alat AI telah menjadi hal yang penting bagi bisnis, dengan sebagian besar perusahaan beralih dari pengujian ke tindakan. Namun, meskipun ada investasi besar-besaran, hanya satu dari lima organisasi yang mendapatkan hasil yang mereka harapkan, dan para analis memperkirakan hingga 30% proyek AI generatif akan dibatalkan tahun ini.
Perubahan ini bukan berarti kegagalan perencanaan, namun merupakan gejala alami dari awal revolusi AI; sebagai bisnis Para pemimpin masih mencari tahu alur kerja mana yang akan diterapkan, sehingga sulit untuk mengukur keberhasilan hanya berdasarkan keluaran efisiensi.
Ketua Tim Pemberdayaan AI untuk Atera.
Ketika anggaran semakin ketat dan kepemimpinan menuntut bukti nilai, definisi ROI harus berkembang. Namun, untuk mewujudkan potensi penuh dari inisiatif-inisiatif ini, diperlukan kesadaran bahwa dalam fase eksperimental ini, “pengembalian” yang paling berharga adalah terciptanya budaya yang siap menggunakan AI.
Kuncinya sederhana: hubungkan apa yang Anda ukur dengan realitas kurva adopsi, prioritaskan ketangkasan organisasi dibandingkan kecepatan dan hasil langsung.
Menilai kesiapan: Budaya dibandingkan infrastruktur
Banyak perusahaan telah menyadari bahwa terjun ke AI tanpa persiapan yang tepat bisa memakan banyak biaya. Namun, “kesiapan” saat ini membutuhkan lebih dari sekedar infrastruktur pembaruan; hal ini menuntut fokus pada adopsi, pengetahuan, dan manusia.
Penelitian menegaskan bahwa “elemen manusia” adalah pembeda terbesar. McKinsey menemukan bahwa organisasi yang menekankan komunikasi dan menjadikannya sebagai bagian utama dari peluncuran memiliki peluang tujuh kali lebih besar untuk berhasil dengan otomatisasi.
Itu tidak cukup untuk karyawan untuk mengetahui bahwa AI itu ada; mereka harus memahami cara menggunakannya secara efektif dalam peran spesifik mereka.
Untuk benar-benar membangun kesiapan ini, Anda harus melakukan lebih dari sekedar survei pasif dan memprioritaskan lokakarya langsung. Sesi praktik ini memungkinkan tim untuk terlibat dengan alat secara langsung dalam lingkungan yang terkendali.
Dengan mengganti pelatihan teori dengan eksperimen aktif, Anda menjembatani kesenjangan antara potensi abstrak dan kegunaan sehari-hari. Pendekatan ini tidak hanya mengungkapkan kesenjangan keterampilan yang sebenarnya namun juga memberdayakan tim Anda untuk menjadi kekuatan pendorong perubahan budaya ini sejak hari pertama, menciptakan momentum sejak dini.
Memilih pertempuran yang tepat
Untuk menavigasi revolusi ini, pilih proyek awal yang menargetkan titik-titik gesekan tinggi seperti tugas manual yang berulang atau data silo. Mulailah dengan meninjau sistem tiket dan biaya tenaga kerja untuk menentukan di mana AI menawarkan nilai langsung.
Yang terpenting, prioritaskan alat yang sesuai dengan alur kerja tim Anda yang ada. Jika pengguna harus terus-menerus berpindah konteks atau beralih layar, adopsi akan menurun. Implementasi yang paling sukses akan menemui pengguna di mana pun mereka berada, meningkatkan proses yang ada, bukan mengganggu proses tersebut.
Dengan menargetkan hambatan “asli” ini, Anda menghilangkan pekerjaan yang membosankan dan membuat lompatan budaya berjalan lancar bagi staf Anda, sekaligus menunjukkan kemenangan awal yang jelas.
Porosnya: Dari KPI kinerja hingga KPI adopsi
Setelah alat tersebut aktif, tahan keinginan untuk segera melacak metrik efisiensi seperti kecepatan atau tingkat kesalahan. Dalam tahap percobaan ini, Anda tidak dapat mengoptimalkan alat yang tidak digunakan oleh siapa pun. Sebaliknya, prioritaskan KPI adopsi untuk mengukur perubahan budaya.
Fokus pada tingkat penggunaan, keterlibatan, dan apakah tim benar-benar mengubah perilaku sehari-hari mereka. Melacak metrik ini memungkinkan Anda mengetahui penolakan sejak dini dan memvalidasi bahwa budaya sedang beradaptasi.
Fleksibilitas ini sangat penting; sebuah studi MIT menemukan bahwa perusahaan yang secara rutin memperbarui KPI mereka agar sesuai dengan tahap kedewasaan mereka, tiga kali lebih mungkin memperoleh keuntungan finansial besar dari waktu ke waktu.
Perbedaan data: Mengapa konteks mendorong kesuksesan
Bahkan dengan budaya yang tepat, tingkat keberhasilan setiap inisiatif AI pada akhirnya bergantung pada kemampuan alat tersebut untuk terhubung ke data organisasi. Umum alat AI yang beroperasi dalam ruang hampa sering kali memiliki tingkat keberhasilan yang rendah karena kurangnya konteks. Mereka dapat menghasilkan teks, tetapi tidak dapat menyelesaikan masalah bisnis tertentu.
Sebaliknya, alat yang “mengetahui” organisasi—dengan mengintegrasikan secara aman dengan data internal, riwayat tiket, dan dokumentasi—memiliki tingkat keberhasilan yang jauh lebih tinggi. Di sinilah kualitas data menjadi faktor penentu. Anda harus melihat data Anda: seberapa bersih, lengkap, dan dapat diaksesnya data tersebut?
Organisasi yang mengambil pendekatan bijaksana terhadap integrasi ini memastikan bahwa AI mereka bukan sekadar hal baru, namun juga mesin peka konteks yang mendorong nilai bisnis nyata di berbagai departemen.
TI sebagai arsitek budaya dan integrasi
Proses integrasi ini menempatkan TI sebagai pusat transformasi. Tim TI tidak lagi sekadar penyedia layanan; mereka adalah arsitek masa depan organisasi. Merekalah satu-satunya pihak yang diposisikan untuk menjembatani kesenjangan antara integrasi data teknis dan adopsi budaya manusia.
Dengan mengambil alih kepemilikan atas inisiatif-inisiatif ini, TI memastikan bahwa alat-alat AI tidak hanya “disebarkan”, namun juga terintegrasi secara mendalam ke dalam lanskap data unik perusahaan. Pada saat yang sama, dengan menggunakan metrik adopsi untuk memandu tenaga kerja, TI membentuk cara organisasi bekerja dan belajar.
“Kemenangan” saat ini ada dua: membangun jalur teknis yang membuat AI peka terhadap konteks, dan menumbuhkan kebiasaan manusia yang membuat AI dapat digunakan. Dengan memimpin dengan tujuan dan fokus pada hasil ganda ini, tim TI mengubah strategi menjadi dampak bisnis yang bertahan lama dan menjadikan AI sebagai penggerak bisnis sejati di setiap area operasional.
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
