Gerard Hayes, partner di BearingPoint Ireland, membahas temuan dari laporan ‘Scaling AI for Measurable Impact’ perusahaan.
Ketika kecerdasan buatan terus berkembang dengan kecepatan yang memusingkan, dunia usaha dan organisasi lainnya berupaya memahami implikasi dan potensi teknologi tersebut.
Jika penerapan AI saat ini tampaknya tidak dapat dinegosiasikan, organisasi juga harus mempertimbangkan bagaimana memanfaatkan AI dengan proses dan struktur yang ada – atau bagaimana hal tersebut dapat menentukan kemajuan mereka.
Sebuah studi baru-baru ini yang dilakukan oleh perusahaan konsultan BearingPoint menemukan bahwa penskalaan AI menandai tantangan besar berikutnya dalam bidang teknologi bagi organisasi-organisasi yang menerapkannya.
Hal ini lebih banyak terjadi di Irlandia dibandingkan secara global, menurut data, yang menunjukkan bahwa hanya 4 persen organisasi di Irlandia yang telah menerapkan AI mengatakan bahwa mereka telah sepenuhnya mencapai tujuan penskalaan mereka, dibandingkan dengan 13 persen di negara lain.
Dampak yang terukur
BearingPoint melakukan survei global terhadap 1.050 eksekutif C-suite dan pemimpin senior di 13 negara untuk menilai korelasi antara investasi AI dan nilai terukur bagi organisasi sektor publik dan swasta di Eropa, Amerika Serikat, dan Tiongkok.
Laporan yang bertajuk ‘Menskalakan AI untuk Dampak Terukur’ ini menemukan bahwa meskipun kematangan AI organisasi mengalami kemajuan, integrasi perusahaan yang mendalam masih jarang terjadi.
“Percakapan beralih dari apakah AI dapat menciptakan nilai ke apakah organisasi dapat meningkatkan nilai tersebut,” kata Gerard Hayes, mitra di BearingPoint Ireland.
“Saya pikir laporan ini menunjukkan bahwa kita telah mencapai titik penting dalam adopsi AI di tingkat perusahaan.”
Penelitian ini memperingatkan munculnya “perangkap produktivitas AI” yang perlu dipertimbangkan oleh perusahaan. Meskipun teknologi dapat mempercepat proses, mengotomatiskan aktivitas rutin, dan meningkatkan kapasitas karyawan, pertanyaan selanjutnya adalah bagaimana memanfaatkan potensi keuntungan ini.
Penggunaan lebih banyak teknologi tidak secara otomatis menghasilkan kinerja keuangan yang lebih kuat, menurut laporan tersebut. Sebaliknya, nilai berkelanjutan “bergantung pada apakah organisasi dapat menghubungkan investasi AI dengan akuntabilitas keuangan, data tepercaya, arsitektur yang dapat diskalakan, adaptasi tenaga kerja, tata kelola, dan hasil yang terukur”.
Lebih jauh lagi, organisasi berisiko kehilangan peluang untuk meningkatkan pertumbuhan, menurunkan biaya, atau meningkatkan margin jika peran tradisional, struktur tenaga kerja, model operasi, atau alokasi sumber daya tidak berubah.
Jika teknologi menciptakan kapasitas, demikian argumen laporan tersebut, maka keputusan manajemen menentukan apakah kapasitas tersebut menjadi nilai yang dapat diukur.
“Banyak organisasi menjadi sangat baik dalam meluncurkan proyek percontohan dan dengan cepat menunjukkan bahwa kasus penggunaan AI dapat berhasil. Ini adalah kemajuan yang penting,” kata Hayes.
“Tantangan yang jauh lebih sulit adalah beralih dari uji coba yang berhasil menjadi sesuatu yang dapat digunakan secara aman, bertanggung jawab, dan konsisten di seluruh perusahaan.
“Pada titik ini, pertanyaan seputar tata kelola, kebijakan, kepatuhan terhadap peraturan, kepemilikan data, dan akuntabilitas menjadi jauh lebih signifikan.
“Jika fondasi tersebut tidak dipertimbangkan sejak awal, organisasi akan mendapati bahwa proyek percontohan yang diluncurkan secara relatif cepat membutuhkan waktu lebih lama untuk diperluas.”
Menurut Hayes, organisasi menghadapi tantangan besar dalam menyeimbangkan kecepatan dan kelincahan dengan struktur dan ketelitian dalam hal adopsi dan penskalaan AI.
“Mereka memerlukan kecepatan dan fleksibilitas untuk bereksperimen dan belajar, namun juga disiplin untuk menerapkan landasan yang diperlukan untuk skala. Bergerak terlalu cepat tanpa landasan tersebut akan menimbulkan risiko dan pengerjaan ulang.”
Bergerak terlalu lambat, tentu saja, mewakili jenis risiko lain jika hal itu memungkinkan pesaing untuk belajar lebih cepat, membangun kemampuan organisasi lebih awal, atau menggabungkan nilai yang mereka capai dengan lebih baik, tambahnya.
“Kita juga perlu menyadari bahwa semua hal ini tidak mudah. Laju perubahan di pasar AI sangat luar biasa. Kapabilitas semakin cepat, biaya berfluktuasi, dan solusi-solusi baru terus bermunculan, sementara arah pasar jangka panjang masih belum pasti.”
Pandangan Irlandia
Hayes, yang telah bergabung dengan BearingPoint sejak 2008, bekerja “di persimpangan antara bisnis dan teknologi”.
Ia menghabiskan sebagian besar karirnya dengan fokus pada program transformasi besar, khususnya di sektor publik Irlandia, membangun pengalaman “langsung” mengenai tantangan transformasi yang kompleks dan pemahaman tentang apa yang membuat perubahan berhasil – dan “yang sama pentingnya”, apa saja yang bisa menghalangi perubahan tersebut.
Melihat laporan tersebut dari perspektif Irlandia, ia mencatat adanya tren aktivitas dan ambisi yang kuat seputar AI di negara ini yang menghadapi tantangan jika diterjemahkan ke dalam skala perusahaan. Ia menunjukkan bahwa meskipun 63 persen organisasi di Irlandia yang disurvei mengatakan bahwa mereka telah mengimplementasikan proyek AI secara terbatas – lebih besar dari angka global yang sebesar 54 persen – hanya 6 persen di Irlandia yang menggambarkan AI terintegrasi penuh di seluruh organisasi mereka, dibandingkan dengan 11 persen secara global.
Yang paling menarik, dalam pandangannya, adalah indikator bahwa organisasi-organisasi di Irlandia memandang AI agen sebagai prioritas di masa depan dengan jumlah yang lebih besar dibandingkan tingkat global – yaitu 43 persen berbanding 26 persen – dan hal ini dapat dianggap sebagai peluang untuk mengubah selera inovasi di Irlandia menjadi kemampuan organisasi untuk menerapkan AI dalam skala besar, sehingga menghasilkan nilai yang terukur.
Selain itu, Hayes menyoroti temuan bahwa 80 persen organisasi di Irlandia sedang melakukan penilaian kesenjangan keterampilan saat mereka bersiap menghadapi transformasi AI. Dalam pandangannya, hal ini mencerminkan pemahaman penting bahwa kebutuhan tenaga kerja akan terus berkembang.
Baginya, strategi AI dan strategi tenaga kerja suatu perusahaan harus berjalan beriringan.
“Seiring dengan semakin terintegrasinya AI ke dalam proses bisnis, dan khususnya saat kita beralih ke bentuk AI yang lebih bersifat agen, organisasi perlu melihat lebih dari sekadar tugas individu dan memikirkan peran secara menyeluruh.
“Dari pengalaman saya dalam bertransformasi, organisasi selalu perlu mengantisipasi bagaimana teknologi akan mengubah tenaga kerja mereka, dan perencanaan tenaga kerja yang baik harus dilakukan secara berkelanjutan.”
Kecepatan perubahan
Laporan BearingPoint menyoroti sejumlah kesimpulan mendasar terkait tantangan penskalaan AI untuk dampak organisasi.
Pernyataan tersebut menyatakan bahwa: AI harus dikelola “sebagai portofolio nilai perusahaan” dengan pendekatan holistik; organisasi perlu mengubah kapasitas yang diciptakan AI menjadi nilai yang lebih dari sekadar penyesuaian jumlah karyawan; perencanaan tenaga kerja perlu “menjadi bagian dari peta jalan AI”; ambisi agen bergerak lebih cepat dibandingkan kesiapan organisasi; dan para pemimpin AI harus mematuhi “disiplin eksekusi” untuk membedakan diri mereka.
Dalam pandangan Hayes, integrasi dan penskalaan AI menghadirkan beberapa tantangan organisasi yang sama seperti siklus transformasi sebelumnya, termasuk mencari tahu bagaimana peran akan berkembang, kemampuan apa yang dibutuhkan, dan di mana teknologi baru dapat meningkatkan atau mengotomatisasi pekerjaan.
Namun, baginya, perkembangan zaman AI ditentukan oleh satu karakteristik yang melampaui lompatan teknologi sebelumnya: kecepatan.
“Saya pikir peluang nyata bagi organisasi tidak hanya menggunakan AI untuk mempercepat aktivitas pengembangan individu, namun juga menggunakannya untuk mempersingkat perjalanan dari masalah atau ide bisnis menuju solusi kerja dan pada akhirnya menghasilkan nilai yang terukur.”
Sesuatu yang “terasa berbeda dengan AI”, katanya, adalah kecepatan perubahan “asumsi dasar” yang mendasari perencanaan dan strategi tenaga kerja.
“Cakrawala perencanaan belum hilang, namun siklus antara perencanaan, pembelajaran dan adaptasi menjadi jauh lebih pendek.
“Anda masih memerlukan pandangan yang jelas tentang tenaga kerja yang ingin Anda bangun, namun Anda juga memerlukan ketangkasan untuk terus menantang asumsi di baliknya seiring dengan berkembangnya teknologi.”