Penjelasan Artificial Intelligent (AI)
Dalam istilah yang paling sederhana, AI yang merupakan singkatan dari Artificial intelligent (Kecerdasan buatan) mengacu pada sistem atau mesin yang meniru kecerdasan manusia untuk melakukan tugas dan secara iteratif dapat meningkatkan diri berdasarkan informasi yang mereka kumpulkan. AI bermanifestasi dalam beberapa bentuk. Beberapa contohnya adalah:
- Chatbots menggunakan AI untuk memahami masalah pelanggan lebih cepat dan memberikan jawaban yang lebih efisien
- Asisten cerdas menggunakan AI untuk mengurai informasi penting dari kumpulan data free-text besar untuk meningkatkan penjadwalan
- Mesin rekomendasi dapat memberikan rekomendasi otomatis untuk acara TV berdasarkan kebiasaan menonton pengguna
AI lebih banyak tentang proses dan kemampuan untuk pemikiran dan analisis data yang sangat kuat dari pada tentang format atau fungsi tertentu. Meskipun AI menampilkan gambar robot mirip manusia yang berfungsi tinggi mengambil alih dunia, AI tidak dimaksudkan untuk menggantikan manusia. Ini dimaksudkan untuk secara signifikan meningkatkan kemampuan dan kontribusi manusia. Itu membuatnya menjadi aset bisnis yang sangat berharga.
Istilah kecerdasan buatan
AI telah menjadi istilah umum untuk aplikasi yang melakukan tugas kompleks yang dulunya membutuhkan masukan manusia seperti berkomunikasi dengan pelanggan secara online atau bermain catur. Istilah ini sering digunakan secara bergantian dengan subbidangnya, yang mencakup machine learning (pembelajaran mesin) dan deep learning. Namun, ada perbedaan. Misalnya, pembelajaran mesin difokuskan untuk membangun sistem yang mempelajari atau meningkatkan kinerjanya berdasarkan data yang mereka konsumsi. Penting untuk dicatat bahwa meskipun semua machine learning (pembelajaran mesin) adalah AI, tidak semua AI adalah machine learning (pembelajaran mesin).
Untuk mendapatkan nilai penuh dari AI, banyak perusahaan melakukan investasi signifikan dalam tim ilmu data. data science, bidang interdisipliner yang menggunakan metode ilmiah dan metode lain untuk mengekstrak nilai dari data, menggabungkan keterampilan dari bidang-bidang seperti statistik dan ilmu komputer dengan pengetahuan bisnis untuk menganalisis data yang dikumpulkan dari berbagai sumber.
AI dan Developer (pengembang)
Pengembang menggunakan kecerdasan buatan untuk lebih efisien melakukan tugas yang dilakukan secara manual, terhubung dengan pelanggan, mengidentifikasi pola, dan memecahkan masalah. Untuk memulai AI, pengembang harus memiliki latar belakang matematika dan merasa nyaman dengan algoritme.
Saat memulai menggunakan kecerdasan buatan untuk membangun aplikasi, ada baiknya memulai dari yang kecil. Dengan membangun proyek yang relatif sederhana, seperti tic-tac-toe, misalnya, Anda akan mempelajari dasar-dasar kecerdasan buatan. Belajar sambil melakukan adalah cara yang bagus untuk meningkatkan keterampilan apa pun, dan kecerdasan buatan tidak berbeda. Setelah Anda berhasil menyelesaikan satu atau lebih proyek skala kecil, tidak ada batasan ke mana kecerdasan buatan dapat membawa Anda.
Bagaimana Teknologi AI dapat membantu organisasi
Prinsip utama AI adalah mereplikasi—dan kemudian melampaui—cara manusia memandang dan bereaksi terhadap dunia. Ini dengan cepat menjadi landasan inovasi. Didukung oleh berbagai bentuk pembelajaran mesin yang mengenali pola dalam data untuk memungkinkan prediksi, AI dapat menambah nilai bisnis Anda dengan:
- Memberikan pemahaman yang lebih komprehensif tentang banyaknya data yang tersedia
- Mengandalkan prediksi untuk mengotomatisasi tugas yang terlalu rumit atau biasa-biasa saja
AI di perusahaan
Teknologi AI meningkatkan kinerja dan produktivitas perusahaan dengan mengotomatiskan proses atau tugas yang dulunya membutuhkan tenaga manusia. AI juga dapat memahami data dalam skala yang tidak pernah bisa dilakukan manusia. Kemampuan itu dapat mengembalikan manfaat bisnis yang substansial. Misalnya, Netflix menggunakan pembelajaran mesin untuk memberikan tingkat personalisasi yang membantu perusahaan menumbuhkan basis pelanggannya lebih dari 25 persen pada tahun 2017.
Sebagian besar perusahaan telah menjadikan data science sebagai prioritas dan banyak berinvestasi di dalamnya. Dalam survei terbaru Gartner terhadap lebih dari 3.000 CIO, responden menempatkan analitik dan intelijen bisnis sebagai teknologi pembeda teratas untuk organisasi mereka. CIO yang disurvei melihat teknologi ini sebagai yang paling strategis untuk perusahaan mereka; oleh karena itu, mereka menarik sebagian besar investasi baru.
AI memiliki nilai untuk hampir semua fungsi, bisnis, dan industri. Ini mencakup aplikasi umum dan khusus industri seperti:
- Menggunakan data transaksional dan demografis untuk memprediksi berapa banyak pelanggan tertentu akan menghabiskan selama hubungan mereka dengan bisnis (atau nilai seumur hidup pelanggan)
- Mengoptimalkan harga berdasarkan perilaku dan preferensi pelanggan
- Menggunakan pengenalan gambar untuk menganalisis gambar sinar-X untuk tanda-tanda kanker
Bagaimana perusahaan menggunakan AI
Menurut Harvard Business Review, perusahaan terutama menggunakan AI untuk:
- Mendeteksi dan mencegah gangguan keamanan (44 persen)
- Menyelesaikan masalah teknologi pengguna (41 persen)
- Mengurangi pekerjaan manajemen produksi (34 persen)
- Mengukur kepatuhan internal dalam menggunakan vendor yang disetujui (34 persen)
Apa yang mendorong adopsi AI?
Tiga faktor yang mendorong pengembangan AI di seluruh industri:
- Terjangkau, kemampuan komputasi kinerja tinggi sudah tersedia. Kelimpahan daya komputasi komoditas di cloud memungkinkan akses mudah ke daya komputasi berkinerja tinggi yang terjangkau. Sebelum pengembangan ini, satu-satunya lingkungan komputasi yang tersedia untuk AI adalah berbasis non-cloud dan biaya terlalu tinggi.
- Volume data yang besar tersedia untuk pelatihan. AI perlu dilatih pada banyak data untuk membuat prediksi yang tepat. Munculnya berbagai alat untuk pelabelan data, ditambah kemudahan dan keterjangkauan yang dapat digunakan organisasi untuk menyimpan dan memproses data terstruktur dan tidak terstruktur, memungkinkan lebih banyak organisasi untuk membangun dan melatih algoritme AI.
- AI terapan memberikan keunggulan kompetitif. Perusahaan semakin menyadari keunggulan kompetitif dari penerapan wawasan AI ke tujuan bisnis dan menjadikannya prioritas bisnis. Misalnya, rekomendasi bertarget yang diberikan oleh AI dapat membantu bisnis membuat keputusan yang lebih baik dengan lebih cepat. Banyak fitur dan kemampuan AI dapat menghasilkan biaya yang lebih rendah, risiko yang lebih rendah, waktu pemasaran yang lebih cepat, dan banyak lagi.
5 mitos umum tentang AI perusahaan
Sementara banyak perusahaan telah berhasil mengadopsi teknologi AI, ada juga cukup banyak informasi yang salah tentang AI dan apa yang dapat dan tidak dapat dilakukan. Di sini, kami mengeksplorasi lima mitos umum tentang AI:
- Mitos #1: Enterprise AI membutuhkan pendekatan build-it-yourself. Kenyataan: Sebagian besar perusahaan mengadopsi AI dengan menggabungkan solusi in-house dan out-of-the-box. Pengembangan AI internal memungkinkan bisnis untuk menyesuaikan dengan kebutuhan bisnis yang unik; solusi AI bawaan memungkinkan Anda merampingkan implementasi dengan solusi siap pakai untuk masalah bisnis yang lebih umum.
- Mitos #2: AI akan segera memberikan hasil yang ajaib. Kenyataan: Jalan menuju kesuksesan AI membutuhkan waktu, perencanaan yang matang, dan gagasan yang jelas tentang hasil yang ingin Anda capai. Anda memerlukan kerangka kerja strategis dan pendekatan berulang untuk menghindari pengiriman serangkaian solusi AI yang terputus secara acak.
- Mitos #3: Enterprise AI tidak mengharuskan orang untuk menjalankannya. Kenyataan: Enterprise AI bukan tentang robot yang mengambil alih. Nilai AI adalah meningkatkan kemampuan manusia dan membebaskan pekerja untuk tugas yang lebih strategis. Selain itu, AI bergantung pada orang untuk memberinya data yang tepat dan bekerja dengannya dengan cara yang benar.
- Mitos #4: Semakin banyak data, semakin baik. Realitas: Enterprise AI membutuhkan data pintar. Untuk mendapatkan wawasan bisnis paling efektif dari AI, data Anda harus berkualitas tinggi, terkini, relevan, dan diperkaya.
- Mitos #5: Enterprise AI hanya membutuhkan data dan model untuk berhasil. Kenyataan: Data, algoritme, dan model adalah permulaan. Tetapi solusi AI harus dapat diskalakan untuk memenuhi kebutuhan bisnis yang berubah. Hingga saat ini, sebagian besar solusi AI perusahaan telah dibuat dengan tangan oleh para ilmuwan data. Solusi ini memerlukan penyiapan dan pemeliharaan manual yang ekstensif, dan tidak berskala. Agar berhasil mengimplementasikan proyek AI, Anda memerlukan solusi AI yang akan diskalakan untuk memenuhi persyaratan baru saat Anda bergerak maju dengan AI.
Manfaat dan tantangan mengoperasionalkan AI
Ada banyak kisah sukses yang membuktikan nilai AI. Organisasi yang menambahkan pembelajaran mesin dan interaksi kognitif ke proses dan aplikasi bisnis tradisional dapat sangat meningkatkan pengalaman pengguna dan meningkatkan produktivitas.
Namun, ada beberapa hambatan. Beberapa perusahaan telah menerapkan AI dalam skala besar, karena beberapa alasan. Misalnya, jika mereka tidak menggunakan komputasi cloud, proyek AI seringkali mahal secara komputasi. Mereka juga rumit untuk dibangun dan membutuhkan keahlian yang banyak diminati tetapi pasokannya sedikit. Mengetahui kapan dan di mana harus memasukkan AI, serta kapan harus beralih ke pihak ketiga, akan membantu meminimalkan kesulitan ini.
Kisah sukses AI
AI adalah faktor pendorong di balik beberapa kisah sukses yang signifikan:
- Menurut Harvard Business Review, Associated Press menghasilkan 12 kali lebih banyak berita dengan melatih perangkat lunak AI untuk secara otomatis menulis berita pendek tentang pendapatan. Upaya ini membebaskan jurnalisnya untuk menulis karya yang lebih mendalam.
- Deep Patient, alat bertenaga AI yang dibuat oleh Icahn School of Medicine di Mount Sinai, memungkinkan dokter untuk mengidentifikasi pasien berisiko tinggi bahkan sebelum penyakit didiagnosis. Alat ini menganalisis riwayat medis pasien untuk memprediksi hampir 80 penyakit hingga satu tahun sebelum onset, menurut insideBIGDATA.
AI yang siap pakai membuat pengoperasian AI menjadi lebih mudah
Munculnya solusi dan alat bertenaga AI berarti lebih banyak perusahaan dapat memanfaatkan AI dengan biaya lebih rendah dan dalam waktu yang lebih singkat. AI siap pakai mengacu pada solusi, alat, dan perangkat lunak yang memiliki kemampuan AI bawaan atau mengotomatiskan proses pengambilan keputusan algoritmik.
AI siap pakai dapat berupa apa saja, mulai dari database otonom, yang menyembuhkan diri sendiri menggunakan pembelajaran mesin, hingga model bawaan yang dapat diterapkan ke berbagai kumpulan data untuk memecahkan tantangan seperti pengenalan gambar dan analisis teks. Ini dapat membantu perusahaan mencapai waktu yang lebih cepat untuk menilai, meningkatkan produktivitas, mengurangi biaya, dan meningkatkan relasi dengan pelanggan.
Bagaimana memulai dengan AI
- Berkomunikasi dengan pelanggan melalui chatbots. Chatbots menggunakan pemrosesan bahasa alami untuk memahami pelanggan dan memungkinkan mereka untuk mengajukan pertanyaan dan mendapatkan informasi. Chatbots ini belajar dari waktu ke waktu sehingga mereka dapat menambahkan nilai yang lebih besar pada interaksi pelanggan.
- Pantau pusat data Anda. Tim operasi TI dapat menghemat banyak waktu dan energi pada pemantauan sistem dengan menempatkan semua web, aplikasi, kinerja basis data, pengalaman pengguna, dan data log ke dalam satu platform data berbasis cloud yang secara otomatis memantau ambang batas dan mendeteksi anomali.
- Lakukan analisis bisnis tanpa ahli. Alat analitik dengan antarmuka pengguna visual memungkinkan orang nonteknis untuk dengan mudah menanyakan sistem dan mendapatkan jawaban yang dapat dimengerti.
Penghalang jalan untuk mewujudkan potensi penuh AI
Terlepas dari janji AI, banyak perusahaan tidak menyadari potensi penuh pembelajaran mesin dan fungsi AI lainnya. Mengapa? Ironisnya, ternyata masalahnya, sebagian besar...manusia. Alur kerja yang tidak efisien dapat menghambat perusahaan untuk mendapatkan nilai penuh dari implementasi AI mereka.
Misalnya, ilmuwan data dapat menghadapi tantangan untuk mendapatkan sumber daya dan data yang mereka butuhkan untuk membangun model pembelajaran mesin. Mereka mungkin mengalami kesulitan berkolaborasi dengan rekan satu tim mereka. Dan mereka memiliki banyak alat sumber terbuka yang berbeda untuk dikelola, sementara pengembang aplikasi terkadang perlu sepenuhnya mengode ulang model yang dikembangkan ilmuwan data sebelum mereka dapat menyematkannya ke dalam aplikasi mereka.
Dengan daftar alat AI open source yang terus bertambah, TI akhirnya menghabiskan lebih banyak waktu untuk mendukung tim ilmu data dengan terus memperbarui lingkungan kerja mereka. Masalah ini diperparah oleh standarisasi terbatas tentang cara tim data science bekerja.
Terakhir, eksekutif senior mungkin tidak dapat memvisualisasikan potensi penuh dari investasi AI perusahaan mereka. Akibatnya, mereka tidak memberikan sponsor dan sumber daya yang cukup untuk menciptakan ekosistem kolaboratif dan terintegrasi yang diperlukan agar AI berhasil.
Menciptakan budaya yang tepat
Memaksimalkan AI—dan menghindari masalah yang menghambat keberhasilan implementasi—berarti menerapkan budaya tim yang sepenuhnya mendukung ekosistem AI. Dalam jenis lingkungan ini:
- Analis bisnis bekerja dengan ilmuwan data untuk mendefinisikan masalah dan tujuan
- Insinyur data mengelola data dan platform data yang mendasarinya sehingga sepenuhnya operasional untuk analisis
- Ilmuwan data mempersiapkan, mengeksplorasi, memvisualisasikan, dan memodelkan data pada platform ilmu data
- Arsitek TI mengelola infrastruktur dasar yang diperlukan untuk mendukung ilmu data dalam skala besar, baik di lokasi maupun di cloud
- Pengembang aplikasi menyebarkan model ke dalam aplikasi untuk membangun produk berbasis data
Dari kecerdasan buatan hingga kecerdasan adaptif
Karena kemampuan AI telah masuk ke dalam operasi perusahaan arus utama, istilah baru berkembang: kecerdasan adaptif. Aplikasi kecerdasan adaptif membantu perusahaan membuat keputusan bisnis yang lebih baik dengan menggabungkan kekuatan data internal dan eksternal real-time dengan ilmu keputusan dan infrastruktur komputasi yang sangat skalabel.
Aplikasi ini pada dasarnya membuat bisnis Anda lebih pintar. Ini memberdayakan Anda untuk menyediakan produk, rekomendasi, dan layanan yang lebih baik kepada pelanggan Anda—semuanya memberikan hasil bisnis yang lebih baik.
AI sebagai imperatif strategis dan keunggulan kompetitif
AI adalah keharusan strategis untuk bisnis apa pun yang ingin mendapatkan efisiensi yang lebih besar, peluang pendapatan baru, dan meningkatkan loyalitas pelanggan. Ini dengan cepat menjadi keunggulan kompetitif bagi banyak organisasi. Dengan AI, perusahaan dapat mencapai lebih banyak dalam waktu yang lebih singkat, menciptakan pengalaman pelanggan yang dipersonalisasi dan menarik, dan memprediksi hasil bisnis untuk mendorong profitabilitas yang lebih besar.
Tetapi AI masih merupakan teknologi baru dan kompleks. Untuk memaksimalkannya, Anda memerlukan keahlian tentang cara membangun dan mengelola solusi AI Anda dalam skala besar. Proyek AI yang sukses membutuhkan lebih dari sekadar mempekerjakan ilmuwan data. Perusahaan harus menerapkan alat, proses, dan strategi manajemen yang tepat untuk memastikan kesuksesan dengan AI.
Praktik terbaik untuk mendapatkan hasil maksimal dari AI
Harvard Business Review membuat rekomendasi berikut untuk memulai dengan AI:
- Terapkan kemampuan AI pada aktivitas yang memiliki dampak terbesar dan paling cepat pada pendapatan dan biaya.
- Gunakan AI untuk meningkatkan produktivitas dengan jumlah orang yang sama, daripada menghilangkan atau menambah jumlah karyawan.
- Mulailah implementasi AI Anda di back office, bukan front office (IT dan akuntansi akan paling diuntungkan).
Mendapatkan bantuan untuk perjalanan AI Anda
Tidak ada pilihan keluar dari transformasi AI. Agar tetap kompetitif, setiap perusahaan pada akhirnya harus merangkul AI dan membangun ekosistem AI. Perusahaan yang gagal mengadopsi AI dalam beberapa kapasitas selama 10 tahun ke depan akan tertinggal.
Meskipun perusahaan Anda bisa menjadi pengecualian, sebagian besar perusahaan tidak memiliki bakat dan keahlian internal untuk mengembangkan jenis ekosistem dan solusi yang dapat memaksimalkan kemampuan AI.
Jika Anda memerlukan bantuan untuk mengembangkan strategi yang tepat dan mengakses alat yang tepat untuk berhasil dalam perjalanan transformasi AI Anda, Anda harus mencari mitra inovatif dengan keahlian industri yang mendalam dan portofolio AI yang komprehensif.