Sebagai AI adopsi semakin cepat di berbagai industri, dan banyak organisasi berlomba untuk mengubah data yang mendukungnya. Hal ini karena kita mengetahuinya tanpa dapat dipercaya databahkan sistem AI tercanggih pun pasti akan gagal.
Banyak organisasi yang berinvestasi besar-besaran dalam pengembangan model, namun mereka sering mengabaikan masalah mendasar yang penting – kebutaan AI. Istilah ini mengacu pada kegagalan organisasi dalam menilai apakah data mereka benar-benar cocok untuk penggunaan AI, manusia begitu saja mempercayai keluaran AI, dan sistem AI sendiri tidak menyadari kesenjangan dan bias dalam data.
Kepala Staf Strategi di Qlik.
Jika kelemahan-kelemahan ini tidak diketahui, hal ini dapat menyebabkan hasil yang tidak akurat, pengambilan keputusan yang buruk, dan pada akhirnya, kegagalan inisiatif AI. Alat data tradisional belum bisa mengimbangi kecepatan inovasi, dan banyak alat yang tidak mampu memenuhi tuntutan unik pembelajaran mesin.
Akibatnya, kesenjangan kepercayaan pun muncul. Faktanya, penelitian kami menemukan bahwa hanya 42% eksekutif yang mengatakan bahwa mereka sepenuhnya mempercayai wawasan yang dihasilkan oleh AI saat ini.
Untuk mengatasi hal ini, organisasi harus memastikan bahwa mereka berupaya mempersiapkan landasan data mereka untuk memberikan wawasan dan rekomendasi AI yang dapat dipercaya. Di dunia di mana AI dapat membantu menggerakkan segalanya pengalaman pelanggan terhadap gangguan rantai pasokan, dampak dari kepercayaan buta terhadap data yang cacat terlalu tinggi untuk diabaikan.
Mengapa kita harus khawatir tentang kebutaan AI
Inisiatif AI sering kali gagal karena beberapa alasan termasuk kualitas data yang buruk, model yang tidak efektif, dan kurangnya ROI yang terukur. Memasukkan data buruk ke dalam sistem AI akan menghasilkan keluaran yang tidak akurat dan memperkuat bias. Oleh karena itu, jika Anda tidak bisa mempercayai data Anda, Anda tidak bisa mempercayai AI Anda.
AI terus berkembang sebagai prioritas bisnisdan penelitian kami mengungkapkan bahwa 87% pemimpin bisnis kini memandang penerapan AI sebagai hal yang sangat penting. Karena teknologi menjadi alat utama dalam pengambilan keputusan, kelemahan data dapat menimbulkan konsekuensi yang signifikan – mulai dari buruknya dukungan pelanggan hingga keterlambatan pengiriman atau pesanan tidak dipenuhi.
Banyak organisasi berasumsi bahwa data mereka ‘cukup baik’ sehingga AI dapat memenuhi persyaratan ini, tanpa menyadari adanya kesenjangan tersembunyi – data yang tidak lengkap, tidak konsisten, atau ketinggalan jaman.
Untuk mengatasi kebutaan AI dan mengidentifikasi kesenjangan dan bias, dunia usaha harus membangun fondasi data yang lengkap, konsisten, dan dapat disediakan sedekat mungkin dengan real-time. Tanpa hal ini, organisasi akan mengambil risiko dalam mengambil keputusan.
Agar benar-benar bernilai, AI memerlukan data yang sadar konteks, real-time, dan sesuai dengan tujuan, dan alat tradisional tidak dirancang untuk mengukur hal tersebut. Alat lama dibuat untuk pelaporan, bukan untuk pembelajaran mesin.
Akibatnya, mereka sering kali kekurangan indikator khusus AI untuk menandai sumber yang bias, informasi yang ketinggalan jaman, lemahnya silsilah data, atau rendahnya keragaman dalam rangkaian pelatihan. Banyak dari masalah ini tidak muncul di dasbor namun masih dapat menyebabkan keluaran AI yang bias atau tidak dapat diandalkan.
Untuk memastikan bahwa wawasan AI dapat diandalkan dan dapat ditindaklanjuti, organisasi memerlukan lapisan kepercayaan baru intelijen di seluruh saluran data mereka. Parameter yang jelas mengenai keragaman, ketepatan waktu dan akurasi sangatlah penting. Hanya ketika fondasi ini sudah ada, dan AI dibangun berdasarkan data yang tepat, barulah AI dapat berkembang secara efektif.
Organisasi harus mengambil langkah-langkah untuk menilai kesiapan data mereka untuk penggunaan AI. Dengan melakukan hal ini, mereka akan mendapatkan visibilitas terhadap metrik yang selaras dengan AI seperti kesiapan, kelengkapan, ketepatan waktu, dan ketertelusuran, sehingga memberikan wawasan yang lebih mendalam tentang kepercayaan data mereka.
Pemahaman menyeluruh ini pada akhirnya memungkinkan mereka menjadi lebih kompetitif dalam industri ini. Karena analisis kepercayaan data bersifat berkelanjutan dan bukan audit satu kali, analisis ini memungkinkan dilakukannya penilaian yang dinamis dan terus berkembang seiring dengan perubahan data.
Apa manfaat data yang didukung AI
AI memiliki potensi transformatif – jika data yang mendukungnya dilakukan dengan benar. Dunia usaha harus bersabar ketika menerapkan AI, dan tidak melewatkan langkah untuk memastikan data yang paling lengkap, terpercaya, dan tepat waktu dapat digunakan.
Jika kepercayaan data dibangun di setiap AI proyek sejak awal, dunia usaha dapat menjadi yang terdepan dalam menerapkan AI dan mencapai manfaat penuhnya.
Pada akhirnya, penggunaan AI untuk menginformasikan pengambilan keputusan dimulai dengan memiliki data dasar yang tepat. Jika bisnis dapat memastikan data mereka dapat dipercaya, mereka akan membangun model yang lebih baik, membuat keputusan lebih cepat, dan mendapatkan kepercayaan yang bertahan lama pelanggan.
Kami telah menampilkan pembuat situs web AI terbaik.
Artikel ini dibuat sebagai bagian dari saluran Expert Insights TechRadarPro tempat kami menampilkan para pemikir terbaik dan tercemerlang di industri teknologi saat ini. Pandangan yang diungkapkan di sini adalah milik penulis dan belum tentu milik TechRadarPro atau Future plc. Jika Anda tertarik untuk berkontribusi, cari tahu lebih lanjut di sini: https://www.techradar.com/news/submit-your-story-to-techradar-pro
