Konten ini diproduksi MIT Technology Review Insights bersama Concentrix.
Setahun terakhir jadi titik balik dalam percakapan AI di dunia korporat. Setelah periode penuh semangat bereksperimen, kini organisasi dihadapkan pada kenyataan yang jauh lebih rumit: investasi pada AI memang sedang di puncak tertinggi, tapi jalan dari pilot menuju produksi berskala nyata di lapangan masih buntu. Tiga perempat enterprise masih jalan di tempat di tahap eksperimen, padahal tekanan untuk mengubah uji coba awal menjadi hasil operasional yang terukur terus menumpuk.
Seperti dijelaskan seorang pakar, tantangan ini sering kali sistemik, dan berakar di cara operasional itu sendiri dijalankan. “Banyak organisasi bisa mengalami apa yang kami sebut PTSD: tantangan di Process, Technology, Skills, dan Data,” kata Shirley Hung, partner di Everest Group. “Alur kerjanya kaku dan terpecah-pecah, tidak adaptif terhadap perubahan. Sistem teknologinya tidak saling bicara. Talentanya justru tenggelam di tugas-tugas bernilai rendah, bukan menciptakan dampak besar. Dan mereka terkubur di tumpukan informasi yang tidak ada habisnya, tanpa benang merah yang menyatukannya.”
Jadi inti tantangannya: memikirkan ulang bagaimana manusia, proses, dan teknologi bisa benar-benar bekerja bersama di lingkungan operasional yang sesungguhnya.
Di industri yang variasinya bisa sejauh customer experience dan peralatan pertanian, pola yang sama terus bermunculan. Struktur organisasi tradisional, mulai dari pengambilan keputusan terpusat, alur kerja yang terpecah-pecah, sampai data yang tersebar di sistem-sistem yang tidak saling nyambung, terbukti terlalu kaku untuk menopang agentic AI di operasional nyata berskala besar. Untuk membuka nilainya, para pemimpin harus memikirkan ulang: bagaimana keputusan diambil, bagaimana pekerjaan dijalankan, dan kontribusi unik apa yang seharusnya datang dari manusia.
Banyak diskusi berputar di apa yang bisa disebut kunci pembuka berikutnya: bagaimana mengoperasionalkan kolaborasi manusia dan AI di lingkungan kerja nyata. Daripada menempatkan AI sebagai tool yang berdiri sendiri atau sekadar “virtual worker”, pendekatan ini menempatkan ulang AI sebagai kapabilitas tingkat sistem yang tertanam dalam cara pekerjaan benar-benar terjadi setiap hari. Yang memperkuat pertimbangan manusia, mempercepat eksekusi, dan merancang ulang pekerjaan dari ujung ke ujung. Pergeseran ini menuntut organisasi melakukan tiga hal: memetakan nilai yang ingin diciptakan; merancang alur kerja yang memadukan pengawasan manusia dengan otomatisasi berbasis AI di lingkungan operasional yang sedang berjalan; dan membangun fondasi data, tata kelola, serta keamanan yang membuat sistem ini layak dipercaya.
“Saran saya, bersiaplah untuk beberapa penundaan, karena Anda perlu memastikan keamanan datanya lebih dulu,” ujar Heidi Hough, VP for North America aftermarket di Valmont. “Saat Anda mulai memikirkan untuk membawa AI ke ranah komersial atau operasional dalam bentuk apa pun, kalau Anda mulai dari nol dan menempatkan tata kelola di garis depan, saya yakin itu akan sangat membantu hasilnya.”
Para early adopter sudah menunjukkan seperti apa wujudnya di operasional nyata: mulai dari use case operasional berisiko rendah, membentuk data ke dalam enclave dengan ruang lingkup yang ketat, menanamkan tata kelola di pengambilan keputusan sehari-hari, dan memberdayakan para pemimpin bisnis, bukan cuma teknolog, untuk menentukan di mana AI bisa menciptakan dampak bisnis yang terukur. Hasilnya: cetak biru baru untuk kematangan AI, yang lahir dari merancang ulang cara enterprise modern beroperasi dalam skala besar.
“Optimasi itu intinya melakukan hal-hal yang sudah ada dengan lebih baik. Tapi reimagination itu menemukan hal-hal yang sama sekali baru, yang layak dikerjakan,” kata Hung.
Yang membedakan pilot dan performa cuma satu: bisakah AI bekerja dengan andal di operasional nyata.
Webcast ini diproduksi bersama Concentrix.
Konten ini diproduksi Insights, divisi konten kustom dari MIT Technology Review. Konten ini tidak ditulis oleh tim editorial MIT Technology Review. Dirancang, diteliti, dan ditulis oleh para penulis, editor, analis, dan ilustrator manusia, termasuk penulisan survei dan pengumpulan datanya. Tool AI yang mungkin digunakan terbatas pada proses produksi sekunder yang sudah melalui peninjauan manusia secara menyeluruh.
