Foto: Grazia/Moment via Getty
Ikuti ZDNET: Tambahkan kami sebagai sumber pilihan di Google.
—
Poin Penting ZDNET
- Peringatan: Berikan data sampah pada AI, dan Anda akan mendapat hasil yang sampah juga.
- Terapkan pendekatan strategis dalam pengumpulan data yang berfokus pada informasi yang sangat berharga.
- Bersikaplah fleksibel, karena model bahasa dan tuntutan bisnis dapat berubah.
—
Bukti menunjukkan bahwa sulit untuk menghasilkan nilai dari proyek AI, namun satu hal yang pasti adalah bahwa inisiatif yang sukses memerlukan data — dan dalam jumlah besar.
Baik itu menjalankan peluncuran AI generatif atau mengeksplorasi AI agen, model bahasa yang mendasari solusi teknologi mutakhir memerlukan akses ke sumber informasi yang luas. Seiring perusahaan meningkatkan upaya AI mereka hingga 2026 dan seterusnya, memiliki akses ke aset data yang tepat menjadi semakin penting.
Juga: Anda seharusnya masih belajar coding, kata eksekutif AI Google – ini alasannya
Lantas, bagaimana Anda dapat memastikan organisasi Anda mengumpulkan informasi yang tepat untuk inisiatif AI-nya? Lima pemimpin bisnis memberikan tips mereka.
1. Terapkan Pendekatan yang Bijaksana
Paul Neville, Direktur Digital, Data, dan Teknologi di The Pensions Regulator (TPR), menyatakan bahwa lembaga publiknya "sangat bijaksana" dalam mengumpulkan data untuk proyek teknologi terkini.
"Hasil dari AI tergantung pada data yang dilihatnya," ujarnya. "Jadi, jika Anda memberikannya data sampah, ia akan mengembalikan sampah. Itu sangat jelas."
Neville mengatakan kepada ZDNET bahwa elemen-elemen fondasional — praktik data yang baik, tata kelola, dan kepemilikan — membantu memastikan organisasinya mengubah informasi yang tepat menjadi wawasan.
TPR juga mempelajari perkembangan eksternal dari mitra teknologi, seperti OpenAI dan Microsoft Azure.
"Model mereka berkembang secara teratur, dan rilis baru ini akan mempengaruhi hasil yang kami dapatkan. Jadi, kami harus menyadari siklus inovasi tersebut dan berhati-hati untuk memastikan kami memantau hasil serta menyesuaikan proses kami sendiri untuk mendapatkan hasil yang tepat," jelasnya. "Kami melakukan banyak pekerjaan untuk itu. Kami menciptakan beberapa peran tata kelola dan strategi AI baru tepat untuk alasan itu."
2. Fokus pada 20% yang Kritis
Ian Ruffle, Kepala Data dan Wawasan di spesistis kerusakan otomotif Inggris RAC, berpendapat bahwa para profesional tidak boleh terlalu berusaha menebak-nebak jenis informasi yang akan mendorong inovasi di masa depan.
"Saya pikir Anda harus fokus pada apa yang penting bagi bisnis Anda saat ini," katanya. "Menurut saya, lebih baik melakukan sedikit hal dengan baik daripada menyebar terlalu tipis."
RAC menggunakan teknologi AI Data Cloud dari Snowflake untuk mengkonsolidasikan silo data yang sebelumnya terfragmentasi menjadi fondasi untuk proyek-proyek berbasis wawasan.
Juga: AI akan menyebabkan ‘kekacauan pekerjaan’ dalam beberapa tahun ke depan, kata Gartner – ini artinya
Ruffle mengatakan kepada ZDNET bahwa kemampuan penyimpanan yang melekat pada platform data modern berarti beberapa profesional mungkin memutuskan untuk menyimpan segalanya untuk berjaga-jaga.
"Sekarang cukup murah untuk membuang data di suatu tempat dan menyimpannya," ujarnya. "Jadi, mungkin Anda bisa mengambil pendekatan itu jika Anda berpikir data tersebut bisa memiliki nilai di masa depan."
Namun, Ruffle menyadari bahwa menyaring data untuk menemukan "emas" bisa menjadi kegiatan yang memakan banyak sumber daya, dan dia menyarankan untuk lebih mengendalikan informasi dengan ketat.
"Ketika Anda membangun model peramalan atau kasus penggunaan untuk proses pusat panggilan yang mencoba mengagregasi informasi atau memproses keluhan kompleks dan menggunakan AI untuk mengumpulkan data, lebih baik fokus pada 20% informasi yang penting."
3. Buat Strategi yang Fleksibel
Dominic Redmond, CIO di spesialis rekrutmen PageGroup, mengatakan para pemimpin bisnis harus menciptakan strategi pengumpulan data yang visioner dan fleksibel.
"Seseorang berkata kepada saya bahwa Anda bisa menunggu orang memberi tahu Anda apa dampaknya, atau Anda bisa mencoba merencanakan dampaknya dan mengelolanya," katanya. "Saya pikir hal yang sama berlaku untuk data. Pada akhirnya, Anda hanya memiliki data di organisasi Anda. Jadi, saya pikir pertanyaan kuncinya adalah, ‘Bagian mana dari data itu yang akan paling berharga?’"
Juga: Belum ada ROI dari AI? Coba enam taktik terbukti ini untuk menciptakan nilai bisnis nyata
Redmond mengakui bahwa menjawab pertanyaan itu secara efektif lebih mudah diucapkan daripada dilakukan, terutama di era AI.
"Kami tidak tahu, ketika kami telah memutuskan data mana yang mungkin kami butuhkan di tahun pertama, apakah itu akan sama dengan tahun kedua atau tahun ketiga," ujarnya. "Kami juga tidak tahu apakah AI dapat membantu kami mendapatkan data itu dengan cara yang berbeda dari yang mungkin bisa kami lakukan di masa lalu."
Redmond mengatakan kepada ZDNET bahwa pendekatan terbaik adalah membuat rencana yang mengidentifikasi data paling penting untuk proyek masa depan, dengan ruang untuk beradaptasi dengan kebutuhan bisnis yang baru.
"Kesuksesan adalah tentang menjadi paham data dan dipimpin oleh data, tetapi juga memastikan Anda menangkap semuanya untuk apa pun yang akan datang berikutnya dan kemudian menjadi cukup fleksibel sesuai kebutuhan seiring perubahan pasar dan industri."
4. Temukan ‘Debu Emas’-nya
Sacha Vaughan, Chief Supply Chain Officer di produsen peralatan rumah Joseph Joseph, mengatakan sangat penting untuk menjaga satu mata pada tujuan jangka panjang dan mata lainnya pada prioritas saat ini.
Sebagai bagian dari proses ini, dia mengatakan yang terbaik adalah mengaitkan penyimpanan data dengan proses bisnis yang jelas, seperti upayanya menggunakan wawasan untuk menyempurnakan operasi rantai pasokan.
"Di masa depan, saya pikir tantangan untuk mengumpulkan segalanya mungkin akan menjadi penghalang," katanya. "Bagaimana cara Anda mengumpulkan segalanya? Penyimpanan data seperti apa yang dibutuhkan untuk mengumpulkan segalanya?"
Juga: Cemas dengan PHK karena AI? Begini cara pekerja kerah putih melindungi diri mereka – mulai sekarang
Vaughan mengatakan kepada ZDNET dia ingin memahami bagaimana data, AI, dan analitik dapat digunakan untuk meningkatkan proses bisnis — dan dia memberikan contoh bagaimana pendekatan ini mungkin bekerja.
"Akan sangat bagus jika kami dapat menemukan cara untuk mengumpulkan dan menganalisis wawasan pelanggan, hingga ke detail menit, karena, bahkan dari ulasan dan keluhan pelanggan, ada ‘debu emas’ di sana untuk desain juga," ujarnya. "Itu tentang mendapatkan mekanisme untuk menambang data itu dan memberikannya kembali secara memadai pada tingkat yang granular, kepada seorang desainer yang dapat mengambil pertanyaan pelanggan tentang suatu bagian produk, dan itu memberi mereka ide untuk merancang di masa depan."
5. Pertimbangkan Semantik dengan Hati-hati
Steve Lucas, CEO firma teknologi Boomi, mengatakan pertanyaan yang harus dipertimbangkan oleh para pemimpin digital dan bisnis adalah "Bagaimana cara saya menyimpan data yang tepat yang penting untuk AI?" — dan menemukan solusi yang sesuai untuk tantangan itu adalah masalah semantik.
"Anda kemungkinan sudah memiliki semua data yang Anda butuhkan. Data itu seperti pasir. Tetapi apakah Anda memiliki konteks untuk informasi itu?"
Lucas mengatakan kepada ZDNET bahwa katalogisasi dan penandaan yang efektif dapat membantu para profesional menemukan data yang penting.
"Bisakah Anda mengkueri database dan mendapatkan respons yang tepat untuk pertanyaan Anda? Tentu saja. Tetapi jika Anda mencari kesamaan dalam data, justru kesamaan itulah yang benar-benar penting. Jadi, dalam situasi itu, katalog dan metadata akan lebih berharga daripada data mentah itu sendiri."
Lucas mengatakan perusahaan teknologi besar dapat membantu para pemimpin bisnis memastikan organisasi mereka fokus menyimpan data yang tepat untuk AI: "Mereka menghabiskan miliaran. Biarkan miliaran itu menghemat uang Anda dan memandu jalan Anda."