Kebanyakan perusahaan AI saat ini masih beroperasi dalam mode pemain tunggal.
Ini membantu individu menulis emailmeringkas dokumen, atau menghasilkan jawaban berdasarkan informasi yang segera tersedia bagi mereka.
CEO dan salah satu pendiri Wisdom AI.
Namun, perusahaan tidak beroperasi hanya berdasarkan konteks individual. Mereka berjalan dalam konteks kelembagaan. Dengan kata lain, adanya hubungan yang saling berhubungan antar pelanggansistem, metrik, proses, model kepemilikan, kebijakan, dan keputusan historis yang menentukan bagaimana bisnis sebenarnya berfungsi.
Ketika AI berpindah dari bantuan email ke pengambilan keputusan bisnis, AI mulai rusak karena tidak memahami cara kerja sebenarnya perusahaan.
Jadi tahap selanjutnya bukanlah menambah kopilot lagi. Mereka sedang membangun AI dalam mode institusional; agen yang dapat mempertimbangkan konteks operasi perusahaan yang sebenarnya, bukan hanya data apa pun yang ada di satu tempat.
Namun hal ini hanya akan berhasil jika dasar-dasarnya sudah ada: definisi yang jelas, kepemilikan, tata kelola, dan pelatihan sehingga AI dapat diandalkan dan aman dalam skala besar.
Mengapa AI gagal di perusahaan
AI pemain tunggal berhasil karena masalah yang diatasinya sempit dan mandiri. Menyusun email atau merangkum laporan tidak memerlukan pemahaman tentang bagaimana perusahaan beroperasi sebagai suatu sistem. AI institusional melakukannya.
Untuk menjawab pertanyaan bisnis yang bermakna, AI harus memiliki akses terhadap pertanyaan terstruktur bisnis artinya banyak organisasi yang belum sepenuhnya formal, antara lain:
- Semantik bersama yang menentukan apa yang sebenarnya diwakili oleh metrik
- Silsilah data yang menjelaskan dari mana angka berasal dan bagaimana angka tersebut berubah
- Model kepemilikan yang jelas dan membangun akuntabilitas
- Aturan tata kelola yang mencerminkan kepercayaan, akses, dan persetujuan
- Logika bisnis dan pengecualian yang mencerminkan proses pengambilan keputusan nyata
- Sinyal historis yang membedakan variasi normal dari anomali sebenarnya
Tanpa konteks ini, AI tidak akan menjadi lebih cerdas; itu menjadi lebih artikulatif dan kurang dapat diandalkan. Ketika diminta untuk menjelaskan kinerja atau merekomendasikan tindakan, mereka mengisi kesenjangan informasi dengan narasi yang masuk akal dibandingkan dengan alasan yang masuk akal.
Dinamika ini menjelaskan mengapa begitu banyak inisiatif AI perusahaan terhenti setelah adanya uji coba yang menjanjikan. Adopsi bukanlah hambatan utama. Membuat bisnis dapat dibaca oleh mesin adalah.
Kesenjangan ini muncul pertama kali dalam analisis dan pengambilan keputusan eksekutif
Tidak adanya konteks kelembagaan menjadi sangat jelas ketika AI diterapkan pada analisis. Menulis email relatif mudah. Mendiagnosis churn, memperkirakan pendapatan, atau menjelaskan varians biaya bukanlah hal yang tepat.
Analytics mengungkap fragmentasi yang ada di sebagian besar perusahaan. Metrik berada di beberapa sistem. Definisi bervariasi menurut tim. Kepemilikan sering kali bersifat implisit. Konteks sejarah tidak lengkap atau tidak terdokumentasi. AI yang dilatih pada kumpulan data yang terisolasi masih dapat menghasilkan jawaban—tetapi jawaban tersebut rapuh, tidak konsisten, dan sulit dipercaya.
Dalam praktiknya, CIO menghadapi pola yang lazim:
- Metrik yang sama membawa arti berbeda antar sistem
- Data kepemilikan diasumsikan daripada didefinisikan secara eksplisit
- Konteks sejarah yang diperlukan untuk interpretasi tidak tersedia
- Pengecualian dan kasus-kasus ekstrem hanya ada sebagai pengetahuan suku
Di sinilah AI pemain tunggal rusak. Dihadapkan pada ambiguitas, hal ini menghasilkan penjelasan yang terdengar masuk akal namun kurang dapat diandalkan dalam pengambilan keputusan.
Hasilnya, analitik telah menjadi ajang pembuktian bagi AI perusahaan, dan area pertama di mana keterbatasannya terungkap tanpa konteks kelembagaan.
Bagaimana agen yang sadar konteks membuka nilai perusahaan
Gelombang pertama AI perusahaan sebagian besar bersifat aditif, Misalnya, chatbot yang menjelaskan laporan, kopilot yang merangkum rapat, dan alat yang membantu individu bekerja lebih cepat. Kemampuan ini berguna, namun bersifat inkremental.
Nilai material perusahaan muncul ketika AI menjadi proaktif. Inilah saatnya sistem dapat beroperasi lintas sistem dan seiring berjalannya waktu, alih-alih merespons permintaan yang terisolasi. Agen yang sadar konteks dapat:
- Identifikasi anomali sebelum meningkat
- Jelaskan akar permasalahan, bukan gejala permukaan
- Diagnosis masalah operasional di seluruh fungsi
- Merekomendasikan tindakan yang didasarkan pada realitas bisnis
Kelas AI ini bergantung pada konteks kelembagaan: tanpanya, output mungkin menarik namun tidak cukup dapat diandalkan untuk produksi.
Dan itulah inti dari mendapatkan ROI dari AI—nilai perusahaan tidak akan datang dari ringkasan yang lebih baik, namun dari agen yang dapat mempertimbangkan pengetahuan institusional dan mendorong keputusan operasional yang nyata.
Masa depan adalah AI yang memahami cara bisnis beroperasi
Masa depan AI perusahaan tidak akan ditentukan oleh model yang lebih besar, inferensi yang lebih cepat, atau vendor tambahan yang dimasukkan ke dalam tumpukan. Hal ini akan ditentukan oleh sistem AI yang mencerminkan cara kerja bisnis sebenarnya.
Hal ini memerlukan perlakuan terhadap semantik bisnis, tata kelola, dan konteks operasional sebagai yang terbaik infrastruktur. Hubungan antara data, sistem, dan proses harus eksplisit.
Tata kelola harus berkesinambungan dan tidak statis. Sistem AI harus belajar dari sinyal operasional dari waktu ke waktu—apa yang berubah, apa yang gagal, apa yang disetujui, dan apa yang berhasil.
Dengan landasan ini, AI dapat berfungsi sebagai mitra pendukung keputusan yang kredibel. Tanpanya, ia akan tetap menjadi alat yang mengesankan jika diterapkan secara terpisah, namun tidak dapat diandalkan dalam praktiknya.
CIO tidak membutuhkan lebih banyak AI. Mereka membutuhkan AI yang memahami bisnis mereka dengan cukup baik untuk membantu menjalankannya.
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
