73 Persen Inisiatif Data Gagal Dukung AI, Fondasi Data Jadi Biang Kerok

Telset.id – Sebanyak 73 persen organisasi melaporkan inisiatif data mereka belum memenuhi ekspektasi, meski belanja teknologi AI terus melonjak. Temuan ini mengungkap bahwa kegagalan adopsi AI di perusahaan bukan disebabkan oleh kurangnya anggaran, melainkan fondasi data yang lemah.

Angka tersebut menjadi sinyal penting di tengah gelombang investasi AI. Gartner mencatat lebih dari 90 persen CIO di seluruh dunia menambah pendanaan untuk AI, menjadikannya area belanja teknologi enterprise dengan pertumbuhan tercepat. Ambisi mengintegrasikan alur kerja berbasis AI, mulai dari analitik real-time hingga pengalaman pelanggan yang dipersonalisasi, turut mempercepat investasi pada inisiatif data.

Riset tambahan menunjukkan perusahaan kini menggelontorkan rata-rata 29,3 juta dolar AS per tahun untuk program data. Anggaran itu mencakup pergerakan data, penyerapan dan penyiapan perkakas, biaya cloud berulang untuk ingest dan komputasi, serta kapasitas engineering internal yang dibutuhkan agar pipeline tetap berjalan. Organisasi dengan inisiatif AI yang sukses bahkan menginvestasikan hingga empat kali lebih besar pada fondasi data dan analitik.

Namun, anggaran besar tidak otomatis menghasilkan data berkualitas tinggi. Banyak bisnis masih kehilangan dampak transformatif AI karena kelemahan pada arsitektur data yang memperlambat pengiriman dan membatasi imbal hasil.

Beban Downtime dan Kapasitas Engineering

Di organisasi besar, downtime akibat kegagalan pipeline data kini melampaui 60 jam per bulan. Gangguan tersebut mengacaukan produktivitas dan menelan biaya sekitar 50.000 poundsterling per jam dalam dampak bisnis. Tim data pun terdampak, karena lebih dari separuh kapasitas engineering mereka habis untuk pemeliharaan pipeline, bukan mengembangkan use case baru.

Dampak yang lebih dalam dari fondasi data yang tidak andal adalah gangguan konsisten terhadap inisiatif AI. Agar sistem AI berkembang, organisasi membutuhkan program data yang terdemokratisasi dan interoperable, di mana akses terhadap data berlangsung cepat, tergovernansi, dan dapat diandalkan.

Menjawab kebutuhan itu, Open Data Infrastructure (ODI) muncul sebagai fondasi bagi AI. ODI adalah pendekatan arsitektur yang memberi organisasi kontrol lebih besar atas bagaimana data diakses, dipindahkan, dan digunakan, dengan membiarkan berbagai perkakas dan platform bekerja bersama melalui standar terbuka yang sama.

Alih-alih bergantung pada sistem proprietary yang terikat erat, ODI dibangun di atas fondasi modular berbasis standar yang memisahkan penyimpanan dari komputasi, sehingga setiap lapisan dapat berkembang secara independen. Seiring pertumbuhan beban kerja data dan AI, hal ini menciptakan lingkungan data terpadu tempat analitik dan AI dapat berskala lebih efisien.

ODI juga menjadi tantangan langsung terhadap vendor lock-in. Industri kini menyaksikan pergeseran menuju data yang semakin terbatas, baik secara teknis maupun komersial. Sering kali, batasan tersebut muncul sebagai biaya tersembunyi atau dependensi yang mendorong perusahaan masuk ke ekosistem tertutup tertentu.

Ketika Agen AI Jadi Pengguna Data Utama

Masalah ini kian membesar ketika entitas AI menjadi pengguna data utama sebuah organisasi. Studi menunjukkan entitas non-manusia hadir di perusahaan modern dengan rasio 82:1 dibanding manusia. Agar agen AI dapat bekerja efektif bersama pengguna manusia, dibutuhkan satu sumber kebenaran bersama.

Dasbor, alur kerja operasional, model machine learning, dan agen AI mungkin semuanya menarik data dari sumber yang sama, tetapi sering beroperasi di lingkungan terpisah dengan definisi dan model berbeda. Ketika definisi tersebut melenceng, hasilnya bisa berupa keputusan yang tidak selaras, output AI yang tidak andal, dan tambahan beban engineering.

ODI membantu mengatasi hal ini dengan memberi setiap sistem, baik manusia maupun otomatis, pandangan yang konsisten terhadap bisnis. Selain itu, agen AI menghasilkan kueri jauh lebih banyak daripada manusia, tetapi ekosistem tertutup sering merutekannya melalui infrastruktur komputasi mahal yang sama. Agen hanya bisa mengoptimalkan biaya dengan memilih mesin komputasi yang lebih murah jika arsitektur terbuka memberi mereka pilihan tersebut.

Pertimbangan biaya tidak berhenti sampai di situ. Organisasi yang memakai sistem legacy membayar jauh lebih mahal per pipeline data, yang jika dikalikan dengan ratusan pipeline pada skala enterprise, berujung pada pengeluaran berkelanjutan yang signifikan. Hal ini memperkuat urgensi perencanaan infrastruktur yang lebih terbuka, sejalan dengan pembahasan mengenai pelajaran dari insiden data yang menunjukkan pentingnya tata kelola dan fondasi yang kuat.

Seiring investasi pada perkakas AI terus meningkat, organisasi harus berpikir jauh ke depan untuk mengurangi tekanan pada anggaran dan sumber daya engineering. Mereka perlu memastikan sistem AI memiliki akses konsisten terhadap data yang segar, tepercaya, dan kaya konteks, sembari tetap mengendalikan data serta arsitekturnya agar terhindar dari lock-in.

Organisasi yang memprioritaskan fondasi terbuka akan menciptakan kondisi yang tepat bagi inovasi dan memungkinkan tim data mereka fokus memberikan nilai bisnis nyata, mulai dari pemodelan prediktif dan analitik real-time hingga produksi agen yang lebih cepat. Riset menunjukkan organisasi dengan fondasi data modern, terkelola, dan terbuka hampir dua kali lebih mungkin melampaui target ROI dibandingkan mereka yang bergantung pada sistem legacy. Ini membuktikan korelasi langsung antara kematangan data dan keberhasilan AI yang terukur.

Pandangan ini disampaikan oleh Anjan Kundavaram, Chief Product Officer di Fivetran, dalam artikel yang diproduksi sebagai bagian dari TechRadar Pro Perspectives.