Meskipun investasi besar dalam platform AI modern, model canggih, dan bakat ilmu data yang terampil, banyak pemimpin bisnis belum mengenali nilai penuh dari inisiatif ini. Untuk semua janji AI, satu kebenaran yang tidak menguntungkan tetap ada: terlalu banyak model tidak pernah melewati tahap konsep bukti, terutama dalam fungsi go-to-market (GTM) yang kritis.

Masalahnya bukanlah teknologi itu sendiri, tetapi celah antara pengembangan model dan eksekusi bisnis. Penelitian Alexander Group terbaru menemukan bahwa 83% perusahaan menyebutkan kurangnya kasus penggunaan yang relevan sebagai alasan utama mereka tidak berinvestasi lebih lanjut dalam AI. Ini menunjukkan bahwa tantangan ROI AI mungkin tidak tentang data, tetapi tentang keselarasan strategis.

Mengambil AI dari eksperimental ke operasional memerlukan dukungan dari semua area bisnis, dimulai dengan operasi pendapatan (RevOps). Dari mendefinisikan kasus penggunaan hingga memastikan kesiapan penerapan, RevOps dapat membantu membangun jembatan antara kesenjangan nilai AI dan membuka dunia kemungkinan.

RevOps + Ilmu Data = Kesuksesan AI

Model AI tidak mengemudi nilai secara mandiri, dan menerapkannya secara efektif memerlukan lebih dari sekadar keahlian teknis. Sementara tim ilmu data fokus pada membangun model menggunakan kerangka standar seperti Cross Industry Standard Process for Data Mining (CRISP-DM) – mencakup pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan – RevOps adalah fungsi yang memastikan model tersebut selaras dengan prioritas bisnis yang sebenarnya.

Faktanya, RevOps sering memiliki lebih banyak dari siklus hidup penerapan AI daripada tim ilmu data yang biasa. Berperan sebagai penerjemah antara strategi bisnis dan eksekusi teknis, RevOps membantu mendefinisikan KPI, memperjelas tujuan GTM, dan mengkurasi input data yang tepat. Setelah model dibangun, RevOps memvalidasi outputnya melawan logika bisnis dunia nyata, memasukkannya ke dalam sistem GTM yang ada, mengotomatisasi alur kerja penjualan dan pemasaran di sekitarnya, dan melatih tim pendapatan tentang cara menafsirkan dan bertindak berdasarkan wawasan yang dihasilkan.

Tanpa fungsi penghubung ini, model AI berisiko terus berfungsi sebagai perangkat lunak yang memiliki potensi tinggi tetapi tidak digunakan.

Keselarasan Strategis Mengemudi ROI yang Nyata

Untuk mendapatkan nilai nyata dari AI, RevOps dan tim ilmu data harus selaras di tiga area kunci: kasus penggunaan, manajemen data, dan kejelasan peran.

Ada kasus penggunaan AI/ML yang relevan untuk setiap tahap siklus hidup pelanggan. Apakah menangani generasi permintaan, prediksi kehilangan, atau ekspansi pelanggan, AI dapat mengemudi dampak di seluruh siklus hidup, mulai dari model machine learning dasar hingga AI generatif yang canggih.

Berbagi data juga sangat penting untuk memastikan keselarasan AI antara RevOps dan tim ilmu data. Bersama, tim-tim ini dapat membangun dataset yang kuat dan terpadu untuk mengemudi kesuksesan AI dengan menyelaraskan definisi data yang sama dan mengakses informasi yang mereka butuhkan melalui jangkauan organisasional yang gabung.

Peran yang jelas dan jalur renang yang jelas adalah kunci di seluruh gerakan ini, dengan setiap tim secara aktif berpartisipasi dalam menghubungkan AI dengan hasil bisnis. RevOps berfungsi sebagai penerjemah bisnis dengan menampilkan kasus penggunaan, membentuk KPI, dan memastikan output model dapat diaktifkan. Sementara itu, tim ilmu data tetap terlibat untuk memastikan pekerjaan mereka selaras dengan tujuan organisasional yang lebih luas untuk mengemudi pertumbuhan.

Pekerjaan Tidak Berhenti Di Sini

Memastikan keselarasan antara RevOps dan tim ilmu data tidak berakhir dengan mengadakan pertemuan kolaboratif dan bertukar email. Integrasi tim yang sebenarnya bergantung pada pembelajaran dan upaya berkelanjutan yang bersama.

Tim RevOps teratas semakin meningkatkan pengetahuan teknis mereka untuk meningkatkan kemampuan terjemahan bisnis, menggali lebih dalam ke area seperti intelijen bisnis dan gudang data, otomatisasi dan analitik self-service, konfigurasi dan dukungan pengembangan perangkat lunak IT. Dengan pengetahuan yang lebih mendalam tentang topik teknis, RevOps dapat mengambil wawasan yang lebih dalam dengan AI dan berbicara bahasa tim ilmu data untuk mengemudi kesuksesan.

Sementara itu, tim ilmu data teratas tetap sejalan dengan RevOps untuk memahami kebutuhan dan tujuan bisnis yang berkembang, termasuk apa yang dibicarakan dan diprioritaskan oleh C-suite saat pergeseran pasar terjadi. Ini berarti ilmu data menghabiskan lebih banyak waktu di lapangan, berpartisipasi dalam perjalanan, melakukan wawancara pelanggan, dan melihat solusi dari perspektif pengguna akhir untuk mendapatkan pemahaman yang lebih dalam dan holistik tentang penciptaan nilai.

Saatnya Mengoperasikan AI dengan RevOps

Membuka potensi penuh AI bukanlah soal lebih banyak data, model yang lebih baik, atau bahkan investasi yang lebih besar – itu tentang menggabungkan fungsi bisnis inti untuk membuat dampak yang nyata. Dengan berperan sebagai jembatan antara kemampuan teknis dan eksekusi komersial, RevOps – bersama dengan tim ilmu data – memastikan inisiatif AI tidak hanya eksperimental. Dari mendefinisikan kasus penggunaan yang berdampak tinggi dan membentuk fondasi data yang tepat, hingga mengemudi penerapan dan adopsi di seluruh organisasi GTM, RevOps memiliki kemampuan untuk mengubah AI dari sekadar ide menjadi pengemudi pertumbuhan yang sebenarnya.