Seiring dengan berkembangnya tren investasi AI hingga tahun 2025, para eksekutif menghadapi tekanan yang semakin besar untuk membuat keputusan strategis dalam implementasiAI. Dengan pesatnya adopsi perangkat AI oleh perusahaan - 22 persen menerapkannya secara ekstensif dan 33 persen menggunakannya secara terbatas - memahami cara mengevaluasi dan mengimplementasikan solusi AI menjadi sangat penting untuk mempertahankan keunggulan kompetitif. Dalam buku'Panduan Eksekutif untuk Kecerdasan Buatan' oleh Andrew Burgess, penulis memberikan panduan komprehensif bagipara eksekutif bisnis yang ingin memahami dan menerapkan solusi AI dalam organisasi mereka.

‍

Buku ini diterbitkan pada tahun 2017 oleh Springer International Publishing dan memberikan gambaran praktis tentang bagaimana perusahaan dapat memanfaatkan kecerdasan buatan. Apa yang telah berubah hari ini?

‍

Tren investasi saat ini di AI 2025

Lanskap AI mengalami pertumbuhan yang belum pernah terjadi sebelumnya, dengan organisasi melakukan investasi yang lebih signifikan untuk tetap kompetitif.

Dasar-dasarnya:

Burgess menekankan pentingnya memulai dengan mendefinisikan tujuan yang jelas dan selaras dengan strategi bisnis, sebuah prinsip yang masih berlaku hingga saat ini. Dalam buku tersebut, ia mengidentifikasi delapan kemampuan inti AI:

‍

1. Pengenalan gambar
2. Pengenalan suara
3. Pencarian dan ekstraksi informasi
4. Pengelompokan
5. Pemahaman Bahasa Alami
6. Optimalisasi
7. Prediksi
8. Pemahaman (hari ini)

Evolusi dari tahun 2018 hingga 2025:

Sejak buku ini ditulis, AI telah berubah dari teknologi yang sedang berkembang menjadi teknologi utama. Kemampuan 'Memahami' yang dianggap futuristik oleh Burgess telah mengalami kemajuan yang signifikan dengan munculnya Large Language Models (LLM) dan teknologi AI generatif, yang belum muncul pada tahun 2018.

kerangka kerja strategis untuk keputusan investasi dalam AI

Empat pertanyaan penting

Saat mengevaluasi investasi dalam AI, sangat penting untuk fokus pada pertanyaan-pertanyaan kritis ini:

1. Mendefinisikan masalah bisnis
2. Metrik keberhasilan
3. Persyaratan Implementasi
4. Penilaian risiko

‍

Catatan: Kerangka kerja empat pertanyaan ini berasal dari pengetahuan yang ada saat ini dan tidak secara eksplisit disajikan dalam buku Burgess.

‍

Membangun strategi AI yang efektif

Kerangka kerja adopsi:

Burgess mengusulkan kerangka kerja terperinci untuk menciptakan strategi AI yang mencakup:

1. Penyelarasan dengan strategi bisnis - Memahami bagaimana AI dapat mendukung tujuan bisnis yang ada
2. Memahami ambisi IA - Tentukan jika diinginkan:
   • Meningkatkan proses yang ada
   • Mentransformasi fungsi bisnis
   • Menciptakan layanan/produk baru
3. Penilaian Kematangan IA - Tentukan tingkat kematangan organisasi saat ini pada skala 0 sampai 5:
   • Pemrosesan manual (Level 0)
   • Otomatisasi TI tradisional (Level 1)
   • Otomatisasi terisolasi dasar (Level 2)
   • Implementasi taktis alat bantu otomatisasi (Level 3)
   • Implementasi taktis dari berbagai teknologi otomasi (Level 4)
   • Otomatisasi strategis menyeluruh (Level 5)
4. Pembuatan peta panas IA - Mengidentifikasi area yang memiliki peluang terbesar
5. Mengembangkan kasus bisnis - Menilai manfaat 'keras' dan 'lunak'
6. Manajemen perubahan - Merencanakan bagaimana organisasi akan beradaptasi
7. Mengembangkan peta jalan IA - Membuat rencana jangka menengah dan panjang

Evolusi dari tahun 2018 hingga 2025:

Kerangka kerja Burgess masih sangat relevan hingga saat ini, namun perlu dilengkapi dengan pertimbangan-pertimbangan lain:

• Etika dan peraturan AI (seperti Undang-Undang AI Uni Eropa)
• Keberlanjutan lingkungan dari AI
• Strategi AI yang bertanggung jawab
• Integrasi dengan teknologi yang sedang berkembang seperti komputasi kuantum

Mengukur ROI dalam investasi AI

Faktor-faktor penentu laba atas investasi:

Burgess mengidentifikasi berbagai jenis manfaat AI, yang dikategorikan sebagai 'keras' dan 'lunak':

Manfaat keras:

• Pengurangan Biaya
• Menghindari biaya
• Kepuasan pelanggan
• Kepatuhan
• Mitigasi risiko
• Mitigasi kerugian
• Mitigasi kehilangan pendapatan
• Peningkatan pendapatan

Manfaat lunak:

• Perubahan budaya
• Keunggulan kompetitif
• Efek Halo
• Mengaktifkan manfaat lainnya
• Memungkinkan transformasi digital

‍

‍

‍

Pendekatan teknis untuk implementasi AI

‍

Jenis-jenis solusi:

Burgess mempresentasikan tiga pendekatan utama untuk mengimplementasikan AI:

1. Perangkat lunak AI siap pakai - Solusi siap pakai
2. Platform AI - disediakan oleh perusahaan teknologi besar
3. Pengembangan IA khusus - Solusi yang disesuaikan

Untuk langkah pertama, ia menyarankan untuk mempertimbangkan:

• Bukti Konsep (Proof of Concept/PoC)
• Prototipe
• Produk yang Layak Minimum (MVP)
• Uji Asumsi Paling Berisiko (RAT)
• Pilot

Apa yang telah berubah:

Sejak tahun 2018, kami telah menyaksikannya:

• demokratisasi alat bantu AI dengan solusi tanpa kode/rendah kode
• Peningkatan dramatis dari platform cloud AI
• Pertumbuhan AI generatif dan model-model seperti GPT, DALL-E, dll.
• Munculnya solusi AutoML yang mengotomatiskan beberapa bagian dari proses sains data

Pertimbangan risiko dan tantangan

‍

Risiko kecerdasan buatan:

Burgess mencurahkan satu bab penuh untuk membahas risiko AI, dengan menunjukkan:

1. Kualitas data
2. Kurangnya transparansi - sifat 'kotak hitam' dari algoritme
3. Bias yang tidak disengaja
4. Kenaifan AI - Batasan pemahaman kontekstual
5. Ketergantungan berlebihan pada AI
6. Pilihan teknologi yang salah
7. Tindakan jahat

Evolusi dari tahun 2018 hingga 2025:

Sejak buku ini ditulis:

• Kekhawatiran tentang bias algoritme telah menjadi masalah penting (tertunda)
• Keamanan AI menjadi sangat penting seiring dengan meningkatnya ancaman
• Regulasi AI telah muncul sebagai faktor kunci
• Risiko deepfake dan disinformasi AI generatif telah menjadi signifikan
• Masalah privasi telah meningkat dengan penggunaan AI yang semakin meluas

Menciptakan organisasi IA yang efektif

‍

Dari buku karya Burgess (2018):

Burgess mengusulkan:

• Membangun ekosistem AI dengan pemasok dan mitra
• Membentuk Pusat Keunggulan (Centre of Excellence/CoE) dengan tim yang berdedikasi
• Pertimbangkan peran seperti Chief Data Officer (CDO) atau Chief Automation Officer (CAO)

Evolusi dari tahun 2018 hingga 2025:

Sejak saat itu:

• Peran Chief AI Officer (CAIO) telah menjadi hal yang lumrah
• AI sekarang sering kali diintegrasikan di seluruh organisasi alih-alih diisolasi dalam CoE
• Demokratisasi AI telah menghasilkan model operasi yang lebih terdistribusi
• Pentingnya literasi AI untuk semua karyawan muncul

Kesimpulan

Dari buku karya Burgess (2018):

Burgess menyimpulkan dengan pentingnya:

• Jangan percaya hype tetapi fokuslah pada masalah bisnis yang nyata
• Mulai jalur IA sesegera mungkin
• Mempersiapkan perusahaan di masa depan dengan memahami AI
• Mengadopsi pendekatan yang seimbang antara optimisme dan realisme

Evolusi dari tahun 2018 hingga 2025:

Seruan Burgess untuk "jangan percaya pada hype" tetap sangat relevan di tahun 2025, terutama dengan hype yang berlebihan seputar AI generatif. Namun, kecepatan adopsi AI menjadi semakin penting, dan perusahaan yang belum memulai perjalanan AI mereka sekarang mendapati diri mereka berada pada posisi yang sangat tidak menguntungkan dibandingkan dengan perusahaan yang telah mengikuti saran Burgess untuk memulai lebih awal (pada tahun 2018!).

‍

Lanskap AI pada tahun 2025 lebih kompleks, lebih matang, dan lebih terintegrasi ke dalam strategi bisnis daripada yang dapat diprediksi pada tahun 2018, tetapi prinsip-prinsip inti penyelarasan strategis, penciptaan nilai, dan manajemen risiko yang diuraikan oleh Burgess secara mengejutkan masih tetap valid.