Menskalakan AI di Organisasi Anda

Untuk tetap kompetitif, perusahaan harus terus berinovasi. Tanpa adaptasi terhadap disrupsi, daya saing akan melemah. Saat ini, inovasi erat kaitannya dengan kecerdasan buatan (AI), yang berkembang pesat dan semakin mudah diterapkan.

Mengotomatiskan beberapa proses saja tidak cukup—AI harus diintegrasikan ke seluruh aspek bisnis untuk mempertahankan keunggulan. Artikel ini akan membahas langkah strategis dalam mengadopsi AI serta faktor utama dalam investasi teknologi ini.

Mengevaluasi dan Memproritaskan Investasi AI

Mengadopsi AI di seluruh organisasi memerlukan investasi besar dengan pendekatan berbeda dari investasi tradisional. Jika AI digunakan untuk otomatisasi, ROI dapat diukur secara konvensional. Namun, beberapa faktor membuat biaya dan manfaat AI sulit diprediksi.

Model AI membutuhkan investasi awal sebelum efektivitasnya dapat diukur. Keakuratan, dampak bisnis, serta kebutuhan pemeliharaan jangka panjang sulit diperkirakan sejak awal. Oleh karena itu, pendekatan investasi AI harus mirip dengan pemodal ventura—bersedia mengambil risiko di tengah ketidakpastian. Untuk mengurangi ketidakpastian, organisasi dapat menggunakan kerangka kerja guna memprioritaskan investasi AI secara strategis.

Apa itu kerangka kerja berbasis horizon ?

kami menggunakan kerangka kerja berbasis horizon untuk mengevaluasi dan memprioritaskan investasi AI. Kerangka kerja horizon adalah cara untuk memecah inisiatif pengembangan menjadi beberapa fase yang disebut “horizon”. Inisiatif AI terdiri dari tiga horizon, mulai dari meningkatkan fungsi bisnis inti hingga menciptakan aliran pendapatan baru. Risiko dan ketidakpastian aplikasi tertentu tergantung pada tingkat kematangan AI perusahaan, ukuran, tujuan bisnis, dan banyak lagi.

Horizon 1: Menjalankan (mengoperasikan dan mengoptimalkan bisnis inti)

Tidak semua aplikasi AI melibatkan perubahan yang revolusioner. Faktanya, menggunakan AI untuk meningkatkan atau mengotomatisasi proses yang ada menjadi penting untuk tetap kompetitif. Horizon 1 (H1) mewakili inisiatif AI yang mengoptimalkan fungsi bisnis inti.

Sebagai contoh, mungkin Anda memproduksi komponen elektronik. Meskipun Anda mungkin secara manual memeriksa kualitas untuk 100 komponen per jam, model AI dengan kemampuan pengenalan gambar dapat memeriksa 1.000 komponen per jam.

Horizon 2: Tumbuh (meningkatkan posisi pasar

Inisiatif Horizon 2 (H2) memanfaatkan peluang yang muncul. Inisiatif ini dapat menciptakan layanan baru atau pengalaman baru bagi pelanggan.

Sebagai contoh, produsen elektronik dapat menggunakan IoT untuk mengumpulkan data operasional dan AI untuk menyarankan waktu yang optimal untuk pemeliharaan. Inisiatif ini memfasilitasi pengalaman pelanggan yang baru dan membantu produsen untuk membedakannya dari pesaing.

Horizon 3: Transformasi (mengubah posisi pasar)

Horizon 3 (H3) melibatkan model bisnis baru yang inovatif. Ini adalah aplikasi revolusioner yang mungkin melintasi batas-batas industri atau bahkan menciptakan kebutuhan pelanggan baru.

Misalnya, produsen elektronik yang sama dapat menjual “electronics-as-a-service” yang berarti mereka menggunakan model AI untuk memprediksi perangkat elektronik mana yang paling cocok untuk sistem dan kebutuhan Anda saat ini. Pada akhirnya, perusahaan menjual layanan yang dipersonalisasi, bukan produk tunggal, sehingga menciptakan pendapatan baru.

Menerapkan Kerangka Berbaris Horizon

Untuk mengklasifikasikan inisiatif ke dalam horizon, pertama-tama kita memetakan inisiatif perusahaan ke dalam kisi-kisi prioritas. Kemudian kita dapat memprioritaskan investasi ke dalam horizon berdasarkan di mana inisiatif tersebut berada dalam kisi-kisi tersebut.

Memetakan inisiatif ke dalam kisi-kisi prioritas

Mulailah dengan matriks empat kuadran yang mengatur inisiatif yang direncanakan berdasarkan dampak strategis di satu sumbu dan dampak model bisnis di sumbu lainnya.

Sumbu horizontal matriks mewakili spektrum inisiatif “taktis” hingga “strategis”. Inisiatif “taktis” terbatas pada satu tim atau kasus penggunaan. Inisiatif “strategis” mewakili investasi yang lebih besar yang dapat mempengaruhi seluruh organisasi. Sumbu vertikal matriks mewakili spektrum model bisnis. Inisiatif model bisnis yang sudah ada mengatasi ancaman kompetitif dan disruptif, meningkatkan operasi, atau memberdayakan karyawan. Inisiatif model bisnis baru menciptakan proposisi nilai dan aliran pendapatan baru.

Ketika Anda memetakan inisiatif, akan sangat membantu jika Anda melibatkan Chief Financial Officer (CFO) dan pemangku kepentingan lainnya untuk memastikan bahwa Anda telah membuat asumsi yang tepat seputar penilaian peluang.

Mari kita coba mengisi kisi-kisi prioritas dengan menggunakan contoh manufaktur sebelumnya. Anda dapat menempatkan otomatisasi kontrol kualitas di kuadran kiri bawah. Ini adalah inisiatif yang mendigitalkan dan mengoptimalkan model bisnis yang sudah ada tanpa memerlukan perubahan sistemik.

Skenario yang berada di bawah garis tengah akan membantu organisasi untuk bertahan hidup dan berkembang. Skenario ini dapat mengatasi ancaman kompetitif dan disruptif, meningkatkan operasi, atau memberdayakan karyawan dalam organisasi. Skenario di atas garis tengah membantu perusahaan menciptakan proposisi nilai, aliran pendapatan, atau model bisnis baru.

Setelah Anda selesai mengklasifikasikan inisiatif Anda di kisi-kisi, Anda dapat memetakan kuadran ke horizon. Kuadran yang sesuai dengan sebuah inisiatif menentukan horizon mana inisiatif tersebut berada. Inisiatif di kuadran satu dan empat termasuk dalam Horizon 2. Inisiatif di kuadran tiga termasuk dalam Horizon 1. Inisiatif di kuadran dua termasuk dalam Horizon 3.

Inisiatif Horizon 2 dan Horizon 3 membutuhkan kemampuan sains data yang lebih canggih, yang dapat menghasilkan hasil yang tidak diinginkan atau tidak terduga.Inisiatif ini sering kali mengharuskan bisnis untuk bekerja sama dengan mitra untuk membuat model khusus yang tidak dapat dibeli dari toko.Solusi ini membutuhkan sumber daya, waktu, dan risiko yang paling banyak, namun menawarkan hasil yang paling besar. Mencapai keunggulan kompetitif yang langgeng membutuhkan solusi yang tidak mudah ditiru.

Tentukan pendorong nilai dan IKU yang jelas untuk investasi AI Anda

Setelah Anda memilih inisiatif AI, penting untuk mengidentifikasi pendorong nilai dan indikator kinerja utama (IKU) untuk setiap proyek. Kerangka kerja ini menyediakan cara yang berguna untuk memikirkan investasi apa pun, termasuk inisiatif AI.

Ketika Anda berinvestasi dalam inisiatif, penting untuk mengembangkan model pasar dan keuangan untuk membantu menyeimbangkan potensi risiko dan keuntungan. Pertimbangkan faktor-faktor seperti total pasar yang dapat dituju (TAM), nilai bersih sekarang (NPV), dan tingkat pengembalian internal (IRR). Bekerjasamalah dengan kantor CFO dan pemangku kepentingan utama lainnya untuk memastikan model keuangan masuk akal dalam konteks bisnis. Metrik ini dapat membantu mendapatkan dukungan mereka dan memastikan dukungan selama proses berlangsung.

Ke depannya, kami menyarankan untuk menerapkan proses sistemik untuk mengelola dan mengevaluasi nilai di sepanjang siklus hidup proyek. Kami menyarankan untuk mengambil pendekatan yang lincah yang dilakukan secara bertahap-setelah Anda berinvestasi dalam sebuah inisiatif, evaluasi hasil awal. Kemudian Anda dapat menentukan apakah akan melanjutkan, menyesuaikan pendekatan Anda, atau mengambil jalan lain.

Menetapkan Peran dan Tanggung Jawab Terkait AI

Strategi apa pun untuk adopsi AI harus sesuai dengan kemampuan bisnis Anda yang sudah ada.Tujuan dari artikel ini adalah untuk mempersiapkan perusahaan Anda dalam menghadapi inisiatif AI. Pertanyaannya sekarang adalah: di dalam organisasi Anda, siapa yang bertanggung jawab atas tugas apa dalam hal AI? Dalam unit ini, pelajari bagaimana Anda dapat menetapkan tanggung jawab terkait AI dalam organisasi Anda.

Mengaktifkan AI di organisasi Anda adalah tanggung jawab bersama

Setiap orang memiliki peran dalam transformasi AI, bukan hanya bagian TI. Penting untuk memberdayakan orang-orang dari semua fungsi di seluruh perusahaan Anda untuk secara aktif menyumbangkan ide tentang aplikasi AI. Kunci utamanya adalah mendorong kolaborasi antara tim bisnis dan teknis saat merencanakan desain dan implementasi. Setelah penerapan, tim di seluruh sisi teknis dan operasional bisnis perlu dilibatkan dalam memelihara solusi AI dari waktu ke waktu:

• Mengukur kinerja bisnis dan ROI dari solusi AI.
• Memantau kinerja dan akurasi model.
• Menindaklanjuti wawasan yang diperoleh dari solusi AI.
• Mengatasi masalah yang muncul dan memutuskan bagaimana meningkatkan solusi dari waktu ke waktu.
• Mengumpulkan dan mengevaluasi umpan balik dari pengguna AI (baik itu pelanggan atau karyawan).

Tanggung jawab utama tim kepemimpinan eksekutif senior adalah memiliki strategi AI secara keseluruhan dan keputusan investasi, menciptakan budaya yang siap untuk AI, manajemen perubahan, dan kebijakan AI yang bertanggung jawab.

Sedangkan untuk para pemimpin lain di seluruh organisasi, tidak ada model tunggal yang harus diikuti, tetapi peran yang berbeda dapat berperan. Organisasi Anda perlu menentukan model yang sesuai dengan strategi dan tujuan Anda, tim dalam bisnis Anda, dan kematangan AI Anda.

Pemimpin lini bisnis

Orang ini adalah eksekutif bisnis yang bertanggung jawab atas operasi fungsi, lini bisnis, atau proses tertentu dalam organisasi.

• Sumber ide dari semua karyawan: Orang-orang dari setiap departemen dan level harus merasa bebas untuk menyumbangkan ide, mengajukan pertanyaan, dan memberikan saran terkait AI. Kami telah menemukan bahwa ide untuk penerapan AI yang paling berdampak datang dari karyawan kami di dalam fungsi bisnis, bukan dari luar atau di atasnya.
• Mengidentifikasi model bisnis baru: Nilai sebenarnya dari AI terletak pada transformasi bisnis: mendorong model bisnis baru, memungkinkan layanan inovatif, menciptakan aliran pendapatan baru, dan banyak lagi.
• Buat komunitas opsional untuk bertukar ide: Komunitas ini memberikan peluang bagi peran TI dan bisnis untuk terhubung secara berkelanjutan. Anda dapat menerapkan langkah ini secara virtual melalui alat bantu seperti Yammer, atau secara langsung di acara jaringan atau sesi makan siang dan belajar.
• Melatih pakar bisnis untuk menjadi Agile Product Owners: Pemilik Produk adalah anggota tim Agile yang bertanggung jawab untuk mendefinisikan fitur-fitur aplikasi dan merampingkan eksekusi. Memasukkan peran ini sebagai bagian atau seluruh tanggung jawab ahli bisnis memungkinkan mereka untuk mendedikasikan waktu dan upaya untuk inisiatif AI.

Chief Digital Officer

Chief Digital Officer (CDO) adalah agen perubahan yang mengawasi transformasi operasi tradisional dengan menggunakan proses digital. Tujuannya adalah untuk menghasilkan peluang bisnis baru, aliran pendapatan, dan layanan pelanggan. 

• Kembangkan budaya berbagi data di seluruh perusahaan: Sebagian besar organisasi menghasilkan, menyimpan, dan menggunakan data secara terpisah-pisah. Meskipun setiap departemen mungkin memiliki pandangan yang baik tentang data mereka sendiri, mereka mungkin tidak memiliki informasi lain yang mungkin relevan dengan operasi mereka. Berbagi data adalah kunci untuk menggunakan AI secara efisien.
• Buat manifesto AI Anda: Ini adalah ‘bintang utara’ yang dengan jelas menguraikan visi organisasi untuk AI dan transformasi digital secara lebih luas. Tujuannya tidak hanya untuk memperkuat strategi perusahaan, tetapi juga untuk menginspirasi semua orang di seluruh organisasi dan membantu mereka memahami apa arti transformasi bagi mereka. CDO perlu bekerja sama dengan anggota tim kepemimpinan eksekutif senior lainnya untuk membuat dokumen dan menyampaikannya kepada perusahaan.
• Mengidentifikasi proyek-proyek katalis untuk mendapatkan hasil yang cepat: Memulai transformasi AI dengan mengidentifikasi pekerjaan yang dapat segera mendapatkan manfaat dari AI, yaitu inisiatif H1.  Kemudian, tunjukkan proyek-proyek tersebut untuk membuktikan nilainya dan mendapatkan momentum di antara tim lain (H2 dan H3).
• Meluncurkan program edukasi tentang praktik terbaik manajemen data: Dengan semakin banyaknya orang di luar TI yang terlibat dalam penggunaan atau pembuatan model AI, penting untuk memastikan bahwa semua orang memahami praktik terbaik manajemen data. Data perlu dibersihkan, dikonsolidasikan, diformat, dan dikelola agar mudah digunakan oleh AI dan menghindari bias.

Pemimpin Sumber Daya Manusia

Direktur Sumber Daya Manusia (SDM) memberikan kontribusi mendasar pada budaya organisasi dan pengembangan sumber daya manusia. Tugas mereka yang luas mencakup penerapan pengembangan budaya, membuat program pelatihan internal, dan perekrutan sesuai dengan kebutuhan bisnis.

• Kembangkan “budaya belajar”: Pertimbangkan cara mendorong budaya yang diperjuangkan oleh kepemimpinan yang menerima tantangan dan mengakui kegagalan sebagai bagian berharga dari pembelajaran dan inovasi yang berkelanjutan.
• Rancang strategi “kepemimpinan digital”: Buatlah rencana untuk membantu para pemimpin bisnis dan tim kepemimpinan eksekutif senior dalam membangun literasi AI mereka sendiri dan memimpin tim melalui adopsi AI. Ingatlah bahwa setiap strategi AI harus sesuai dengan prinsip-prinsip AI yang bertanggung jawab
• Buat rencana perekrutan untuk peran baru seperti ilmuwan data: Meskipun meningkatkan keterampilan karyawan Anda adalah tujuan jangka panjang, dalam jangka pendek Anda mungkin perlu merekrut beberapa peran baru khusus untuk inisiatif AI. Peran baru yang mungkin diperlukan termasuk ilmuwan data, insinyur perangkat lunak, dan manajer DevOps.
• Buat rencana keterampilan untuk peran yang terdampak oleh AI: Menciptakan budaya yang siap dengan AI membutuhkan komitmen berkelanjutan dari pimpinan untuk mendidik dan meningkatkan keterampilan karyawan di sisi teknis dan bisnis.

• Di sisi teknis, karyawan membutuhkan keterampilan inti dalam membangun dan mengoperasionalkan aplikasi AI. Bermitra dengan perusahaan lain dapat membantu untuk mempercepat tim Anda, tetapi solusi AI tidak pernah statis. Solusi ini membutuhkan penyesuaian terus-menerus untuk mengeksploitasi data baru, metode baru, dan peluang baru oleh orang-orang yang juga memiliki pemahaman mendalam tentang bisnis.
• Di sisi bisnis, penting untuk melatih karyawan untuk mengadopsi proses baru ketika sistem berbasis AI mengubah alur kerja mereka sehari-hari. Pelatihan termasuk mengajari mereka cara menafsirkan dan bertindak berdasarkan prediksi dan rekomendasi AI dengan menggunakan penilaian manusia yang baik. Anda harus mengelola perubahan itu dengan bijaksana.

Pemimpin TI

Sementara Chief Digital Officer bertanggung jawab untuk membuat dan menerapkan strategi digital secara keseluruhan, direktur TI mengawasi operasi teknologi sehari-hari.

• Luncurkan inisiatif kerja Agile antara bisnis dan TI: Menerapkan proses Agile antara tim bisnis dan TI dapat membantu menjaga keselarasan tim-tim tersebut dalam mencapai tujuan bersama. Penerapannya membutuhkan pergeseran budaya untuk memfasilitasi kolaborasi dan mengurangi perang urat syaraf. Alat-alat seperti Microsoft Teams dan Skype adalah alat kolaborasi yang efektif.
• Buat rencana remediasi “data gelap”: Data gelap adalah data yang tidak terstruktur, tidak ditandai, dan terkotak-kotak yang gagal dianalisis oleh organisasi. Data ini tidak diklasifikasikan, dilindungi, atau diatur. Di seluruh industri, perusahaan akan mendapatkan keuntungan besar jika mereka dapat membawa data gelap ke dalam cahaya. Untuk melakukannya, mereka memerlukan rencana untuk menghapus silo data, mengekstrak informasi terstruktur dari konten yang tidak terstruktur, dan membersihkan data yang tidak perlu.
• Membentuk tim dan proyek lintas fungsi yang agile: Tim implementasi lintas fungsi sangat penting untuk menjalankan proyek AI yang sukses. Orang-orang yang memiliki pengetahuan mendalam dan kendali atas tujuan dan proses bisnis harus menjadi bagian penting dalam perencanaan dan pemeliharaan solusi AI. Ilmuwan data yang bekerja sendiri-sendiri dapat membuat model yang tidak memiliki konteks, tujuan, atau nilai yang dapat membuatnya efektif.
• Menskalakan MLOps di seluruh perusahaan: Mengelola seluruh siklus pembelajaran mesin dalam skala besar itu rumit. Organisasi membutuhkan pendekatan yang membawa kelincahan DevOps ke dalam siklus pembelajaran mesin. Kami menyebut pendekatan ini sebagai MLOps: praktik kolaborasi antara ilmuwan data, insinyur AI, pengembang aplikasi, dan tim TI lainnya untuk mengelola siklus pembelajaran mesin secara menyeluruh.

Fungsi pekerja bisnis tidak hanya memberikan wawasan kepada ilmuwan data. AI harus membantu mereka bekerja lebih baik dan lebih cepat.

Memberdayakan Pengguna Bisnis dengan AI

Dalam unit ini, kita akan mengeksplorasi potensi dari menempatkan pengguna bisnis sebagai pusat dari upaya AI.

AI menciptakan nilai paling besar ketika pengguna bisnis berpartisipasi

AI dapat memberdayakan semua orang untuk mencapai lebih banyak hal, tidak hanya pengembang dan ilmuwan data. Faktanya, McKinsey memprediksi bahwa AI generatif terbaru memiliki potensi untuk mengotomatisasi sebanyak 58,5 persen skenario yang membutuhkan keahlian. Skenario-skenario ini sangat sulit untuk diotomatisasi tanpa teknologi ini. Organisasi dapat mencapai sebagian besar otomatisasi ini dari pengguna bisnis dan ahli bidang yang bekerja secara langsung dengan AI dan AI generatif.

Mari kita ambil beberapa contoh nyata:

• Perusahaan farmasi: Pekerja di sektor ini berurusan dengan data biomedis dalam jumlah besar. Dengan berbagai model AI, karyawan dapat dengan cepat memahami dan mendapatkan wawasan penting dari informasi ini untuk menghadapi gelombang tantangan berikutnya di dunia kedokteran. Mereka dapat melakukan iterasi dan menguji hipotesis baru dengan lebih cepat jika mereka dapat menggunakan AI sendiri, tanpa bergantung pada tim sains data.

• Penjualan: Upaya pertama perusahaan untuk menggunakan AI untuk mendapatkan prospek pemasaran gagal. Tenaga penjualan menyadari bahwa model-model tersebut memberikan hasil yang sangat tidak mungkin. Kesalahan ini berasal dari ketidakselarasan antara ilmuwan data dan tenaga penjualan, dan prospek didiskualifikasi secara keliru. Perusahaan menyadari bahwa perusahaan membutuhkan forum kolaboratif, di mana para ahli teknologi dan tenaga penjual akan berbagi tentang bagaimana model AI digunakan, menggarisbawahi kebutuhan akan data yang sangat akurat. Penjual sekarang berbagi dengan para ahli teknologi tentang jenis data apa yang paling berguna bagi mereka dalam menilai prospek. Berdasarkan pembelajaran tersebut, hasil yang didapat dari model AI telah meningkat secara dramatis.

Perusahaan farmasi dan penjualan hanyalah dua contohnya. AI memberikan pengguna bisnis dan ahli bidang tertentu dengan peluang tak terbatas untuk melakukan hal-hal yang tidak mungkin dilakukan sebelumnya. Dengan akses ke AI, mereka dapat menemukan wawasan tersembunyi, menemukan informasi penting, meningkatkan kolaborasi, dan bahkan mengotomatiskan tugas yang berulang.

AI untuk semua orang

Di perusahaan, perusahaan bekerja untuk memastikan bahwa setiap pengguna mulai dari akuntan hingga peneliti dapat mencapai lebih banyak hal dengan AI. Seharusnya tidak diperlukan latar belakang dalam ilmu data untuk mendapatkan manfaat dari pengalaman AI.

Kami percaya bahwa AI harus digunakan untuk meningkatkan kemampuan manusia. AI bekerja paling baik sebagai mitra kerja, bukan sebagai pengganti. Perangkat AI yang tepat membantu karyawan menerapkan keahlian mereka dengan lebih baik dan melengkapinya dengan wawasan yang didukung oleh AI, sehingga mereka menjadi lebih inovatif dan efektif. Untuk mewujudkan AI bagi semua orang, kami menenun kecerdasan ke dalam aplikasi bisnis yang digunakan setiap hari.

Terakhir, kami berkomitmen untuk memajukan pengembangan dan penggunaan AI yang bertanggung jawab. Kami percaya bahwa sangat penting untuk mengambil pendekatan yang berpusat pada manusia dalam pengembangan dan tata kelola AI. Pendekatan ini harus menghargai perspektif yang beragam dan menekankan pada mendengarkan, belajar, dan merespons seiring dengan perkembangan teknologi. Bersama-sama, kita dapat memastikan generasi AI berikutnya dirancang, dibangun, dan digunakan secara bertanggung jawab.

Namun, bagaimana pendekatan ini bekerja dalam pekerjaan yang kompleks di mana keahlian adalah kuncinya? Selanjutnya, mari kita lihat beberapa contoh bagaimana pengguna bisnis dapat bekerja dengan AI yang sudah tertanam dalam aplikasi yang mereka gunakan setiap hari.

Berdayakan Para Ahli di Bidangnya dengan AI

Manusia itu luar biasa. Kita memiliki begitu banyak kemampuan unik yang tidak dapat ditiru oleh mesin untuk meniru kreativitas, empati, daya cipta, dan imajinasi. Nilai bisnis berasal dari keahlian manusia. Di perusagaan, kami percaya bahwa perangkat AI yang tepat dapat meningkatkan kemampuan ini untuk membantu semua orang mencapai lebih banyak hal. Anda harus mempertimbangkan AI sebagai kopilot, yang membantu Anda memenuhi potensi Anda.

Pengguna bisnis di setiap industri dapat memanfaatkan beragam solusi AI. Misalnya, para ahli di bidang tertentu seperti peneliti dan insinyur dapat menggunakan AI untuk menerapkan keahlian mereka secara lebih efektif dan efisien.

Dalam unit ini, kami membahas apa yang dapat dilakukan oleh para pekerja pengetahuan dengan alat bantu AI yang tersedia yang tidak memerlukan keahlian pengkodean atau ilmu data, mulai dari software as a service (SaaS) hingga produk low-code. Tujuannya adalah untuk mendapatkan independensi dari tim sains data sehingga para ahli bidang ini dapat fokus pada apa yang mereka lakukan dengan baik. Mari kita lihat beberapa contoh bagaimana setiap orang dapat bekerja dengan dan bahkan menciptakan AI untuk mencapai lebih banyak hal.

Membangun AI tanpa kode

Karyawan tidak perlu menjadi ilmuwan data untuk dapat menggunakan AI dalam pekerjaan sehari-hari. Microsoft bekerja keras untuk memberikan produk dan layanan bertenaga AI kepada pengguna bisnis. Kemajuan terbaru dalam teknologi AI berfokus pada model yang sudah ada sebelumnya, seperti model GPT, yang dapat digunakan semua orang.

Catatan

Hampir sepertiga pekerja profesional (27 persen) telah mencoba menggabungkan model AI generatif prebuilt seperti GPT dalam rutinitas kerja mereka.

Untuk solusi yang lebih kompleks, pengguna bisnis mungkin ingin membuat model AI mereka sendiri atau mengintegrasikan model ke dalam aplikasi mereka sendiri. Dengan alat dan platform tanpa kode seperti yang disediakan oleh Microsoft Power Platform dan Azure AI Services, kini pengguna bisnis dapat menambahkan kemampuan AI ke aplikasi mereka dan mengotomatiskan alur kerja mereka terlepas dari keahlian teknis mereka.

Kecerdasan buatan untuk penalaran

Transformasi yang sesungguhnya terjadi ketika setiap orang dapat menggunakan berbagai model AI untuk menalar informasi yang kompleks dan tidak terstruktur. Ketersediaan berbagai macam model berarti orang dapat memilih model AI mana yang akan digunakan untuk tujuan yang berbeda dan sumber informasi apa yang akan dianalisis dengan model tersebut.

AI untuk penalaran memang seperti itu. AI untuk penalaran sangat berharga bagi orang-orang yang memiliki keahlian yang sangat penting bagi bisnis seperti peneliti, manajer operasi, teknisi lapangan, pemasar, pengembang bisnis, dan banyak lagi. Dengan aplikasi AI yang kuat, mereka dapat menerapkan pengetahuan mereka secara lebih efisien dan efektif, mempercepat iterasi siklus pembelajaran, dan memberikan dampak bisnis yang nyata dengan kecepatan yang belum pernah terjadi sebelumnya. Mari kita lihat beberapa contohnya.

• Industri farmasi: Beberapa perusahaan farmasi menggunakan AI untuk menguji molekul sebagai langkah pertama dalam proses pengembangan obat mereka. Prosedur ini memungkinkan mereka untuk mempercepat penemuan obat.
• Industri makanan: Industri pengolahan makanan menerapkan AI untuk menghasilkan resep baru berdasarkan resep yang sudah ada, data penjualan, dan preferensi pelanggan. Inisiatif ini memungkinkan para ahli untuk meluncurkan produk baru lebih cepat dibandingkan dengan penelitian tradisional.

Kasus penggunaan yang terkait dengan penelitian tidak terhitung jumlahnya dan berlaku di hampir semua industri. Dalam banyak skenario, Anda dapat menggunakan model AI siap pakai seperti GPT, yang dapat disematkan di banyak opsi, untuk mengekstrak wawasan dari makalah, dokumentasi, atau hasil penelitian. Namun, AI yang sama juga dapat digunakan untuk menemukan ide baru dan membuat konten, seperti iklan atau kata kunci untuk kampanye pemasaran.