- Perusahaan di Australia antusias dengan AI tapi khawatir soal risikonya, dan kesulitan mengukur nilai AI.
- AI Generatif mahal karena sifatnya interaktif dan perusahaan harus mengelola biaya dengan strategi perluasan yang lambat.
- Keuntungan AI perlu diterjemahkan ke manfaat finansial yang terukur, karena peningkatan produktivitas belum tentu sama dengan peningkatan keuntungan.
pibitek.biz -Di tengah gempuran AI yang semakin gencar, perusahaan di Australia menghadapi dilema: merasakan manfaat besar dari AI, tetapi juga menghadapi rintangan yang signifikan dalam mewujudkan keuntungan finansialnya. Meskipun banyak yang menaruh harapan besar pada AI, penelitian menunjukkan bahwa 85% implementasi AI di perusahaan gagal memenuhi janji mereka. Kegagalan AI jauh lebih banyak daripada kegagalan transformasi digital di masa lalu, sehingga risiko yang menyertai AI menjadi lebih besar. Ketika implementasi AI gagal, akibatnya bisa sangat merugikan.
2 – Apple Tertinggal dalam Pengembangan AI 2 – Apple Tertinggal dalam Pengembangan AI
3 – Sengketa XRP: Pertempuran Hukum yang Tak Kunjung Berakhir 3 – Sengketa XRP: Pertempuran Hukum yang Tak Kunjung Berakhir
Australia menjadi contoh nyata dari risiko AI, seperti kasus "Robodebt" yang merugikan banyak warga dan memerlukan investigasi komprehensif oleh Royal Commission. Meskipun banyak yang antusias dengan AI, sebanyak 80% warga Australia khawatir dengan risiko AI dan menganggapnya sebagai prioritas global. Meskipun ada kekhawatiran dan keraguan di masyarakat, para CIO tetap bersemangat menggelontorkan dana untuk proyek AI.
Penelitian KPMG menunjukkan bahwa lebih dari setengah perusahaan di Australia mengalokasikan 10-20% anggaran mereka untuk AI. Tekanan untuk membuktikan nilai proyek AI pun semakin besar, terutama bagi CIO dan tim IT. Perusahaan yang ingin menjadikan AI sebagai investasi jangka panjang harus mampu mengatasi kekhawatiran tentang risiko.
Penelitian Gartner menunjukkan bahwa kesulitan dalam mengukur dan menunjukkan nilai bisnis menjadi hambatan utama bagi proyek AI. Nate Suda, analis senior di Gartner, menjelaskan bahwa banyak perusahaan kesulitan dalam mengartikulasikan nilai AI, terutama dalam hal manajemen biaya, manfaat produktivitas, dan strategi untuk memastikan investasi AI dapat diubah menjadi nilai bisnis nyata. Salah satu tantangan utama adalah mengelola biaya.
Tidak seperti mesin pencari konvensional yang memiliki biaya rendah, AI Generatif memiliki biaya tinggi karena sifatnya yang interaktif. Pengguna sering melakukan banyak percakapan untuk menyempurnakan jawaban, yang mengakibatkan biaya meningkat secara eksponensial. Setiap interaksi, yang diukur dalam "token", menambah biaya.
Biaya dapat melonjak tinggi jika perilaku pengguna menyimpang dari asumsi awal. Suda menjelaskan, "Salah satu variabel terbesar dalam biaya adalah interaksi manusia. Dengan AI Generatif, kamu tidak hanya mengetik pertanyaan dan mendapatkan jawaban yang sempurna. Kamu mungkin perlu beberapa kali iterasi, dan kamu dikenakan biaya untuk setiap kata dalam pertanyaan dan jawaban kamu.
Jika model biaya kamu berasumsi hanya satu interaksi, tetapi pengguna melakukan beberapa interaksi, biaya kamu dapat meningkat secara dramatis". Untuk mengurangi risiko ini, perusahaan menerapkan strategi "perluasan yang lambat". Mereka tidak langsung melakukan implementasi besar-besaran, melainkan memulai dengan jumlah pengguna terbatas dan secara bertahap meningkatkan jumlah pengguna. Pendekatan ini memungkinkan perusahaan untuk memantau kinerja proyek AI yang ambisius dan membuat penyesuaian berdasarkan pola penggunaan aktual, memastikan model biaya yang lebih akurat dan menghindari kejutan finansial."Perusahaan yang paling baik melakukan perluasan yang sangat lambat", kata Suda. "Mereka mungkin memulai dengan 10 pengguna di bulan pertama, kemudian 20 pengguna di bulan kedua, dan seterusnya. Metode ini membantu mereka memahami penggunaan dan biaya aktual dalam lingkungan langsung".
Meskipun AI menjanjikan peningkatan produktivitas, menerjemahkan peningkatan ini ke dalam manfaat finansial yang terukur adalah hal yang rumit. Suda menekankan bahwa menghemat waktu, seperti yang ditunjukkan oleh alat seperti Microsoft Copilot, tidak secara inheren sama dengan menghasilkan pendapatan atau mengurangi biaya. "Kamu perlu benar-benar jelas tentang apa arti produktivitas dan bagaimana kamu memanfaatkan manfaat tersebut menjadi nilai, baik itu menghasilkan pendapatan atau mengurangi biaya", kata Suda. Dia juga menekankan perlunya membedakan antara manfaat dan nilai.
Manfaat seperti kecepatan yang lebih baik, pengalaman pelanggan yang lebih baik, dan peningkatan produktivitas memang penting, tetapi baru menjadi bernilai ketika berkontribusi pada keuntungan. Misalnya, AI Generatif dapat memangkas waktu yang dibutuhkan untuk rangkaian layanan profesional, tetapi jika efisiensi ini tidak berdampak pada pendapatan yang lebih tinggi atau biaya yang lebih rendah, maka hal itu menjadi contoh AI yang tidak memberikan nilai yang dijanjikan. Poin penting lainnya adalah risiko pembengkakan biaya karena perilaku pengguna yang tidak terduga.
Jika sistem AI terbukti sangat populer dan penggunaannya melebihi ekspektasi, biaya yang dihasilkan bisa sangat tinggi. Hal ini menunjukkan pentingnya perencanaan yang matang dan pemantauan real-time terhadap implementasi AI untuk mengelola dan memprediksi biaya secara efektif. "Jika pengguna menyukai AI dan menggunakannya secara ekstensif, biaya kamu bisa meroket", kata Suda. "Inilah mengapa memahami dan memodelkan perilaku pengguna sangat penting".
Gartner telah mengembangkan kerangka kerja tiga tingkat untuk menjelaskan bagaimana AI dapat memberikan nilai sambil menyeimbangkan risiko yang terkait. Kerangka kerja ini disebut "Defend, Extend, dan Upend", di mana setiap "tingkat" implementasi AI menawarkan risiko dan manfaat potensial yang berbeda. Seperti halnya transformasi digital, terlalu ambisius dengan AI sejak awal kemungkinan akan mengakibatkan pembengkakan biaya dan ROI yang lambat, yang pada akhirnya akan membuat dewan direksi dan eksekutif frustrasi, bahkan sampai pada penghentian proyek.
