Dalam iklim saat ini, para pemimpin bisnis tidak lagi bertanya apakah mereka harus mengadopsi AI karena hal tersebut sudah terjadi.
Di berbagai industri, kami melihat organisasi-organisasi yang berintegrasi alat AI ke dalam proses mereka untuk mencapai manfaat penting, seperti peningkatan efisiensi dan berbagai hasil bisnis yang lebih baik.
CTO Lapangan EMEA di Apptio, sebuah Perusahaan IBM.
Bagi banyak organisasi, dilema sebenarnya adalah keseimbangan: bagaimana tetap kompetitif di era AI sambil mengelola biaya, sumber daya, dan kekayaan intelektual.
Seringkali, proyek berbasis AI dimulai dari unit bisnis itu sendiri, dan mereka bekerja sama dengan TI untuk mewujudkannya.
Namun banyak yang masih kekurangan informasi yang dibutuhkan untuk mengevaluasi keputusan pembelanjaan teknologi dengan tepat. Kesenjangan antara kenaikan biaya dan ROI yang tidak jelas kini menjadi perdebatan di berbagai industri.
Percakapan telah beralih dari “apa yang dapat dilakukan AI?” menjadi “nilai apa yang diberikannya, dan berapa biayanya?” hingga “apakah kita mencoba menggunakan AI pada jenis proyek yang tepat?”
Mengelola trade-off tanpa mengurangi kekuatan
Penskalaan AI memerlukan pertimbangan yang hati-hati, tidak hanya dalam memangkas anggaran, namun juga dalam memutuskan di mana akan mengalokasikan ulang sumber daya tanpa mengganggu operasi bisnis inti.
Kunci untuk mengambil keputusan ini terletak pada pencapaian visibilitas. Banyak organisasi mengandalkan ROI sebagai metrik panduan untuk keputusan investasi atau analisis biaya-manfaat.
Namun, metrik ini sering kali beroperasi secara terpisah dan dikomunikasikan secara berbeda keuanganTI, dan operasi. Akibatnya, banyak organisasi berhenti mengevaluasi ROI setelah proyek berjalan, sehingga sulit untuk melacak dan merealisasikan nilai penuh dari investasi AI secara akurat.
Taksonomi tunggal dan sumber data bersama sangatlah penting. Jika tidak, para pemimpin akan saling berdiskusi: keuangan mengkhawatirkan belanja modal versus operasional, sementara TI mengukur tingkat pemanfaatan dan waktu kerja.
Saat mengukur nilai yang diberikan oleh AI, nilai tersebut perlu diterjemahkan bisnis metrik yang menunjukkan biaya terhadap hasil bisnis yang dicapai.
Dengan beban kerja AI generatif yang terkenal boros energi, memperkirakan pengeluaran secara tepat sudah menjadi sebuah tantangan. Dunia usaha memerlukan pandangan terpadu untuk memutuskan bagian mana yang harus dikurangi, bagian mana yang harus dikurangi, dan bagaimana memastikan proyek AI selaras dengan tujuan strategisnya.
Menghitung biaya riil AI
Berbeda dengan peluncuran teknologi di masa lalu, AI bukanlah investasi modal yang hanya dilakukan satu kali saja. Data dari Apptio menunjukkan bahwa lebih dari 90% organisasi memperkirakan anggaran teknologi akan meningkat tahun ini, dengan AI sebagai salah satu pendorong pembelanjaan baru yang paling signifikan dan saya perkirakan kita akan melihat sentimen serupa di tahun 2026.
Hal ini menyebabkan biaya terus menerus infrastruktur TIenergi, manusia, dan proses. Model pelatihan dan menjalankan inferensi memerlukan daya komputasi yang besar, sering kali dihosting di pusat data yang intensif energi. Bakat spesialis AI langka dan mahal. Sementara itu, dewan direksi mempertanyakan bagaimana pengeluaran ini diterjemahkan ke dalam ROI yang terukur.
AI melayani beragam fungsi dalam organisasi, termasuk analisis data, otomatisasi proses, dan deteksi penipuan atau keamanan siber. Meskipun ini merupakan aplikasi yang sangat berdampak, penskalaannya memerlukan kejelasan mutlak mengenai biaya dan manfaat. Para pemimpin perlu membedakan antara pengeluaran yang dikeluarkan untuk melatih model-model dasar yang besar dan untuk memasukkan layanan pihak ketiga ke dalam proses yang sudah ada.
Di sini, kerangka kerja Manajemen Bisnis Teknologi (TBM) dapat membantu. Dengan menghubungkan pembelanjaan TI secara langsung dengan hasil bisnis, para pemimpin dapat mengenali pemborosan, memprioritaskan proyek-proyek bernilai tinggi, dan mencegah AI mengulangi pola pengeluaran berlebihan yang sama seperti yang dialami banyak bisnis saat menggunakan cloud.
Memikirkan Kembali Data
Di mana data seharusnya berada telah menjadi salah satu pertanyaan paling mendesak ketika mengembangkan proyek AI. Dewan semakin khawatir dengan hilangnya kekayaan intelektual, kepatuhan terhadap peraturan, dan risiko memasukkan kumpulan data sensitif ke dalam sistem pihak ketiga.
Cloud tetap diperlukan untuk skalabilitas, namun semakin banyak pengakuan bahwa tidak semua beban kerja bisa diterapkan di sana. Beberapa perusahaan menarik kembali proses-proses tertentu ke tingkat lokal untuk mendapatkan kembali prediktabilitas, memperkuat kepatuhan, dan mengendalikan biaya jangka panjang.
Ini bukan tentang berpaling dari awan; ini tentang menggunakannya secara lebih strategis. Pendekatan hybrid – menyeimbangkan ketangkasan cloud dengan kontrol lokal – dengan cepat menjadi standar.
Kesimpulan terakhir untuk para pemimpin bisnis
AI ada di sini untuk jangka panjang, namun kesuksesan bergantung pada penanganannya dengan disiplin yang sama seperti investasi strategis lainnya. Ada empat prinsip yang menonjol:
1. Memprioritaskan visibilitas: Jika bisnis tidak memperhitungkan berapa banyak investasi yang dilakukan dan bagaimana kinerja proyek, pembelanjaan AI dapat meningkat namun dengan ROI yang terbatas.
2. Mengambil pendekatan hibrid: Strategi cloud bukanlah satu hal yang bisa diterapkan untuk semua; dengan melihat model hybrid, tim TI tetap dapat memperoleh manfaat dari skalabilitas namun juga mengamankan dan mempertahankan kendali atas data.
3. Tetap di atas biaya: Penerapan AI bukanlah biaya statis; Ada banyak elemen yang perlu terus dipantau dan dikaji ulang. Dengan mempertimbangkan hal ini sejak dini, dunia usaha dapat mengendalikan pembelanjaan dengan lebih baik.
4. Melihat gambaran lengkapnya: Tim harus bertanya pada diri sendiri, apakah kita menghubungkan investasi TI dengan hasil bisnis yang terukur? Nilai bukan hanya penghematan uang, peningkatan produktivitas, pengambilan keputusan yang lebih baik, dan hasil bagi pelanggan. Penting bagi para pemimpin bisnis untuk melihat keseluruhan spektrum ketika mengukur keberhasilan dan memberi penghargaan pada inisiatif yang berhasil.
Tujuan dari setiap pemimpin teknologi adalah membuat keputusan investasi teknologi yang memberikan nilai dan membantu mendukung tujuan bisnis yang lebih luas. Baik AI, cloud, atau inovasi lainnya, tujuan tersebut tidak pernah berubah.
Dengan semakin banyaknya proyek inovatif yang diharapkan, para pemimpin teknologi, bisnis, dan keuangan perlu bermitra secara erat untuk membuktikan nilai dan meningkatkan keahlian internal.
Dalam perjalanan menuju ROI AI, perusahaan yang paling sukses adalah perusahaan yang mengetahui cara mengelola trade-off, berinvestasi secara pragmatis, dan mengelola data dengan cerdas.
Lihat perangkat lunak otomasi TI 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
