Panduan eksekutif untuk berinvestasi dalam kecerdasan buatan: Memahami proposisi nilai pada tahun 2025

Seiring tren investasi AI yang terus berkembang di 2025, para eksekutif menghadapi tekanan yang semakin besar untuk mengambil keputusan strategis mengenai implementasi kecerdasan buatan. Dengan cepatnya adopsi alat AI oleh perusahaan - 22% mengimplementasikannya secara ekstensif dan 33% menggunakannya secara terbatas - memahami cara mengevaluasi dan mengimplementasikan solusi AI menjadi kunci untuk mempertahankan keunggulan kompetitif. Dalam buku "The Executive Guide to Artificial Intelligence" karya Andrew Burgess, penulis memberikan panduan lengkap bagi para eksekutif bisnis yang ingin memahami dan menerapkan solusi kecerdasan buatan dalam organisasi mereka.

Buku ini diterbitkan pada tahun 2017 oleh Springer International Publishing dan memberikan gambaran praktis tentang bagaimana perusahaan dapat memanfaatkan kecerdasan buatan. Apa yang telah berubah hari ini?

Tren investasi saat ini di AI 2025

Lanskap AI mengalami pertumbuhan yang belum pernah terjadi sebelumnya, dengan organisasi melakukan investasi yang lebih signifikan untuk tetap kompetitif.

Dasar-dasarnya:

Burgess menekankan pentingnya memulai dengan mendefinisikan tujuan yang jelas dan selaras dengan strategi bisnis, sebuah prinsip yang masih berlaku hingga saat ini. Dalam buku tersebut, ia mengidentifikasi delapan kemampuan inti AI:

1. Pengenalan gambar
2. Pengenalan suara
3. Search dan information extraction
4. Clustering
5. Natural Language Understanding
6. Optimasi
7. Prediction
8. Understanding (saat ini)

Evolusi dari tahun 2018 hingga 2025:

Sejak buku ini ditulis, AI telah berubah dari teknologi yang sedang berkembang menjadi teknologi utama. Kemampuan 'Memahami' yang dianggap futuristik oleh Burgess telah mengalami kemajuan yang signifikan dengan munculnya Large Language Models (LLM) dan teknologi AI generatif, yang belum muncul pada tahun 2018.

framework strategis untuk keputusan investasi AI

Empat pertanyaan penting

Saat mengevaluasi investasi dalam AI, sangat penting untuk fokus pada pertanyaan-pertanyaan kritis ini:

1. Definisi masalah bisnis
2. Metrik keberhasilan
3. Persyaratan implementasi
4. Evaluasi risiko

Catatan: Framework empat pertanyaan ini berasal dari pengetahuan terkini dan tidak disajikan secara eksplisit dalam buku Burgess.

Membangun strategi AI yang efektif

Kerangka kerja adopsi:

Burgess mengusulkan kerangka kerja terperinci untuk menciptakan strategi AI yang mencakup:

1. Keselarasan dengan strategi bisnis - Memahami bagaimana AI dapat mendukung tujuan bisnis yang ada
2. Pemahaman ambisi AI - Menentukan apakah Anda ingin:
3. • Meningkatkan proses yang ada
   • Mentransformasi fungsi bisnis
   • Menciptakan layanan/produk baru
3. Evaluasi kematangan AI - Menentukan tingkat kematangan organisasi saat ini pada skala 0 hingga 5:
4. • Pemrosesan manual (Level 0)
   • Otomatisasi TI tradisional (Level 1)
   • Otomatisasi dasar terisolasi (Level 2)
   • Implementasi taktis alat otomatisasi (Level 3)
   • Implementasi taktis berbagai teknologi otomatisasi (Level 4)
   • Otomatisasi strategis end-to-end (Level 5)
4. Pembuatan heat map AI - Mengidentifikasi area dengan peluang terbesar
5. Pengembangan business case - Mengevaluasi manfaat "hard" dan "soft"
6. Manajemen perubahan - Merencanakan bagaimana organisasi akan beradaptasi
7. Pengembangan roadmap AI - Membuat rencana jangka menengah-panjang

Evolusi dari tahun 2018 hingga 2025:

Kerangka kerja Burgess masih sangat relevan hingga saat ini, namun perlu dilengkapi dengan pertimbangan-pertimbangan lain:

• Etika AI dan regulasi (seperti EU AI Act)
• Keberlanjutan lingkungan AI
• Strategi AI yang bertanggung jawab
• Integrasi dengan teknologi baru seperti quantum computing

Mengukur ROI dalam investasi AI

Faktor-faktor penentu laba atas investasi:

Burgess mengidentifikasi berbagai jenis manfaat AI, yang dikategorikan sebagai 'keras' dan 'lunak':

Manfaat hard:

• Pengurangan biaya
• Penghindaran biaya
• Kepuasan pelanggan
• Kepatuhan
• Mitigasi risiko
• Mitigasi kerugian
• Mitigasi kehilangan pendapatan
• Pembangkitan pendapatan

Manfaat soft:

• Perubahan budaya
• Keunggulan kompetitif
• Efek halo
• Pemungkinan manfaat lain
• Pemungkinan transformasi digital

Pengukuran ROI AI telah menjadi lebih canggih, dengan kerangka kerja khusus untuk menilai dampak AI generatif, yang belum ada ketika Burgess menulis buku tersebut.

Pendekatan teknis untuk implementasi AI

Jenis-jenis solusi:

Burgess mempresentasikan tiga pendekatan utama untuk mengimplementasikan AI:

1. Software AI off-the-shelf - Solusi siap pakai
2. Platform AI - Disediakan oleh perusahaan teknologi besar
3. Pengembangan AI kustom - Solusi yang disesuaikan

Untuk langkah pertama, ia menyarankan untuk mempertimbangkan:

• Proof of Concept (PoC)
• Prototipe
• Minimum Viable Product (MVP)
• Riskiest Assumption Test (RAT)
• Pilot

Apa yang telah berubah:

Sejak tahun 2018, kami telah menyaksikannya:

• demokratisasi alat AI dengan solusi no-code/low-code
• Peningkatan drastis platform cloud AI
• Pertumbuhan AI generatif dan model seperti GPT, DALL-E, dll.
• Peningkatan solusi AutoML yang mengotomatisasi bagian dari proses data science

Pertimbangan risiko dan tantangan

Risiko kecerdasan buatan:

Burgess mencurahkan satu bab penuh untuk membahas risiko AI, dengan menunjukkan:

1. Kualitas data
2. Kurangnya transparansi - Sifat "black box" dari algoritma
3. Bias yang tidak disengaja
4. Naiveté AI - Keterbatasan pemahaman kontekstual
5. Ketergantungan berlebihan pada AI
6. Pemilihan teknologi yang salah
7. Tindakan jahat

Evolusi dari tahun 2018 hingga 2025:

Sejak buku ini ditulis:

• Kekhawatiran tentang bias algoritma telah menjadi isu kritis (menunggu pembahasan lebih lanjut)
• Keamanan AI telah menjadi fundamental seiring meningkatnya ancaman
• Regulasi AI telah muncul sebagai faktor kunci
• Risiko deepfake dan disinformasi AI generatif telah menjadi signifikan
• Kekhawatiran privasi meningkat seiring penggunaan AI yang lebih meluas

Menciptakan organisasi IA yang efektif

Dari buku karya Burgess (2018):

Burgess mengusulkan:

• Membangun ekosistem AI dengan vendor dan mitra
• Membentuk Center of Excellence (CoE) dengan tim khusus
• Mempertimbangkan peran seperti Chief Data Officer (CDO) atau Chief Automation Officer (CAO)

Evolusi dari tahun 2018 hingga 2025:

Sejak saat itu:

• Peran Chief AI Officer (CAIO) telah menjadi umum
• AI kini sering terintegrasi di seluruh organisasi alih-alih diisolasi dalam satu CoE
• Demokratisasi AI telah menghasilkan model operasional yang lebih terdistribusi
• Pentingnya literasi AI bagi semua karyawan telah muncul

Kesimpulan

Dari buku karya Burgess (2018):

Burgess menyimpulkan dengan pentingnya:

• Jangan percaya hype tetapi fokus pada masalah bisnis nyata
• Mulai perjalanan AI sesegera mungkin
• Future-proof perusahaan melalui pemahaman AI
• Menerapkan pendekatan seimbang antara optimisme dan realisme

Evolusi dari tahun 2018 hingga 2025:

Seruan Burgess untuk "jangan percaya pada hype" tetap sangat relevan di tahun 2025, terutama dengan hype yang berlebihan seputar AI generatif. Namun, kecepatan adopsi AI menjadi semakin penting, dan perusahaan yang belum memulai perjalanan AI mereka sekarang mendapati diri mereka berada pada posisi yang sangat tidak menguntungkan dibandingkan dengan perusahaan yang telah mengikuti saran Burgess untuk memulai lebih awal (pada tahun 2018!).

Lanskap AI pada tahun 2025 lebih kompleks, lebih matang, dan lebih terintegrasi ke dalam strategi bisnis daripada yang dapat diprediksi pada tahun 2018, tetapi prinsip-prinsip inti penyelarasan strategis, penciptaan nilai, dan manajemen risiko yang diuraikan oleh Burgess secara mengejutkan masih tetap valid.