Menampilkan: Bapak Sandeep Bansal, CIO A-One Steels dan IDC CIO of the Year 2023
Host: Nikhil Chaudhary, VP Marketing di BeatRoute
AI: Lebih dari Sekadar Buzzword
Mempersiapkan enterprise untuk era AI dimulai dengan satu pertanyaan jujur: apakah AI benar-benar transformatif bagi organisasi, atau hanya tren yang akan berlalu? Kecerdasan buatan telah merebut imajinasi dunia bisnis, namun di tengah semua antusiasme itu pertanyaan tersebut tetap menggantung.
Dalam episode terbaru BeatRoute Podcast, Sandeep Bansal membagikan pandangannya tentang bagaimana organisasi dapat bersiap untuk memanfaatkan AI secara efektif. “AI was not new, actually. It was started from 1950s somewhere, right? But the things which is coming now is generative AI, creating imaging, visual AI. There are so many models which is coming in.” (AI sebenarnya bukan hal baru. Ia sudah dimulai sekitar tahun 1950-an, kan? Tapi yang muncul sekarang adalah generative AI, pembuatan citra, visual AI. Begitu banyak model bermunculan. — terj.)
Ia mencatat bahwa meski adopsi AI semakin cepat, tantangan sesungguhnya terletak pada kejelasan dan niat. “Everybody wants to use the technology. They want to bring the technology into their ecosystem in the enterprise. But in that case, important part is there should be a ground level discussion and understanding, a brainstorming session to understand what use case or what kind of model you want to implement.” (Semua orang ingin memakai teknologinya. Mereka ingin membawa teknologi itu ke dalam ekosistem enterprise mereka. Tapi dalam hal itu, bagian pentingnya adalah harus ada diskusi dan pemahaman di tingkat dasar, sesi brainstorming untuk memahami use case atau jenis model apa yang ingin Anda implementasikan. — terj.)
Perencanaan Sebelum Implementasi
Sandeep menekankan bahwa enterprise harus menahan dorongan untuk men-deploy AI tanpa memahami tujuannya. “We have to ensure what we want to implement, why we want to implement, and how we are going to implement so that the right ROI can be brought on the table.” (Kita harus memastikan apa yang ingin kita implementasikan, mengapa kita ingin mengimplementasikannya, dan bagaimana kita akan mengimplementasikannya agar ROI yang tepat bisa dihasilkan. — terj.)
Ia menjelaskan bahwa fase adopsi AI saat ini, jika dilihat kembali nanti, akan dipandang sebagai periode persiapan. “People will fail, they will understand the gaps, they are going to fill it, and then they will come to that maturity level. So in the next three years, this time will be taken as when they were preparing for that maturity level to get the real effect, the real outcome for the organization.” (Orang akan gagal, mereka akan memahami celahnya, mereka akan menutupnya, dan kemudian mereka akan mencapai tingkat kematangan itu. Jadi dalam tiga tahun ke depan, masa ini akan dipandang sebagai saat mereka sedang bersiap menuju tingkat kematangan itu untuk mendapatkan dampak nyata, hasil nyata bagi organisasi. — terj.)
Mengintegrasikan AI dengan Legacy System
Ketika ditanya bagaimana enterprise lama sebaiknya menyikapi adopsi AI, Sandeep menjawab tegas. “There is no solution which fits to all. Every organization has their reasons to have those legacy systems in place. They cannot roll it out or reinvent the wheel today because a new solution has come up.” (Tidak ada solusi yang cocok untuk semua. Setiap organisasi punya alasan tersendiri untuk mempertahankan legacy system mereka. Mereka tidak bisa membongkarnya atau menemukan ulang roda hari ini hanya karena ada solusi baru yang muncul. — terj.)
Alih-alih mengganti semuanya, ia menyarankan pendekatan integrasi yang pragmatis. “You have to see what kind of format of data is coming in and what kind of layer you have to build where all this data come and collide in one form or other form. And there, cleansing activity can be done or real-time output can be taken.” (Anda harus melihat format data seperti apa yang masuk dan layer seperti apa yang harus Anda bangun tempat semua data ini bertemu dalam satu bentuk atau bentuk lainnya. Dan di situlah aktivitas pembersihan bisa dilakukan atau output real-time bisa diambil. — terj.)
Fondasi Data dan Kepemilikan Data
Agar AI berhasil, organisasi harus terlebih dahulu menguasai data mereka. “AI is, know, the raw material is data because you have to train your model using the data,” (AI itu, ya, bahan bakunya adalah data karena Anda harus melatih model Anda menggunakan data tersebut, — terj.) jelas Sandeep.
Ia menunjukkan bahwa banyak organisasi mengabaikan tata kelola dan struktur. “What kind of data you’re bringing in, are you allowed to bring that data or you are not allowed? You’re not supposed to give that data to the users. What kind of training you’re providing to AI? Because the data once you have provided to your AI tool, so he will be able to give the answer.” (Data jenis apa yang Anda masukkan, apakah Anda diizinkan membawa data itu atau tidak? Anda tidak seharusnya memberikan data itu kepada pengguna. Pelatihan seperti apa yang Anda berikan kepada AI? Karena begitu data telah Anda berikan ke AI tool Anda, ia akan mampu memberikan jawabannya. — terj.)
Ia juga menekankan pentingnya menetapkan akuntabilitas. “Now new role is coming up, the DPA role, who is basically, you know, the owner of data processing, who is owning the data. However, every function, there should be one data owner who should be before designing such kind of architecture.” (Kini muncul peran baru, peran DPA, yang pada dasarnya adalah pemilik pemrosesan data, yang memiliki data tersebut. Namun, di setiap fungsi, harus ada satu data owner yang ditetapkan sebelum merancang arsitektur semacam itu. — terj.)
Tata Kelola AI dan Penggunaan yang Etis
Sandeep juga merupakan anggota World AI Governance Foundation, dan ia memandang tata kelola sebagai tulang punggung dari setiap transformasi berbasis AI. “The governance is where we are ensuring the AI model which we are implementing, it should be ethical, responsible. And it should understand what information to be provided and how it has to be provided.” (Tata kelola adalah tempat kita memastikan model AI yang kita implementasikan bersifat etis dan bertanggung jawab. Model itu juga harus memahami informasi apa yang boleh diberikan dan bagaimana cara memberikannya. — terj.)
Ia berbagi pengalamannya menyusun internal AI governance board. “I raised the point and ensure that we have an AI awareness board. I was the secretary for AI governance board and that was the reason I wanted the AI governance to be there to ensure what we are putting data into the AI, how we are training our AI model and what kind of information AI is going to provide to the users.” (Saya mengangkat poin itu dan memastikan kami memiliki AI awareness board. Saya menjabat sebagai sekretaris AI governance board, dan itulah alasan saya ingin tata kelola AI ada untuk memastikan data apa yang kami masukkan ke dalam AI, bagaimana kami melatih model AI kami, dan informasi seperti apa yang akan diberikan AI kepada pengguna. — terj.)
Memilih Model AI yang Tepat
Salah satu pelajaran paling praktis dari diskusi ini adalah nasihat Sandeep kepada para CIO dalam memilih model AI. “First of all, I cannot let the vendor take the decision of my infrastructure, right? What LLM he is going to use is not his fault, because it is my data, it is my organization infrastructure, and I have to understand what he is providing and what kind of LLM I have to use.” (Pertama-tama, saya tidak bisa membiarkan vendor mengambil keputusan atas infrastruktur saya, kan? LLM apa yang akan ia gunakan bukan urusannya, karena ini data saya, ini infrastruktur organisasi saya, dan saya harus memahami apa yang ia sediakan dan jenis LLM apa yang harus saya pakai. — terj.)
Ia menambahkan bahwa keputusan harus diambil secara kolektif, bukan dalam silo. “It is not a one man job. I will take a collective decision by bringing everybody on the table, understand what they are bringing on the table, what is the long-term and short-term benefit. Again, the same question comes in, whether they are scalable, secure.” (Ini bukan pekerjaan satu orang. Saya akan mengambil keputusan kolektif dengan membawa semua orang ke meja, memahami apa yang mereka bawa, apa manfaat jangka panjang dan jangka pendeknya. Lagi-lagi muncul pertanyaan yang sama, apakah hal itu scalable dan secure. — terj.)
Transformasi sebagai Program Berkelanjutan
Sandeep membedakan antara proyek dan program. “Digital transformation is a program, not a project. So difference between a project and program is that a program has multiple projects within it.” (Transformasi digital adalah program, bukan proyek. Jadi perbedaan antara proyek dan program adalah bahwa sebuah program memiliki banyak proyek di dalamnya. — terj.)
Ia juga mengingatkan agar tidak terjebak dalam change request tanpa akhir yang menggagalkan proyek. “I believe most of the projects fall back because the goalposts keep on changing, requirements keep on changing at the time of delivery, at the time of implementation and end of the day where you wanted to reach you never reach to that location and you reach somewhere else.” (Saya percaya sebagian besar proyek gagal karena sasarannya terus berubah, kebutuhannya terus berubah saat pengiriman, saat implementasi, dan pada akhirnya tujuan yang ingin Anda capai tidak pernah tercapai dan Anda justru sampai di tempat lain. — terj.)
Pemikiran Penutup
Merefleksikan masa depan, Sandeep menyatakan, “AI is going to stay, AI is going to be beneficial, AI is going to help the organization in many ways. But if we plan it properly, I think the maturity phase can be earlier than what we are thinking today.” (AI akan tetap ada, AI akan bermanfaat, AI akan membantu organisasi dalam banyak hal. Tapi jika kita merencanakannya dengan baik, saya rasa fase kematangan itu bisa datang lebih cepat dari yang kita bayangkan hari ini. — terj.)
Perspektifnya menggarisbawahi pesan bahwa adopsi AI yang sukses membutuhkan kejelasan, tata kelola, dan pemikiran jangka panjang — bukan ketergesaan.