AI di Perusahaan Sekarang: Dari Demo ke Ahli Nyata
Alat pembuat/uji agen terbaru Salesforce dan usaha AI baru Jeff Bezos yang fokus pada penerapan AI di industri menunjukkan bahwa perusahaan-perusahaan mulai bergerak menuju sistem otonom. Ini kemajuan yang penting karena pengamanan, pengujian, dan evaluasi yang kuat adalah dasar dari AI agen. Tapi, langkah selanjutnya yang masih kurang saat ini adalah latihan, memberikan pengalaman berulang dan terstruktur kepada tim agen. Sebagai pelopor Machine Teaching, metodologi untuk melatih sistem otonom yang telah digunakan di beberapa perusahaan Fortune 500, saya melihat dampak latihan agen saat membangun dan menggunakan lebih dari 200 sistem multi-agen otonom di Microsoft dan sekarang di AMESA untuk perusahaan di seluruh dunia.
Setiap CEO yang berinvestasi di AI menghadapi masalah sama: menghabiskan miliaran untuk proyek percobaan (pilot) yang mungkin atau tidak memberikan otonomi nyata. Agen tampak hebat dalam demo tetapi macet saat menghadapi kompleksitas dunia nyata. Alhasil, pemimpin bisnis tidak mempercayai AI untuk bertindak mandiri pada mesin atau alur kerja bernilai miliaran dolar. Mereka mencari fase berikutnya dari kemampuan AI: keahlian perusahaan sejati. Kita harusnya tidak bertanya seberapa banyak pengetahuan yang bisa diingat agen, tapi apakah ia punya kesempatan untuk mengembangkan keahlian dengan berlatih seperti manusia.
Ilusi Pengujian
Sama seperti tim manusia berkembang ahli lewat pengulangan, umpan balik, dan peran jelas, agen AI harus mengembangkan keterampilan di dalam lingkungan latihan realistis dengan pengaturan terstruktur. Latihanlah yang mengubah kecerdasan menjadi kinerja otonom yang andal.
Banyak pemimpin perusahaan masih berasumsi bahwa beberapa perusahaan LLM besar akan mengembangkan model yang cukup kuat dan kumpulan data besar untuk mengelola operasi perusahaan kompleks dari ujung ke ujung lewat "Kecerdasan Umum Buatan" (Artificial General Intelligence/AGI).
Tapi bukan begitu cara perusahaan bekerja.
Tidak ada proses kritis, baik itu perencanaan rantai pasok atau optimasi energi, yang dijalankan oleh satu orang dengan satu set keterampilan. Bayangkan tim basket. Setiap pemain perlu mengerjakan keterampilan mereka, baik itu menggiring atau tembakan melompat, tetapi setiap pemain juga punya peran di tim. Tujuan seorang center berbeda dari point guard. Tim sukses dengan peran, keahlian, dan tanggung jawab yang jelas. AI butuh struktur yang sama.
Bahkan jika Anda menciptakan model sempurna atau mencapai AGI, saya perkirakan agen-agen itu akan tetap gagal dalam produksi karena mereka tak pernah menghadapi variasi, pergeseran (drift), anomali, atau sinyal halus yang dihadapi manusia setiap hari. Mereka belum membedakan set keterampilan mereka atau belajar kapan harus bertindak atau berhenti. Mereka juga belum terpapar pada lingkaran umpan balik ahli yang membentuk penilaian nyata.
Bagaimana Machine Teaching Menciptakan Latihan
Machine Teaching menyediakan struktur yang dibutuhkan sistem agen modern. Ini memandu agen untuk:
- Memahami lingkungan dengan benar.
- Menguasai keterampilan dasar yang mencerminkan operator manusia.
- Mempelajari strategi tingkat tinggi yang mencerminkan penilaian ahli.
- Berkoordinasi di bawah agen pengawas (supervisor) yang memilih strategi tepat di waktu tepat.
Ambil contoh satu perusahaan Fortune 500 yang saya ajak kerja sama, mereka sedang meningkatkan proses produksi nitrogen. Agen-agen kami berlatih di dalam AMESA Agent Cloud, meningkat melalui eksperimen dan umpan balik. Dalam kurang dari satu hari, tim agen mengungguli sistem kontrol industri buatan khusus yang tak bisa disamai oleh alat otomasi lain atau aplikasi AI agen tunggal.
Hasilnya adalah perkiraan penghematan efisiensi $1,2 juta per tahun, dan yang lebih penting, memberi kepercayaan diri kepada kepemimpinan untuk menggunakan otonomi dalam skala besar karena sistem berperilaku seperti operator terbaik mereka.
Mengapa CEO dan Pemimpin Butuh AI yang Terlatih
Latihan adalah pendorong otonomi sejati dalam agen. Saya mengajak setiap pemimpin untuk mulai mengubah beberapa asumsi:
- Berhenti berpikir dalam hal model dan mulailah berpikir dalam hal tim. Interaksi sehari-hari dengan sistem seperti ChatGPT atau Claude memang kuat, tapi itu memperkuat kesalahpahaman bahwa model bahasa besar adalah jalan menuju otonomi perusahaan. Otonomi muncul dari agen spesialis yang mengambil peran persepsi, kontrol, perencanaan, dan pengawasan melalui beragam teknologi.
- Identifikasi di mana keahlian mulai menghilang dan lestarikan dalam agen. Banyak operasi penting bergantung pada para ahli yang mendekati masa pensiun. CEO harus bertanya proses mana yang paling rentan jika ahli ini pergi besok. Area-area itu adalah titik awal ideal untuk pendekatan Machine Teaching. Biarkan operator terbaik Anda mengajari tim agen di lingkungan latihan yang aman agar keahlian mereka menjadi dapat diskalakan dan permanen.
- Sadari bahwa Anda sudah memiliki infrastruktur untuk otonomi. Investasi bertahun-tahun di sensor, sistem MES dan SCADA, integrasi ERP, dan telemetri IoT sudah membentuk tulang punggung digital twins dan simulasi high-fidelity organisasi Anda. Kesuksesan membutuhkan pengaturan (orchestration), struktur, dan memanfaatkan fondasi data yang sudah Anda bangun.
Hasil dari Latihan
Saat perusahaan memberi agen ruang untuk berlatih sebelum digunakan, beberapa hal terjadi:
- Tim manusia mulai mempercayai AI dan memahami batasannya.
- Pemimpin bisa menghitung ROI (Return on Investment) nyata daripada proyeksi spekulatif.
- Agen menjadi lebih aman, konsisten, dan selaras dengan penilaian ahli.
- Tim manusia ditingkatkan, bukan diganti, karena AI sekarang memahami alur kerja dan mendukung mereka.
Agen tidak akan benar-benar berkinerja tanpa pengalaman, dan pengalaman hanya datang dari latihan. Perusahaan yang berinvestasi dan menerima cara pandang ini akan menjadi yang keluar dari fase percobaan (pilot purgatory) dan melihat dampak nyata.
Pendapat yang diungkapkan dalam tulisan komentar Fortune.com adalah murni pandangan penulisnya dan tidak selalu mencerminkan pendapat dan keyakinan Fortune.
https://epubs.utah.edu/index.php/wn/user/getInterests?term=44742019227&o2x=1I8mD