- Menurut laporan MIT, 95% perusahaan di seluruh dunia tidak memperoleh keuntungan nyata dari adopsi AI generatif
- Perusahaan telah bereksperimen secara besar-besaran dengan model bahasa besar seperti ChatGPT dan Copilot, tetapi sebagian besar pemanfaatannya hanya sebatas peningkatan produktivitas
- Kasus sukses hanya terkonfirmasi pada 5% pilot AI terintegrasi, dan sebagian besar tidak berdampak pada pendapatan maupun laba
- Penyebab utamanya adalah AI generatif sering tidak selaras dengan prosedur kerja nyata, tidak dapat mengingat umpan balik, dan gagal beradaptasi dengan konteks
- Laporan tersebut menepis kekhawatiran soal penggantian pekerjaan secara besar-besaran, dan menganalisis bahwa penghematan biaya eksternal memang mungkin terjadi, tetapi perombakan struktur internal atau PHK massal masih belum realistis untuk sementara waktu
- Kesimpulannya, AI lebih unggul untuk tugas-tugas tertentu daripada sebagai strategi, dan perusahaan disarankan fokus pada area yang terbatas dan bisa menghasilkan dampak langsung, alih-alih inovasi menyeluruh di seluruh perusahaan
Investasi dan keuntungan AI generatif di perusahaan
- Dalam 3 tahun terakhir, perusahaan telah menginvestasikan $30–40 miliar ke proyek AI generatif
- Namun, hanya sangat sedikit perusahaan yang memperoleh keuntungan bisnis nyata
- Menurut penelitian baru dari MIT, 95% perusahaan menjawab bahwa mereka tidak melihat manfaat terukur meski telah mengadopsi AI
- Hanya 5% proyek pilot AI yang menciptakan nilai senilai jutaan dolar
Status adopsi model bahasa besar dan keterbatasannya
- Lebih dari 80% perusahaan besar telah menguji atau menjalankan pilot LLM utama seperti ChatGPT dan Copilot
- Sekitar 40% perusahaan telah mengadopsi sistem tersebut sampai tingkat tertentu, tetapi sebagian besar masih terbatas pada peningkatan produktivitas pribadi karyawan
- Hampir tidak ada dampak terhadap peningkatan total pendapatan atau laba perusahaan
Keterbatasan teknis AI generatif
- Alat AI generatif sering kali tidak cocok dengan proses kerja nyata
- Masalah utamanya meliputi workflow yang tidak stabil, tidak adanya pembelajaran konteks, dan keterhubungan kerja yang tidak efisien
- Sebagian besar model AI generatif tidak mampu mempertahankan umpan balik masa lalu dan sulit mentransfer pelajaran antar konteks maupun tugas
- Menurut laporan tersebut, sebagian besar sistem GenAI tidak mampu mempertahankan umpan balik, beradaptasi dengan konteks, atau melakukan perbaikan jangka panjang
- Karena karakteristik ini, biaya integrasi jangka panjang di dalam perusahaan justru meningkat, sementara efisiensi nyata masih minim
Kesenjangan antara ekspektasi bisnis dan kenyataan
- Ekspektasi dan skala investasi pada AI generatif sangat besar, tetapi belum berujung pada penghematan biaya atau penciptaan keuntungan nyata
- Dalam praktiknya, AI generatif dipakai untuk tugas terbatas seperti layanan pelanggan, pemasaran, dan penulisan dokumen; memang menghemat waktu, tetapi efek langsung pada peningkatan pendapatan kecil
Dampak terhadap lapangan kerja dan struktur organisasi
- Kekhawatiran bahwa AI generatif akan menyebabkan pengurangan pekerjaan besar-besaran dalam jangka pendek dinilai lemah dasar buktinya
- Dampak AI diperkirakan lebih berupa optimalisasi biaya eksternal seperti pengurangan biaya outsourcing, bukan perubahan besar pada struktur tenaga kerja internal
- Alih-alih segera menggantikan tenaga kerja dalam skala besar, dampaknya kemungkinan hanya sebatas menekan biaya alih daya
Kesalahpahaman teknis dan batas perkembangan
- Banyak kegagalan terjadi karena perusahaan tidak memahami secara akurat kemampuan nyata dan keterbatasan AI
- AI generatif memang dapat membuat teks atau kode dengan cepat, tetapi tidak memiliki pembelajaran berkelanjutan atau fleksibilitas seperti manusia
- Sebagai contoh, karyawan bisa menyesuaikan diri secara luwes berdasarkan kesalahan sebelumnya atau kebutuhan baru, tetapi AI tidak mampu melakukan transfer memori berkelanjutan semacam itu
Investasi dan arah ke depan
- Investor dan eksekutif berharap teknologi AI terus berkembang, tetapi dalam jangka pendek kemajuannya lebih lambat dari perkiraan
- Laporan ini menunjukkan bahwa menerapkan AI secara langsung ke semua industri dan workflow masih terlalu dini
- Organisasi perlu memusatkan adopsi pada bidang sempit yang dapat menghasilkan dampak langsung dan terukur
- Contoh: otomatisasi dukungan pelanggan, alat bantu pengembangan, dan penyusunan draf dokumen
- Integrasi AI di seluruh perusahaan masih berisiko tinggi dan memiliki kemungkinan gagal yang besar
Kesimpulan dan implikasi
- Realisasi nilai perusahaan dari AI generatif masih terbatas pada beberapa kasus sukses saja
- Sebagian besar perusahaan hanya memperoleh bantuan kecil dalam pekerjaan sehari-hari
- Laporan tersebut menekankan bahwa perusahaan perlu memandang AI generatif sebagai alat yang terbatas, bukan mesin pertumbuhan menyeluruh
- Ekspektasinya tinggi, tetapi selama sistem saat ini belum bisa beradaptasi seperti manusia, perusahaan akan sulit memperoleh keuntungan besar dari AI
Belum ada komentar.