Apa yang Dapat Dipelajari oleh Generative AI dari Percobaan dan Kesalahan Komputasi Awan

Generative AI (GenAI) telah hadir, dengan organisasi di seluruh dunia menikmati kemampuan teknologi ini. Sudah, 72% dari organisasi melaporkan bahwa mereka saat ini menggunakan GenAI secara ekstensif atau secara terbatas dan 26% lainnya sedang bereksperimen dengan teknologi ini. Namun, tahap adopsi GenAI ini masih dalam hari-hari awal.

Menurut McKinsey, hanya 1% dari eksekutif perusahaan yang menggambarkan peluncuran GenAI mereka sebagai “matang”, yang berarti teknologi ini telah sepenuhnya terintegrasi ke dalam alur kerja dan menghasilkan hasil bisnis yang signifikan. Menutup kesenjangan kematangan ini memerlukan koreksi kursus yang terus-menerus, sering kali terkait dengan hambatan penerapan, seperti biaya yang signifikan, ketidakpercayaan terhadap teknologi yang tidak terbukti, dan risiko regulasi. Jika tantangan ini terdengar familiar, mereka seharusnya – ketika tim IT pertama kali melompat untuk menerima awan sebagai hal besar berikutnya, banyak hambatan yang sama muncul.

Dua gelombang kegembiraan teknologi baru ini berbeda dalam beberapa cara. Sementara komputasi awan diterapkan dalam sistem yang lebih kritis awal, GenAI diadopsi lebih cepat dalam tahap pilot dan untuk kasus penggunaan yang terutama ditujukan untuk efisiensi dan peningkatan produktivitas. Namun, kurva belajar serupa: keduanya mendorong organisasi untuk berpikir dan bekerja secara berbeda.

Dengan merefleksikan pengalaman pendahulu komputasi awan, harapan GenAI hari ini dapat memposisikan diri mereka untuk masa depan yang lebih terinformasi.

Mengelola Biaya, Risiko, dan Perubahan: Belajar dari Kesalahan Awan

Mengembalikan jam ke saat teknologi awan mulai mendapatkan traksi, banyak organisasi memahami kompleksitas migrasi dan memperkirakan penghematan biaya jangka pendek. Sebagai hasilnya, sebagian besar organisasi tersebut menjadi korban tiga jebakan utama: manajemen biaya yang buruk, konfigurasi keamanan yang salah, dan resistensi alami yang datang dengan perubahan budaya dan organisasi.

Era awan mengajarkan kita bahwa hanya “mengangkat dan memindahkan” beban kerja – memindahkannya ke awan tanpa modernisasi – sering gagal untuk menghasilkan nilai. Serupa, inisiatif GenAI sering terhambat ketika organisasi mencoba memasukkan data warisan, tidak terstruktur, atau tidak terdokumentasi dengan baik ke dalam model baru yang kuat tanpa memperbarui fondasi data. Faktanya, proyek GenAI dapat menghasilkan hasil yang tidak memuaskan atau bahkan memperkuat ketidakefisienan yang ada. Pelajaran: teknologi saja tidak dapat mengatasi kelemahan dasar.

Seperti teknologi awan yang mengekspos kesenjangan dalam tata kelola, keterampilan, dan strategi jangka panjang, demikian juga GenAI. Jika karyawan mengadopsi alat GenAI tanpa pengawasan atau menggunakan teknologi di luar batas kebijakan penggunaan yang dapat diterima, risiko IT bayangan mungkin muncul kembali, bersama dengan kesulitan mengamankan pipa GenAI dan memastikan kepatuhan dalam skala besar. Paralel ini akan terus muncul ketika GenAI berpindah dari eksperimen ke integrasi perusahaan yang luas, memerlukan kerangka kerja keamanan siber yang kuat, rencana respons insiden, dan struktur tata kelola yang sama seperti yang ditemukan dalam awan.

Di luar manajemen risiko, penyebaran biaya yang tidak terkendali adalah masalah lama di teknologi. Awan tidak terkecuali dan ketika bisnis terus mengintegrasikan GenAI ke dalam alur kerja mereka, mereka menghadapi eskalasi biaya yang serupa.

Sejumlah organisasi yang mencoba meningkatkan strategi manajemen biaya mereka berpaling ke FinOps sebagai solusi. Dengan menggunakan wawasan data yang tepat waktu untuk membantu meningkatkan peramalan dan mendorong akuntabilitas dan kolaborasi lintas fungsional, infrastruktur FinOps yang komprehensif telah terbukti sangat berharga untuk mengurangi pengeluaran berlebihan dan memaksimalkan nilai bisnis. Prinsip FinOps tidak terbatas pada manajemen biaya awan saja, menawarkan opsi yang layak untuk pengeluaran GenAI juga.

Menerapkan Pelajaran Awan ke dalam Praktik GenAI

Hingga akhir tahun ini, Gartner memprediksi bahwa setidaknya 30% dari proyek GenAI akan ditinggalkan setelah konsep bukti. Ketika hypes melebihi kenyataan, pola tersembunyi di balik kegagalan proyek GenAI – seperti data yang tidak siap, kepemilikan bisnis yang tidak jelas, atau kompleksitas yang tidak perlu – sering tidak terlihat dalam kerusuhan untuk mengadopsi teknologi baru. Mengenali dan mengatasi sinyal-sinyal ini lebih awal dapat membuat perbedaan antara kesuksesan GenAI dan proyek lain yang ditinggalkan. Pemimpin yang secara aktif memantau sinyal-sinyal ini, bukan memotong proses, mempersiapkan tim mereka untuk kesuksesan jangka panjang.

Saat adopsi disetujui, perusahaan harus menekankan proyek pilot GenAI kecil untuk menguji dan memastikan nilai dunia nyata daripada melompat ke skala perusahaan segera. Sangat penting bahwa perusahaan memulai dengan beberapa kasus penggunaan yang jelas, terdefinisi dengan baik, dan memiliki tujuan ROI yang jelas yang dipetakan kembali ke kebutuhan bisnis nyata.

Hal ini memastikan kemenangan awal, membangun kepercayaan internal, dan menghindari pemborosan waktu dan sumber daya pada eksperimen generik. Dengan mengikat adopsi GenAI ke hasil yang nyata – seperti mengotomatisasi ringkasan dukungan pelanggan atau mempercepat tinjauan kode – organisasi dapat menunjukkan nilai dengan cepat, memperbaiki pendekatan mereka, dan menskalakan strategi lebih strategis. Ini juga membantu menyelaraskan upaya teknis dengan tujuan bisnis, yang merupakan tempat banyak proyek GenAI saat ini gagal.

Dari sana, membangun pemeriksaan dan keseimbangan yang kuat, pemantauan berkelanjutan, dan kebijakan tata kelola yang jelas merupakan langkah kritis berikutnya untuk penggunaan dan kepatuhan yang bertanggung jawab. Berinteraksi dengan ahli eksternal dapat menjadi langkah pertama yang baik dalam menavigasi lanskap regulasi yang kompleks dan terus berkembang saat ini. Dengan berinvestasi dalam alat dan infrastruktur yang tepat pada awal proses implementasi GenAI, serta pelatihan berkelanjutan, organisasi dapat membangun fondasi untuk kesuksesan yang berkelanjutan.

Mencapai Keseimbangan yang Tepat dengan Inovasi GenAI

Dengan menerapkan pelajaran dari era awan dengan disiplin dan penglihatan, organisasi dapat menghindari kesalahan yang mahal dan membuka potensi penuh GenAI – secara aman, berkelanjutan, dan dalam skala besar.

GenAI diprediksi akan tetap menjadi kekuatan yang kuat, dengan 70% dari CEO melaporkan bahwa mereka berharap teknologi ini akan mempengaruhi model bisnis mereka dalam tiga tahun ke depan. Sebuah angka yang meningkat menjadi 89% di antara mereka yang sudah menggunakan teknologi ini. Jelas bahwa potensi transformasional GenAI membuktikan nilai bagi pengambil keputusan eksekutif, tetapi dampak besar yang berkelanjutan masih bergantung pada mengatasi hambatan kepercayaan, tata kelola, dan integrasi.