Sebagian besar organisasi kini telah menggunakan AI di lingkungan produksi. Namun, hampir tidak ada yang menerapkannya di area yang benar-benar penting: pengalaman klien, keputusan bisnis yang krusial, atau proses yang berjalan dengan pengawasan manusia minimal. Kesenjangan inilah yang menentukan siapa yang meraih atau kehilangan keunggulan kompetitif.
Hambatannya biasanya adalah keyakinan, bukan kemampuan. Dalam penerapan AI berisiko tinggi, keyakinan ini terwujud ketika empat kriteria khusus terpenuhi.
Kriteria tersebut mencakup cara Anda menguji perilaku AI, membangun dan mengelola solusi dalam skala perusahaan, serta memastikan bahwa pimpinan benar-benar memahami pentingnya hal ini.
Memenuhi kriteria keyakinan ini membangun kebiasaan dan akuntabilitas, sehingga Anda tak perlu ragu menerapkan AI untuk menghasilkan perubahan yang berarti. Tanpanya, AI hanya akan menghemat beberapa pound dalam penggunaan periferal tanpa berdampak nyata pada cara organisasi beroperasi.
Pada waktu yang sama tahun lalu—setara puluhan tahun dalam perkembangan AI—sebagian besar perusahaan terjebak dalam “api penyucian POC AI”: banyak POC menarik yang menunjukkan potensi AI, tetapi sulit mewujudkan satu pun di lingkungan produksi. Setahun kemudian, banyak organisasi kini telah memiliki setidaknya beberapa solusi AI di lingkungan produksi—sebuah kemajuan besar.
Namun, AI sering diterapkan pada proses periferal karena lebih mudah dilakukan. Tim Inovasi dapat mengembangkannya bersama pengguna bisnis yang antusias, dan jika terjadi kesalahan, “dunia tidak akan berakhir”. Proses tersebut tidak terlalu penting, tersedia proses cadangan manual, atau ada banyak “manusia dalam alur” untuk membatasi dampak negatif.
Akibat pendekatan yang dapat dipahami tetapi konservatif itu, dampak solusinya juga terbatas: kemungkinan besar tidak ada perubahan berarti pada peluang pertumbuhan, pengalaman klien, atau struktur biaya.
Inilah yang membedakan para pemenang masa depan dari yang lain: perusahaan progresif berinvestasi untuk memanfaatkan AI di area yang menentukan kinerja bisnis.
Perusahaan yang tertinggal juga “menggunakan AI”, tetapi bukan di area yang akan memberi dampak berarti bagi bisnis.
Dan memang, penggunaan AI dalam keputusan investasi, pengalaman klien, pengembangan produk, riset & desain, serta “otomatisasi tanpa manusia dalam alur” akan terasa lebih berisiko, tetapi di sanalah manfaat sebenarnya berada.
Perusahaan yang memimpin di bidang ini mungkin belum terlihat oleh pasar. Namun, saat akhirnya terlihat, kesenjangannya bukan hanya sudah besar; kecepatan penerapan AI yang berbeda akan terus memperlebar kesenjangan tersebut, sementara perusahaan tertinggal baru menyadari kekeliruan mereka selama ini.
Jadi, pertanyaannya adalah: apa yang dibutuhkan organisasi agar yakin menerapkan AI pada proses yang benar-benar penting?
Pertama, mari kita asumsikan Anda telah berkembang dari “Kami memiliki alat AI seperti ChatGPT”, menjadi “Kami memiliki POC”, lalu “Kami memiliki 10 solusi AI sederhana yang sudah beroperasi”. Jika belum, Anda harus segera memprioritaskannya. Langkah awal tersebut mungkin sederhana, tetapi penting untuk mulai membangun literasi AI perusahaan, menghasilkan gagasan kasus penggunaan yang lebih baik, dan mengungkap tahapan internal yang diperlukan untuk merilis AI ke lingkungan produksi.
Pada tahap ini, organisasi harus lebih ambisius dan beralih ke penyediaan “solusi AI terapan yang bermakna dengan pengawasan manusia”, lalu mencapai pembeda berupa “kami menerapkan AI pada proses inti dan pengalaman klien”.
Tahap-tahap terakhir kemajuan tersebut jarang terhambat oleh teknologi; hambatan sebenarnya adalah keyakinan organisasi. Sebab, selalu ada alasan untuk menunda atau menghindari hal-hal sulit:
“Bagaimana jika AI memberikan wawasan yang keliru?”, “Bagaimana jika perilakunya salah dan kita diberitakan media?”, “Bagaimana jika perhitungannya keliru sehingga kita mengambil keputusan yang salah?”, “Bagaimana jika AI menghina klien?”, “Bagaimana jika model tidak tersedia?”, “Bagaimana kita mendukung pembaruannya?”, “Bagaimana jika peraturan berubah?”, “Haruskah kita menunggu model baru?”, dan sebagainya.
Menurut kami, biasanya ada empat kondisi yang memberikan keyakinan untuk menekan tombol “Go Live” pada perubahan berbasis AI yang berdampak besar.
Alasannya: Apakah organisasi, khususnya jajaran eksekutif, benar-benar meyakini narasi “mengapa AI penting bagi keberhasilan bisnis kita”? Jika tidak, organisasi akan lebih mudah mencari alasan untuk menghindari keputusan-keputusan sulit.
Pemberdayaan: Apakah tersedia tim Perubahan/Transformasi/Pemberdayaan AI yang mendukung organisasi selama berevolusi bersama AI? Tim tersebut menangani adopsi, edukasi, peraturan, cara kerja baru, pengujian asumsi, penyediaan pendanaan yang diperlukan, dan sebagainya. AI bukan perubahan yang bisa “diserahkan kepada tim teknologi”, seperti yang kerap terjadi pada inisiatif Cloud atau Digital. Perubahan ini harus dipimpin oleh bisnis dan didukung dengan baik.
Caranya: Apakah arsitektur perusahaan dan solusi untuk AI terapan sudah tersedia? Meski bidang ini terus berkembang, adanya arah yang jelas memaksa organisasi memikirkan dan memperdalam pengetahuan tentang pagar pengaman, biaya, observabilitas, kontrol, akses model, dan sebagainya yang tepat. Hal itu mulai membangun kredibilitas internal bahwa organisasi “tahu apa yang dilakukannya” terkait AI, sekaligus mencegah munculnya beragam cara pembangunan yang tidak konsisten.
Uji Keyakinan Go-Live: Pemilik solusi dapat terus menunda keputusan tentang “apakah solusi ini cukup baik untuk diaktifkan?”. Pengujian tradisional oleh tim QA tidak memberikan keyakinan dan rasa akuntabilitas tersebut untuk sistem AI nondeterministik. Evaluasilah yang memberikannya.
Mari kita bahas semuanya dari urutan terakhir, karena urutan tersebut paling dekat dengan pengambilan keputusan tentang keyakinan untuk go-live.
Selama puluhan tahun, organisasi mengandalkan tim QA untuk menentukan apakah sebuah rilis sudah cukup baik. Di atas kertas, pengujian dilakukan oleh pemangku kepentingan bisnis; pada kenyataannya, tim QA yang melakukannya. Hasilnya lulus atau gagal berdasarkan tak terhitung banyaknya aturan jika ini, maka itu. Pekerjaannya banyak, tetapi sederhana.
Pendekatan itu tidak cocok untuk AI karena kita harus mengevaluasi perilakunya.
Evaluasi, atau eval, memungkinkan Anda mengukur perilaku kualitatif AI. Alih-alih sekadar lulus atau gagal, Anda menentukan kriteria—seperti ketepatan, nada, grounding faktual, dan perilaku penolakan—lalu memberikan skor. Pantau skor tersebut sepanjang proyek sambil menyempurnakan prompt, model, pagar pengaman, dan sebagainya. Hasilnya adalah sesuatu yang dapat digunakan dengan yakin oleh tim proyek, komite perubahan, dan pimpinan bisnis untuk mengambil tindakan: skor ketepatan yang meningkat dari x menjadi y selama proyek.
Angka tersebut memiliki dua fungsi. Pertama, angka itu membangun keyakinan dengan menunjukkan peningkatan dari waktu ke waktu dan memberi pemangku kepentingan bukti nyata bahwa sistem secara konsisten berperilaku andal sesuai ekspektasi yang ditetapkan.
Kedua, angka itu menciptakan akuntabilitas. Mereka dapat merujuk pada angka-angka tersebut beserta riwayat asal evalnya. Set evaluasi terdokumentasi yang diuji dalam berbagai skenario yang terdefinisi dengan baik merupakan padanan laporan pengujian untuk AI. Set ini memberikan bukti uji tuntas kepada komite persetujuan: apakah solusi hanya melakukan hal yang semestinya, dan hanya dengan cara yang semestinya?
Tentu saja, angka-angka tersebut hanya bermakna jika kriteria evaluasinya cukup kaya. Hal ini membutuhkan perubahan model operasi yang pada awalnya keliru diterapkan oleh banyak organisasi: pihak “bisnis” harus memiliki kriteria evaluasi, bukan tim teknologi, tim QA, atau seorang pengguna junior yang diberi delegasi. Pemilik produk dan spesialis memahami bidangnya, kasus ekstrem, nada komunikasi yang diinginkan, jenis interaksi yang mungkin dilakukan pengguna, langkah penalaran yang masuk akal, pola kegagalan, pasangan tanya-jawab yang tepat, dan sebagainya. Pihak yang menggunakan dan menerapkan solusi harus menentukan seperti apa hasil yang baik.
Artinya, jika Anda perlu menyetujui solusi yang menerapkan AI tepat pada inti pengalaman pelanggan, cukup ajukan dua pertanyaan:
(1) siapa yang merancang kriteria evaluasi, dan
(2) apakah kinerja eval terus meningkat berdasarkan kriteria tersebut dan kini telah melewati ambang minimum?
Jika jawabannya adalah "tim teknologi yang membuatnya, tetapi kami puas dengan hasilnya", aplikasi tersebut belum siap. Jika jawabannya “ya, kami mengujinya minggu lalu dan hasilnya lulus”, tingkat kematangan Eval kemungkinan belum cukup untuk menumbuhkan keyakinan yang dibutuhkan karena eval mungkin tidak dijadikan titik awal pembangunan.
Namun, jika pemilik produk dari pihak bisnis telah menentukan, meninjau, dan menyempurnakan eval selama proses pembangunan serta dapat menunjukkan bahwa tren kinerjanya bergerak ke arah yang tepat, solusi tersebut layak disetujui.
Lapisan keyakinan lainnya berasal dari keselarasan dengan prinsip dan standar arsitektur AI. Lima aplikasi AI pertama Anda mungkin dapat dibangun dengan cara apa pun yang paling sesuai agar bisa segera dimulai. Namun, untuk meningkatkan skala serta menerapkan AI yang aman dan terkelola dengan baik secara cepat di seluruh organisasi, Anda mulai memerlukan pendekatan yang lebih terstruktur, lengkap dengan arsitektur aplikasi acuan dan platform AI perusahaan.
Semua tim rekayasa harus dapat dengan cepat “mewarisi” akses model, pagar pengaman, observabilitas, kemampuan penskalaan, pengelolaan biaya, dan sebagainya agar dapat berfokus pada rekayasa solusi.
Adanya arah yang jelas terkait platform AI perusahaan dan pendekatan arsitektur—meski mungkin cepat usang akibat laju perubahan—semakin menumbuhkan keyakinan organisasi bahwa AI dapat diterapkan dengan aman dalam sistem yang krusial. Artinya, seseorang telah mempertimbangkan semua faktor utama dan menentukan jalur penerapan yang optimal. Hal ini turut menambah keyakinan bahwa solusi tersebut mampu mendukung proses-proses penting.
Ini bukan berarti “melakukan hal yang sama, tetapi dengan akses ke alat AI”. Mungkin terdengar klise, tetapi transformasi berarti merancang ulang proses, memikirkan kembali penawaran produk, mengembangkan pengalaman klien, serta mengubah cara kerja dan, kemungkinan besar, struktur tim.
Hal itu tidak dapat dilakukan sebagai pekerjaan sampingan dan tidak bisa digerakkan hanya oleh tim Teknologi (dan bukan pula oleh tim “Inovasi” Anda yang hanya beranggotakan tiga orang penuh waktu). Jika Anda memakai pendekatan “nanti juga akan beres sendiri”, Anda tidak akan mampu menyamai laju perubahan yang mungkin dicapai para pesaing pemenang.
Selain itu, menemukan kasus penggunaan yang benar-benar “mengubah permainan” dan memperoleh dukungan untuknya membutuhkan pengetahuan AI yang mendalam di seluruh perusahaan sekaligus pola pikir yang positif terhadapnya.
Karena itu, transformasi AI Anda memerlukan orang-orang yang memahami kebutuhan organisasi, cara mendorong perubahan, dan AI. Mereka perlu diberi mandat oleh dewan untuk mewujudkannya serta menyediakan koordinasi, energi, pendanaan, pengaruh, tata kelola, penentuan prioritas, dan pengambilan keputusan.
Khususnya pada tahap awal, fungsi terpusat seperti Hub AI, Transformasi AI, atau Kantor AI dapat berjalan efektif. Tim pusat ini menumbuhkan keyakinan bahwa organisasi memiliki strategi untuk dijalankan, keputusan besar dapat diambil dan disebarluaskan dengan cepat, serta standar mutu untuk transformasi AI dapat ditetapkan. Tanpa tim tersebut, pendekatan berisiko terlalu terfragmentasi sehingga menimbulkan inkonsistensi dalam keputusan, pilihan produk atau solusi, dan mutu. Pada akhirnya, hal ini melemahkan keyakinan untuk menerapkan AI di area berisiko tinggi.
Seperti disebutkan sebelumnya, perusahaan yang memperoleh keunggulan kompetitif nyata dari AI adalah mereka yang membangun pengalaman, keahlian, dan keyakinan di seluruh perusahaan untuk menerapkan AI secara rutin dan cepat pada inti proses serta pengalaman penting yang meningkatkan pengalaman klien, kinerja produk, kecepatan produksi, dan sebagainya.
Praktik evaluasi yang baik, arsitektur yang cepat beradaptasi dan dapat ditingkatkan skalanya, serta sikap pengelolaan transformasi yang proaktif untuk membantu organisasi belajar, beradaptasi, dan membangun cara kerja baru, semuanya diperlukan.
Namun, semua itu tidak akan berhasil jika hanya bergerak “dari bawah ke atas”. Perubahan dan dampaknya terlalu cepat dan terlalu besar untuk pendekatan tersebut. “Persetujuan dewan” atau “dukungan manajemen” juga tidak cukup.
Jika karyawan tidak memahami dengan jelas mengapa perubahan diperlukan, apa dampaknya bagi mereka secara pribadi—baik atau buruk—dan apa manfaatnya, transformasi akan terjadi diam-diam dengan banyak kerugian yang menyertainya.
Jadi, unsur keempat untuk meraih manfaat nyata dari adopsi AI adalah kepemimpinan perusahaan harus sungguh-sungguh memahami dan meyakini bahwa investasi dalam AI sangat penting bagi keberhasilan perusahaan yang berkelanjutan. Strategi AI tersebut harus menjadi strategi mereka, dimasukkan ke dalam pernyataan misi dan sasaran, terus mereka suarakan, serta tercermin dalam keputusan yang ditindaklanjuti secara nyata.
Hal itu memberi tim di seluruh organisasi insentif, dukungan, dan rasa urgensi untuk meningkatkan keterampilan serta mengambil keputusan penting yang mungkin terasa kurang nyaman demi memilih jalur yang lebih sulit, tetapi lebih bermanfaat. Hal itu memberi keyakinan untuk menekan tombol “Go-Live” pada pengalaman klien atau proses pengambilan keputusan investasi yang didukung AI.
Perusahaan yang meraih manfaat terbesar dari AI dalam dua tahun mendatang bukanlah perusahaan dengan penerapan terbanyak. Pemenangnya adalah perusahaan yang berhasil memanfaatkan AI dalam sistem dan proses penting yang berhadapan dengan klien, memengaruhi keputusan, dan krusial bagi bisnis, sekaligus membangun kemampuan perusahaan untuk melakukannya secara konsisten dan aman.
Apa langkah Anda selanjutnya? Jika organisasi Anda “menggunakan AI” tetapi tidak berdampak pada keberhasilan perusahaan, coba jawab pertanyaan berikut:
Apakah peran AI dalam mencapai misi perusahaan Anda sudah jelas? Apakah Anda merasa pimpinan benar-benar meyakini bahwa adopsi AI sangat penting bagi keberhasilan perusahaan di masa depan?
Apakah ada fungsi pusat yang membantu mendorong agenda AI, mengedukasi seluruh perusahaan, dan mengoordinasikan kegiatan?
Apakah tim teknologi tengah membangun keahlian, kapasitas, dan pola yang mendukung rekayasa AI secara lebih cepat dan aman?
Apakah rilis berhasil masuk ke lingkungan produksi tanpa hambatan akibat pertanyaan yang belum terjawab mengenai perilaku AI?
Jika jawaban atas salah satu pertanyaan tersebut adalah tidak, kini Anda tahu harus mulai dari mana untuk menumbuhkan keyakinan organisasi bahwa AI dapat diterapkan dengan cepat dan konsisten demi meraih keunggulan kompetitif di area yang benar-benar penting.