Pengambilan keputusan dan proses pengambilan keputusan untuk AI di perusahaan: Dari dorongan strategis hingga implementasi praktis

Lebih dari sekadar alat: Mengapa memilih AI akan mengubah seluruh bisnis Anda

Gegap gempita seputar kecerdasan buatan masih terus berlanjut, dan mentalitas "demam emas" masih merajalela di ruang rapat perusahaan-perusahaan Jerman. Banyak yang menganggap penerapan AI sebagai keputusan operasional yang cepat – sekadar perangkat lunak lain yang menjanjikan efisiensi. Namun, asumsi ini merupakan kesalahan yang mahal dan menjadi alasan utama mengapa 80 persen proyek AI gagal. Kenyataannya: Keputusan untuk mengintegrasikan AI secara strategis ke dalam perusahaan bukanlah lari cepat, melainkan maraton yang membutuhkan waktu enam hingga sembilan bulan bahkan sebelum baris kode pertama ditulis.

Alasan kompleksitas ini bukan terletak pada teknologinya, melainkan pada prosesnya. Tidak seperti perangkat lunak konvensional, AI membutuhkan reorganisasi fundamental atas strategi perusahaan, struktur tata kelola, dan penilaian risiko. Sejak terobosan ChatGPT dan berlakunya Undang-Undang AI Uni Eropa, eksperimen tanpa komitmen tidak lagi menjadi pilihan. Setiap inisiatif AI saat ini harus tertanam dalam kerangka hukum, etika, dan keuangan yang ketat.

Artikel ini akan memandu Anda melalui proses yang menantang namun krusial ini. Artikel ini menguraikan jalur kompleks dari pertimbangan strategis awal hingga keputusan yang siap diimplementasikan menjadi tujuh fase konkret dan mudah dipahami. Dengan menggunakan contoh praktis, analisis biaya, dan kendala paling umum, Anda akan mempelajari mengapa pekerjaan sebenarnya dimulai jauh sebelum implementasi teknis dan bagaimana menetapkan arah untuk transformasi AI yang sukses – dengan wawasan strategis, alih-alih aktivisme buta.

Dilema strategis: Mengapa keputusan AI membutuhkan waktu lebih lama daripada yang diperkirakan perusahaan

Keputusan untuk menerapkan kecerdasan buatan ke dalam perusahaan seringkali dianggap sebagai pilihan operasional yang cepat. Kenyataannya jauh lebih kompleks. Proses pengambilan keputusan implementasi AI bukanlah momen tunggal, melainkan serangkaian penilaian strategis, operasional, organisasi, dan teknis yang membutuhkan waktu antara enam hingga sembilan bulan sebelum fase implementasi pertama dimulai. Sementara perusahaan di bidang teknologi lain dapat bekerja dengan matriks keputusan yang sudah mapan, pengambilan keputusan AI pada dasarnya berbeda: pengambilan keputusan ini tidak hanya membutuhkan evaluasi parameter teknis, tetapi juga reinterpretasi struktur tata kelola, strategi manajemen perubahan, dan penilaian risiko, yang seringkali belum dilembagakan dalam bentuk ini di dalam organisasi.

Tragedi bagi banyak perusahaan terletak pada kurangnya pemahaman mereka tentang pentingnya keputusan ini. AI sering disamakan dengan implementasi perangkat lunak lain dalam diskusi manajemen, meskipun kompleksitasnya jauh lebih tinggi. Hal ini menyebabkan proyek-proyek yang kekurangan dana, estimasi waktu yang terlalu optimis, dan pada akhirnya, kegagalan-kegagalan yang terkenal dan terdokumentasi dalam literatur: penelitian terkini menunjukkan bahwa 80 persen dari semua proyek AI gagal. Sebagian besar kegagalan ini tidak bersifat teknis, melainkan prosedural. Kegagalan ini muncul karena proses pengambilan keputusan tidak terstruktur dengan cukup ketat.

Perkembangan sejarah: Dari utopia menuju pemerintahan pragmatis

Untuk memahami proses pengambilan keputusan saat ini, penting untuk mengkaji perkembangan yang mengarah pada proses tersebut. Gelombang pertama adopsi AI di berbagai perusahaan ditandai dengan euforia dan optimisme teknologi. Pada tahun 2010-an, AI terutama dieksplorasi oleh perusahaan teknologi besar dan perusahaan rintisan yang bermodal besar. Perusahaan-perusahaan tradisional awalnya skeptis, dan kemudian ragu-ragu. Keputusan pada saat itu sederhana: konsultan eksternal dilibatkan, model akademis diuji, dan jika ada yang tidak berhasil, proyek tersebut diam-diam dihentikan.

Periode pengembangan yang belum pasti ini berakhir tiba-tiba dengan diterbitkannya ChatGPT pada November 2022. Tiba-tiba, AI tidak lagi abstrak dan ilmiah, melainkan konkret dan ada di mana-mana. Hal ini menyebabkan percepatan besar dalam pernyataan minat dari dewan perusahaan. Gelombang kedua yang kita alami saat ini ditandai oleh tekanan regulasi, tekanan persaingan, dan pengakuan bahwa AI penting secara strategis. Undang-Undang AI Uni Eropa, yang mulai berlaku pada Agustus 2025, serta kerangka peraturan serupa di negara lain, pada dasarnya telah menyusun pengambilan keputusan. Perusahaan tidak dapat lagi bereksperimen tanpa komitmen; setiap inisiatif AI harus tertanam dalam kerangka hukum dan etika.

Dimensi ketiga dari perkembangan ini adalah profesionalisasi. Gartner melaporkan bahwa 75 persen perusahaan akan menggunakan AI pada akhir tahun 2025. Ini merupakan adopsi massal. Dengan adopsi yang meluas ini, tentu saja, muncul standar, praktik terbaik, dan kerangka kerja tata kelola yang sebelumnya tidak diperlukan. Perusahaan yang menerapkan AI saat ini dapat memanfaatkan pengetahuan dan pengalaman yang mapan, yang membuat pengambilan keputusan lebih terstruktur tetapi juga lebih kompleks. Proses pengambilan keputusan saat ini tidak lebih cepat, tetapi lebih menyeluruh dan terdokumentasi dengan lebih baik. Inilah perkembangan utama yang mendefinisikan proses pengambilan keputusan AI modern.

Mekanisme inti dari proses pengambilan keputusan

Proses pengambilan keputusan untuk AI di perusahaan tidak mengikuti skema universal, melainkan pola-pola mapan yang muncul di organisasi yang lebih matang. Namun, proses-proses ini dapat dipecah menjadi beberapa fase konkret, masing-masing dengan kriteria, pemangku kepentingan, dan titik kritisnya sendiri.

Tahap pertama adalah tahap evaluasi atau penilaian strategis, yang berlangsung antara dua dan empat minggu.

Pada fase ini, pertanyaan pertama yang harus dijawab adalah: Bagaimana posisi perusahaan kita dalam hal AI? Hal ini dilakukan melalui analisis kematangan AI terstruktur, yang mewawancarai para eksekutif dari berbagai departemen – mulai dari TI dan keuangan hingga pengembangan bisnis. Tujuannya adalah untuk mengetahui tidak hanya kesiapan teknis tetapi juga kematangan organisasi. Perusahaan yang merasa cemas pada tahap ini dan ingin segera beralih ke fase berikutnya telah melakukan kesalahan mendasar. Fase penilaian merupakan fondasi bagi semua keputusan selanjutnya.

Tahap kedua adalah pengembangan strategi dan tujuan, yang berlangsung selama empat hingga delapan minggu.

Di sinilah perusahaan mendefinisikan apa yang seharusnya menjadi AI bagi bisnisnya. Ini bukan pertanyaan teknis, melainkan pertanyaan bisnis. Contoh pertanyaannya antara lain: Haruskah AI utamanya mendorong peningkatan efisiensi atau menciptakan model bisnis baru? Haruskah AI diintegrasikan ke dalam proses yang ada atau membentuk departemen terpisah? Industri atau area fungsional mana yang memiliki potensi tertinggi? Klarifikasi strategis ini membutuhkan diskusi intensif di tingkat dewan direksi. Banyak perusahaan meremehkan waktu yang dibutuhkan untuk fase ini karena menganggapnya hanya retorika belaka. Padahal tidak. Kejelasan visi perusahaan terkait AI menentukan semua keputusan selanjutnya. Perusahaan tanpa strategi yang jelas akhirnya menghasilkan proyek AI yang tidak memiliki nilai bisnis nyata.

Tahap ketiga adalah identifikasi dan penentuan prioritas kasus penggunaan, yang memakan waktu enam hingga dua belas minggu.

Ini adalah versi operasional dari fase strategis. Di sini, kasus penggunaan yang konkret dan berorientasi pada hasil bisnis diidentifikasi. Perusahaan mengumpulkan ide dari berbagai departemen: Bagaimana AI secara spesifik dapat membantu Anda? Pengumpulan ide ini sengaja dibuat tidak terstruktur. Prioritas sistematis mengikuti, berdasarkan matriks evaluasi yang mempertimbangkan faktor-faktor seperti potensi bisnis, kelayakan teknis, kematangan data, dan potensi risiko. Proses prioritas adalah titik paling kritis dalam fase ini, karena menyatukan departemen bisnis yang optimis dan departemen teknis yang realistis. Mengelola ketegangan ini dan mencapai prioritas yang beralasan adalah keterampilan manajemen, bukan keterampilan teknis. Perusahaan yang memilih sepuluh kasus penggunaan teratas mereka melalui pemungutan suara sederhana nantinya akan membuang-buang waktu untuk proyek yang tidak menguntungkan.

Tahap keempat adalah penilaian risiko dan kepatuhan, yang berlangsung empat hingga delapan minggu.

Ini adalah fase yang hampir diabaikan pada gelombang pertama adopsi AI (sebelum 2023), tetapi kini menjadi krusial. Fase ini mengevaluasi: Persyaratan regulasi apa yang memengaruhi aplikasi AI yang direncanakan? Data apa yang dibutuhkan dan apa keabsahannya secara hukum? Pertanyaan etika apa yang muncul? Risiko liabilitas dan kepatuhan apa yang muncul? Idealnya, fase ini dijalankan oleh tim yang terdiri dari pengacara, spesialis kepatuhan, petugas perlindungan data, dan pakar teknis. Hal ini bukan opsional. Perusahaan yang melewatkan fase ini atau menjalankannya secara dangkal akan menciptakan masalah besar bagi diri mereka sendiri di kemudian hari.

Tahap kelima adalah perencanaan keuangan dan pengembangan kasus bisnis, yang memakan waktu empat hingga enam minggu.

Di sini, angka-angka investasi konkret dikompilasi. Biaya implementasi AI sangat bervariasi, tergantung pada cakupan proyek. Solusi AI swalayan dapat dimulai dari €4.000 hingga €25.000 per bulan. Pengembangan khusus berkisar antara €15.000 hingga €32.000 untuk sebuah prototipe dan dapat mencapai €50.000 hingga €100.000 atau lebih. Biaya infrastruktur, yang dapat berkisar antara €500 hingga €15.000 per bulan, tergantung pada solusi cloud, merupakan faktor tambahan. Kemudian, ada biaya tersembunyi: pelatihan karyawan (€300 hingga €4.000 per orang), manajemen perubahan, persiapan data (yang dapat mencapai 60 hingga 80 persen dari anggaran proyek), dan optimasi berkelanjutan. Proyek AI perusahaan di perusahaan menengah hingga besar dapat dimulai dengan anggaran €250.000. Pengembangan studi kasus bisnis sangat penting di sini. Perusahaan tidak hanya harus menunjukkan investasi tetapi juga imbal hasil yang diharapkan. ROI konservatif untuk implementasi AI adalah 214 persen selama lima tahun; estimasi optimistis dapat mencapai 761 persen. Rentang ini menggarisbawahi perlunya asumsi yang realistis.

Tahap keenam adalah persiapan organisasi dan struktur tata kelola, yang berlangsung selama empat hingga delapan minggu.

Ini adalah fase yang seringkali berjalan paralel dengan fase-fase lain, tetapi layak mendapatkan statusnya sendiri yang berbeda. Di sini, pertanyaan-pertanyaan berikut didefinisikan: Siapa yang membuat keputusan tentang proyek AI? Struktur tata kelola apa yang dibutuhkan? Apakah seorang Chief AI Officer diperlukan? Bagaimana AI akan diintegrasikan ke dalam hierarki pengambilan keputusan yang ada? Perusahaan besar dengan persyaratan tata kelola yang lebih kompleks membentuk Dewan Tata Kelola AI yang terdiri dari perwakilan dari unit bisnis, TI, kepatuhan, SDM, dan keuangan. Perusahaan yang lebih kecil dapat menangani hal ini secara lebih informal, tetapi tetap harus menetapkan garis tanggung jawab yang jelas. Fase ini penting karena memberikan legitimasi dan struktur inisiatif AI. Perusahaan tanpa tata kelola yang jelas nantinya akan gagal karena inisiatif yang bersaing atau kurangnya akuntabilitas dalam pengambilan keputusan.

Tahap ketujuh adalah mobilisasi pemangku kepentingan dan persiapan manajemen perubahan, yang berlangsung selama empat hingga sepuluh minggu.

Fase ini mengantisipasi resistensi dan mempersiapkan organisasi untuk itu. Proses manajemen perubahan klasik untuk AI mengikuti struktur yang telah terbukti: Dalam dua hingga tiga bulan pertama, kesadaran ditingkatkan. Karyawan diberitahu bahwa AI akan datang, bukan sebagai ancaman bagi pekerjaan mereka, tetapi sebagai alat untuk memberdayakan mereka. Dalam tiga hingga enam bulan berikutnya, semangat eksperimen dipupuk. Kemenangan cepat ditunjukkan. Kelompok percontohan sukarelawan dibentuk. Enam hingga dua belas bulan berikutnya didedikasikan untuk penskalaan. Praktik terbaik didokumentasikan, dan pelatihan dilembagakan. Keterlibatan pemangku kepentingan sangat penting: 78 persen eksekutif melihat keputusan yang didukung AI sebagai keuntungan strategis, tetapi ini tidak otomatis. Keyakinan ini harus diraih. Perusahaan yang melewatkan fase ini tidak hanya menciptakan resistensi implementasi tetapi juga masalah budaya jangka panjang.

Baru setelah tujuh fase ini, yang secara keseluruhan berlangsung antara enam dan sembilan bulan, perusahaan dapat meluncurkan proyek percontohan yang konkret. Ini adalah titik kritis yang disalahpahami oleh banyak pengambil keputusan. Mereka berpikir bahwa keputusan untuk mengimplementasikan AI adalah titik awal untuk pekerjaan praktis. Padahal, keputusan itu sendiri merupakan proses enam hingga sembilan bulan, dan baru setelah itu implementasinya dimulai.

Fokus industri: B2B, digitalisasi (dari AI ke XR), teknik mesin, logistik, energi terbarukan, dan industri

Lebih lanjut tentang itu di sini:

• Pusat Bisnis Xpert

Pusat topik dengan wawasan dan keahlian:

• Platform pengetahuan tentang ekonomi global dan regional, inovasi dan tren khusus industri
• Kumpulan analisis, impuls dan informasi latar belakang dari area fokus kami
• Tempat untuk keahlian dan informasi tentang perkembangan terkini dalam bisnis dan teknologi
• Pusat topik bagi perusahaan yang ingin mempelajari tentang pasar, digitalisasi, dan inovasi industri

Status quo: Pengambilan keputusan sebagai realitas perusahaan

Kondisi pengambilan keputusan terkait AI saat ini menunjukkan gambaran yang mencolok. Di satu sisi, terdapat urgensi regulasi. Dengan Undang-Undang AI Uni Eropa yang menjadi kerangka kerja yang mengikat, perusahaan-perusahaan Eropa harus mengintegrasikan penggunaan AI mereka ke dalam sistem tata kelola yang terdokumentasi. Hal ini menjadikan pengambilan keputusan sebagai kebutuhan kepatuhan, bukan sekadar pilihan strategis. Sebanyak 77 persen organisasi telah aktif menerapkan program tata kelola AI. Hal ini bukan opsional, melainkan sudah menjadi arus utama. Adopsi yang meluas ini memungkinkan perusahaan untuk memanfaatkan pola-pola yang telah mapan. Pasar untuk perangkat dan konsultasi tata kelola AI tumbuh sebesar 36,7 persen per tahun dan akan mencapai volume $29,6 miliar pada tahun 2033. Ini berarti pengambilan keputusan kini lebih profesional daripada sebelumnya.

Di sisi lain, keputusan kini lebih nyata dan didorong oleh pemangku kepentingan dibandingkan sebelumnya. Sebanyak 47 persen organisasi menempatkan tata kelola AI sebagai prioritas strategis. Ini berarti keputusan tidak dibuat di departemen TI, melainkan di tingkat dewan direksi. Hal ini meningkatkan ketelitian proses karena dewan direksi biasanya memiliki proses pengambilan keputusan yang lebih formal daripada manajer TI. Meskipun umumnya positif, hal ini juga menyebabkan penundaan implementasi yang signifikan.

Realitas praktis juga menunjukkan lanskap yang terfragmentasi. Perusahaan yang berhasil mendorong adopsi AI mengikuti model empat fase terstruktur: eksplorasi (dua hingga tiga bulan), standardisasi (dua hingga empat bulan), integrasi (enam hingga dua belas bulan), dan terakhir, transformasi. Fase-fase ini bukanlah opsional atau cepat diselesaikan, melainkan tonggak penting. Perusahaan yang melewatkan atau memaksakan fase-fase ini secara sistematis gagal.

Aspek lain dari status quo adalah realitas biaya. Pengeluaran kepatuhan untuk proyek penerapan AI rata-rata €344.000, sementara biaya litbang sekitar €150.000. Ini menunjukkan peningkatan biaya sebesar 229% untuk tata kelola dibandingkan dengan pengembangan. Hal ini menjelaskan mengapa pengambilan keputusan membutuhkan waktu yang lama: keputusan itu sendiri menjadi mahal.

Dari praktik: Dua studi kasus pengambilan keputusan nyata

Studi kasus pertama menyangkut perusahaan e-commerce skala menengah yang berbasis di Berlin dengan sekitar 500 karyawan.

Perusahaan menyadari bahwa proses logistiknya memerlukan optimalisasi. Pendekatan tradisional akan dilakukan dengan mengimplementasikan perangkat lunak baru. Namun, inisiatif AI direncanakan. Proses pengambilan keputusan memakan waktu delapan bulan. Pada fase penilaian, proses logistik yang ada dipetakan, kualitas data dievaluasi, dan sistem TI yang ada dinilai. Ternyata kualitas data jauh lebih buruk dari yang diharapkan. Pada fase strategi, ditetapkan bahwa AI terutama digunakan untuk mengoptimalkan perencanaan rute pengiriman. Pada fase kasus penggunaan, tujuh belas kasus penggunaan diidentifikasi dan diprioritaskan menjadi empat: optimalisasi rute, peramalan inventaris, otomatisasi layanan pelanggan, dan deteksi penipuan. Pada fase penilaian risiko, ditetapkan bahwa sebagian besar kasus penggunaan tidak bermasalah dari perspektif regulasi, tetapi penanganan data pelanggan untuk deteksi penipuan harus didokumentasikan sesuai dengan GDPR. Pada fase keuangan, anggaran awal sebesar €150.000 untuk dua belas bulan ditetapkan. Satuan tugas AI khusus dibentuk. Setelah delapan bulan, proyek percontohan untuk optimalisasi rute diluncurkan. Setelah enam bulan uji coba (total 14 bulan setelah keputusan awal), hasilnya terukur: rata-rata pengurangan waktu pengiriman sebesar 18 persen dan pengurangan biaya logistik sebesar 12 persen. Keberhasilan ini mendorong perluasan proyek ke berbagai kasus penggunaan lainnya.

Studi kasus kedua menyangkut perusahaan induk perusahaan multinasional, RSBG SE, dengan lebih dari 80 anak perusahaan.

Keputusan untuk mengimplementasikan AI di seluruh perusahaan memakan waktu sembilan bulan. Perbedaan penting dibandingkan dengan organisasi yang lebih kecil adalah kebutuhan untuk membangun konsistensi dalam struktur yang sangat terdesentralisasi. Tahap penilaian mengevaluasi kematangan AI di setiap anak perusahaan secara terpisah. Terlihat jelas bahwa tingkat kematangan bervariasi secara signifikan. Beberapa perusahaan sudah bereksperimen dengan AI, sementara yang lain sama sekali belum berpengalaman. Pada tahap strategi, diputuskan bahwa AI terutama digunakan untuk meningkatkan efisiensi dalam proses administratif – sebuah aplikasi dengan relevansi lintas fungsi. Kasus penggunaan dikumpulkan secara terdesentralisasi dengan koordinasi terpusat. Delapan puluh ide aplikasi individual diajukan. Ide-ide ini dikategorikan menjadi proyek cepat (dapat diselesaikan dalam satu hingga tiga bulan) dan proyek strategis (enam hingga dua belas bulan). Pada tahap risiko, tantangan utamanya adalah persyaratan kepatuhan yang berbeda di setiap negara. Kerangka kerja tata kelola minimalis dikembangkan, dengan menggunakan persyaratan Uni Eropa sebagai dasar. Sebuah platform AI terpusat dipilih. Setelah sembilan bulan pengambilan keputusan, proses penskalaan dimulai. Dalam tiga bulan, 60 persen perusahaan aktif menggunakan platform tersebut. Lebih dari 80 kasus penggunaan diidentifikasi dan pekerjaan implementasinya dimulai. Dalam setahun, AI menghemat lebih dari 400 jam per bulan. Ini adalah contoh keberhasilan pengambilan keputusan berskala besar.

Masalah dan kontroversi: Ketika keputusan gagal

Kelemahan utama dalam pengambilan keputusan AI adalah tujuan yang tidak jelas. Banyak perusahaan memutuskan untuk mengimplementasikan AI tanpa mendefinisikan dengan jelas apa yang ingin mereka capai. Mereka mengadopsi AI karena tren, bukan karena dapat memecahkan masalah bisnis. Hal ini menyebabkan proyek-proyek tanpa manfaat nyata. Bukti empiris menunjukkan bahwa 80 persen dari semua proyek AI gagal, dan sebagian besar kegagalan ini bersifat prosedural, bukan teknis. Kegagalan tersebut berasal dari keputusan yang dibuat tanpa tujuan bisnis yang jelas.

Kesalahan utama kedua adalah meremehkan kualitas dan persiapan data. Banyak perusahaan berasumsi bahwa sistem AI dapat bekerja dengan data apa pun. Kenyataannya jauh lebih kritis. Biasanya, 60 hingga 80 persen anggaran proyek AI dihabiskan untuk persiapan dan pembersihan data. Perusahaan yang gagal mengantisipasi hal ini mengalami pembengkakan anggaran dan penundaan yang sangat besar. Oleh karena itu, keputusan untuk menerapkan AI harus selalu mencakup audit kualitas data.

Kesalahan kunci ketiga adalah meremehkan resistensi terhadap perubahan dan perlunya perubahan budaya. Banyak perusahaan berasumsi bahwa jika solusi teknisnya baik, karyawan akan otomatis mengadopsinya. Ini naif secara psikologis. Orang-orang takut bahwa AI mengancam pekerjaan mereka, bahwa keahlian mereka akan menjadi usang, dan bahwa keputusan mesin akan mengambil alih kendali mereka. Program manajemen perubahan yang baik bukanlah pilihan, tetapi penting untuk kesuksesan. Perusahaan yang meremehkan hal ini menciptakan solusi teknis yang gagal dalam praktiknya karena karyawan tidak menggunakannya.

Kesalahan keempat adalah manajemen proyek dan perencanaan sumber daya yang tidak memadai. Proyek AI itu kompleks. Proyek ini membutuhkan keahlian teknis, pengetahuan domain, dan manajemen proyek secara bersamaan. Banyak perusahaan meremehkan waktu dan sumber daya yang dibutuhkan. Mereka menugaskan proyek AI sebagai pekerjaan sampingan bagi karyawan yang sudah bekerja dengan kapasitas penuh. Hal ini menyebabkan keterlambatan jadwal dan hasil yang kurang optimal. Oleh karena itu, keputusan untuk mengimplementasikan AI harus selalu disertai dengan perencanaan sumber daya yang mengantisipasi kapasitas yang realistis.

Kesalahan kritis kelima adalah kurangnya pengukuran keberhasilan dan optimalisasi berkelanjutan. Perusahaan seringkali gagal mendefinisikan secara terukur apa arti keberhasilan. Mereka meluncurkan proyek AI tanpa KPI yang jelas. Hal ini menyebabkan situasi di mana, di akhir proyek, tidak jelas apakah proyek tersebut berhasil atau tidak. Pengambilan keputusan AI yang baik mendefinisikan indikator keberhasilan yang terukur: penghematan waktu, pengurangan biaya, peningkatan kualitas, dan peningkatan kepuasan pelanggan. Tanpa definisi ini, proyek menjadi isu politik, bukan isu empiris.

Terakhir, ada masalah tata kelola dan kepatuhan. Undang-Undang AI Uni Eropa menjadikan masalah ini bersifat opsional. Perusahaan yang menerapkan AI tanpa mengevaluasi persyaratan kepatuhan mereka akan menciptakan masalah besar bagi diri mereka sendiri di kemudian hari. Terutama di sektor yang diregulasi (jasa keuangan, layanan kesehatan, asuransi), fase kepatuhan bukanlah opsional. Hal ini juga menjelaskan mengapa proses pengambilan keputusan membutuhkan waktu lebih lama dari yang diperkirakan banyak perusahaan: proses tersebut harus dapat dipertanggungjawabkan dari perspektif regulasi.

Masa depan pengambilan keputusan AI: tren dan potensi gangguan

Masa depan pengambilan keputusan AI di perusahaan akan dibentuk oleh beberapa tren signifikan.

Tren pertama adalah peralihan dari AI generatif ke AI agentik.

Ini berarti agen AI otonom yang tidak hanya memberikan rekomendasi, tetapi juga membuat keputusan independen dan menjalankan proses. Hal ini akan mengubah pengambilan keputusan secara fundamental. Ketika sistem AI tidak hanya menganalisis tetapi juga bertindak, persyaratan tata kelola baru akan muncul. Perusahaan tidak lagi harus memutuskan apa yang direkomendasikan AI, tetapi bagaimana AI bertindak secara otonom. Hal ini akan membuat tata kelola menjadi semakin kompleks. Gartner memprediksi bahwa pada tahun 2028, sekitar 33 persen dari seluruh aplikasi perusahaan akan mengintegrasikan agen AI—peningkatan yang sangat besar dari kurang dari 1 persen pada tahun 2024. Ini berarti bahwa pengambilan keputusan tidak akan menjadi lebih cepat di tahun-tahun mendatang, tetapi justru lebih kompleks.

Tren kedua adalah demokratisasi AI.

Platform AI tanpa kode dan rendah kode memungkinkan tidak hanya para ahli teknis tetapi juga departemen bisnis untuk mengembangkan solusi AI. Hal ini mengarah pada adopsi AI yang terdesentralisasi, yang lebih sulit dikelola. Hal ini akan mengubah persyaratan tata kelola. Alih-alih pengambilan keputusan dari atas ke bawah, perusahaan harus menangani inisiatif AI dari bawah ke atas. Hal ini dapat mempercepat pengambilan keputusan, tetapi juga berarti kebutuhan akan kontrol yang lebih besar.

Tren ketiga adalah integrasi AI ke dalam peralatan bisnis yang ada.

Microsoft 365 Copilot, Google Workspace AI, dan opsi integrasi serupa menjadikan AI bukan lagi teknologi terpisah, melainkan bagian integral dari perangkat sehari-hari. Hal ini menyederhanakan adopsi dari perspektif teknis, tetapi membuat pengambilan keputusan menjadi lebih kompleks karena batasan antara keputusan TI dan bisnis menjadi kabur.

Tren keempat adalah konsolidasi regulasi.

Dengan Undang-Undang AI Uni Eropa sebagai standar yang mapan dan peraturan serupa di yurisdiksi lain, tata kelola akan menjadi kurang terfragmentasi. Dalam jangka panjang, hal ini dapat menstandardisasi pengambilan keputusan dan dengan demikian mempercepatnya. Namun, dalam jangka pendek (dua hingga tiga tahun ke depan), adaptasi regulasi akan meningkatkan kompleksitas.

Tren kelima adalah lembaga pembuat keputusan AI itu sendiri.

Sistem AI diharapkan tidak hanya akan mendukung analisis data di masa mendatang, tetapi juga tata kelola itu sendiri. Sistem cerdas dapat mensimulasikan proses pengambilan keputusan, menjalankan berbagai skenario, dan menilai risiko sebelum manusia mengambil keputusan. Hal ini dapat meningkatkan kualitas keputusan, tetapi juga berarti bahwa pengambilan keputusan itu sendiri didukung oleh AI – sebuah paradoks refleksif yang menimbulkan pertanyaan tersendiri.

Apa yang bisa kita pelajari dari proses ini

Proses pengambilan keputusan untuk AI di perusahaan bukanlah proses sesaat, melainkan proses terstruktur yang berlangsung antara enam hingga sembilan bulan, terdiri dari tujuh fase berbeda: evaluasi strategis, pengembangan strategi dan tujuan, identifikasi dan prioritas kasus penggunaan, penilaian risiko dan kepatuhan, perencanaan keuangan, persiapan organisasi, dan mobilisasi pemangku kepentingan. Implementasi yang sebenarnya baru dimulai setelah fase-fase ini. Jangka waktu ini menghalangi banyak perusahaan yang menginginkan solusi yang lebih cepat, tetapi hal ini penting. Perusahaan yang mempercepat atau melewatkan fase-fase ini secara sistematis menciptakan masalah operasional bagi diri mereka sendiri.

Prosesnya ketat karena keputusannya krusial. Investasi AI sangat penting secara strategis saat ini. Investasi ini dapat mentransformasi perusahaan atau justru menyesatkannya. Oleh karena itu, pengambilan keputusan bukanlah tugas administratif rutin, melainkan kompetensi inti manajemen. Perusahaan yang berhasil menjalani transformasi AI berbeda dengan perusahaan yang gagal bukan karena keunggulan teknologi, melainkan karena pengambilan keputusan yang ketat. Mereka telah menetapkan tujuan yang jelas. Mereka telah mengevaluasi risiko secara sistematis. Mereka telah melibatkan para pemangku kepentingan. Mereka telah menetapkan kriteria keberhasilan. Nilai-nilai manajemen ini bukanlah hal baru – hanya saja secara eksplisit diperlukan dalam konteks AI.

Masa depan akan menunjukkan apakah pengambilan keputusan akan menjadi lebih cepat atau lebih lambat. Dinamika saat ini menunjukkan bahwa hal itu akan menjadi lebih kompleks. Dengan AI agensi, konsolidasi regulasi, dan inisiatif AI terdesentralisasi, persyaratan tata kelola akan meningkat, bukan menurun. Perusahaan yang mengantisipasi kompleksitas ini akan berada di posisi yang lebih baik daripada perusahaan yang memimpikan keputusan yang cepat dan intuitif. Intinya adalah: Pengambilan keputusan AI bukan tentang kecepatan, melainkan tentang akurasi. Inilah pelajaran utama bagi perusahaan yang memulai perjalanan ini.

Ki-Gamechanger: Solusi AI Platform-Tailor yang paling fleksibel yang mengurangi biaya, meningkatkan keputusan mereka dan meningkatkan efisiensi

Platform AI Independen: mengintegrasikan semua sumber data perusahaan yang relevan

• Integrasi AI Cepat: Solusi AI yang dibuat khusus untuk perusahaan dalam beberapa jam atau hari bukan bulan
• Infrastruktur Fleksibel: Berbasis cloud atau hosting di pusat data Anda sendiri (Jerman, Eropa, pilihan lokasi bebas)

• Keamanan Data Tertinggi: Penggunaan di Firma Hukum adalah bukti yang aman
• Gunakan di berbagai sumber data perusahaan
• Pilihan model AI Anda sendiri atau berbagai (DE, EU, USA, CN)

Lebih lanjut tentang itu di sini:

• Platform AI independen vs. hyperscaler: Solusi mana yang tepat untuk Anda?

Saya akan dengan senang hati menjadi penasihat pribadi Anda.

menghubungi saya di bawah Wolfenstein ∂ xpert.digital

Hubungi saya di bawah +49 89 674 804 (Munich)

LinkedIn
 

 

Xpert.Digital memiliki pengetahuan mendalam tentang berbagai industri. Hal ini memungkinkan kami mengembangkan strategi khusus yang disesuaikan secara tepat dengan kebutuhan dan tantangan segmen pasar spesifik Anda. Dengan terus menganalisis tren pasar dan mengikuti perkembangan industri, kami dapat bertindak dengan pandangan ke depan dan menawarkan solusi inovatif. Melalui kombinasi pengalaman dan pengetahuan, kami menghasilkan nilai tambah dan memberikan pelanggan kami keunggulan kompetitif yang menentukan.

Lebih lanjut tentang itu di sini:

• Gunakan 5x keahlian Xpert.Digital dalam satu paket - mulai dari €500/bulan