Andrew Kelly dari Accenture mengeksplorasi masa-masa awal kariernya di tengah lanskap ilmu data Irlandia dan bagaimana orang lain dapat menempuh jalur karier serupa.
Andrew Kelly, manajer senior di AI dan data di Accenture, sedang mengambil gelar di bidang teknik ketika ia pertama kali magang di organisasi tersebut. Dia menjelaskan bahwa ini adalah pertama kalinya dia mendapatkan paparan nyata terhadap ilmu data, melalui bekerja dengan data untuk menemukan pola dan menghasilkan wawasan.
Dia mengatakan kepada SiliconRepublic.com, “Saya selalu menyukai matematika dan mata pelajaran kuantitatif, tapi ini berbeda. Ini adalah mata pelajaran yang praktis, diterapkan dan memiliki alasan komersial yang jelas di baliknya. Sesuatu yang cocok. Saya kembali ke perguruan tinggi, menyelesaikan master saya di bidang teknik, namun sudah tahu di mana saya ingin berakhir.”
Segera setelah itu, Kelly bergabung kembali dengan Accenture sebagai lulusan dan segera mulai bekerja sekali lagi di bidang analitik, tetapi juga mulai merambah ke pelaporan intelijen bisnis, rekayasa data, GenAI, jasa keuangan dan, semakin meningkat, perbankan.
Kelly berkata, “Dalam beberapa tahun terakhir, fokus saya telah beralih dari seorang praktisi data menjadi membantu klien perbankan membangun fondasi AI dalam skala besar – platform, tata kelola, kerangka risiko, dan proses AI yang bertanggung jawab yang harus berada di balik semuanya – sekaligus mencoba memberikan nilai yang nyata dan terukur dengan cukup cepat untuk membuktikan bahwa AI berhasil.”
Ekosistem ilmu data Irlandia
Menurut Kelly, Irlandia berada “dalam posisi yang menjanjikan namun belum selesai” dalam ruang yang memungkinkan terjadinya percepatan tajam dalam adopsi AI. Menurut a laporan sebelumnya diterbitkan oleh Accenture, jumlah karyawan Irlandia yang menggunakan alat GenAI setiap harinya hampir tiga kali lipat dibandingkan dua tahun lalu.
Namun, ia berpendapat bahwa hal ini belum menghasilkan transformasi organisasi yang lebih nyata dan efektif, karena hal ini hanya berdampak pada tingkat individu, bukan pada seluruh perusahaan.
“Apa yang saya lihat secara konsisten di berbagai organisasi adalah perlakuan terhadap AI sebagai inisiatif teknologi, bukan sebagai penemuan kembali bisnis. Ada godaan kuat untuk mengotomatisasi langkah-langkah terisolasi dalam sebuah proses, untuk mengambil alur kerja multi-langkah dan mengotomatisasi sebagian darinya,” kata Kelly.
“Hal ini bukanlah transformasi. Organisasi yang akan maju adalah organisasi yang mengajukan pertanyaan berbeda secara mendasar: ‘Bagaimana AI mengubah cara kita bekerja secara end-to-end?’ atau ‘Bagaimana hal ini mengubah cara kita berinteraksi dengan pelanggan?’ Hal ini memerlukan penemuan kembali proses, bukan otomatisasi titik.”
Ia menemukan ada kesenjangan yang ditunjukkan dalam penelitian ini, yaitu hanya sekitar 10 persen organisasi di Irlandia yang telah mencapai apa yang disebut Accenture sebagai status ‘scaler’ – yaitu, ketika AI tertanam dalam operasi inti. Mayoritas masih bereksperimen dan mengintegrasikan, sebagian besar berada dalam silo.
“Tantangan data, tata kelola, dan infrastruktur lama merupakan kendala yang nyata. Namun permasalahan yang lebih dalam sering kali adalah kejelasan strategi. Investasi AI harus berorientasi pada nilai, terikat pada hasil bisnis tingkat atas, dan tidak didorong oleh teknologi itu sendiri.
“Sinyal yang menggembirakan adalah bahwa Irlandia memiliki unsur-unsur yang tepat – talenta, infrastruktur, kerangka peraturan, dan ambisi nasional yang sejati. Pertanyaannya adalah pelaksanaan dalam skala besar, dan waktu terus berjalan.”
Seperti apa masa depan?
Meski belum terlalu lama, banyak perubahan dalam ilmu data dan bidang STEM yang lebih luas sejak Kelly pertama kali memulai karirnya.
Dia menjelaskan bahwa pada awal perjalanannya, pekerjaannya sering kali dipusatkan pada pengembangan model prediktif dalam kode dan menjalankan proyek ilmu data yang melayani bagian bisnis tertentu. Percakapan “sebagian besar bersifat teknis” dan hasilnya “bermakna namun relatif sesuai dengan jangkauan organisasi mereka”.
“Yang berubah secara mendasar adalah cakupan dampaknya. GenAI masih memerlukan keahlian yang mendalam untuk membangun dan mengatur dengan baik, namun jangkauannya jauh melampaui mereka yang membangunnya. GenAI meresap ke dalam proses di seluruh organisasi, menyentuh peran, alur kerja, dan interaksi pelanggan yang belum pernah dicapai oleh pembelajaran mesin tradisional dengan cara yang sama.”
Ekspektasi keterampilan juga sedikit berubah. Saat ini, kesiapan AI di seluruh angkatan kerja telah menjadi sebuah kemampuan yang sangat penting.
“Literasi AI tidak bisa lagi hanya dilakukan oleh tim yang membangun teknologinya. Literasi AI harus didistribusikan ke seluruh bisnis. Hal yang tidak berubah adalah laju perubahan itu sendiri. Teknologi selalu cepat, namun semakin cepat sehingga organisasi harus mengelolanya secara aktif,” kata Kelly.
“Dasar teknis itu penting – memahami rekayasa data, pembelajaran mesin, arsitektur platform, dan tata kelola dengan cukup baik sehingga bisa melakukan percakapan yang kredibel dengan para praktisi dan klien senior. Namun dalam keseharian saya, keterampilan yang paling saya andalkan bukanlah keterampilan teknis.”
Sebaliknya, ia secara teratur memanfaatkan keahlian yang luas yang memungkinkannya menavigasi lingkungan yang kompleks dengan para profesional di bidang regulasi, risiko, teknologi, bisnis, dan kepemimpinan senior, “seringkali secara bersamaan dan dengan prioritas yang bersaing”.
Ia menambahkan, “Kemampuan untuk menerjemahkan antara tim teknis dan pengambil keputusan bisnis, antara apa yang dapat dilakukan AI dan apa yang seharusnya dilakukan, mungkin merupakan keterampilan yang paling sering saya gunakan.”
Menumbuhkan karir
Namun yang paling penting, atribut yang paling menonjol dalam suatu karier bukanlah rekam jejak yang sempurna, namun menunjukkan minat yang tulus.
Kelly sendiri memulai peran awalnya sebagai pekerja magang, pindah dari rekayasa mendalami ilmu data, dan pada awalnya dia sering bertanya-tanya apakah profil teknisnya cukup dibandingkan dengan orang-orang yang pernah mempelajari ilmu komputer atau statistik secara langsung.
“Itu salah tempat. Apa yang saya miliki adalah keingintahuan dan kemauan untuk belajar dan, melihat ke belakang, hal itu jauh lebih berarti. Hal kedua, dan ini adalah sesuatu yang masih harus saya ingatkan, adalah berdamai dengan ketidaktahuan segalanya. Khususnya dalam AI, perasaan berada sedikit di belakang kurva pada dasarnya bersifat universal.
“Setiap orang belajar dengan teknologi ini. Organisasi dan individu yang maju belum tentu merupakan organisasi yang memiliki pengetahuan paling awal. Mereka adalah organisasi yang memiliki bakat dan keinginan tertinggi untuk terus belajar seiring perubahan yang terjadi.
“Apa yang saya cari ketika saya merekrut adalah hal tersebut – kemampuan untuk mengambil sesuatu, beradaptasi dan berkembang. Keterampilan dapat diperoleh. Orientasi itu, rasa ingin tahu yang tulus dan ketahanan lebih sulit untuk diajarkan. Jika Anda memilikinya, orang lain cenderung mengikuti.”