi penting untuk memasuki pasar (go-to-market/GTM).

Masalahnya bukan terletak pada teknologinya sendiri, melainkan pada kesenjangan antara pengembangan model dan eksekusi bisnis. Penelitian Alexander Group baru-baru ini menemukan bahwa 83% perusahaan menyebutkan kurangnya kasus penggunaan yang relevan sebagai penyebab utama kegagalan. alasan utama mereka tidak berinvestasi lebih lanjut dalam AIHal ini menunjukkan bahwa tantangan ROI AI mungkin bukan tentang data—melainkan tentang keselarasan strategis.

Membawa AI dari tahap eksperimental ke operasional membutuhkan dukungan dari seluruh lini bisnis, dimulai dari operasi pendapatan (RevOps). Dari mendefinisikan kasus penggunaan hingga memastikan kesiapan penerapan, RevOps dapat membantu menjembatani kesenjangan nilai AI dan membuka dunia penuh kemungkinan.

RevOps + Ilmu Data = Kesuksesan AI

Model AI tidak menghasilkan nilai dengan sendirinya, dan penerapannya secara efektif membutuhkan lebih dari sekadar kecakapan teknis. Sementara tim ilmu data berfokus pada pembangunan model menggunakan kerangka kerja standar seperti Proses Standar Lintas Industri untuk Penambangan Data (CRISP-DM)—yang mencakup pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan—RevOps adalah fungsi yang memastikan model-model tersebut selaras dengan prioritas bisnis yang sebenarnya.

Bahkan, Operasi Rev Seringkali memiliki lebih banyak bagian dari siklus hidup penerapan AI dibandingkan tim ilmu data pada umumnya. Bertindak sebagai penerjemah antara strategi bisnis dan eksekusi teknis, RevOps membantu menentukan KPI, memperjelas tujuan GTM, dan mengkurasi input data yang tepat. Setelah model dibangun, RevOps memvalidasi output-nya terhadap logika bisnis dunia nyata, mengintegrasikannya ke dalam sistem GTM yang ada, mengotomatiskan alur kerja penjualan dan pemasaran di sekitarnya, dan melatih tim pendapatan tentang cara menafsirkan dan menindaklanjuti wawasan yang dihasilkan.

Tanpa fungsi penghubung ini, model AI berisiko terus berfungsi sebagai perangkat lunak yang berpotensi tinggi.

Penyelarasan Strategis Mendorong ROI yang Nyata

Untuk memperoleh nilai nyata dari AI, tim RevOps dan ilmu data harus selaras dalam tiga area utama: kasus penggunaan, manajemen data, dan kejelasan peran.

Terdapat kasus penggunaan AI/ML yang relevan untuk setiap tahap siklus hidup pelanggan. Baik untuk menangani pembangkitan permintaan, prediksi churn, maupun ekspansi pelanggan, AI dapat mendorong dampak di seluruh siklus hidup, mulai dari model pembelajaran mesin dasar hingga AI generatif tingkat lanjut.

Berbagi data juga penting untuk memastikan keselarasan AI antara tim RevOps dan ilmu data. Bersama-sama, tim-tim ini dapat membangun set data yang kuat dan terpadu untuk mendorong keberhasilan AI dengan menyelaraskan definisi data bersama dan memanfaatkan jangkauan organisasi gabungan mereka untuk mengakses informasi yang mereka butuhkan.

Peran dan jalur yang jelas menjadi kunci dalam gerakan ini, dengan setiap tim berpartisipasi aktif dalam menghubungkan AI dengan hasil bisnis. RevOps berperan sebagai penerjemah bisnis dengan memunculkan kasus penggunaan, membentuk KPI, dan memastikan keluaran model dapat ditindaklanjuti. Sementara itu, tim ilmu data tetap terlibat erat untuk memastikan pekerjaan mereka selaras dengan tujuan organisasi yang lebih luas guna mendorong pertumbuhan.

Pekerjaan Tidak Berhenti Disitu

Memastikan keselarasan antara RevOps dan ilmu data tidak hanya sebatas mengadakan rapat kolaboratif dan bertukar email. Integrasi tim yang sesungguhnya bergantung pada pembelajaran dan upaya bersama yang berkelanjutan.

Tim RevOps papan atas semakin meningkatkan pengetahuan teknis mereka untuk meningkatkan kemampuan penerjemahan bisnis, mendalami bidang-bidang seperti intelijen bisnis dan pergudangan data, otomatisasi dan analitik swalayan, admin dan konfigurasi sistem, serta dukungan pengembangan perangkat lunak TI. Dengan pengetahuan mendalam tentang topik-topik yang lebih teknis, RevOps dapat memperoleh lebih banyak wawasan dengan AI dan memahami bahasa tim ilmu data untuk mendorong kesuksesan.

Sementara itu, tim-tim ilmu data tingkat atas tetap bekerja sama dengan RevOps untuk memahami kebutuhan dan tujuan bisnis yang terus berkembang, termasuk apa yang dibicarakan dan diprioritaskan oleh jajaran eksekutif (C-suite) seiring terjadinya pergeseran pasar. Ini berarti ilmu data menghabiskan lebih banyak waktu di lapangan, berpartisipasi dalam sesi tanya jawab, melakukan wawancara pelanggan, dan mengkaji solusi dari perspektif pengguna akhir untuk mendapatkan pemahaman yang lebih mendalam dan holistik tentang penciptaan nilai.

It’s Time to Operationalize AI with RevOps

Memaksimalkan potensi AI bukanlah soal data yang lebih banyak, model yang lebih baik, atau bahkan investasi yang lebih besar—melainkan tentang menyatukan fungsi-fungsi bisnis inti untuk menciptakan dampak yang nyata. Dengan bertindak sebagai jembatan antara kapabilitas teknis dan eksekusi komersial, RevOps—bersama tim ilmu data—memastikan inisiatif AI bukan sekadar eksperimental. Dari mendefinisikan kasus penggunaan berdampak tinggi dan membentuk fondasi data yang tepat, hingga mendorong penerapan dan adopsi di seluruh organisasi GTM, RevOps memiliki kemampuan untuk mengubah AI dari sekadar ide menjadi pendorong pertumbuhan yang sesungguhnya.