Mengapa proyek AI gagal: Perangkap eksperimen sains dan cara menghindarinya

Sangat mudah untuk membayangkannya: Seorang ilmuwan yang mengurung diri di garasi selama berminggu-minggu dan kemudian muncul dengan penemuan yang mengubah dunia. Atau kelompok kecil rahasia perusahaan yang misterius dan hanya menunjukkan wajah mereka setiap beberapa bulan sekali untuk mempresentasikan penemuan terobosan terbaru mereka.

Inovasi dalam ruang hampa—orang jenius yang bekerja dalam kesendirian—memiliki momennya tersendiri dan ide ini tentu saja memiliki tempat dalam imajinasi publik

Tetapi saya akan memberi tahu Anda satu situasi di mana ini tidak berhasil dan pada kenyataannya dapat lebih merugikan daripada menguntungkan: adopsi AI perusahaan.

Mencoba menerapkan transformasi AI perusahaan dalam ruang hampa dijamin gagal. Mengecualikan pemangku kepentingan strategis Anda, pemimpin unit bisnis, dan kolaborator pada akhirnya berarti mengabaikan perspektif dan sumber daya yang Anda butuhkan untuk berhasil.

Pendekatan ini mungkin menjadi alasan mengapa, menurut Studi CEO 2025 dari IBM Institute for Business Value (IBV), hanya 16% dari inisiatif AI telah mencapai skala di tingkat perusahaan. Sebuah laporan baru-baru ini dari inisiatif NANDA dari MIT membagikan temuan yang bahkan lebih suram lagi—bahwa 95% uji coba AI generatif gagal.

Dalam banyak kasus, perusahaan terlibat dalam beberapa bukti konsep (POC) yang tidak lebih dari eksperimen sains yang tidak praktis. Mereka mungkin menginspirasi kekaguman pada awalnya (atau FOMO, seperti yang disebutkan IBV), tetapi pada akhirnya menghasilkan nilai yang dapat diabaikan. Sebagai seseorang dengan latar belakang keuangan yang mendalam, saya tahu bahwa organisasi dapat melakukan hal yang lebih baik—jauh lebih baik—daripada hanya pasrah dengan hasil investasi yang sangat kecil.

Inisiatif AI yang mencapai skala dapat memberikan dampak melebihi satu bagian kecil dari organisasi dan mencapai hasil nyata di pasar digital. Tetapi melampaui silo tidak terjadi secara kebetulan. Ini membutuhkan penyelarasan dan dukungan dari manajemen, termasuk eksekutif C-suite dan bahkan anggota dewan.

Pemimpin dan manajer dapat membantu mengatur kolaborasi dan sistem yang menghasilkan efisiensi dan meningkatkan dampak. Misalnya, ketika beberapa departemen mengerjakan contoh penggunaan AI mereka sendiri yang berbeda, tim terpisah menginvestasikan waktu dalam upaya berlebihan, mulai dari meriset model AI mana yang akan digunakan hingga mengembangkan program tata kelola. Sebaliknya, ketika tim bersatu, mereka dapat menggabungkan sumber daya dan membangun pendekatan terpadu yang siap untuk dikembangkan, memberikan nilai lebih yang lebih besar bagi organisasi.

Salah satu perusahaan yang unggul dalam pendekatan terpadu ini adalah PepsiCo. Dalam beberapa tahun terakhir, PepsiCo telah berkolaborasi dengan IBM Consulting untuk menciptakan platform teknologi terpadu yang dihuni sekitar 100 contoh penggunaan AI generatif. Kami duduk bersama tim PepsiCo untuk memetakan data dan arsitektur AI mereka, mengidentifikasi celah, dan membuat layanan yang dapat digunakan kembali untuk contoh penggunaan gen AI terpenting mereka.

Layanan yang dapat digunakan kembali tersedia melalui platform teknologi terpadu, memberdayakan tim di seluruh perusahaan dengan model, alat, dan praktik terbaik yang telah disetujui sebelumnya. Platform ini juga memungkinkan visibilitas terpusat, memastikan bahwa proyek sesuai dengan standar PepsiCo—sesuatu yang tidak dapat diberikan oleh pengembangan sementara melalui vendor pihak ketiga.

Dengan semua basis ini tercakup, tim PepsiCo mempercepat eksperimen, pengembangan, dan akhirnya, waktu penyiapan layanan. Hasilnya adalah solusi didukung AI, mulai dari desain botol Gatorade yang sangat dipersonalisasi hingga penentuan posisi produk yang dioptimalkan di rak-rak toko.

Platform dan alat yang tepat sangat penting untuk pendekatan AI yang dapat diskalakan dan terpadu. Tetapi dua elemen lain bisa dibilang sama pentingnya: data dan budaya.

Data adalah tulang punggung program AI yang sukses. Itulah yang mendasari pelatihan model AI dan yang digunakan perusahaan untuk menentukan apakah contoh penggunaan layak untuk dikejar. Namun para pakar memperkirakan bahwa kurang dari 1% data perusahaan, sejauh ini, telah dimasukkan ke dalam model AI. Data yang tidak terpakai itu merupakan peluang besar bagi perusahaan.

Merebutnya berarti bekerja untuk memperkuat fondasi data mereka—yaitu, memastikan data mereka bersih, tertata, dan aman—saat mereka mengejar proyek percontohan AI. Dalam kasus PepsiCo, perusahaan ini berkolaborasi dengan IBM Consulting dalam strategi data yang tangguh untuk mengelola data sebesar lebih dari 60 petabyte.

Yang lebih mengena lagi, penataan data merupakan komponen utama dalam inisiatif IBM untuk mentransformasi sumber daya manusia kami dengan AI agen. Pelatihan dan penyempurnaan model pada kumpulan data khusus domain berkualitas tinggi membantu kami mengembangkan agen virtual, AskHR, yang mengotomatiskan lebih dari 80 tugas SDM dan kini terlibat dalam 1,5 juta percakapan karyawan setiap tahunnya.

Karyawan dapat menggunakan AskHR untuk meminta surat verifikasi kerja, mengirim permintaan libur, dan mendapatkan informasi penting mengenai segala hal, mulai dari cuti sakit hingga kompensasi. Hasilnya, sejak tahun lalu, tiket dukungan dan biaya operasional turun secara signifikan, sementara para profesional SDM kami memiliki waktu yang lebih besar untuk berfokus pada prioritas strategis.

Tentu saja, AskHR tidak akan mencapai skalanya jika karyawan kami tidak mau menggunakannya. Itu juga berlaku untuk hampir setiap inisiatif AI perusahaan lainnya. Pemimpin perusahaan harus berhati-hati dalam menetapkan nada dan budaya yang tepat seputar adopsi AI.

Itu berarti bersikap terbuka tentang bagaimana AI menambah pekerjaan karyawan sekaligus mempersiapkan mereka untuk menuai manfaat tersebut. Untuk yang terakhir ini, program pendidikan dan pelatihan keterampilan adalah kuncinya; memahami cara kerja alat yang didukung AI dan cara terbaik untuk menggunakannya.

Dalam banyak kasus, manajer belajar bersama karyawan mereka dan itu bagus—ini memperkuat fakta bahwa adopsi AI perusahaan yang sukses merupakan olahraga tim. Pada akhirnya, kita semua belajar, meningkatkan, dan mendorong batas bersama-sama. Kelompok kecil rahasia dan silo tidak perlu diterapkan.