Mengapa pilot AI sering berhenti... Appian menyatakan "Kuncinya adalah pada alur kerja, bukan teknologi"

Setiap perusahaan sedang mempercepat eksperimen kecerdasan buatan generatif (AI), tetapi terus gagal mengubahnya menjadi hasil bisnis yang nyata. Perusahaan perangkat lunak AS, Appian, mendiagnosis bahwa penyebabnya bukan pada AI itu sendiri, melainkan ketidakmampuan untuk mengintegrasikan AI secara tepat ke dalam proses bisnis yang “pasti”.

Greta Peterman, Insinyur Nilai Bisnis Utama di Appian, mengatakan dalam acara “Appian World 2026” baru-baru ini: “AI sendiri seperti hanya mesin tanpa mobil,” dan menunjukkan, “Harus mengintegrasikan AI ke dalam alur kerja agar dapat berjalan secara prediktif dan efektif.” Dia kemudian menjelaskan, “Jika tidak, AI hanya akan tetap di tingkat peluang yang tidak jelas tujuannya.”

Inti yang dia tekankan adalah, jangan bingung antara “Produktivitas pribadi” dan “Inovasi perusahaan.” Ini berarti, hanya meningkatkan kecepatan ringkasan dokumen atau draf oleh karyawan tidak cukup untuk menyatakan terjadi perubahan struktural di tingkat perusahaan. Dia berpendapat bahwa, terutama dalam bisnis seperti verifikasi faktur atau pengelolaan pesanan penjualan yang memerlukan kepatuhan pengawasan dan pelacakan audit, sistem yang mampu memverifikasi hasil secara tegas lebih penting daripada AI yang memberikan jawaban probabilistik.

“AI untuk demonstrasi berbeda dari AI untuk aplikasi nyata”

Peterman menunjukkan bahwa AI yang dibutuhkan perusahaan di lapangan bukanlah sistem yang menghasilkan “jawaban tampak masuk akal,” melainkan sistem yang mampu menghasilkan hasil yang meyakinkan bagi kepala keuangan atau otoritas pengawas. Dia mengambil contoh bisnis verifikasi faktur: “Proses semacam ini tidak boleh diproses secara probabilistik, harus mendapatkan hasil yang absolut dan dapat diaudit.”

Ini sejalan dengan batasan terbesar yang dihadapi perusahaan saat mengadopsi AI generatif baru-baru ini. Karena meskipun hasil yang mengesankan dapat ditampilkan dalam demonstrasi, dalam praktik bisnis, karena adanya kemungkinan kesalahan, tanggung jawab, dan masalah pengawasan, cakupan aplikasi seringkali terbatas. Pada akhirnya, menggunakan AI seperti alat tempel terpisah tidak akan menciptakan nilai bisnis AI yang nyata; AI harus diintegrasikan ke dalam proses bisnis dan sistem pengendalian yang ada.

ROI mencapai 441%… Lebih penting dari penghematan waktu adalah “efek lanjutan”

Peterman juga menyebutkan sebuah survei yang dilakukan oleh lembaga riset pasar IDC atas permintaan Appian. Survei tersebut menunjukkan bahwa perusahaan yang menggunakan platform Appian mencapai ROI sebesar 441% dalam tiga tahun, dan waktu peluncuran produk dipersingkat sebesar 59%.

Namun, dia menekankan bahwa angka-angka ini bukan sekadar penghematan waktu. Dia menjelaskan bahwa perusahaan yang berkinerja tinggi tidak hanya fokus pada berapa banyak waktu kerja yang dihemat, tetapi juga melacak dampak keuangan yang dihasilkan dari perubahan proses di tahap lanjutan.

Sebenarnya, Appian mengungkapkan bahwa saat bekerja sama dengan sebuah perusahaan teknologi medis global, mereka mengukur bagaimana alur kerja pesanan penjualan yang didukung AI dapat menangkap nilai jutaan dolar dari cacat yang muncul kemudian. Ini berarti, sebuah proses kecil yang tampaknya tidak penting dalam penanganan anomali bisa menentukan 80% dari dampak keseluruhan di tahap berikutnya.

Peterman menyatakan, “20% proses yang tampaknya abnormal itu bisa menghasilkan 80% dampak di tahap berikutnya. Jika hanya fokus pada melakukan ‘hal keren,’ maka masalah nyata yang menyebabkan gesekan dengan pelanggan atau posisi yang lebih lemah dibandingkan pesaing tidak akan terselesaikan.”

Keberhasilan atau kegagalan AI tergantung pada “internalisasi” bukan alat yang berdiri sendiri

Pernyataan ini menunjukkan bahwa strategi AI perusahaan sedang beralih dari “apakah akan diperkenalkan” ke “bagaimana menginternalisasi.” Dengan cepatnya adopsi AI generatif, meskipun jumlah proyek percontohan meningkat, kasus yang dapat membuktikan hasil yang meyakinkan kepada dewan direksi atau manajemen masih terbatas.

Akhirnya, dapat diartikan bahwa nilai bisnis AI yang dapat diukur lebih banyak bergantung pada sejauh mana perusahaan dapat membuktikan bahwa alur kerja yang dapat dikendalikan, dapat diaudit, dan respons terhadap kepatuhan, serta pengurangan biaya lanjutan, daripada sekadar demonstrasi yang mengesankan. Kompetisi AI perusahaan saat ini juga memasuki tahap di mana kedalaman inovasi proses nyata lebih menentukan kemenangan daripada jumlah eksperimen.

Catatan Penting TP AI Artikel ini dirangkum menggunakan model bahasa berbasis TokenPost.ai. Informasi utama dalam teks mungkin terlewatkan atau berbeda dari fakta.