Laporan terbaru State of Observability 2025 yang dirilis oleh ManageEngine mengungkapkan bahwa dunia TI saat ini terbelah dalam menyikapi efektivitas AI: sebagian menganggapnya solusi ampuh, sementara sebagian lain masih mempertanyakan keandalannya.
Survei yang melibatkan lebih dari 1.240 profesional TI dan C-suite global ini menyoroti paradoks adopsi AI. Di satu sisi, lebih dari 40% responden menyatakan bahwa fitur AI/ML dalam alat observabilitas mereka telah memenuhi kebutuhan operasional. Namun, proporsi yang hampir sama menilai fitur-fitur tersebut masih tidak dapat diandalkan (unreliable).
Data lebih rinci menunjukkan bahwa kepuasan penuh terhadap AI masih menjadi barang langka. Hanya 7% responden yang menyatakan kemampuan AI dalam alat mereka sepenuhnya memenuhi kebutuhan, sementara mayoritas responden (44,9%) merasa kebutuhan mereka baru terpenuhi sebagian. Hal ini mengindikasikan bahwa meskipun AI memberikan nilai tambah, teknologi ini sering kali masih memerlukan intervensi manual agar dapat bekerja optimal.
Meskipun ada keraguan soal keandalan, AI memainkan peran vital bagi organisasi yang menghadapi krisis sumber daya manusia. Laporan tersebut menemukan bahwa tim TI yang mengalami kesenjangan keterampilan (skill gap) memiliki permintaan 1,5 kali lebih tinggi terhadap fitur AI/ML dibandingkan tim yang memiliki staf lengkap.
Bagi tim dengan keterbatasan skill ini, fitur yang paling dicari bukanlah algoritma yang paling rumit, melainkan kemudahan akses. Natural Language Querying (kueri bahasa alami) menjadi fitur favorit, dipilih oleh 46% responden yang mengalami kesenjangan skill.
Fitur ini memungkinkan staf teknis untuk menanyakan masalah sistem menggunakan bahasa sehari-hari tanpa perlu menguasai bahasa kueri basis data yang kompleks, sehingga secara efektif menurunkan hambatan teknis dalam penggunaan alat observabilitas.
Bagi organisasi yang berhasil mengimplementasikan AI dengan tepat, dampaknya terhadap bisnis sangat signifikan. Laporan ManageEngine mencatat korelasi kuat antara kemampuan AI yang andal dengan kinerja operasional. Organisasi yang melaporkan kapabilitas AI yang lebih andal memiliki peluang 4,9 kali lebih besar untuk memangkas waktu penyelesaian masalah (Mean Time to Resolution atau MTTR) hingga 90%.
Selain itu, organisasi-organisasi ini juga mencatatkan peningkatan produktivitas 3,7 kali lebih tinggi dan dampak strategis 2,9 kali lebih besar dibandingkan mereka yang kemampuan AI-nya masih tertinggal.
Menatap sisa tahun 2025, prioritas pengembangan AI dalam observabilitas semakin mengerucut. Profesional TI kini tidak lagi sekadar mencari otomatisasi dasar. Fitur yang paling dinantikan adalah analisis akar masalah (Root Cause Analysis) tingkat lanjut dan AI Generatif (GenAI).
Seiring dengan semakin matangnya adopsi observabilitas di sebuah organisasi, ekspektasi mereka bergeser dari sekadar deteksi keamanan dasar menuju kapabilitas berbasis AI yang mampu mendukung pemecahan masalah (troubleshooting) yang lebih cepat dan skalabel. Ini menegaskan bahwa meskipun AI belum sempurna, industri TI sepakat bahwa jalan ke depan adalah memperdalam integrasi AI, bukan meninggalkannya.
Cek Berita dan Artikel yang lain di
Google News
