Saat ini, kita menghadapi lanskap yang berbeda: Lebih dari 60% organisasi – naik lebih dari 4x lipat dalam 12 bulan terakhir – sekarang punya skenario penggunaan AI generatif dalam produksi, menurut studi global baru-baru ini.
Sementara beberapa perusahaan sudah membawa AI generatif ke aplikasi dunia nyata dan melihat laba atas investasi (ROI) yang nyata, yang lain belum mengambil lompatan. Jadi, seperti apa sebenarnya strategi AI yang efektif?
Dibahas dalam Google Cloud Let's Talk AI 2024, strategi AI yang unggul dibangun di atas visi AI yang jelas, implementasi yang terfokus dari kasus penggunaan yang tepat, dan pelacakan hasil yang konsisten. Bagi para eksekutif yang sedang mengembangkan strategi AI mereka, menggabungkan tiga fundamental inti dapat membantu memetakan jalan yang jelas menuju kesuksesan jangka panjang dan berkelanjutan.
1. Buat visi yang jelas dan menarik untuk AI
Strategi AI yang kuat membutuhkan pandangan holistik: mengintegrasikan inisiatif AI ke dalam strategi perusahaan Anda secara keseluruhan dan mendorong kolaborasi yang lebih erat antara TI dan bisnis.
Di Google Cloud, kami membantu organisasi mengambil pendekatan top-down dan bottom-up, menyelaraskan implementasi AI generasi dengan tujuan strategis sekaligus mengatasi tantangan nyata yang diidentifikasi oleh tim mereka.
Dari perspektif top-down, kami mulai dengan menghubungkan prioritas strategis dari keseluruhan strategi bisnis ke domain AI tertentu — area utama kami dapat memfokuskan investasi. Domain ini dapat berupa departemen, produk inti, atau bahkan proses end-to-end, seperti pengalaman pelanggan.
Pada saat yang sama, kami menyarankan agar pimpinan mengumpulkan umpan balik dari tim di lapangan dan mendapatkan pemahaman yang lebih baik tentang masalah konkret dan hambatan yang mereka hadapi dalam pekerjaan mereka.
Strategi gambaran besar sering mengabaikan detail yang lebih halus dari operasi sehari-hari, yang sangat penting untuk mengidentifikasi peluang AI yang tepat dan mengelola perubahan. Alasan kami menekankan 'domain' adalah bahwa implementasi AI tunggal tidak mungkin menggerakkan jarum keuangan dengan sendirinya, terutama jika diadopsi secara terpisah.
Dampak paling signifikan biasanya berasal dari beberapa kasus penggunaan yang dapat bekerja sama untuk menata ulang seluruh rantai nilai, seperti mengubah cara pelanggan memesan makanan cepat saji atau bagaimana para ilmuwan mengeksplorasi senyawa dan kombinasi baru.
2. Prioritaskan kasus penggunaan yang tepat
Meskipun sebagian besar organisasi telah membuat komitmen keuangan yang kuat terhadap AI gen, mereka sering kesulitan untuk menentukan di mana harus berinvestasi terlebih dahulu.
Keserbagunaan Gen AI adalah berkah sekaligus kutukan: ada berbagai macam aplikasi, tetapi mungkin sulit untuk menentukan mana yang memberikan nilai paling signifikan. Tidak hanya itu, organisasi harus menilai berbagai faktor lain, seperti kompleksitas teknis, kesiapan data, dukungan pemangku kepentingan, dan keselarasan dengan tujuan strategis yang lebih luas.
Saat memprioritaskan kasus penggunaan AI generatif, gunakan matriks sederhana untuk memplot setiap kasus penggunaan potensial berdasarkan perolehan nilai yang diharapkan dibandingkan perkiraan tindakan dan kelayakan.
Berikut adalah beberapa contoh pertanyaan yang dapat Anda ajukan untuk memetakan kasus penggunaan Anda sendiri:
Nilai Bisnis
-Dampak: Apakah ini akan menggerakkan jarum untuk kebutuhan pelanggan dan karyawan kami?
-Penyelarasan: Bagaimana ini mendukung tujuan bisnis utama kami?
-Penggunaan kembali / ekstensibilitas: Bisakah kita menggunakan kembali dan membangunnya untuk kasus penggunaan di masa mendatang?
Kemampuan bertindak
-Kegunaan: Seberapa akurat AI harus membuatnya benar-benar berguna?
-Adopsi: Seberapa mudah kita dapat menyesuaikan ini dengan proses yang ada?
-Kecepatan: Seberapa cepat kita dapat mendorong nilai bagi organisasi kita?
Kelayakan
-Kecocokan teknis: Apakah AI benar-benar tepat untuk kasus penggunaan ini?
-Kesiapan data: Seberapa mudah diakses dan dapat diandalkan data untuk kasus penggunaan ini?
-Toleransi risiko: Apa implikasi dari ketidakakuratan atau penyalahgunaan?Secara keseluruhan, menggunakan matriks seperti di atas menyederhanakan proses memahami semua kemungkinan AI dengan jelas memvisualisasikan trade-off antara semua kasus penggunaan Anda yang berbeda.
Misalnya, proses ini membantu kami menentukan peta jalan AI yang jelas dan dapat ditindaklanjuti untuk lembaga jasa keuangan di Asia. Dengan pelanggan ritel dan komersial, AI mewakili peluang besar dengan daftar panjang kasus penggunaan potensial, mulai dari meningkatkan pengalaman pelanggan front-office hingga merampingkan operasi back office.
Dengan menggunakan matriks ini, kami membantu perusahaan fokus pada area di mana AI dapat memiliki dampak paling besar: pusat kontak pelanggannya, yang menangani sejumlah besar panggilan setiap hari. Menerapkan agen AI untuk membantu menjawab pertanyaan umum dan mengarahkan pelanggan menawarkan nilai bisnis yang tinggi dengan mengurangi biaya operasional dan mengurangi beban kerja agen manusia.
Pada saat yang sama, menggunakan Google Cloud untuk membuat agen AI tidak mudah dikeringkan dan sangat layak, mempercepat adopsi dan waktu untuk mendapatkan nilai.
Sebagai prioritas kedua, perusahaan mengidentifikasi kasus penggunaan yang memberdayakan klien untuk mengakses data keuangan mereka tanpa keterampilan kueri database dan menerima saran keuangan yang dipersonalisasi dengan perlindungan.
Meskipun bernilai tinggi, kasus penggunaan ini kompleks, membutuhkan lebih banyak integrasi data, perubahan alur kerja operasional, proses manajemen risiko, dan penyelarasan pemangku kepentingan, menunda kemampuan mereka untuk mewujudkan nilai dengan cepat.
3. Ukur kemajuan AI gen Anda
Mengevaluasi kinerja gen AI sangat penting untuk keberhasilannya. Mengukur seluruh siklus hidup setiap kasus penggunaan — mulai dari percontohan hingga peluncuran dan seterusnya — dengan indikator kinerja utama (KPI) sangat penting untuk menilai kinerja, menunjukkan ROI, mendorong peningkatan berkelanjutan, dan mendapatkan wawasan berharga untuk memprioritaskan kasus penggunaan di masa mendatang.
Kami merekomendasikan pengukuran AI di lima area utama:
Metrik kualitas model: Metrik ini membantu mengevaluasi dan memantau akurasi, faktualitas, keandalan, dan keamanan model AI Anda. Mereka membantu menetapkan harapan yang realistis dalam kaitannya dengan tujuan akhir sambil mendukung prinsip dan praktik AI yang bertanggung jawab.
Metrik sistem: Sangat penting untuk memastikan sistem AI Anda berjalan secara efisien, andal, dan dalam skala besar untuk mendukung kebutuhan organisasi Anda. Metrik ini membantu memantau kesehatan dan kinerja platform dan infrastruktur AI Anda. Mereka dapat mengungkapkan kemacetan dan mengungkap area untuk pengoptimalan biaya komputasi dan kinerja.
Metrik adopsi: Adopsi AI bukanlah proses dalam semalam, jadi sangat penting untuk memiliki pemahaman yang kuat tentang bagaimana pengguna berinteraksi dengan alat AI generasi baru. Metrik ini memberikan wawasan tentang adopsi, frekuensi penggunaan, dan jenis umpan balik pengguna kualitatif lainnya.
Metrik operasional: Untuk menentukan ROI investasi AI, Anda harus memahami bagaimana pengaruhnya terhadap proses bisnis Anda. Metrik ini membantu Anda mengukur apakah fitur dan kemampuan AI memberikan pengembalian hilir, seperti klik-tayang dan penahanan panggilan.
Dampak Bisnis: Terakhir, metrik keuangan ini memberikan visibilitas apakah Anda memenuhi tujuan strategis Anda, seperti meningkatkan pendapatan, mengurangi biaya, mengurangi risiko, atau mempercepat inovasi di bidang-bidang utama sehubungan dengan investasi Anda.
Dengan mengelompokkan KPI di lima area ini, Anda dapat memperoleh pemahaman yang komprehensif tentang nilai AI generasi sambil mendapatkan wawasan mendalam tentang dampak teknis dan bisnis dari investasi Anda. Praktik terbaik adalah mengembangkan rencana pengukuran ini selama fase desain kasus penggunaan dan tidak memperlakukannya sebagai renungan yang ditempelkan selama implementasi.
Penting untuk menetapkan garis dasar metrik saat ini, sehingga Anda dapat membandingkan hasil AI setelah diluncurkan. Ini mungkin memerlukan periode pengukuran pra-peluncuran, atau pengujian A/B kasus penggunaan AI produksi Anda terhadap hasil untuk proses yang sama tanpa AI.
Strategi AI lebih dari sekadar menerapkan dan menskalakan teknologi dan infrastruktur AI. Mereka juga harus membahas faktor orang, proses, dan organisasi. Tanpa konteks ini, inisiatif AI gen, betapapun mengesankannya, memiliki sedikit peluang untuk memenuhi harapan dan mencapai potensi penuhnya.
Untuk para pemimpin bisnis, memahami dasar-dasar inti yang diuraikan di atas akan memungkinkan Anda menyusun strategi yang bijaksana dan komprehensif yang berfungsi sebagai dasar bagi inisiatif AI Anda untuk berkembang – baik saat ini maupun di masa depan.
(Fanly Tanto, Country Director, Indonesia, Google Cloud)
Cek Berita dan Artikel yang lain di
Google News
