Kekurangan keterampilan dalam kecerdasan buatan (AI) yang menghambat kemajuan telah didokumentasikan dengan baik, tetapi ada faktor lain yang menjadi hambatan besar: kompleksitas data. Sebuah studi baru dari IBM mengungkapkan bahwa dua hambatan utama untuk kesuksesan AI adalah keterbatasan keterampilan dan keahlian AI (disebut oleh 33% responden), diikuti oleh kompleksitas data yang terlalu tinggi (25%).
Menurut survei yang melibatkan 8.584 profesional IT, mayoritas perusahaan (58%) saat ini belum aktif mengimplementasikan AI. Inhibitor terbesar dari AI generatif di perusahaan-perusahaan non-AI ini termasuk privasi data (57%) dan kepercayaan serta transparansi (43%).
Pada perusahaan yang sudah menerapkan AI, hambatan utama sering kali terkait dengan data, dengan beberapa organisasi mengambil langkah-langkah menuju AI yang dapat dipercaya, seperti melacak asal-usul data (37%) dan mengurangi bias (27%). Sekitar seperempat (24%) perusahaan sedang berusaha mengembangkan kemampuan analisis atau intelijen bisnis mereka, yang bergantung pada data yang konsisten dan berkualitas tinggi.
Namun, beberapa pemimpin industri mengingatkan bahwa data organisasi mungkin belum siap untuk mendukung ambisi AI yang semakin berkembang. “Untuk tetap kompetitif, CIO dan pemimpin teknologi harus mengadaptasi strategi data mereka saat mereka mengintegrasikan gen AI ke dalam tumpukan teknologi mereka,” kata Matt Labovich, pemimpin data, analitik, dan AI AS untuk PwC. “Ini melibatkan pemahaman data dan persiapan untuk dampak transformasional dari teknologi yang muncul.”
Shipra Sharma, kepala AI dan analitik di Bristlecone, mengatakan bahwa para profesional teknologi dan organisasi mereka perlu mengatasi “keamanan data, etika pengambilan keputusan AI, dan literasi AI”. “Dengan pendidikan AI yang terbatas karena kebaruan teknologi ini, banyak individu dibiarkan mencoba menggunakan AI sendiri,” katanya. Ia mengatakan bahwa melibatkan diri secara aktif dengan teknologi tersebut, “untuk mendidik karyawan dan menerapkan perlindungan yang sesuai akan memungkinkan organisasi untuk mengakui manfaat AI generatif untuk manajemen data sambil memitigasi risikonya. Dengan protokol ini, kemampuan data lanjutan akan memberikan keuntungan yang signifikan bagi organisasi dalam kemampuan mereka untuk memperluas operasi mereka.”
Labovich mengatakan bahwa perusahaan yang ingin membuat kemajuan dalam AI harus “menemukan keseimbangan dan mengakui peran penting data yang tidak terstruktur dalam kemajuan gen AI.”
Sharma setuju dengan pandangan ini: “Tidak selalu benar bahwa organisasi harus menggunakan gen AI di atas data terstruktur untuk memecahkan masalah yang sangat kompleks. Seringkali aplikasi paling sederhana dapat menyebabkan penghematan terbesar dalam hal efisiensi.”
Varietas data yang dibutuhkan oleh AI dapat menjadi bagian yang rumit. Misalnya, data di tepi (edge) semakin menjadi sumber utama untuk model bahasa dan repositori yang besar. “Akan ada pertumbuhan signifikan data di tepi saat AI terus berkembang dan organisasi terus berinovasi dalam transformasi digital mereka untuk meningkatkan pendapatan dan keuntungan,” kata Bruce Kornfeld, kepala pemasaran dan produk di StorMagic.
Saat ini, lanjutnya, “ada terlalu banyak data dalam banyak format yang berbeda, yang menyebabkan konflik internal ketika perusahaan berjuang untuk menentukan apa yang penting untuk bisnis dan apa yang bisa diarsipkan atau dihapus dari kumpulan data mereka.” Kornfeld mengatakan bahwa perusahaan perlu dengan cepat “menentukan pendekatan dan solusi yang dapat menyaring kebisingan dan informasi yang tidak perlu dengan cara yang hemat biaya, untuk memberikan ruang bagi yang penting.”
Osmar Olivo, Wakil Presiden Manajemen Produk di Inrupt, perusahaan yang didirikan oleh Sir Tim Berners-Lee, mengatakan bahwa data pelatihan berasal dari berbagai sumber, termasuk sumber publik dan kekayaan intelektual organisasi. Pilihan bagi banyak organisasi seringkali bergantung pada “antara keuntungan kompetitif yang dapat diperoleh perusahaan dengan memanfaatkan AI dan perlindungan data yang paling sensitif,” kata Olivo. “Namun, ini tidak perlu menjadi pilihan biner. Saya berharap pada tahun 2024 akan muncul solusi manajemen data dan privasi data yang inovatif, terutama dengan fokus pada perlindungan data yang digunakan oleh model AI.”
Menetapkan pendekatan berbasis data, bersama dengan “repositori data terpusat yang kuat,” sangat penting untuk mengadopsi AI dengan sukses baik untuk proses bisnis maupun IT internal, kata Rakesh Jayaprakash, juru bicara utama analitik dengan ManageEngine, divisi manajemen IT Zoho Corp. “Ini melibatkan pengambilan setiap peristiwa dan proses organisasi secara cermat, dengan algoritma pembelajaran mesin yang digunakan untuk memahami pola-pola berharga.”
Namun, Jayaprakash menambahkan bahwa “meskipun masa depan menjanjikan fitur-fitur dengan gen AI sebagai inti, kita masih perlu waktu untuk melihat manfaat nyata bagi pengguna.” Oleh karena itu, bisnis harus berhati-hati saat menginvestasikan sumber daya yang signifikan dalam fitur yang menarik perhatian yang mungkin tidak menawarkan nilai yang berkelanjutan. Dia mengatakan bahwa kemampuan AI harus “terjalin dengan mulus ke dalam platform.”
Sementara organisasi mengembangkan strategi data untuk mengakomodasi munculnya gen AI, “ada beberapa tindakan yang tidak akan mengecewakan yang bisa diambil semua orang untuk mempersiapkan perubahan yang tak terelakkan yang dibawa oleh teknologi yang muncul,” kata Labovich. “Organisasi dapat menyederhanakan operasi dan melakukan perbaikan jangka pendek, seperti menggunakan gen AI untuk menghasilkan dokumen operasional dan keuangan yang penting, komunikasi dengan pelanggan eksternal dan pemasaran, dan berbagi pengetahuan organisasi kepada karyawan penting. Langkah-langkah ini dapat memberikan manfaat seperti peningkatan produktivitas dan penghematan biaya, semua sambil inisiatif data dan teknologi yang lebih besar sedang berlangsung.”