Jakarta, Mediaprofesi.id – AI kini bukan lagi sekadar teknologi yang diuji coba. Di Asia Pasifik, termasuk Indonesia, perusahaan mulai memasuki fase implementasi penuh, menjadikan kecerdasan buatan sebagai mesin untuk mengotomatisasi operasional, mempercepat pengambilan keputusan, hingga meningkatkan daya saing bisnis.
Nilai investasi pun melonjak drastis. Belanja AI dan Generative AI di kawasan diperkirakan meningkat dari US$73 miliar pada 2024 menjadi US$370 miliar pada 2029. Namun, besarnya investasi ternyata belum sejalan dengan hasil yang diperoleh.
Menurut Abhas Ricky, Chief Business Officer dan General Manager of Applied AI Cloudera, tantangan terbesar enterprise AI saat ini bukan lagi membangun model, melainkan memastikan AI mampu memberikan nilai nyata setelah masuk ke lingkungan produksi.
Data MIT melalui inisiatif NANDA menunjukkan sekitar 95% proyek Generative AI belum menghasilkan dampak yang terukur terhadap keuntungan perusahaan, meski telah menghabiskan investasi hingga US$40 miliar. Bahkan, 42% perusahaan menghentikan sebagian besar inisiatif AI mereka pada 2025, naik tajam dibanding 17% pada tahun sebelumnya.
“Keunggulan saat ini bukan lagi ditentukan oleh siapa yang memiliki model AI paling canggih, melainkan siapa yang mampu mengoperasikan, mengelola, dan mempertahankan AI dalam jangka panjang,” ujarnya.
Fokus Bergeser dari “Mengapa” ke “Bagaimana”
Perubahan itu juga tercermin dalam kebijakan pemerintah. Singapura, misalnya, telah menggandeng berbagai pelaku industri untuk mengembangkan, menguji, hingga mengelola AI di sektor layanan publik, keuangan, kesehatan, infrastruktur digital, dan physical AI.
Artinya, regulator kini tidak lagi mempertanyakan apakah perusahaan menggunakan AI, tetapi bagaimana AI tersebut bekerja, dikelola, dan dipertanggungjawabkan.
Ukur AI dari Hasil Nyata, Bukan Token
Menurut Abhas, banyak perusahaan masih terjebak mengukur biaya AI berdasarkan token. Padahal, Goldman Sachs memperkirakan konsumsi token akan melonjak hingga 24 kali lipat pada 2030 seiring berkembangnya penggunaan AI agent.
Karena itu, ukuran yang lebih relevan adalah biaya untuk menyelesaikan satu tugas bisnis secara sukses, bukan biaya per token atau per model.
Perusahaan juga harus menentukan lokasi terbaik untuk menjalankan workload AI. Public cloud cocok untuk eksperimen dan inovasi cepat, sedangkan private maupun sovereign AI lebih ideal bagi beban kerja berskala besar, sensitif, atau memiliki regulasi ketat.
MIT bahkan menemukan proyek AI yang dikembangkan bersama mitra teknologi memiliki tingkat keberhasilan sekitar 67%, jauh lebih tinggi dibanding sistem yang sepenuhnya dibangun sendiri.
Tata Kelola Jadi Penentu
Seiring berkembangnya agentic AI yang mampu mengambil keputusan secara mandiri, tata kelola menjadi faktor yang tidak bisa diabaikan.
Cloudera mencatat hanya sekitar 10% organisasi di Asia Pasifik yang telah menerapkan tata kelola data secara menyeluruh. Padahal tanpa data yang dikelola dengan baik, organisasi akan kesulitan menjelaskan alasan di balik keputusan AI maupun melakukan audit.
Gartner memperkirakan agentic AI akan menangani sedikitnya 15% keputusan operasional harian pada 2028 dan tertanam di sepertiga perangkat lunak enterprise. Namun, lembaga riset itu juga memprediksi lebih dari 40% proyek agentic AI akan dihentikan sebelum 2027 akibat lemahnya pengendalian risiko dan minimnya manfaat bisnis.
Karena itu, organisasi perlu menetapkan aturan yang jelas mengenai apa yang boleh dilakukan AI, menerapkan kebijakan yang konsisten, menyediakan jejak audit, serta memastikan adanya pengawasan manusia untuk keputusan berisiko tinggi.
AI Tetap Butuh Pengawasan Manusia
Menurut Abhas, sistem AI harus dirancang dengan asumsi bahwa suatu saat model bisa melakukan kesalahan.
Baik kerangka AI Governance Framework Singapura maupun pedoman AI Governance for Indonesian Banking dari OJK sama-sama menegaskan pentingnya pengawasan manusia, terutama untuk keputusan yang berdampak besar.
Praktiknya dapat dilakukan melalui pembatasan tingkat otonomi AI, mekanisme persetujuan manusia, sistem pelacakan penuh, hingga kill switch jika terjadi penyimpangan.
“Perusahaan yang berhasil bukan yang mengotomatiskan semua proses, tetapi yang tahu kapan AI harus berhenti dan manusia mengambil alih,” jelasnya.
Kepercayaan Menjadi Mata Uang Baru AI
Abhas menegaskan bahwa kemampuan model AI kini semakin mudah diperoleh sehingga bukan lagi menjadi pembeda utama.
Nilai sesungguhnya justru berada pada infrastruktur, tata kelola, keamanan, serta tingkat kepercayaan yang dibangun di atasnya.
“Sebanyak 95% perusahaan menganggap AI cukup dibeli. Sementara 5% yang berhasil memperlakukannya sebagai sistem yang harus terus dioperasikan, diawasi, dan disempurnakan. Di situlah letak perbedaan antara proyek AI yang berhenti sebagai demo dengan AI yang benar-benar menghasilkan nilai bisnis,” pungkasnya. * (Syam/Pra)
20 Views
