95 Persen Implementasi AI Belum Haslkan Dampak Bisnis, Infrastruktur dan Tata Kelola Jadi Kunci

Organisasi di Asia Pasifik, termasuk Indonesia, mulai memasuki fase baru dalam transformasi kecerdasan buatan (AI). 

Jika sebelumnya fokus tertuju pada uji coba dan adopsi teknologi, kini perhatian perusahaan bergeser pada bagaimana memastikan sistem AI mampu memberikan nilai bisnis yang nyata, aman, dan berkelanjutan di lingkungan produksi.

Chief Business Officer sekaligus General Manager of Applied AI Cloudera, Abhas Ricky menilai tantangan terbesar implementasi AI saat ini bukan lagi menghadirkan model AI terbaru, melainkan menjaga keberlanjutan operasionalnya setelah fase demonstrasi selesai.

Abhas mengungkapkan 95% program AI generatif di perusahaan belum mampu menghasilkan dampak terhadap laba dan rugi (P&L) meski investasi yang dikeluarkan mencapai 30–40 miliar dolar AS.

Di sisi lain, 42% perusahaan menghentikan sebagian besar inisiatif AI mereka pada 2025, meningkat dibandingkan 17% pada tahun sebelumnya.

Menurut Abhas Ricky, kondisi tersebut menunjukkan akses terhadap model AI mutakhir kini bukan lagi pembeda utama antarpelaku industri.

"Akses terhadap model AI tercanggih kini telah menjadi komoditas biasa, sementara keunggulan yang bertahan lama justru berada di tangan mereka yang mampu menjaga keberlanjutan, mengelola, dan mempertahankan AI setelah melewati tahap demo," kata Abhas dalam keterangannya.

Ia juga menyoroti perubahan pendekatan regulator terhadap AI. Menurutnya, pemerintah dan regulator kini tidak lagi mempertanyakan apakah perusahaan menggunakan AI, melainkan menuntut bukti mengenai bagaimana sistem tersebut bekerja, dikelola, dan dipertanggungjawabkan.

Dalam implementasi di lingkungan perusahaan, Abhas menilai keberhasilan AI tidak seharusnya diukur berdasarkan jumlah token yang diproses ataupun kecanggihan model yang digunakan. 

Sebaliknya, organisasi perlu mengukur biaya berdasarkan keberhasilan AI menyelesaikan tugas bisnis secara nyata, sekaligus menentukan infrastruktur yang paling efisien antara public cloud maupun lingkungan privat sesuai kebutuhan operasional.

Selain aspek ekonomi, tata kelola menjadi tantangan berikutnya. Cloudera mencatat hanya sekitar 10% organisasi di Asia Pasifik yang telah menerapkan tata kelola data secara menyeluruh, padahal kualitas data menjadi fondasi utama dalam pengambilan keputusan oleh AI.

Tanpa tata kelola yang memadai, organisasi akan kesulitan menjelaskan bagaimana AI mengambil keputusan maupun siapa yang bertanggung jawab atas hasilnya.

Abhas juga mengingatkan meningkatnya penggunaan agentic AI, yaitu AI yang mampu mengambil tindakan secara mandiri, membuat kebutuhan terhadap standar pengawasan semakin penting.

Ia menilai organisasi harus menetapkan batas kewenangan setiap agen AI, membangun jejak audit, serta memastikan adanya mekanisme persetujuan manusia untuk keputusan berisiko tinggi.

Menurutnya, perlindungan AI tidak berarti membatasi otomatisasi, melainkan memastikan sistem tetap aman ketika menghadapi situasi yang tidak terduga.

"Melindungi AI bukanlah tindakan mengerem adopsi; melainkan langkah untuk membangun siklus kendali yang melipatgandakan kinerja sekaligus mengendalikan risiko," ujar Abhas.

Abhas menilai perusahaan perlu membangun implementasi AI di atas tiga fondasi utama, yakni menjaga keberlanjutan ekonomi implementasi AI, memperkuat tata kelola melalui standar dan keterlacakan, serta menerapkan mekanisme perlindungan yang tetap melibatkan pengawasan manusia pada keputusan berisiko tinggi.
]
Ia menambahkan keunggulan kompetitif perusahaan ke depan tidak lagi berasal dari kemampuan membeli model AI paling canggih, melainkan dari kemampuan mengoperasikan AI secara konsisten dengan tata kelola yang kuat dan dapat dipercaya.

"Lapisan model AI kini semakin menjadi komoditas biasa. Nilai yang terus berlipat ganda justru terletak pada infrastruktur, tata kelola, dan rasa percaya yang melingkupinya," tutur Abhas.

Menurut Abhas, perusahaan yang mampu membangun kepercayaan terhadap sistem AI akan lebih siap memasuki fase produksi berskala besar. 

Sebaliknya, organisasi yang hanya berfokus pada demonstrasi teknologi berisiko kesulitan membuktikan manfaat bisnis AI dalam jangka panjang.