Di Asia Tenggara, laporan McKinsey menunjukkan hampir setengah perusahaan telah melampaui tahap uji coba AI. Indonesia dan Singapura menjadi yang terdepan di wilayah ini, di mana ada lebih banyak perusahaan yang melaporkan kemajuan dalam pengadopsian AI skala besar (56% di Singapura dan 51% di Indonesia).
Setelah melalui berbagai tahap uji coba dan pengembangan prototipe, organisasi kini berharap agen AI dapat mulai memberikan dampak bisnis yang nyata. Selama ini tantangan seperti scaling, tata kelola, dan pengendalian biaya menjadi hambatan utama.
Namun dengan menghubungkan agen AI ke data real-time yang terkelola dengan baik, dan mengintegrasikannya ke dalam alur kerja bisnis, pengadopsian AI dalam skala penuh kini menjadi semakin memungkinkan. Organisasi juga mulai beralih dari fase penggunaan AI sebagai sekadar konsultan pasif menjadi agen otonom yang mampu menjalankan tugas-tugas berisiko tinggi dalam sektor keuangan dan engineering.
Kemampuan terbaru dari Anthropic untuk menerapkan tim agen merupakan langkah penting dalam mengoperasionalkan agen AI dalam skala besar, dan ini sangat berguna bagi tim keuangan dan legal. Namun banyak organisasi masih menghadapi tantangan akibat data yang tersebar di berbagai tempat.
Kondisi ini menyulitkan organisasi untuk menjaga konsistensi, tata kelola dan kontrol. Tanpa pendekatan yang terintegrasi, setiap departemen berisiko memilih tools mereka sendiri, menjalankan POC sendiri, dan menerapkan solusi mereka sendiri. Sama seperti pada masa awal perkembangan Business Intelligence, kita mulai melihat AI silos terbentuk di dalam perusahaan.
Di saat yang sama, laporan Deloitte mendapati bahwa penggunaan agentic AI diperkirakan akan melonjak tajam dalam dua tahun ke depan, namun baru sekitar satu dari lima perusahaan yang memiliki kerangka tata kelola yang matang untuk mengelola agen AI otonom secara efektif.
Di Asia Tenggara, termasuk Indonesia, menurut laporan McKinsey, pengadopsian agentic AI juga meraih momentumnya. Hampir 90% perusahaan di Asia Tenggara berencana untuk mencoba agentic AI pada tahun 2026.
Penggunaan AI masih terkonsentrasi pada fungsi teknis dan berbasis pengetahuan, terutama dalam IT dan software engineering. Lebih dari sepertiga perusahaan sedang memperluas implementasinya atau telah mengadopsinya secara penuh dalam skala besar. Sebaliknya, penggunaan AI pada fungsi yang berhubungan langsung dengan pihak luar, seperti sales dan marketing, pengembangan produk atau service, dan risk management, masih berada pada tahap awal.
Karena fungsi-fungsi ini tersebut berinteraksi langsung dengan pelanggan dan punya risiko yang lebih besar terhadap reputasi atau komersial, perusahaan jadi lebih berhati-hati dalam menerapkan agen otonom sepenuhnya.
Saat ini, hanya sekitar satu dari lima perusahaan yang mulai memperluas penggunaan agentic AI pada fungsi-fungsi tersebut, sementara sebagian besar masih berada pada tahap uji coba atau berencana untuk menggunakan tool tersebut.
Ketertinggalan ini mencerminkan masih tingginya kebutuhan akan pengawasan manusia, serta kompleksitas yang lebih besar dalam mengintegrasikan agen otonom ke dalam alur kerja yang berinteraksi langsung dengan pelanggan dan memiliki tingkat risiko yang lebih tinggi.
Pengawasan oleh manusia tetap menjadi elemen penting untuk memastikan kualitas data dan tata kelola yang baik, serta menjadi fondasi yang kuat bagi perusahaan untuk menerapkan berbagai tools dan model AI secara fleksibel untuk mengoptimalkan alur kerja. Untuk mewujudkan hal tersebut, tanpa tergantung pada satu vendor dan terlepas di mana pun data berada, organisasi perlu mempertimbangkan pendekatan arsitektur Private AI.
Perusahaan dapat menggunakan platform yang dirancang dengan keamanan sebagai prioritas utama serta patuh pada aturan residensi data dan kontrol akses. Melalui kemitraan dengan ekosistem AI, Claude kini terintegrasi langsung ke dalam Cloudera Lakehouse, dan menjadi model penting dalam arsitektur Cloudera AI.
Dengan Cloudera AI, ketika organisasi menjalankan model AI di infrastruktur on-premise, mereka tetap memiliki kendali penuh atas data dan model AI mereka, sekaligus memastikan kepatuhan pada regulasi dan keamanan di sepanjang lifecycle AI.
Di Indonesia, kebutuhan akan pendekatan Private AI menjadi semakin penting, terutama dengan diberlakukannya Undang-Undang Perlindungan Data Pribadi, yang mewajibkan organisasi memastikan keamanan dan kendali atas data sensitif.
Di lanskap yang terus berkembang ini, organisasi perlu memperhatikan beberapa hal penting:
Memastikan kedaulatan data: Data tetap berada dalam kendali dan yurisdiksi organisasi, sehingga membantu mereka mematuhi regulasi lokal maupun internasional.
Meningkatkan keamanan: Dengan membatasi paparan data ke pihak luar, risiko kebocoran data dapat dikurangi secara signifikan.
Mempertahankan kendali penuh: Organisasi memiliki visibilitas penuh atas model AI dan data mereka, sehingga tata kelola dan akuntabilitas dapat terjaga dengan baik.
Seiring dengan semakin banyaknya pilihan model baru dan agen AI yang tersedia, semakin penting bagi organisasi untuk memastikan integrasi AI yang mulus ke dalam data fabric mereka.
Didukung oleh fondasi data yang kuat, metrik yang terstandarisasi, serta tata kelola yang berkelanjutan, perusahaan yang mampu mengikuti perkembangan inovasi ini akan menuai manfaat AI yang paling besar.
(Sherlie Karnidta, Country Manager Cloudera Indonesia)
Cek Berita dan Artikel yang lain di
Google News
