Telset.id – Tekanan agar setiap proses bisnis “di-AI-kan” berisiko membuat perusahaan mengeluarkan biaya dan kompleksitas tanpa manfaat nyata. 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 yang sebenarnya ingin dipecahkan.
Dalam wawancara dengan TechRadar, Aldana menjelaskan bahwa organisasi seharusnya mulai dengan mengidentifikasi apa yang benar-benar ingin diselesaikan serta di mana letak bottleneck dan inefisiensi terbesar. Proses penemuan itu, menurutnya, harus melibatkan orang-orang yang memahami proses dan tantangannya, mulai dari tim IT dan bisnis hingga kepemimpinan eksekutif. Hanya setelah itu perusahaan dapat menilai apakah AI benar-benar akan membuat perbedaan.
Pesan ini menjadi relevan bagi pelaku bisnis di Indonesia yang tengah menyusun strategi AI. Aldana menekankan bahwa tolok ukurnya bukan apakah AI mampu mengerjakan sesuatu, melainkan apakah AI dapat membuat proses tersebut terukur lebih baik. Jika tidak, teknologi itu hanya menambah beban operasional yang tidak perlu.
Kapan AI Perlu, Kapan Cukup Pakai Otomasi Biasa
Perbedaan utamanya, kata Aldana, terletak pada apakah tugas mengikuti aturan yang dapat diprediksi dan memiliki hasil yang jelas. Jika ya, otomasi tradisional atau business rules sering kali bisa mencapai hasil lebih cepat dan lebih murah. Menambahkan AI pada kasus seperti itu tidak memperbaiki hasil dan justru memunculkan kompleksitas yang tidak dibutuhkan.
Ia memberi contoh perusahaan asuransi yang memakai business rules untuk meninjau dan mengklasifikasikan klaim online berdasarkan pilihan klaim pada daftar drop-down di formulir. Klaim otomotif diarahkan ke satu departemen, klaim asuransi rumah ke departemen lain. AI agent menjadi lebih bernilai ketika pekerjaan menuntut penalaran adaptif, konteks kompleks, atau penanganan input yang bervariasi.
Dalam kasus tersebut, AI agent dapat menganalisis klaim dari formulir web dan mobile dengan data terstruktur, sekaligus email masuk dengan konten tidak terstruktur. Berdasarkan kata kunci seperti “motorway,” “clash,” dan “passenger,” AI agent terlatih akan menyimpulkan bahwa klaim kemungkinan terkait kecelakaan otomotif dan mengarahkannya ke departemen yang tepat. Kesalahannya adalah mengasumsikan bahwa karena AI agent bisa melakukan sebuah tugas, maka tugas itu harus diserahkan ke AI.
Aldana menegaskan pendekatan portofolio yang seimbang sangat penting: gunakan rules untuk logika bervolume tinggi dan berulang, serta agent untuk triage atau investigasi yang dinamis. Perusahaan perlu melihat apa yang benar-benar dibutuhkan setiap bagian proses dan memakai teknologi yang paling sesuai, bukan mengganti otomasi konvensional dengan AI hanya demi alasan AI itu sendiri.
Baca Juga:
Biaya Tersembunyi dan Risiko Otonomi AI
Selain biaya model itu sendiri, Aldana menyoroti biaya tersembunyi seputar data, integrasi, pemantauan, tata kelola, keamanan, dan pengelolaan pengecualian. Salah satu biaya tersembunyi tertinggi terletak pada infrastruktur operasional yang dibutuhkan di sekitar model AI agar bekerja efektif dan aman. Agent perlu akses ke data dan sistem yang tepat, tetapi bisnis juga memerlukan pemantauan, keamanan, dan tata kelola atas apa yang boleh diakses dan tindakan apa yang boleh diambil.
Persoalan akuntabilitas juga muncul. Organisasi perlu memahami mengapa sebuah tindakan diambil, melacak apa yang terjadi jika ada masalah, 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, beban mengelola pengecualian dan jejak audit akan melampaui keuntungan produktivitas dari AI.
Mengenai penilaian manusia, Aldana menyatakan bahwa hal itu tetap kritis ketika biaya atau konsekuensi dari kesalahan tinggi, terutama di industri teregulasi seperti jasa keuangan, asuransi, life sciences, dan sektor publik. AI dapat mempercepat area seperti client onboarding, asuransi, underwriting, atau uji klinis, tetapi akan selalu ada keputusan yang konsekuensinya menuntut keterlibatan manusia.
Ia menegaskan hal itu tidak 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 berkonsekuensi harus dieskalasi untuk ditinjau manusia. Penilaian risiko dan batasan itu perlu dirancang ke dalam proses sejak awal.
Soal masa depan, Aldana menilai otomasi end-to-end bukan berarti menyerahkan seluruh proses kepada satu AI agent. Ia menyebut masa depan yang lebih realistis adalah orkestrasi, di mana manusia, AI agent, dan otomasi konvensional bekerja bersama karena tugas-tugas dalam satu proses bervariasi dan membutuhkan keterampilan berbeda. Proses kompleks memerlukan kombinasi business rules yang dapat diprediksi, AI agent yang adaptif, dan keahlian manusia. Tujuannya bukan memaksimalkan jumlah AI yang dipakai, melainkan membangun proses paling efektif untuk hasil bisnis yang ingin dicapai.
Aldana juga mengakui bahwa mengejar otonomi AI bisa membuat sebagian proses bisnis kurang efisien. Menempatkan AI di bagian proses yang salah dapat membuatnya kurang efisien, bukan lebih. Mengganti rule deterministik dengan model AI probabilistik memunculkan latensi, biaya, dan ketidakpastian yang tidak perlu. Jika sebuah tugas sudah dapat diselesaikan cepat dan andal melalui rule sederhana, memasukkan AI agent mungkin tidak secara material memperbaiki hasil. Karena itu, perusahaan perlu selektif: agent sangat bernilai ketika tugas membutuhkan penalaran tidak terstruktur, riset ekstensif, atau adaptasi terhadap informasi yang berubah, tetapi tidak seharusnya menggantikan otomasi konvensional hanya karena AI lebih baru atau lebih canggih.
Ia bahkan menyebut kadang keputusan AI paling cerdas adalah memutuskan tidak memerlukan AI sama sekali. Memakai AI di tempat rule proses sederhana sudah bekerja andal hanya menciptakan technical debt.
Sebelum memasukkan AI ke dalam proses, Aldana menyarankan pertanyaan paling penting yang sangat sederhana: “Masalah apa yang ingin kita selesaikan?” Terlalu sering organisasi mulai dengan bertanya di mana mereka bisa memakai AI lalu mencari proses untuk menerapkannya. Sebaliknya, bisnis harus melihat di mana tantangan dan bottleneck terbesar berada: proses mana yang terlalu lama, di mana intervensi manual terlalu banyak, keputusan mana yang bisa diperbaiki, data apa yang menjadi dasarnya, dan di mana pengawasan manusia perlu berada.
Penemuan itu harus dilakukan di muka dan melibatkan orang-orang yang memahami proses, dari IT hingga pengguna bisnis dan kepemimpinan eksekutif. Perusahaan perlu mengidentifikasi di mana proses macet atau serah terima manual menciptakan kesalahan, serta memetakan data dan proses yang dibutuhkan, persyaratan regulasi, dan parameter risiko. Pada akhirnya, AI harus didorong oleh tarikan bisnis, bukan dorongan teknologi.
Ketika AI beralih dari memberi rekomendasi ke benar-benar mengambil tindakan, Aldana menyebut bounded autonomy menjadi kritis. Tujuannya adalah memberi AI agent kebebasan untuk bernalar dan bertindak, tetapi dalam guardrails proses dan parameter risiko yang jelas. Artinya, harus eksplisit apa yang boleh dilakukan agent, informasi apa yang bisa diakses, dan kapan harus dieskalasi ke manusia. Agent tidak boleh beroperasi sendiri; ia harus berada dalam proses operasional yang tergovernansi dengan business rules 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 tahu apa yang dilakukan agent, mengapa, dan siapa yang bertanggung jawab atas hasilnya.
Terkait pengukuran keberhasilan, Aldana menilai jumlah proses yang memakai AI tidak banyak memberi tahu apakah organisasi benar-benar mendapat nilai. Berfokus pada adopsi AI sebagai metrik justru berisiko mendorong perilaku yang salah, yakni memasukkan AI ke proses hanya agar bisa diklaim telah di-AI-kan. Bisnis seharusnya mengukur AI seperti investasi operasional dan teknologi lainnya: dari hasil yang diberikannya. Apakah siklus menjadi lebih pendek? Apakah biaya menjalankan proses turun? Apakah kualitas keputusan meningkat?
Ia menyebut contoh nyata bagaimana keuntungan itu bisa signifikan. Proses seperti client onboarding untuk sebuah bank yang dulu memakan waktu hingga dua minggu dapat dipangkas menjadi hanya beberapa menit. Bank tersebut juga mengotomasi 96% proses onboarding sekaligus menumbuhkan pelanggan baru sebesar 900%. Biaya menjalankan proses end-to-end dapat turun sepuluh kali lipat atau bahkan lebih. Itulah ujian 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 “AI strategy” untuk setiap bagian organisasi, Aldana menyarankan berhenti mewajibkan AI di mana-mana demi adopsi. Ia akan meminta CEO berhenti bertanya “di mana kita bisa memakai AI?” dan mulai bertanya “masalah apa yang ingin kita selesaikan?” Tekanan untuk memiliki strategi AI di mana-mana bisa cepat berubah menjadi teknologi demi teknologi.
Ia menyarankan memulai dari bottleneck terbesar di organisasi: proses mana yang terlalu lama, di mana intervensi manual terlalu banyak, dan keputusan mana yang bisa diperbaiki. Identifikasi tiga bottleneck operasional bernilai tertinggi dan orkestrasikan campuran rules, agent, dan penilaian manusia yang tepat untuk menyelesaikannya. Yang tak kalah penting, CEO harus memprioritaskan nilai bisnis di atas volume AI. Strategi AI yang sukses bukan yang menempatkan agent di setiap proses, melainkan yang membuat proses-proses itu terukur lebih baik.
Pandangan Aldana ini menegaskan bahwa keputusan paling strategis soal AI justru bisa berupa menahan diri: memilih dengan cermat di mana AI dipakai, dan di mana rule, otomasi, atau penilaian manusia justru menjadi pilihan yang lebih tepat.
Komentar
Belum ada komentar.