Apakah kecerdasan buatan mengarah pada penurunan atau kelahiran kembali kecerdasan bisnis? Alat kecerdasan bisnis dan analitik data depan telah menguasai pasar selama bertahun-tahun. Sekarang, AI sedang mengubah semuanya. Oleh karena itu, vendor BI utama sedang beralih menjadi perusahaan “AI”. Apa yang perlu diketahui pengguna akhir tentang masa depan BI dan analitik data di era AI? Juga: Akhir dari silo data? Bagaimana SAP mendefinisikan kembali AI perusahaan dengan Joule dan Databricks. Vendor BI terkemuka telah mendapatkan pesan tersebut, dengan alat baru yang jauh melampaui pelaporan dan grafik yang cantik. Misalnya, Qlik, yang selama ini merupakan vendor BI terkemuka, sedang melakukan apa yang disebutnya sebagai “AI Reality Tour” global, yang dijelaskan baru-baru ini oleh pembicara industri dan penulis Dez Blanchfield. Pergerakan vendor ke pemrosesan bahasa alami (NLP) – melalui AI generatif – memungkinkan pengguna berinteraksi dengan data menggunakan bahasa sehari-hari, dia mencatat. Kemampuan tambahan “meluas ke visualisasi data, menyajikan data kompleks dalam format yang mudah dipahami.” Para pengamat industri setuju bahwa munculnya AI – terutama model bahasa besar – sangat memperluas kemampuan dan jangkauan alat BI dan analitik data. “LLM sedang mengubah analitik data dengan memungkinkan integrasi data terstruktur dan tak terstruktur,” kata Chida Sadayappan, direktur manajemen Deloitte Consulting. Mereka meningkatkan interpretasi data, meningkatkan pengambilan keputusan, dan mengotomatisasi proses, memungkinkan organisasi untuk mendapatkan wawasan yang lebih dalam dan menciptakan lebih banyak nilai dari data mereka. Alat BI dan analitik data di sini untuk tinggal, tetapi fondasi teknologinya berubah – bergerak ke tumpukan AI di cloud. “Setiap lapisan tumpukan data saat ini akan direimajinasi dan direinventarisasi,” kata Jitendra Putcha, wakil presiden eksekutif dengan LTIMindtree. “Ini termasuk berpindah dari metodologi ekstrak, transformasi, dan beban [ETL] ke pemrosesan data yang didorong AI. Selain itu, analisis pengguna akan beralih dari kueri berbasis SQL dan Python ke analitik percakapan dengan pemrosesan bahasa alami.” Ini berarti perubahan dalam peran coder, yang “akan menjadi desainer yang mengadopsi mode non-kode dan percakapan untuk membangun aplikasi menggunakan Copilots dan Studios, menggantikan lingkungan pengembangan terintegrasi,” kata Quang Trinh, manajer pengembangan bisnis di Axis Communications. “Kami akan beralih dari laporan statis ke produk data dinamis, memberikan wawasan real-time yang dapat diambil langsung ke alur kerja untuk mendorong pengambilan keputusan di setiap tingkat.” Kemampuan pemrosesan bahasa alami yang melekat dalam LLM juga memudahkan “analitik data dengan menerjemahkan bahasa alami menjadi kueri database dan membuat visualisasi data,” kata Trinh. Ini berarti peluang yang lebih besar untuk kreativitas di kalangan pengguna akhir, lanjutnya. “LLM seperti Claude, misalnya, dapat menghasilkan kode untuk visualisasi data ketika terhubung ke database pelanggan. LLM sedang beralih ke gambar dan video untuk membantu dalam menganalisis gambar dan video, tetapi juga menghasilkan gambar dan video baru dari data yang dipelajarinya.” Sadayappan setuju bahwa alat-alat ini sedang berevolusi “untuk menawarkan pengalaman yang lebih interaktif dan ramah pengguna. Dengan kemajuan dalam GenAI, pengguna sekarang dapat mengajukan pertanyaan dalam bahasa Inggris alami dan menerima jawaban rinci dan deskriptif, membuat mereka lebih mudah diakses dan efektif bagi pengguna.” “Demokratisasi” analitik data – yang selama ini dianggap sebagai Suci Grail dari perusahaan yang autentik data-driven – mungkin akhirnya lebih dekat dengan kenyataan. Munculnya AI percakapan melalui NLP berarti antarmuka pengguna yang baru – tidak perlu struktur formal kueri. “Penciptaan dan konsumsi wawasan akan menjadi percakapan,” kata Putcha. “Sistem akan beradaptasi dengan manusia. Pengguna bisnis akan berinteraksi dengan data dalam bahasa alami, mengajukan pertanyaan dan mendapatkan wawasan tanpa keterampilan SQL atau Python.” Pada saat yang sama, seperti halnya dengan banyak kemajuan teknologi, kesuksesan dengan alat analitik bisnis yang didorong AI bergantung pada kualitas data – paradoks klasik sampah masuk, sampah keluar. “Banyak organisasi akan perlu berinvestasi dalam pembersihan dan validasi data saat mereka mengintegrasikan sistem-sistem yang terpisah ke dalam satu platform,” kata Trihn. “Pelatihan karyawan harus menekankan prinsip kepercayaan namun verifikasi untuk penggunaan alat AI yang etis dan efektif di organisasi mereka.” “Tantangan utama dengan kecerdasan bisnis yang didorong AI” adalah mengintegrasikan data dari berbagai sumber, yang sering ada dalam silo,” kata Sadayappan. “Platform kecerdasan data modern dengan LLM membantu dengan memfasilitasi integrasi yang lancar, meningkatkan kualitas data, dan mengotomatisasi wawasan, sehingga memberikan pandangan komprehensif tentang pelanggan dan operasi.”
