Telset.id – Bisnis tidak perlu menerapkan AI di setiap proses karena teknologi ini berpotensi menambah biaya dan kompleksitas tanpa memberi nilai tambah yang jelas. Gregg Aldana, Senior Vice President, Head of Global Solutions Consulting di Appian, menegaskan bahwa titik awal yang salah adalah bertanya “Di mana kita bisa menggunakan AI?” karena pertanyaan itu menempatkan teknologi di depan masalah bisnis. Organisasi seharusnya lebih dulu mengidentifikasi apa yang ingin mereka selesaikan dan di mana hambatan atau inefisiensi terbesar berada.
Pandangan ini penting bagi pelaku bisnis di Indonesia yang tengah mempertimbangkan adopsi AI. Menurut Gregg Aldana, perusahaan perlu melihat keputusan apa yang ingin diperbaiki, data apa yang menjadi dasarnya, dan di mana pengawasan manusia harus ditempatkan. Proses penemuan itu harus melibatkan orang-orang yang memahami proses dan tantangannya, mulai dari tim IT dan bisnis hingga kepemimpinan eksekutif. Tes sesungguhnya bukan apakah AI bisa melakukan sesuatu, melainkan apakah AI bisa membuat proses menjadi terukur lebih baik.
Pertanyaan kunci yang perlu diajukan adalah apakah sebuah tugas mengikuti aturan yang dapat diprediksi dan memiliki hasil yang jelas. Jika ya, otomatisasi tradisional atau aturan bisnis sering kali bisa mencapai hasil tersebut lebih cepat dan lebih murah. Menambahkan AI pada kasus seperti itu berisiko menghadirkan kompleksitas yang tidak diperlukan.
AI untuk Penalaran Adaptif, Aturan untuk Logika Berulang
Gregg Aldana memberikan contoh konkret dari industri asuransi. Sebuah perusahaan asuransi akan menggunakan aturan bisnis untuk meninjau dan mengklasifikasikan klaim online yang masuk berdasarkan pilihan klaim pada daftar drop-down di formulir. Klaim otomotif diarahkan ke satu departemen, sedangkan klaim asuransi rumah ke departemen lain. AI agent menjadi lebih bernilai ketika pekerjaan membutuhkan penalaran adaptif, konteks kompleks, atau penanganan input yang bervariasi. Dalam kasus ini, AI agent dapat menganalisis klaim dari formulir web dan mobile dengan data terstruktur, serta email masuk dengan konten tidak terstruktur. Berdasarkan kata kunci seperti “motorway,” “clash,” dan “passenger,” AI agent yang terlatih akan menyimpulkan bahwa klaim kemungkinan besar terkait kecelakaan otomotif dan mengarahkannya ke departemen yang sesuai.
Kesalahan yang sering terjadi adalah mengasumsikan bahwa karena AI agent bisa melakukan suatu tugas, maka tugas itu harus diberikan padanya. Pendekatan portofolio yang seimbang menjadi esensial, yaitu menggunakan aturan untuk logika bervolume tinggi dan berulang, serta agent untuk triase atau investigasi yang dinamis. Jika ingin memahami lebih jauh bagaimana teknologi baru diuji sebelum digunakan secara luas, simak ulasan Surfshark Rilis Ulang yang menunjukkan pentingnya tahap pengujian sebelum penerapan penuh.
Gregg Aldana juga menyoroti biaya tersembunyi dari menempatkan AI di setiap proses. Selain biaya model itu sendiri, bisnis sering kali meremehkan biaya seputar data, integrasi, pemantauan, tata kelola, keamanan, dan pengelolaan pengecualian. Salah satu biaya tersembunyi tertinggi terletak pada infrastruktur operasional yang diperlukan di sekitar model AI agar dapat bekerja secara efektif dan aman. Agent membutuhkan akses ke data dan sistem yang tepat, tetapi bisnis juga memerlukan pemantauan, keamanan, dan tata kelola atas apa yang dapat mereka akses dan tindakan apa yang dapat mereka lakukan.
Baca Juga:
Pertanyaan akuntabilitas juga muncul. Organisasi perlu memahami mengapa suatu tindakan diambil, melacak apa yang terjadi jika ada kesalahan, dan memiliki cara yang jelas untuk menangani situasi yang tidak dapat ditangani agent dengan percaya diri. Tanpa platform terpadu untuk mengorkestrasi data dan menegakkan kebijakan, overhead pengelolaan pengecualian dan jejak audit akan melampaui keuntungan produktivitas AI.
Penilaian Risiko dan Masa Depan Orkestrasi
Gregg Aldana menekankan bahwa penilaian manusia tetap kritis ketika biaya atau konsekuensi dari kesalahan keputusan tinggi, terutama di industri teregulasi seperti jasa keuangan, asuransi, ilmu hayati, dan sektor publik. AI dapat mempercepat area seperti onboarding klien, asuransi, underwriting, atau uji klinis, tetapi akan selalu ada keputusan yang konsekuensinya mengharuskan seseorang terlibat. Bukan berarti manusia harus menyetujui setiap tindakan AI agent. Yang penting adalah memahami tingkat risiko yang melekat pada keputusan tersebut. Aktivitas rutin dapat berjalan secara otonom, sementara tugas dan keputusan yang sensitif, tidak biasa, atau lebih konsekuensial harus dieskalasi untuk ditinjau manusia. Penilaian risiko dan batasan tersebut perlu dirancang ke dalam proses sejak awal.
Terkait masa depan otomatisasi end-to-end, Gregg Aldana menegaskan bahwa itu bukan tentang memberikan seluruh proses kepada satu AI agent tunggal. Masa depan yang lebih realistis adalah manusia, AI agent, dan otomatisasi konvensional bekerja bersama karena tugas-tugas dalam satu proses bervariasi dan membutuhkan keterampilan berbeda. Proses kompleks memerlukan kombinasi aturan bisnis yang dapat diprediksi, AI agent yang adaptif, dan keahlian manusia. Tujuannya bukan memaksimalkan jumlah AI yang digunakan, melainkan membangun proses paling efektif di sekitar hasil bisnis yang ingin dicapai.
Gregg Aldana juga mengakui bahwa mengejar AI otonom dapat membuat sebagian proses bisnis menjadi kurang efisien. Mengganti aturan deterministik dengan model AI probabilistik menghadirkan latensi, biaya, dan ketidakpastian yang tidak perlu. Jika sebuah tugas sudah dapat diselesaikan dengan cepat dan andal melalui aturan sederhana, memperkenalkan AI agent mungkin tidak secara material memperbaiki hasil. Agent sangat berharga ketika tugas membutuhkan penalaran tidak terstruktur, riset ekstensif, atau adaptasi terhadap informasi yang berubah. Namun agent tidak boleh menggantikan otomatisasi konvensional hanya karena AI lebih baru atau lebih canggih. Terkadang keputusan AI paling cerdas adalah memutuskan bahwa Anda tidak memerlukan AI sama sekali. Menggunakannya di tempat aturan proses sederhana sudah bekerja andal justru menciptakan technical debt.
Sebelum memperkenalkan AI ke dalam proses, pertanyaan terpenting menurut Gregg Aldana sangat sederhana: “Masalah apa yang ingin kita selesaikan?” Terlalu sering organisasi mulai dengan bertanya di mana mereka bisa menggunakan AI, lalu mencari proses untuk menerapkannya. Pendekatan itu menempatkan teknologi di depan kebutuhan bisnis. Bisnis seharusnya melihat di mana tantangan dan hambatan terbesar mereka. Proses mana yang memakan waktu terlalu lama? Di mana terlalu banyak intervensi manual? Keputusan mana yang bisa diperbaiki, data apa yang menjadi dasarnya, dan di mana pengawasan manusia perlu ditempatkan? Penemuan itu perlu terjadi di awal dan melibatkan orang-orang yang memahami prosesnya, dari IT hingga pengguna bisnis hingga kepemimpinan eksekutif. Pada akhirnya, AI harus didorong oleh tarikan bisnis, bukan dorongan teknologi.
Ketika sistem AI beralih dari memberi rekomendasi ke benar-benar mengambil tindakan, Gregg Aldana menyebut otonomi terbatas (bounded autonomy) menjadi kritis. Tujuannya adalah memberi AI agent kebebasan untuk bernalar dan bertindak, tetapi dalam guardrail proses dan parameter risiko yang jelas. Artinya, harus eksplisit apa yang boleh dilakukan agent, informasi apa yang dapat diaksesnya, dan kapan ia perlu dieskalasi ke manusia. Agent tidak boleh beroperasi secara terisolasi; ia harus berada dalam proses operasional yang diatur dengan aturan bisnis dan keamanan data yang relevan. Semua tindakan AI agent harus dapat dilacak dan diaudit dalam kerangka tata kelola. Pengawasan manusia tetap penting untuk pengecualian, outlier, dan keputusan berisiko lebih tinggi. Bisnis perlu mengetahui apa yang dilakukan agent, mengapa ia melakukannya, dan siapa yang bertanggung jawab atas hasilnya.
Soal pengukuran keberhasilan, Gregg Aldana menilai jumlah proses yang menggunakan AI tidak memberi tahu banyak tentang apakah organisasi benar-benar mendapat nilai. Jika ada, fokus pada adopsi AI sebagai metrik berisiko mendorong perilaku yang salah, yaitu memasukkan AI ke dalam proses hanya untuk mengatakan bahwa proses tersebut telah “AI-enabled”. Bisnis harus mengukur AI seperti investasi operasional dan teknologi lainnya, yaitu dari hasil yang diberikannya. Apakah sudah mengurangi waktu siklus? Menurunkan biaya menjalankan proses? Meningkatkan kualitas keputusan? Gregg Aldana menyebut proses seperti onboarding klien untuk sebuah bank yang dulu memakan waktu hingga dua minggu dapat dipangkas menjadi hanya beberapa menit. Bank tersebut juga mengotomatisasi 96% proses onboarding sekaligus menumbuhkan pelanggan baru sebesar 900%. Biaya menjalankan proses end-to-end dapat turun sepuluh kali lipat atau bahkan lebih. Itulah tes yang penting. Tujuannya bukan memiliki AI di mana-mana, melainkan membuat bisnis bekerja lebih baik.
Jika diminta menasihati CEO yang diberi tahu bahwa mereka membutuhkan “strategi AI” untuk setiap bagian organisasi, Gregg Aldana menyarankan agar berhenti mewajibkan AI di mana-mana demi adopsi. Ia menyarankan berhenti bertanya “Di mana kita bisa menggunakan AI?” dan mulai bertanya “Masalah apa yang ingin kita selesaikan?” Tekanan untuk memiliki strategi AI di mana-mana dapat dengan cepat berubah menjadi teknologi demi teknologi. Mulailah dari hambatan terbesar di organisasi. Proses mana yang memakan waktu terlalu lama? Di mana terlalu banyak intervensi manual? Keputusan mana yang bisa diperbaiki? Identifikasi tiga hambatan operasional bernilai tertinggi dan orkestrasikan campuran aturan, agent, dan penilaian manusia yang tepat untuk menyelesaikannya. CEO harus memprioritaskan nilai bisnis di atas volume AI. Strategi AI yang sukses bukanlah yang menempatkan agent di setiap proses, melainkan yang membuat proses-proses tersebut menjadi terukur lebih baik.
Pendekatan selektif ini juga tercermin dalam cara industri teknologi menguji solusi sebelum diterapkan luas. Misalnya, pengujian perangkat keras canggih seperti yang dilakukan Synopsys Rilis Test menunjukkan bahwa validasi menyeluruh menjadi bagian tak terpisahkan sebelum teknologi benar-benar diandalkan. Prinsip yang sama berlaku bagi bisnis yang mempertimbangkan AI: pastikan masalahnya nyata, ukur hasilnya, dan pilih teknologi yang paling sesuai.
[IMAGE: https://cdn.mos.cms.futurecdn.net/478v6VqTvvCMsByCNXZP8Q.jpg (Alt: “A business woman looking at AI on a transparent screen”)]
[IMAGE: https://cdn.mos.cms.futurecdn.net/PAztEScphfxGJfYno5NjrL.jpg (Alt: “A robot standing thoughtfully in front of a giant digital display with code on it”)]
Komentar
Belum ada komentar.