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

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

Menurut McKinsey, hanya 1% dari eksekutif perusahaan yang menggambarkan peluncuran GenAI mereka sebagai “matang,” yang berarti teknologi ini sepenuhnya terintegrasi ke dalam alur kerja dan menghasilkan hasil bisnis yang substansial. Menutup kesenjangan kematangan ini memerlukan koreksi kursus yang berkelanjutan, sering kali berkaitan 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 mengadopsi 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 primair ditujukan untuk efisiensi dan peningkatan produktivitas. Namun, kurva belajar serupa: keduanya mendorong organisasi untuk berpikir dan bekerja secara berbeda.

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

Mengelola Biaya, Risiko, dan Perubahan: Belajar dari Kesalahan Komputasi 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 yang sama menjadi korban tiga kesalahan 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 kali macet ketika organisasi mencoba memasang data warisan, tidak terstruktur, atau tidak didokumentasikan dengan baik ke model baru yang kuat tanpa memperbarui fondasi data. Bahkan, proyek GenAI dapat menghasilkan hasil yang tidak memuaskan atau bahkan memperkuat ketidakefisienan yang ada. Pelajaran: teknologi saja tidak dapat mengatasi kelemahan dasar.

Sama seperti teknologi awan mengungkapkan 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 skala. Paralel ini akan terus muncul ketika GenAI bergerak 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.

Sebuah jumlah organisasi yang semakin meningkat mencoba meningkatkan strategi manajemen biaya mereka berpaling ke FinOps sebagai solusi. Dengan menggunakan wawasan yang tepat waktu dan berbasis data untuk membantu meningkatkan peramalan dan mendorong akuntabilitas dan kolaborasi 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.

Memasukkan Pelajaran Awan ke dalam Praktik GenAI

Hingga akhir tahun ini, Gartner memprediksi 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 kali tidak terlihat dalam kerusuhan untuk mengadopsi teknologi baru. Mengenali dan mengatasi sinyal ini lebih awal dapat berarti perbedaan antara kesuksesan GenAI dan proyek yang ditinggalkan lainnya. Pemimpin yang secara aktif mencari tanda-tanda peringatan ini, bukan memotong proses, mempersiapkan tim mereka untuk kesuksesan jangka panjang.

Setelah 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, dengan tujuan ROI yang jelas dan dipetakan kembali ke kebutuhan bisnis nyata.

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

Dari sana, membangun pemeriksaan dan keseimbangan yang kuat, pemantauan berkelanjutan, dan kebijakan tata kelola yang jelas adalah 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 berkembang. Dengan berinvestasi dalam alat dan infrastruktur yang tepat pada awal proses implementasi GenAI, bersama dengan pelatihan berkelanjutan, organisasi dapat membangun fondasi untuk kesuksesan yang berkelanjutan.

Mencapai Keseimbangan yang Tepat dengan Inovasi GenAI

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

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