Prediksi Bisnis AI PwC untuk 2025

• PwC memperkirakan bahwa AI akan menciptakan nilai di tingkat perusahaan secara menyeluruh maupun industri, dan perusahaan yang memanfaatkannya secara proaktif akan unggul dalam jangka panjang
• AI diprediksi akan memainkan peran penting di seluruh pekerjaan praktis, strategi, dan model bisnis, serta akan terintegrasi dan menyebar lebih cepat pada 2025
• “Visi terhadap AI dan cara adopsinya adalah faktor kunci yang menentukan keberhasilan atau kegagalan perusahaan”
  • Kini sudah jelas bahwa AI dapat memberikan nilai dalam skala besar, dan ini masih baru pada tahap awal
  • Menurut PwC 2024 Pulse Survey, 49% pemimpin teknologi yang merespons mengatakan AI telah sepenuhnya terintegrasi ke dalam strategi bisnis inti mereka, dan sepertiga lainnya menjawab telah sepenuhnya terintegrasi ke dalam produk dan layanan perusahaan
• Menanamkan AI di tingkat organisasi adalah hal yang esensial
  • Salah satu caranya adalah memperoleh nilai terobosan melalui “lompatan besar” seperti model bisnis baru
  • Cara lainnya adalah mewujudkan secara bertahap peningkatan produktivitas 20~30% di berbagai area, percepatan waktu masuk pasar, dan peningkatan pendapatan
  • Jika ini diulangi dan diakumulasikan, seluruh perusahaan akan berubah secara fundamental
• Ada juga bagian yang dipenuhi ekspektasi berlebihan terkait AI
  • Tidak semua janji akan terwujud, tetapi kecepatan inovasi AI, investasi, dan respons bisnis bergerak tanpa preseden
  • Bahkan internet (diciptakan pada 1983) pun tidak secepat ini
  • Prediksi di bawah ini memberi arahan tentang apa yang akan terjadi dalam 12 bulan ke depan, apa yang mungkin terjadi setelahnya, dan apa yang harus dilakukan sekarang juga

1. Strategi AI menentukan daya saing

• Strategi AI harus berfokus pada penciptaan nilai yang mulai dijalankan sekarang
  • Ini berarti nilai yang melampaui sekadar produktivitas atau efisiensi
  • Beberapa sistem AI dapat bernalar secara mandiri, “memahami” dampak dari pengambilan keputusan, dan menjalankan tugas kompleks seperti merancang layanan baru atau strategi masuk pasar
  • AI kini semakin kuat dan dapat diandalkan, sehingga sudah waktunya untuk mengintegrasikannya ke seluruh operasi
  • Jika pesaing secara aktif mengadopsi AI dengan cara seperti ini, kesenjangan dengan perusahaan yang tidak melakukannya tidak akan mudah dipersempit
• Strategi AI yang efektif memerlukan pendekatan portofolio yang disusun untuk menciptakan nilai dalam skala besar dari hal-hal yang bisa langsung dimanfaatkan tahun ini
  • Sumbu pertama adalah “ground game”, yaitu pendekatan sistematis untuk menghasilkan banyak keberhasilan kecil
    • Ini menciptakan nilai kumulatif dengan secara bertahap mencapai peningkatan pengalaman pelanggan, layanan peningkat pendapatan, dan produktivitas
  • Sumbu kedua adalah “roofshots”, yaitu proyek untuk cara kerja baru, interaksi dengan pelanggan, dan desain produk
    • Area ini dapat dijalankan, tetapi memerlukan sumber daya dan perhatian yang terfokus
  • Sumbu ketiga adalah “moonshots”, yaitu proyek yang sangat menantang namun dapat memberi imbal hasil besar, seperti model bisnis yang sepenuhnya baru berbasis AI
    • Karena proyek seperti ini membutuhkan kemampuan dan sumber daya tingkat tinggi dari para ahli AI, proyek tersebut harus dipimpin di level C
• Model bahasa besar (LLM) mana yang dipilih kemungkinan tidak akan terlalu penting secara strategis
  • Akan ada banyak opsi bagus, dan besar kemungkinan semua orang akan memanfaatkannya
  • Titik pembeda justru terletak pada bagaimana AI digabungkan dengan pengetahuan organisasi dan data unik milik perusahaan
  • Kuncinya adalah mewujudkan hal ini dengan benar menggunakan arsitektur cloud yang mendukung AI

“Adopsi AI berlangsung sangat cepat, baik di internal PwC maupun di kalangan klien di seluruh industri. Pada 2025, kualitas, akurasi, kapabilitas, dan otomatisasi akan berkembang pesat, saling terhubung, dan berakselerasi menuju pertumbuhan eksponensial”

• Setelah 2025: hanya segelintir perusahaan yang akan menguasai keunggulan

  • Beberapa perusahaan pada masa lalu membangun model bisnis berbasis internet, dan atas dasar itu tetap mendominasi pasar hingga sekarang
  • AI juga diperkirakan akan berkembang dengan pola serupa
  • Perusahaan yang cepat menerapkan model operasi dan model bisnis baru berbasis AI, atau perusahaan yang sejak awal memang berinti AI, akan memimpin persaingan
  • Kesenjangan antara perusahaan pemimpin AI dan perusahaan yang tertinggal akan melebar, dan ini bisa memengaruhi perekonomian nasional secara keseluruhan
  • Perusahaan AS yang regulasinya relatif lebih longgar kemungkinan dapat berkembang lebih cepat
  • Sebaliknya, di UE atau Tiongkok yang regulasinya lebih ketat, laju perkembangannya bisa relatif lebih lambat

• Hal yang harus dilakukan sekarang

  • Perlu melakukan evaluasi strategi formal
    • Harus dipahami peran apa yang dapat dimainkan AI di organisasi dan industri
    • Misalnya, AI dapat menekan margin di area bisnis tertentu, tetapi di area lain memungkinkan pertumbuhan eksplosif lewat produk baru yang berbiaya rendah namun dipersonalisasi
  • Coba pendekatan ‘less is more’ terhadap data
    • Strategi pemanfaatan data di tingkat perusahaan diperlukan untuk adopsi AI
    • Namun pada saat yang sama, tidak perlu merapikan semua data secara sempurna sekaligus
    • Akan lebih efektif jika memodernisasi terlebih dahulu data bernilai tinggi yang selaras dengan prioritas strategis inti
    • Saat ini, AI dapat menghasilkan performa yang bermakna hanya dengan set data kecil berkualitas tinggi
    • Kekurangan dapat dilengkapi dengan memanfaatkan data sintetis dan sejenisnya
    • Area seperti perpajakan yang memiliki proses berbasis aturan dengan penggunaan data tinggi dapat cocok untuk penerapan percontohan, dan di luar itu juga akan ada berbagai peluang monetisasi berbasis data
  • Tinjau dari sudut pandang operasi dan KPI
    • Pendapatan baru yang diciptakan AI, kecepatan pelaksanaan proyek, produktivitas, pengalaman, dan lainnya harus diukur sebagai hasil bisnis
    • Pada saat yang sama, penting untuk merancang metrik yang tidak mendorong otomatisasi berlebihan
    • AI selalu membutuhkan pengawasan manusia dan kepemimpinan

2. AI agent dapat secara efektif melipatgandakan tenaga kerja menjadi 2x

• Berlawanan dengan prediksi bahwa AI akan mengurangi tenaga kerja, kenyataannya para pekerja digital yang disebut “AI agent” diperkirakan akan bergabung sebagai anggota baru dalam tim
  • AI agent ini dapat menangani pekerjaan berbasis pengetahuan, penjualan, hingga dukungan lapangan, serta berpotensi mengubah kecepatan masuk ke pasar, respons terhadap pelanggan, dan desain produk
  • Misalnya, mereka dapat menjalankan tugas seperti menangani pertanyaan pelanggan umum, menyusun draf kode perangkat lunak, atau mewujudkan ide desain manusia menjadi prototipe
• Nilai yang paling penting tetap berasal dari kombinasi kepemimpinan manusia dan teknologi AI
  • Tugas-tugas sederhana diotomatisasi oleh AI, sementara manusia mengelola dan mengawasinya
  • Untuk tugas yang kompleks (inovasi, desain, dan sebagainya), manusia dan AI bersama-sama mengembangkan ide secara iteratif
  • Bahkan saat beberapa AI agent digunakan secara bersamaan, manusia tetap berperan membagi pekerjaan dan menyesuaikan hasilnya
• Menurut 2024 Workforce Radar dari PwC, 41% eksekutif menyatakan bahwa saat mengadopsi generative AI, pelatihan, budaya organisasi, dan perubahan cara kerja menjadi tantangan utama
• Memasukkan AI agent secara penuh sebagai bagian dari strategi tenaga kerja merupakan perubahan yang cukup besar
  • Misalnya, strategi tenaga kerja perlu mengintegrasikan pekerja digital, serta membutuhkan peran manajerial baru untuk memantau dan mengelolanya
  • Semakin cepat model operasional ditata ulang, semakin cepat pula manfaat AI bisa diperoleh
  • Ketika tenaga kerja campuran digital dan manusia bekerja bersama, sumber daya dapat dialihkan lebih cepat dan respons bisa menjadi lebih lincah
• Kebangkitan AI agent memungkinkan sebagian pekerjaan yang sebelumnya dialihdayakan untuk ditangani secara internal
  • Keuntungannya bukan hanya penghematan biaya, tetapi juga peningkatan kepuasan pengguna dan kustomisasi
  • Dari sisi layanan pelanggan, hal ini memungkinkan tersedianya self-service yang cepat sekaligus dukungan manusia dengan keahlian tinggi
  • AI agent berperan membantu dengan menyediakan informasi yang akurat pada waktu yang tepat agar manusia dapat menyelesaikan kebutuhan pelanggan yang kompleks dengan cepat dan efisien
  • Karena itu, footprint geografis maupun rencana outsourcing juga mungkin perlu ditinjau ulang

“AI agent berpotensi besar menciptakan produktivitas dan inovasi yang belum pernah ada sebelumnya dengan menggabungkan kreativitas manusia dan efisiensi mesin”

• Setelah 2025: agent center akan menggantikan center of excellence

  • Ketika perusahaan semakin mahir mengoordinasikan dan mengelola AI agent, ada kemungkinan mereka akan melakukan “offshoring” dengan membentuk tenaga kerja yang berpusat pada AI agent di wilayah berbiaya rendah
  • Tergantung pada kekayaan intelektual (IP) yang dihasilkan dalam proses pengembangan agent dan wilayah tempat IP tersebut berada, perusahaan juga dapat memperoleh manfaat pajak
  • Dibanding menyewa agent dari vendor, membangun “agent center” sendiri memang memerlukan biaya awal, tetapi dapat memberikan ROI yang lebih besar dalam beberapa tahun

• Hal yang perlu dilakukan sekarang

  • Mengubah mindset
    • Perlu mempelajari cara kerja baru untuk berkolaborasi dengan AI agent seolah mereka adalah rekan kerja yang mandiri dan kreatif
    • Di tingkat kepemimpinan, perlu ditunjukkan dengan jelas bahwa AI ditujukan untuk meningkatkan nilai manusia
  • Memberikan playbook baru untuk HR
    • Untuk mengelola tenaga kerja yang mencakup manusia dan AI agent, HR sendiri juga perlu memiliki kapabilitas baru
    • Khususnya jika AI akan menangani sebagian besar pekerjaan level awal, kemitraan dengan universitas dan pihak lain mungkin diperlukan agar tenaga kerja baru bisa langsung mengambil peran pada level yang lebih tinggi
  • Bersiap mengelola pekerja digital
    • Karena AI agent memiliki tingkat otonomi tertentu, akan dibutuhkan model pengelolaan yang berpusat pada manusia
    • Saat menempatkan agent, perlu dipertimbangkan keseimbangan antara biaya dan ROI, serta dikembangkan metrik untuk tim campuran manusia-AI
    • Diperlukan pengawasan yang ketat agar AI agent tidak bertindak secara tak terduga, berbahaya, atau melanggar aturan
    • Sebagai kerangka respons menyeluruh untuk hal ini, strategi Responsible AI dapat berguna

3. ROI AI bergantung pada Responsible AI

• Seperti yang diprediksi tahun lalu, para eksekutif terus memberi perhatian pada manajemen risiko AI dan penerapan Responsible AI
• Namun, hingga kini pelaksanaan yang benar-benar bermakna masih belum memadai
• Pada 2025, perusahaan tidak lagi punya keleluasaan untuk menerapkan tata kelola AI secara tidak konsisten di seluruh organisasi
  • Karena AI semakin terintegrasi dalam operasi dan penawaran ke pasar, dibutuhkan kerangka yang transparan untuk menjaga nilai investasi secara stabil dan mengelola risiko dari penerapan berskala besar
  • Dalam situasi penerapan skala besar, jika AI tidak akurat atau menimbulkan risiko seperti ancaman keamanan, dampaknya diperkirakan akan sangat besar bagi perusahaan
  • Akibatnya, manajemen risiko AI yang ketat dan verifikasi kontrol akan menjadi keharusan
• Menurut 2024 US Responsible AI Survey dari PwC, 46% eksekutif menyebut diferensiasi produk dan layanan perusahaan sebagai tujuan utama investasi dalam praktik Responsible AI
• Para eksekutif, khususnya pemimpin yang mendorong inovasi AI, tidak akan hanya menunggu kejelasan regulasi
  • Sebab AI berkembang terlalu cepat dan memainkan peran yang penting bagi bisnis
• Di masa lalu, AI hanya diterapkan pada beberapa kasus yang terisolasi, sehingga bahkan jika gagal pun cakupan dampaknya terbatas
  • Namun kini, karyawan menggunakan AI dalam keseharian dan pelanggan juga sering mengakses fitur AI
  • Jika muncul masalah pada keandalan AI, pertumbuhan pendapatan pun bisa terdampak negatif
• Untuk mewujudkan nilai dari AI, diperlukan verifikasi yang independen
  • Tim yang menangani audit internal dapat membangun keahlian terkait AI, atau evaluasi dapat diminta dari para ahli eksternal
  • Apa pun caranya, sudut pandang yang meninjau tata kelola dan kontrol AI secara independen akan tetap menjadi inti setelah 2025

“Tata kelola AI yang sukses akan didefinisikan bukan hanya oleh mitigasi risiko, tetapi juga oleh cara mencapai tujuan strategis dan mewujudkan ROI yang tinggi”

• Setelah 2025: pendekatan regulasi terkait AI akan mendorong inovasi berkelanjutan

  • Berdasarkan hasil pemilu November, regulasi di tingkat federal kemungkinan akan tetap fleksibel, yang berpotensi berdampak positif pada kemajuan teknologi AI dan meluasnya penerapannya
  • Namun, pergerakan regulasi di tingkat negara bagian akan terus berkembang cepat dan terkadang dapat memunculkan aturan yang saling bertentangan
    • Khususnya di area seperti perlindungan data pribadi, aturan dapat berbeda antarnegara bagian
  • Meski demikian, AS tetap sangat mungkin mempertahankan lingkungan yang paling ramah bagi inovasi AI

• Hal yang perlu dilakukan sekarang

  • Penilaian risiko yang komprehensif
    • Titik awal Responsible AI adalah penilaian risiko AI
    • Agar pengambilan keputusan tata kelola menjadi konsisten dan dapat diulang, diperlukan kerangka klasifikasi risiko yang terstandarisasi dan khusus untuk AI
    • Contoh: di PwC digunakan kerangka klasifikasi risiko yang mencakup model AI, data, sistem dan infrastruktur, pengguna, hukum dan kepatuhan, serta dampak proses
    • Secara khusus, penting juga untuk memeriksa bagaimana vendor dan penyedia layanan menggunakan AI, dan apakah hal itu dapat diverifikasi melalui laporan seperti SOC-2
  • Memilih cara verifikasi independen
    • Perlu ditambahkan lapisan independen untuk memverifikasi sistem dan output AI secara berkelanjutan melalui tim ahli internal atau perusahaan spesialis eksternal
    • Sebaiknya prioritas dimulai dari area dengan risiko besar atau dampak finansial tinggi
  • Mempertimbangkan perbedaan antarindustri
    • Semua industri memerlukan tata kelola dan pengawasan AI, tetapi kebutuhan tiap industri bekerja secara berbeda
    • Contoh: layanan keuangan harus memenuhi persyaratan kepatuhan yang sudah kompleks dalam konteks era AI
    • Perusahaan yang bekerja sama dengan sektor publik seperti dirgantara dan pertahanan perlu mencermati tren regulasi global
    • Untuk menyiapkan respons di tingkat industri secara mandiri, perusahaan juga bisa melakukan benchmark terhadap standar tata kelola AI di industri sejenis melalui survei sederhana

4. AI adalah sarana penciptaan nilai sekaligus berkontribusi pada keberlanjutan

• AI mempercepat transisi energi
• Jika dimanfaatkan secara tepat di industri dengan emisi karbon tinggi seperti manufaktur, konstruksi, dan transportasi, AI juga dapat membantu perusahaan mencapai target keberlanjutan
• Namun, saat ini belum tersedia daya listrik dan sumber daya komputasi yang cukup untuk mendukung penyebaran AI dalam skala besar
• Jumlah chip terus bertambah, model terus berkembang, dan sumber energi juga makin meluas, tetapi pada 2025 besar kemungkinan permintaan dan pasokan belum akan seimbang
• Karena itu, AI perlu didekati secara strategis alih-alih diterapkan sembarangan di mana-mana
  • Contoh: mempertimbangkan desain UI·UX yang tidak mendorong pemanggilan AI secara berlebihan atau pemborosan token oleh pengguna

63% perusahaan berkinerja tinggi berencana meningkatkan anggaran cloud untuk memanfaatkan GenAI, dan 34% di antaranya menjadikan faktor keberlanjutan sebagai pendorong kenaikan anggaran
(PwC’s 2024 Cloud and AI Business Survey)

• Dalam jangka panjang, AI akan menjadi katalis bagi pendorong keberlanjutan
  • Pada skala global, adopsi energi terbarukan diperkirakan akan meluas lebih cepat
  • Di AS, pembangunan baru pembangkit listrik berbahan bakar fosil berskala besar akan sulit dilakukan karena alasan keekonomian atau tuntutan pemangku kepentingan
  • Untuk memenuhi permintaan perusahaan, ekspansi energi terbarukan (termasuk nuklir) dan jaringan listrik yang efisien diperkirakan akan meningkat
• Jejak karbon yang dihasilkan vendor AI juga dapat tercermin dalam metrik emisi karbon perusahaan pengguna akhir
  • Perlu mencari vendor AI yang lebih ramah lingkungan atau menuntut praktik bisnis hijau dari vendor
• Di bawah aturan pengungkapan keberlanjutan yang baru diberlakukan (AS, EU, dan lain-lain), AI juga dapat mendukung otomatisasi pengumpulan data internal dan eksternal, analisis, serta pembuatan laporan
  • Dengan aturan pengungkapan iklim SEC ditangguhkan sementara, kemungkinan beberapa pemerintah negara bagian (misalnya California) membuat aturan mereka sendiri menjadi lebih besar
• AI dapat berkontribusi meningkatkan keberlanjutan dengan menganalisis data di seluruh rantai pasok secara lebih mendetail
  • Contoh: pemasok skala kecil pun dapat menyediakan data konkret seperti konsumsi energi bulanan dan tahunan
  • Melalui AI, perusahaan dapat mengkuantifikasi bukan hanya emisi karbon tetapi juga potensi nilai komersialisasi produk rendah karbon
• Jika kapabilitas AI ini tertanam dalam pekerjaan sehari-hari, bukan hanya penanggung jawab ESG, tetapi seluruh karyawan dapat menggunakan data untuk mengambil keputusan

“Klaim bahwa AI bertentangan dengan keberlanjutan tidak benar. Jika dimanfaatkan dengan tepat, AI justru membantu pencapaian berbagai target keberlanjutan, termasuk target pengurangan karbon”

• Setelah 2025: biaya akan mendekati nol

  • Dengan penyebaran bentuk baru sumber daya komputasi dan energi terbarukan, biaya diperkirakan turun tajam
  • Hasilnya, lingkungan yang memungkinkan penerapan AI secara menyeluruh di seluruh perusahaan dan industri diperkirakan akan terbentuk

• Yang harus dilakukan sekarang

  • Pendekatan strategis
    • Seluruh karyawan perusahaan sebaiknya memanfaatkan fungsi AI dasar, tetapi keputusan tentang bagian mana yang perlu mengadopsi solusi AI berperforma tinggi harus dibuat dengan hati-hati
    • Keputusan ini sebaiknya diambil di level C berdasarkan kekuatan perusahaan, sumber daya data, prioritas, dan faktor lainnya
  • Transformasi data keberlanjutan
    • Dengan AI, data yang sekali dikumpulkan dan dianalisis dapat digunakan berulang kali untuk berbagai regulasi, sehingga menurunkan biaya kepatuhan serta membantu memahami emisi karbon dan dampak keberlanjutan secara keseluruhan dengan lebih akurat
    • Perlu mempertimbangkan bukan hanya dampak langsung AI (penggunaan internal), tetapi juga emisi karbon yang timbul secara tidak langsung melalui vendor AI
    • Data yang diukur dengan cara ini juga dapat digunakan untuk memperkuat pemasaran
      • Contoh: mengidentifikasi segmen pelanggan yang bersedia membeli produk rendah karbon dengan harga lebih tinggi
  • Memanfaatkan manfaat keberlanjutan baru
    • Peningkatan efisiensi akibat AI juga dapat menurunkan permintaan energi
    • Contoh: jika siklus R&D dipangkas setengah, energi yang dibutuhkan untuk proses tersebut juga akan berkurang
    • Jika AI diterapkan pada gedung atau sistem manajemen energi untuk meningkatkan efisiensi, perusahaan dapat memperoleh dua manfaat sekaligus: penghematan biaya dan pengurangan karbon

5. AI memangkas siklus pengembangan produk hingga setengahnya

• Bagi perusahaan yang membuat produk fisik, jika belum menerapkan AI pada desain, pembuatan prototipe, dan pengujian, sekarang adalah saat yang tepat
• AI multimodal dapat memproses dan menghasilkan berbagai hal seperti file CAD dan simulasi
  • Contoh: GenAI dapat mengusulkan konfigurasi sasis mobil, mensimulasikan kinerja dalam berbagai kondisi, dan menyajikan alternatif desain yang mungkin terlewat oleh para insinyur
• Dengan pemanfaatan AI, proses iterasi desain yang biasanya memakan waktu berminggu-minggu dapat diselesaikan dalam hitungan jam, dan melalui pengujian virtual lebih banyak kesalahan dapat ditemukan sebelum prototipe fisik dibuat
• Menurut analisis tren teknologi dan industri serta contoh klien PwC, di industri otomotif dan kedirgantaraan, penerapan AI dapat mengurangi waktu masuk ke pasar sebesar 50% dan menurunkan biaya sebesar 30%
• Di industri farmasi, sudah ada contoh penggunaan AI yang memangkas waktu penemuan kandidat obat baru lebih dari 50%
• Namun, kesenjangan antara keahlian engineering dan kapabilitas data science sering menjadi hambatan
  • Perlu melatih insinyur yang memiliki keahlian desain dan manufaktur agar memiliki kemampuan memanfaatkan AI, atau secara aktif merekrut talenta AI
• Jika AI diterapkan dalam pengembangan produk, peluncuran yang lebih cepat, penghematan biaya, dan penyediaan produk yang lebih terpersonalisasi menjadi mungkin, sehingga kepuasan pelanggan dapat meningkat

“Dampak kemampuan visual multimodal dan generatif AI terhadap desain produk dan bidang lainnya baru berada pada tahap awal”

• Setelah 2025: era inovasi baru dimulai

  • Setelah melalui proses pelatihan ulang atau penggantian tenaga kerja di bidang desain dan engineering agar memiliki kapabilitas pemanfaatan AI, kapasitas R&D akan meningkat besar
  • Hasilnya, inovasi yang lebih cepat dalam bidang desain dan pengembangan produk diperkirakan akan terwujud

• Yang harus dilakukan sekarang

  • Mengadopsi engineering generasi berikutnya
    • Untuk memanfaatkan AI dalam desain produk dan bidang terkait, diperlukan arsitektur cloud dan data yang modern
    • Perlu mendukung tim engineering agar dapat memanfaatkan teknologi seperti edge AI
  • Menata ulang IT
    • Melalui AI, cara kerja IT secara keseluruhan—termasuk pengembangan perangkat lunak, keamanan, dan modernisasi data—dapat ditingkatkan
    • Ini menjadi fondasi yang mendukung inisiatif AI yang lebih luas
  • Mereorganisasi tim teknologi
    • Bahkan tim yang hanya menangani produk fisik pun memerlukan kapabilitas ilmu komputer dan data science
    • Karena komposisi kapabilitas tenaga teknologi akan berubah, struktur tim perlu disusun ulang dengan hal ini dalam pikiran

6. Lanskap persaingan di seluruh industri akan berubah

• AI akan mengubah semua industri, tetapi beberapa industri kemungkinan akan bergerak lebih cepat daripada yang lain
• Bahkan di sektor yang secara tradisional tidak dianggap digerakkan oleh teknologi, kasus adopsi AI yang terdepan dapat muncul

• Pasar konsumen

  • Penggunaan AI akan diperluas secara menyeluruh di bidang pemasaran, manajemen rantai pasok, keuangan, layanan pelanggan, dan lainnya
  • Layanan pelanggan diperkirakan akan membaik dengan menggabungkan chatbot percakapan yang baru dan lebih kaya dengan agen AI
    • Dalam proses ini, informasi yang dibutuhkan dapat disampaikan secara akurat kepada staf manusia sehingga efisiensi respons pelanggan meningkat
  • Penetapan harga dinamis yang makin canggih melalui AI akan diperkenalkan, sehingga dapat merespons perubahan pasar dan situasi persaingan secara real-time
  • Kemampuan analisis data dan otomatisasi AI dapat dimanfaatkan untuk mempercepat uji tuntas M&A maupun respons terhadap kepatuhan regulasi
  • Beberapa perusahaan juga akan menerapkan AI pada desain produk, tetapi dalam jangka pendek adopsinya bisa terbatas karena kekurangan teknologi dan kapabilitas
    • Perusahaan yang tertinggal perlu berupaya mempersempit kesenjangan dalam waktu dekat

• Layanan keuangan

  • Dampak AI tersebar luas, tetapi hasil yang terlihat dengan cepat terutama muncul pada startup AI-native dan lembaga keuangan besar
  • Fintech AI-native sedang menyelesaikan masalah yang ada lewat platform dan model bisnis baru
  • Lembaga keuangan besar juga secara umum telah bereksperimen dengan berbagai kasus penggunaan AI
    • Melalui hal ini, mereka membangun keyakinan terhadap teknologi serta memperbaiki model risiko dan kontrol untuk menyiapkan fondasi bagi perkembangan yang cepat
  • Mulai 2025, perusahaan yang terus ragu-ragu mengadopsi AI atau hanya meninjaunya berisiko tertinggal secara nyata

• Industri kesehatan

  • Pada 2025, lingkungan regulasi yang lebih fleksibel diperkirakan akan mempercepat pemanfaatan AI di industri kesehatan
    • Di bawah kebijakan pemerintahan baru, self-governance akan ditekankan sehingga ruang inovasi akan makin besar
  • Perusahaan farmasi dan perangkat medis terutama akan memanfaatkan AI secara besar-besaran untuk pengembangan obat baru dan produk, sehingga mendorong inovasi di seluruh rantai nilai
  • Perusahaan asuransi dan penyedia layanan kesehatan akan lebih banyak menerapkan AI untuk mengoptimalkan pendapatan dan efisiensi operasional, mengatasi kekurangan tenaga klinis, serta mendukung diagnosis dokter
  • Tantangan utamanya adalah penataan ulang kapabilitas tenaga kesehatan, personalisasi, upgrade teknologi, dan penggunaan AI yang bertanggung jawab
    • Karena ini adalah bidang yang berkaitan dengan data pasien yang sensitif serta hidup dan mati, tanggung jawab yang tinggi harus tetap dijaga sendiri meski regulasi lebih fleksibel

• Industri manufaktur

  • Pada 2025, sebagian perusahaan terdepan akan mengamankan keunggulan kompetitif di dalam industrinya
    • Perusahaan yang memiliki data berkualitas tinggi dan proses yang terstandarisasi akan meningkatkan efisiensi dan insight dengan AI, mempercepat R&D, dan mempersingkat time-to-market
  • Perusahaan lainnya diperkirakan akan fokus memperkuat infrastruktur teknologi, tata kelola data, dan kapabilitas AI, sambil meningkatkan kecepatan eksperimen
    • Dalam proses itu, peninjauan ulang terhadap model operasi, struktur organisasi, dan kebutuhan tenaga kerja akan menjadi perlu

• Teknologi, media, telekomunikasi

  • Pada 2025, agen AI diperkirakan mulai mengubah cara platform perangkat lunak digunakan
    • Dengan agen AI, celah pada sistem yang ada seperti ERP dapat diisi, sehingga sebagian perusahaan mungkin tidak lagi berinvestasi pada upgrade platform sebesar sebelumnya
    • Karena itu, perusahaan perangkat lunak kemungkinan akan mengalihkan model bisnisnya dari pembangunan infrastruktur skala besar ke penyediaan solusi AI yang disesuaikan
  • Operator telekomunikasi tampaknya akan memperkuat kapabilitas AI internalnya dengan mengadopsi solusi hibrida yang menggabungkan generative AI dengan machine learning, digital twin, dan lainnya, serta mengurangi ketergantungan pada mitra tradisional