Sunny melalui DigitalVision / Getty Images
Ikuti ZDNET: Tambahkan kami sebagai sumber pilihan di Google.
Poin Penting ZDNET
Tiga tahun memasuki revolusi AI, dan orang-orang mulai merasa gelisah.
Para pemimpin bisnis harus fokus pada hasil, bukan sekadar penerapan alat.
Kesuksesan AI adalah proses pembelajaran yang memerlukan dukungan budaya yang signifikan.
Sudah tiga tahun sejak peluncuran ChatGPT. Meski laju perubahan terkadang terlihat luar biasa, kini muncul kekhawatiran yang tumbuh bahwa AI generatif mungkin bukanlah perubahan langkah revolusioner yang dipercayai sebagian orang.
Para ahli memperingatkan bahwa gelembung investasi AI mungkin akan segera pecah, dan banyak CEO menjadi frustrasi dengan gen AI, setelah menyaksikan perusahaan mereka berinvestasi dalam proyek tanpa hasil yang terlihat.
Bagi para pemimpin digital dan bisnis yang ditugaskan untuk menciptakan nilai dari gen AI dan teknologi emerging lainnya, seperti [AI agenik](https://www.zdnet.com/article/deploying-agentic-ai-youll-probably-do-business-with– these-3-companies/) dan riset mendalam, berikut adalah lima cara untuk memastikan revolusi AI Anda lebih sukses daripada gagal.
1. Berusaha menghindari ‘pilotpalooza’
Diana Schildhouse, Chief Data and Analytics Officer di Colgate-Palmolive, menyatakan bahwa kunci kesuksesan AI adalah mengidentifikasi masalah bisnis yang perlu dipecahkan dan menemukan solusi teknologi yang tepat.
"Kita perlu memastikannya terukur dan taktis dalam fungsinya," ujarnya kepada ZDNET. "Pendekatan kami bukan tentang memiliki tim AI yang terisolasi di menara gading membangun sesuatu yang kami anggap solusi brilian, tetapi kemudian, ketika tiba waktunya berkolaborasi dengan unit bisnis, ternyata tidak benar-benar membantu menyelesaikan tujuan mereka."
Schildhouse bekerja dengan timnya dan unit bisnis untuk menjalankan pilot project yang menunjukkan nilai. Begitu nilai itu terbukti, mereka mempertimbangkan bagaimana memperluas solusi yang sesuai kebutuhan.
"Organisasi bisa terjebak dalam apa yang saya sebut ‘pilotpalooza’," katanya. "Terkadang juga disebut ‘Seribu Bunga Bermekaran’. Situasi di mana semua orang menguji setiap cara yang mungkin untuk melakukan sesuatu."
Juga: 5 cara memberi makan AI dengan data bisnis yang tepat – dan mendapatkan emas, bukan sampah
Schildhouse mengatakan perusahaan besar bisa memiliki ratusan pilot project yang melakukan hal serupa di seluruh dunia. Penargetan yang hati-hati menghasilkan dampak bisnis yang lebih besar.
"Menjadi sangat bijaksana dalam cara kami menyusun pilot, apa yang kami pelajari, dan kemudian rencana penskalaan adalah sesuatu yang telah membantu mendorong kesuksesan bagi kami, karena kami tidak menguji setiap objek baru yang menarik dengan cara yang tidak terkelola."
2. Terapkan solusi yang matang
Ian Ruffle, Head of Data and Insight di spesialis kerusakan otomotif Inggris RAC, menyatakan bahwa tingginya tingkat kegagalan AI terjadi ketika profesional fokus pada teknologi daripada tantangan bisnis.
Hype adalah salah satu masalah signifikan bagi profesional yang mendalami AI. Keinginan untuk keunggulan sebagai pelopor pertama berarti vendor perangkat lunak telah sibuk memastikan produk mereka dipasarkan sebagai AI-enabled, terlepas dari apakah ada peningkatan kemampuan yang signifikan atau tidak.
Meski ada beberapa penolakan terhadap hiperbola AI, Ruffle mengatakan kepada ZDNET bahwa ada solusi teknologi yang berguna di pasaran, dan para profesional harus ingat sejauh mana teknologi emerging telah berkembang dalam waktu singkat.
"Saya pikir tiga tahun itu cepat untuk pencapaian kita saat ini," ujarnya. "Ada banyak sekali kemampuan. Namun, organisasi yang akan berhasil dalam AI adalah mereka yang menunggu hingga mereka menemukan masalah dan menerapkan AI yang matang untuk menyelesaikan tantangan itu."
Juga: AI akan menyebabkan ‘kekacauan pekerjaan’ dalam beberapa tahun mendatang, kata Gartner – ini artinya
Ruffle mengatakan ia bekerja sama dengan pemangku kepentingan bisnis, timnya, dan pemasok teknologi utama, termasuk Snowflake, untuk menemukan solusi berbasis AI bagi tantangan bisnis.
Dia mengatakan organisasi dengan tepat khawatir tentang tata kelola, tetapi dia mengharapkan peningkatan kecepatan penerapan dalam dua tahun ke depan.
"Kemampuan akan terus bergerak maju," katanya. "Saat Anda fokus pada proses menemukan solusi untuk suatu masalah, saya pikir AI sangatlah mampu."
3. Belajar dari tantangan Anda
Paul Neville, Direktur Digital, Data, dan Teknologi di lembaga Inggris The Pensions Regulator (TPR), mengatakan penting untuk menyadari bahwa sukses besar atau gagal total bukanlah satu-satunya hasil potensial dari investasi AI.
"Ada jarak yang cukup besar antara kedua hal itu, dan saya pikir kita harus visioner, bijaksana, dan siap untuk berpikir berbeda," katanya kepada ZDNET.
Neville telah menciptakan tim desain yang berpusat pada pengguna yang memastikan organisasi fokus pada hasil yang tepat bagi pengguna. Hasil ini, termasuk untuk proyek AI, diukur, dan bisnis merefleksikan perkembangannya.
"Kami bekerja dengan cara yang sangat iteratif, dan kami sedang belajar," ujarnya. "Kami akan mencoba hal-hal yang tidak berhasil pada percobaan pertama. Kami perlu merencanakan itu, karena itu adalah bagian dari dunia ini. Itu bagian dari inovasi. Anda tidak mencapai apa pun tanpa terkadang beberapa hal tidak berhasil. Yang paling penting adalah belajar dari proses itu."
Juga: Belum ada ROI dalam AI? Coba enam taktik terbukti ini untuk menciptakan nilai bisnis nyata
Sebagai bagian dari pendekatan iteratif ini, Neville memimpin pekerjaan penelitian di luar TI, mendorong TPR untuk menjadi organisasi pembelajar.
"Saya tidak suka frasa ‘gagal dengan cepat’ karena saya tidak berpikir Anda telah gagal jika Anda belajar sesuatu di sepanjang jalan," katanya, sebelum menjelaskan bagaimana pendekatan itu berlaku untuk penerapan AI.
"Kesuksesan adalah tentang belajar seiring kami berjalan dan tidak mencoba melakukan segalanya sekaligus. Anda memerlukan kendali yang baik, tata kelola yang baik. Dan itu digabungkan dengan memiliki visi jangka panjang. Ketika hal-hal ini menyatu, Anda dapat memberikan hasil tambahan yang pada akhirnya memberikan nilai lebih baik dan perbedaan nyata bagi orang-orang yang penting."
4. Atasi resistensi budaya
Mike Bray, Wakil Presiden Inovasi di spesialis manufaktur RS, mengakui bahwa AI terus memenuhi headline dan kegembiraan di kalangan pemimpin bisnis, dan kini CIO bergulat dengan realita memanfaatkan teknologi emerging.
"Investasi dalam alat AI hanyalah langkah pertama; implementasi adalah tantangan yang lebih besar karena memerlukan perubahan budaya yang mendalam," katanya.
Penelitian RS baru-baru ini menyarankan bahwa resistensi terhadap perubahan adalah hambatan internal terbesar yang dihadapi para pemimpin senior dalam hal inovasi.
Bray mengatakan kepada ZDNET bahwa resistensi budaya di antara tim, manajer, atau staf lini depan dapat memperlambat adopsi alat, teknologi, dan proses baru, menyulitkan penskalaan pilot dan proof-of-concept AI.
Dia mengatakan CIO harus memprioritaskan eksekusi AI yang bertujuan tanpa terbawa oleh hype.
"Kesuksesan bergantung pada menyelesaikan tantangan bisnis yang otentik yang penting bagi karyawan, dan pada memberi insentif kepada staf untuk mengadopsi proses baru dengan menunjukkan manfaat yang jelas dan terukur dalam peran sehari-hari mereka," ujarnya.
"Ketika karyawan melihat bagaimana AI dapat membuat pekerjaan mereka lebih mudah, lebih efisien, atau lebih memberi kepuasan, adopsi akan mengikuti secara alami. Pada akhirnya, sebuah inisiatif AI hanya akan memberikan nilai yang langgeng jika diimplementasikan dengan fokus yang jelas, bukan hanya demi melakukannya."
5. Fokus pada integrasi sistem
Steve Lucas, CEO spesialis teknologi Boomi, mengatakan revolusi AI terjadi dengan berbagai cara dan pada banyak kecepatan. Saat perusahaan teknologi terus berinovasi, beberapa pengguna akhir bisa jadi merasa bingung.
"Saya pikir ada hal-hal tertentu di mana tempo eksperimen dipercepat dan tinggi dengan vendor model," ujarnya.
"Secara lebih umum, saya pikir kecepatan adopsi agak tertinggal karena banyak orang dalam bisnis tidak sepenuhnya memahami, di sisi kiri, bagaimana kita memberi makan AI dengan data yang tepat yang dibutuhkan model-model ini."
Juga: Peringatan baru Anthropic: Jika Anda melatih AI untuk menipu, ia juga akan meretas dan menyabotase
Lucas mengatakan kepada ZDNET bahwa salah satu masalah besar adalah integrasi. CIO dan mitra vendor mereka harus bekerja sama untuk mengisi kekosongan tersebut.
"Kita memiliki semua sistem perusahaan ini. Kita memilikinya untuk waktu yang lama, dan mungkin kita memiliki terlalu banyak sistem," katanya.
"Kami juga memiliki AI dalam model, tetapi kami kekurangan jaringan penghubung antara sistem perusahaan dan AI. Orang-orang menemukan bahwa ada tumpukan aktivasi yang hilang di tengah. Integrasi akan menjadi kunci kesuksesan."