Janji AI terlihat hampir tidak terbatas. Banyak organisasi di seluruh dunia memperluas aksesnya, berinvestasi besar-besaran, dan meluncurkan proyek percobaan dengan cepat. Meski begitu, kenyataannya lebih rumit: pekerjaan tersulit adalah memindahkan proyek percobaan AI ke produksi dan mengukur kesuksesan di luar keuntungan finansial langsung. Deloitte melihat ini langsung: akses luas itu perlu, tapi nilai sebenarnya datang saat AI dimasukkan ke alur kerja sehari-hari yang teratur dan menghasilkan output yang berguna.
Kenapa proyek percobaan gagal berkembang
Jebakan konsep-pembuktian itu nyata. Proyek percobaan bisa sukses dengan tim kecil, data bersih, dan lingkungan terisolasi – tapi produksi punya tantangan berbeda. Diperlukan investasi infrastruktur, integrasi dengan sistem lama, audit keamanan, pemeriksaan kepatuhan, dan pemeliharaan berkelanjutan. Semua itu butuh lebih banyak sumber daya dan koordinasi. Model yang sempurna dalam pengujian seringkali bermasalah saat menghadapi kasus-kasus nyata dalam skala besar, seperti ribuan input baru dan kompleks dari berbagai pihak.
Organisasi merasa tekanan untuk menerapkan AI dengan cepat. Tapi tanpa strategi yang jelas dan model tata kelola yang matang, mereka kemungkinan akan mengalami kelelahan akan proyek percobaan. Dengan mengidentifikasi aplikasi berisiko tinggi, menerapkan praktik desain yang bertanggung jawab, dan memastikan validasi independen, mereka akan mengerjakan tugas yang lebih sulit untuk mengembangkan kesuksesan yang ada daripada terus mendanai proyek percobaan baru.
Realitas ROI
Pembicaraan tentang return on investment (ROI) juga menunjukkan kesenjangan antara harapan dan hasil. Meski 66% responden meningkatkan efisiensi dan produktivitas saat ini, dan 60% sudah meningkatkan pengambilan keputusan, pertumbuhan pendapatan ceritanya beda: 74% organisasi berharap menambah pendapatan lewat AI, dibandingkan dengan hanya 20% yang benar-benar melakukannya sekarang.
Ini tidak berarti AI tidak memberikan nilai; artinya nilainya lebih halus dari yang bisa ditangkap laporan pendapatan triwulan. Dampak di dunia nyata tidak terbantahkan: 25% pemimpin sekarang mengatakan AI memiliki efek transformatif, lebih dari dua kali lipat dari 12% setahun lalu, dengan 84% menambah anggaran AI mereka. Dalam praktiknya, ROI awal sering muncul sebagai kapasitas yang didapat kembali dan waktu siklus yang lebih cepat. Ini hasil yang Deloitte lihat setelah menggunakan Sidekick, sebuah alat GenAI internal, dengan karyawan melaporkan menghemat 2 jam per minggu, memungkinkan mereka memperoleh keterampilan baru dan terlibat dalam pekerjaan yang lebih berarti, seperti kreativitas dan membangun hubungan.
Lebih dari angka: nilai kualitatif penting
Organisasi yang paling sukses mengukur dampak AI di berbagai dimensi. Meskipun keuntungan moneter langsung dan peningkatan produktivitas penting, aspek lain seperti siklus pengambilan keputusan yang lebih cepat, interaksi pelanggan yang lebih baik, waktu ke pasar yang lebih singkat untuk produk baru, dan kepuasan karyawan yang meningkat juga mendorong keunggulan kompetitif – meskipun tidak selalu mudah diukur.
Contohnya, pabrikan yang menggunakan *AI agents* untuk mengoptimalkan keseimbangan antara biaya dan waktu ke pasar dalam pengembangan produk, atau maskapai penerbangan yang menggunakan *AI agents* untuk membantu pelanggan melakukan transaksi umum. Kasus penggunaan ini memberikan nilai terukur di luar sekadar pengurangan biaya: *AI agents* membebaskan talenta manusia untuk fokus pada aktivitas tingkat lebih tinggi, mempercepat siklus keputusan, dan membangun kapabilitas organisasi. Deloitte telah mendorong klien untuk membayangkan ulang cara bekerja – memikirkan kembali bagaimana pekerjaan dilakukan dan bagaimana manusia dan mesin berkolaborasi.
Dengan melatih ulang karyawan dan berinvestasi agar mereka mengadopsi alat AI baru, organisasi dapat memungkinkan hasil yang lebih besar, lebih baik, dan lebih cerdas – serta mengalihkan fokus dari tugas rutin ke inisiatif strategis. Itulah ROI kualitatif; karyawan berkembang ke peran bernilai lebih tinggi, kapasitas organisasi mengembang, dan posisi kompetitif menguat.
Jalan ke depan
Beralih dari percobaan ke produksi membutuhkan perlakuan AI sebagai fondasi, bukan eksperimen. Organisasi harus berinvestasi tidak hanya pada teknologi, tetapi juga pada infrastruktur, tata kelola, perancangan ulang talenta, dan kesiapan budaya. Laporan Deloitte menunjukkan bahwa meskipun 42% perusahaan percaya strategi mereka siap untuk AI, hanya 20% yang merasa sama percayanya tentang kesiapan talenta.
Organisasi yang serius menangkap nilai AI harus memperlakukan proyek percobaan sebagai batu loncatan ke produksi dari awal. Mereka membutuhkan karyawan yang diberdayakan untuk menjadi pendukung internal, pelatihan praktis spesifik peran, dan advokasi eksekutif yang mendorong adopsi. Mereka harus membangun kerangka tata kelola sebelum memperbesar – bukan sesudah – yang membuat pengawasan menjadi peran semua orang, memasukkannya ke dalam rubrik kinerja sehingga, saat AI menangani lebih banyak tugas, manusia mengambil alih pengawasan aktif. Secara paralel, mereka harus mengukur kesuksesan secara luas, menangkap pengembalian kuantitatif dan kualitatif.
Pinggiran yang belum tergali dari potensi AI tidak terletak pada memiliki proyek percobaan terbanyak atau anggaran terbesar. Itu terletak pada menjembatani kesenjangan dari akses ke aktivasi, dari eksperimen ke operasionalisasi, dan dari potensi teknologi ke nilai perusahaan sejati. Di situlah ROI yang sebenarnya berada.
Pendapat yang diungkapkan dalam tulisan komentar Fortune.com adalah pandangan penulisnya sendiri dan tidak selalu mencerminkan pendapat dan keyakinan Fortune.