AI-nya Sudah Pintar. Proses Bisnisnya Sudah Siap Belum?

Sekarang hampir semua hal ingin ditambahkan AI. Chatbot memakai AI. Pengarahan permintaan ingin memakai AI. Dasbor juga diminta menjadi lebih pintar.

Pertanyaannya sederhana: proses bisnis yang mau dibantu AI itu sendiri sudah jelas belum? Jika satu permintaan masih harus berkeliling mencari penanggung jawab, model yang canggih mungkin hanya membuat kebingungan bergerak lebih cepat.

Ini bukan alasan untuk menunggu semua proses sempurna. Proses bisnis terus berkembang, dan AI bisa membantu dalam kondisi tersebut. Namun, harus ada tujuan operasional yang jelas serta kendali yang sesuai dengan risikonya.

Mulai dari pekerjaan, bukan demonstrasi

Demonstrasi teknologi biasanya menampilkan jalur yang rapi: masukan tersedia, pertanyaan jelas, dan hasil langsung terlihat. Operasional sehari-hari memiliki pengecualian, dokumen tidak lengkap, perubahan kebijakan, serta pengguna dengan kebutuhan berbeda.

Karena itu, rumuskan masalah sebelum memilih fitur. Apakah kita ingin mengurangi waktu pencarian informasi, membantu penyusunan jawaban, atau memperbaiki pengelompokan permintaan? Ketiganya membutuhkan pendekatan dan ukuran keberhasilan yang berbeda.

Petakan alur kerja yang sedang berjalan. Catat siapa yang mengirim permintaan, sistem apa yang digunakan, siapa yang meninjau hasil, dan kapan suatu pekerjaan dianggap selesai. Tanyakan juga apa yang terjadi ketika hasilnya keliru atau layanan tidak tersedia.

Peta tersebut tidak perlu menjadi poster rumit. Tujuannya adalah membuat ketergantungan terlihat. Jika keputusan akhirnya tetap menunggu persetujuan yang tidak memiliki penanggung jawab, peningkatan kecepatan pada tahap awal belum tentu memperpendek waktu penyelesaian.

Data dan integrasi ikut menentukan

Periksa apakah informasi yang dibutuhkan tersedia, relevan, cukup mutakhir, dan boleh digunakan. Data yang tersebar tidak selalu menghalangi percobaan, tetapi batasannya harus diketahui sejak awal.

Jangan melupakan integrasi. Jawaban yang bagus tetapi harus disalin manual ke beberapa aplikasi dapat menambah pekerjaan baru. Tentukan ke mana hasil dikirim, hak akses yang diperlukan, dan bagaimana catatan proses dapat ditelusuri.

Siapkan peran manusia secara nyata. Siapa yang memeriksa keluaran? Dalam kondisi apa hasil harus diteruskan kepada petugas? Tindakan apa yang tidak boleh dilakukan otomatis? Istilah pengawasan manusia tidak banyak membantu jika orang yang dimaksud belum pernah diberi waktu atau kewenangan untuk mengawasi.

Percobaan yang mengajarkan sesuatu

Sebelum menjalankan percobaan, catat kondisi awal. Ukur waktu penyelesaian, pekerjaan ulang, kualitas hasil, atau indikator lain yang benar-benar terkait dengan masalah. Tidak perlu mengumpulkan semua angka hanya karena semuanya bisa ditampilkan.

Jalankan uji coba dengan cakupan terbatas dan kriteria yang disepakati. Pilih jenis pekerjaan yang jelas, pengguna yang siap memberikan masukan, serta cara menghentikan atau mengalihkan proses jika hasilnya tidak memadai.

Bandingkan hasil dengan kondisi awal, termasuk beban pemeriksaan dan biaya operasional. Kecepatan menghasilkan jawaban bukan satu-satunya ukuran apabila jawabannya masih memerlukan banyak perbaikan.

Bukti konsep menunjukkan bahwa pendekatan tertentu mungkin bekerja. Penerapan produksi menuntut lebih banyak: pemantauan, penanganan kegagalan, pengelolaan akses, dukungan pengguna, dan pemilik layanan yang jelas. Keduanya penting, tetapi tidak bisa diperlakukan sebagai tahap yang sama.

Perspektif penutup

AI dapat membantu organisasi belajar sambil memperbaiki proses. Kita tidak harus menunggu semuanya rapi, tetapi perlu tahu masalah yang sedang diselesaikan dan batas keputusan yang dipercayakan kepada teknologi.

AI memang bisa membantu kita bekerja lebih pintar. Jangan sampai teknologi yang pintar justru dipaksa menebak proses bisnis yang belum pernah disepakati.