Fenomena mendasar ini terungkap dalam riset global SAP bersama Oxford Economics yang melibatkan 2.600 pelaku bisnis di 13 negara, termasuk 200 perusahaan di Singapura. Riset tersebut memaparkan bahwa sekitar 25 persen proses bisnis enterprise saat ini telah memanfaatkan AI, dan sembilan dari sepuluh pelanggan percaya bahwa era agentic AI akan mentransformasi dunia bisnis secara radikal. Namun, di tengah peningkatan adopsi dan imbal hasil investasi (ROI), kepercayaan terhadap keandalan data menjadi satu-satunya indikator yang terus merosot dari tahun ke tahun.
Dalam pemaparannya pada gelaran SAP Now AI Tour Southeast Asia 2026 di Singapura, President and Managing Director SAP Southeast Asia, Liher Urbizu, mengibaratkan kondisi ini seperti fenomena gunung es. Ketika organisasi melangkah melampaui tahap eksperimen dan mulai menggali sistem lebih dalam, skala masalah terkait ketidaksiapan data dasar baru terlihat secara nyata.
"Saat orang menggali semakin dalam ke bawah gunung es, mereka baru menyadari besarnya skala masalah ketika data belum siap," ungkap Liher Urbizu.
Tuntutan Akurasi Mutlak dalam Bisnis
Liher menegaskan bahwa toleransi kesalahan pada AI konsumen sangat berbeda dengan kebutuhan dunia bisnis. Jika halusinasi data dalam penggunaan AI pribadi hanya berdampak kecil, kesalahan angka pada skala enterprise dapat berakibat fatal bagi kelangsungan operasional maupun kepatuhan hukum perusahaan."Laporan keuangan tidak bisa hanya 80% akurat sesekali. Laporan tersebut harus 100% akurat setiap saat. Dan itulah inti dari AI bisnis. Ini adalah tentang menghasilkan jawaban yang dapat dipercaya, yang berakar pada proses bisnis dan berakar pada data enterprise," ia menjelaskan.
Selain masalah kualitas data, riset tersebut juga menyoroti ancaman tata kelola berupa agentic sprawl, yaitu kondisi ketika agen-agen AI dibuat secara sporadis tanpa arah yang jelas sehingga menguras konsumsi token teknologi tanpa menghasilkan nilai bisnis nyata, sekaligus memicu risiko keamanan saat data diunggah ke model AI publik. Kesenjangan kesiapan tenaga kerja juga menjadi tantangan besar, karena penguasaan teknologi canggih harus diimbangi dengan pemahaman konteks bisnis yang kuat.
Merajut Ulang Cara Kerja Perusahaan
Untuk mengatasi tantangan ini, Liher mengingatkan para pimpinan perusahaan agar tidak sekadar menumpuk teknologi baru di atas mekanisme kerja lama. Keberhasilan implementasi AI sangat bergantung pada keberanian organisasi untuk merancang ulang alur kerja secara mendasar."Peluang AI memang sangat besar, tetapi realisasi nilai bukan berarti sekadar menambahkan teknologi ke dalam cara kerja yang sudah ada. Ini adalah tentang memikirkan ulang bagaimana pekerjaan dilakukan," tegas Liher.
Sebagai solusinya, SAP membangun lapisan semantik terintegrasi (knowledge graph) yang menghubungkan seluruh titik data dengan proses bisnis secara aman. Langkah ini memastikan bahwa implementasi AI enterprise dapat berjalan dengan akurasi tinggi, perlindungan data yang ketat, serta tetap menempatkan kendali penuh di tangan manusia.
Jadikan Medcom.id sumber informasi pilihan Anda
