Kolaborasi manusia-AI: Apa itu dan mengapa itu penting?

Pentingnya kolaborasi ini berasal dari realitas mendasar: Manusia dan mesin memiliki kemampuan yang berbeda dan saling melengkapi. Menurut penelitian terbaru dari McKinsey, teknologi AI telah berkembang ke titik di mana mereka secara teoretis dapat mengotomatiskan lebih dari setengah jam kerja yang saat ini dilakukan di Amerika Serikat.

Tetapi dengan menangkap nilai itu, organisasi berpendapat, sangat tergantung pada seberapa efektif manusia belajar bekerja dengan teknologi ini—dan seberapa baik mereka diintegrasikan ke dalam alur kerja penting. Survei ini sesuai dengan riset dari World Economic Forum, yang menemukan bahwa pengusaha mengharapkan 39% keterampilan utama yang dibutuhkan di pasar kerja akan berubah selama empat tahun ke depan.

Sistem AI unggul dalam memproses data dalam jumlah besar, mengidentifikasi pola, dan secara konsisten melakukan tugas berulang. Sementara itu, manusia unggul dalam pemikiran kreatif, intuisi, mempertimbangkan konteks, kecerdasan emosional, penalaran moral, dan empati. Pendekatan kolaboratif memungkinkan organisasi untuk meningkatkan produktivitas sambil mempertahankan penilaian manusia dan pemecahan masalah kreatif yang diperlukan untuk pengambilan keputusan yang kompleks.

Juga, ini menciptakan pekerjaan yang lebih bermakna bagi manusia dengan mengotomatiskan tugas-tugas yang membosankan. Dan merancang hubungan manusia-mesin yang bijaksana memastikan bahwa sistem AI tetap bertanggung jawab dan selaras dengan nilai-nilai kemanusiaan melalui pengawasan berkelanjutan. 

Pelatihan untuk sinergi manusia dan mesin telah menjadi prioritas utama bagi organisasi yang ingin menerapkan sistem AI. Menurut IBM Institute for Business Value, para eksekutif puncak memperkirakan bahwa 40% tenaga kerja perlu dilatih ulang (PDF) sebagai hasil dari penerapan AI dan otomatisasi. 

Untuk memenuhi momen terbaik, Chief Human Resources Officer IBM Nickle LaMoreaux baru-baru ini mendesain ulang praktik perekrutan entry-level. Sementara beberapa berspekulasi bahwa pekerjaan entry-level mungkin akan segera diotomatisasi, LaMoreaux melipatgandakan jumlah posisi level rendah yang terbuka di IBM.

Misalnya, LaMoreaux mengatakan kepada audiens di KTT Charter Leading with AI di New York, pembuat kode entry-level menghabiskan lebih sedikit waktu untuk pengodean dan lebih banyak waktu berinteraksi dengan tim internal dan klien. Dengan melatih pekerja pemula untuk berkolaborasi secara efektif dengan teknologi baru dan mengembangkan keterampilan yang berpusat pada manusia sejak dini, LaMoreaux berharap, IBM akan menciptakan karyawan yang akan berkembang di masa depan.

“Perusahaan yang paling sukses tiga hingga lima tahun dari sekarang menggandakan pekerjaan entry-level,” kata LaMoreaux. “Hasil bisnis adalah apa yang Anda hasilkan kemarin. Keterampilan adalah apa yang akan Anda lakukan untuk saya di masa depan.”

Di tengah transformasi yang luas ini, para pemimpin bisnis yang berinvestasi dalam sistem kolaboratif akan memiliki peluang terbesar untuk menuai manfaat yang dijanjikan oleh teknologi AI. Mereka juga akan lebih cenderung berinovasi melalui model operasional baru yang secara fundamental mengubah cara bisnis dijalankan.

Hubungan antara manusia dan AI telah berkembang secara dramatis seiring kemajuan teknologi, menuntut bentuk kolaborasi yang lebih bernuansa antara manusia dan mesin. Jika sistem otomatisasi awal menangani tugas-tugas sederhana berbasis aturan, AI semakin beroperasi dengan tugas-tugas yang lebih kompleks atau pengawasan manusia yang minimal.

Selama dekade terakhir, teknologi AI yang canggih memungkinkan tugas-tugas yang lebih kompleks seperti pemrosesan bahasa alami, machine learning, dan pembuatan konten melalui kemajuan AI generatif. Selama periode ini, kolaborasi menjadi lebih interaktif, dengan sistem AI yang memberikan rekomendasi yang dapat dimodifikasi atau ditolak oleh manusia.

Evolusi terbaru melibatkan teknologi AI agen, yang mewakili perubahan mendasar dalam kolaborasi AI manusia. Sistem AI agen mengejar tujuan dengan otonomi dan kemampuan beradaptasi yang lebih besar, memecah tugas-tugas kompleks menjadi sub-tugas dan menggunakan alat eksternal atau API. Tidak seperti chatbot AI sebelumnya, yang membutuhkan input manusia untuk setiap langkah, sistem agen bekerja secara independen sambil tetap beroperasi di bawah pengawasan dan arahan manusia.

Misalnya, satu perusahaan utilitas menerapkan AI percakapan agen di seluruh basis pelanggannya. Sistem ini mencakup agen khusus yang mengautentikasi pelanggan, menentukan tujuan panggilan, mengelola janji temu dan memberikan dukungan layanan mandiri. Agen-agen ini sekarang menangani sekitar 40% panggilan dan menyelesaikan 80% tanpa keterlibatan manusia. Namun, ketika eskalasi diperlukan, pelanggan dan riwayat percakapan mereka ditransfer ke agen layanan pelanggan manusia.

Pendekatan agen memungkinkan bentuk kolaborasi baru, di mana manusia menetapkan tujuan tingkat tinggi dan arahan strategis sementara agen AI menangani eksekusi dan pengambilan keputusan rutin. Namun, sistem berbasis AI yang lebih otonom ini membutuhkan perhatian yang cermat terhadap hubungan antara pekerja manusia dan rekan teknologi mereka.

Menurut McKinsey, agen yang didukung AI dapat menciptakan nilai ekonomi sebesar USD 2,9 triliun setiap tahun di Amerika Serikat. Namun, untuk menghasilkan nilai tersebut, perusahaan perlu mendesain ulang alur kerja secara mendasar, bukan sekadar mengadopsi teknologi baru.

Sebagai bagian dari pergeseran fundamental ini, permintaan akan kefasihan AI telah tumbuh tujuh kali lipat hanya dalam dua tahun terakhir. Di era kolaborasi manusia-AI, bisnis yang sukses akan menciptakan cara kerja yang sama sekali baru untuk memenuhi kekuatan individu manusia dan mesin. 

Sistem manusia-AI yang paling sukses dirancang di sekitar kekuatan yang saling melengkapi daripada memperlakukan AI sebagai pengganti sederhana untuk kemampuan manusia.

Menurut IBM Institute for Business Value (PDF), pengadopsi dengan program pelatihan ulang yang kuat yang mengakomodasi perubahan pekerjaan yang digerakkan oleh teknologi melaporkan tingkat pertumbuhan pendapatan yang lebih tinggi. Dibandingkan dengan bisnis lain yang hanya merangkul teknologi baru, tingkat pertumbuhan pendapatan pengadopsi 15% lebih tinggi. Dengan AI, nilai tambahnya bahkan lebih besar: Eksekutif yang sama melihat tingkat pertumbuhan pendapatan 36% lebih tinggi daripada rekan-rekan mereka.

Secara keseluruhan, angka-angka ini menunjukkan mandat yang kuat untuk merestrukturisasi pekerjaan secara strategis dan memainkan kekuatan pekerja. Di mana manusia menawarkan empati dan kreativitas, AI memberikan skalabilitas dan kekuatan pemrosesan. 

Pemahaman dan nuansa kontekstual: Manusia, sebagai entitas sadar dan dinamis, memahami nuansa dan memahami situasi secara holistik daripada hanya memproses informasi eksplisit. Misalnya, menyadari bahwa anomali data mungkin muncul karena liburan baru-baru ini daripada menunjukkan tren jangka panjang. Kesadaran kontekstual semacam itu memungkinkan manusia untuk menafsirkan situasi data dengan akurasi yang lebih besar dan dengan cara yang mempertimbangkan keadaan yang lebih luas.

Pemikiran kreatif: Meskipun AI dapat menghasilkan kombinasi baru dari elemen-elemen yang sudah ada, manusia unggul dalam kreativitas sejati dan pemikiran penting: Menghubungkan konsep-konsep yang berbeda, menciptakan paradigma baru, atau berpikir dengan cara yang mematahkan pola-pola yang sudah mapan.

Penalaran etis dan penilaian moral: Memutuskan bagaimana menyeimbangkan kepentingan pemangku kepentingan yang bersaing atau menavigasi implikasi sosial yang kompleks membutuhkan akuntabilitas manusia. Pengambilan keputusan etis melibatkan pemikiran berbasis nilai yang melampaui pengoptimalan dan pencocokan pola.

Kecerdasan emosional dan empati: Kemampuan untuk membangun hubungan atau menavigasi dinamika sosial yang kompleks membedakan manusia, terutama dalam lingkungan kolaboratif. Seorang petugas kesehatan mungkin menghibur pasien yang cemas atau seorang guru mungkin mengenali ketika seorang siswa membutuhkan dorongan daripada kritik. Penyelarasan emosional ini membantu manusia merespons situasi dengan tepat, membangun kepercayaan dan koneksi.

Menangani ambiguitas dengan penilaian manusia: Ketika dihadapkan pada keadaan yang tidak biasa atau informasi yang tidak lengkap, manusia dapat membuat penilaian yang masuk akal berdasarkan pengalaman hidup. Alat AI tidak dapat dengan mudah meniru tingkat intuisi ini.

Ketersediaan nonstop: Sistem AI melakukan tugas yang sama kapan saja sepanjang hari, seringkali dengan cara yang sama dan tanpa variabilitas yang diperkenalkan oleh kelelahan atau gangguan. Ketersediaan non-stop ini sangat ideal untuk pemantauan rutin atau kontrol kualitas.

Pemrosesan dan analisis data: Kemampuan komputasi AI memungkinkannya untuk memproses dan menganalisis kumpulan data yang luas di luar kapasitas manusia, mengidentifikasi pola dan korelasi yang tampak tidak mungkin ditemukan oleh manusia sendirian. Proses ini memungkinkannya menyaring jutaan titik data, mendeteksi hubungan halus dan tren yang tidak terlihat oleh analis manusia.

Optimasi: Sistem AI unggul dalam mengevaluasi ribuan solusi yang mungkin untuk menemukan pendekatan optimal terhadap masalah kompleks—misalnya, saat merencanakan rute kendaraan pengiriman atau menjadwalkan proses manufaktur. Kemampuan optimasi ini meluas ke alokasi sumber daya dan perencanaan logistik, di mana AI dapat menemukan solusi terbaik di antara berbagai kemungkinan.

Kecepatan dan pemrosesan waktu nyata: AI dapat menjalankan perhitungan, mengambil informasi, dan membuat jenis keputusan tertentu dalam waktu dekat dengan waktu nyata. Kemampuan ini memungkinkan alat yang didukung AI untuk menangani tugas-tugas penting waktu yang mungkin sulit dikelola oleh manusia secara manual. 

Inovasi meningkat pesat ketika manusia dapat dengan cepat melakukan brainstorming, membangun, dan menguji konsep atau prototipe baru. Kombinasi kreativitas manusia dan kapasitas AI untuk iterasi cepat mengurangi waktu dari konsep hingga implementasi. 

Sistem AI memungkinkan organisasi untuk memenuhi harapan pelanggan modern akan dukungan yang instan, personal, dan selalu tersedia. Bersamaan dengan itu, kolaborasi manusia yang efektif dengan sistem-sistem ini memberikan sentuhan empati yang membuat pengalaman pelanggan menjadi menyenangkan. Dengan menggabungkan konsistensi AI yang dapat diskalakan dengan keterampilan membangun hubungan antar manusia, organisasi memberikan pengalaman pelanggan yang efisien dan memuaskan secara bersamaan. 

Organisasi yang mengoperasikan dan mengoptimalkan AI ke dalam fungsi layanan pelanggan mereka — dikenal sebagai pengadopsi “dewasa” — melaporkan skor kepuasanpelanggan 17% lebih tinggi. Sementara itu, National Bureau of Economic Research (NBER) menemukan bahwa ketika pekerja dukungan pelanggan diberikan akses ke agen AI, produktivitas mereka meningkat hampir 14%.

Penilaian manusia yang didukung oleh kemampuan analitik AI dapat mengarah pada keputusan yang lebih baik di seluruh industri. Misalnya, pemimpin bisnis membuat keputusan strategis yang lebih tepat dengan mengakses insight yang disintesis AI, sementara penasihat keuangan membuat portofolio yang lebih kuat dengan menggabungkan analisis algoritmik dengan pemahaman pribadi tentang kebutuhan klien. 

Kombinasi konsistensi AI yang dapat diskalakan dan pengawasan manusia menciptakan sistem yang andal dan mudah beradaptasi. Aplikasi penting seperti manajemen jaringan listrik mendapat manfaat dari pemantauan konstan AI, dikombinasikan dengan penilaian manusia dalam situasi luar biasa. Kolaborasi ini memastikan bahwa operasi rutin mempertahankan standar tinggi sementara keadaan yang tidak biasa menerima perhatian bijaksana yang mereka butuhkan, meningkatkan kinerja sistem secara keseluruhan. 

Sistem AI dapat membantu mengatasi hambatan, meningkatkan keterampilan dan aksesibilitas informasi. Misalnya, kemampuan AI terjemahan memungkinkan kolaborasi global sementara alat yang didukung AI dapat membuat sistem yang kompleks lebih mudah diakses oleh orang-orang tanpa pelatihan khusus.

Kepuasan dan kesejahteraan kerja dapat meningkat ketika AI mengambil alih tugas yang membosankan dan berulang yang mungkin dianggap tidak memuaskan oleh individu. Ini juga memungkinkan manusia untuk menghabiskan lebih banyak waktu pada aspek kreatif dan interpersonal dari pekerjaan mereka, yang cenderung lebih menarik dan bermakna.

Petugas kesehatan dapat lebih fokus pada perawatan pasien daripada dokumen dan analis dapat menghabiskan lebih banyak waktu untuk interpretasi daripada pemrosesan data. Dengan menangani aspek duniawi dari pekerjaan, AI memungkinkan manusia untuk terlibat dengan persyaratan pekerjaan yang menurut mereka lebih bermanfaat. 

Alur kerja yang dirancang dengan cermat yang melibatkan penggunaan AI yang tepat dapat secara dramatis meningkatkan produktivitas. Dalam skenario ini, AI menangani tugas-tugas rutin yang memakan waktu sambil memungkinkan manusia untuk fokus pada aktivitas bernilai tinggi. 

Studi tentang kolaborasi manusia-mesin memiliki sejarah panjang dan para peneliti terus menemukan cara baru bagi sistem AI dan pekerja manusia untuk berinteraksi. Baru-baru ini, McKinsey menerbitkan sebuah makalah yang mengeksplorasi pergerakan dari asisten pasif menjadi "rekan kerja virtual" dan memprediksi masa depan pekerjaan akan melibatkan kemitraan antara orang, agen, dan robot yang dibantu AI. Potensi kolaborasi manusia-AI ada di seluruh spektrum kapasitas AI, yang meliputi: 

• Otomatisasi, seperti entri atau ekstraksi data
• Klasifikasi, seperti segmentasi audiens atau penyaringan spam
• Generasi, seperti pembuatan konten atau penulisan kode
• Interaksi, seperti dengan chatbot atau asisten
• Prediksi, seperti perkiraan atau personalisasi
• Rekomendasi, seperti dengan umpan berita atau algoritma media sosial
• Pengakuan, seperti halnya analisis prediktif

Seiring perkembangan teknologi, setiap fungsi menjadi lebih kompleks. Misalnya, dengan AI generatif, kapasitas untuk pembuatan konten telah diperluas untuk mencakup fungsi seperti ringkasan dan kontekstualisasi. Dengan AI agen, otomatisasi mengambil bentuk baru karena agen melakukan tindakan multi-langkah dengan intervensi minimal.

Kolaborasi manusia-mesin adalah bidang yang dinamis dan terus berkembang, tetapi juga beberapa cara paling dasar yang diterapkan meliputi:  

Dalam model penasihat, AI memberikan rekomendasi atau insight sementara manusia membuat keputusan akhir. AI mungkin menganalisis data dan menyarankan tindakan, tetapi orang mempertahankan otoritas penuh atas produk akhir. Misalnya, di kantor medis AI mungkin menandai kondisi potensial sementara dokter membuat keputusan perawatan. Dalam perekrutan, AI mungkin menyaring resume sementara manusia melakukan wawancara dan membuat penawaran. 

Ketika AI membantu pekerja manusia, hal itu meningkatkan kemampuan manusia secara real-time. Alih-alih memberikan rekomendasi terpisah, AI bekerja berdampingan dengan manusia untuk meningkatkan kinerja mereka. Salah satu contoh peningkatan dapat berupa alat penerjemahan yang membantu komunikasi multibahasa mengalir lebih alami atau asisten penulisan untuk membantu karyawan menyempurnakan pekerjaan mereka. Dalam konteks layanan pelanggan, AI semakin banyak digunakan untuk menampilkan data klien secara real-time dan menyarankan tindakan yang perlu diambil bagi para pekerja pusat kontak. 

Delegasi mewakili alur kerja di mana manusia menetapkan tugas tertentu ke sistem AI, yang kemudian bekerja secara mandiri dalam parameter yang ditentukan. Manusia menetapkan tujuan dan kendala tetapi tidak mengawasi setiap tindakan. Sistem AI agen modern unggul dalam pola ini, menangani tugas multi-langkah yang kompleks seperti melakukan riset, mengoptimalkan penjadwalan pemeliharaan peralatan, atau mengelola pertanyaan pelanggan rutin.

Seperti yang terlihat sebelumnya, “rekan kerja” AI mengambil banyak bentuk, di seluruh industri dan fungsi. Saat ini, beberapa cara paling umum alat AI bertindak sebagai anggota tim meliputi: 

AI berfungsi sebagai analis dengan memproses dan mensintesis volume data yang besar, memunculkan insight untuk melengkapi pengambilan keputusan manusia dengan data. Dalam jenis interaksi ini, manusia mendefinisikan pertanyaan yang penting dan menerjemahkan insight ke dalam tindakan. Secara kritis, AI tidak menggantikan pemikiran analitis manusia, melainkan meningkatkannya. Seorang analis keuangan mungkin menggunakan AI untuk memindai jutaan titik data untuk pola, kemudian menerapkan pemahaman manusia mereka untuk menilai apakah pola-pola itu dapat ditindaklanjuti. 

Salah satu peran yang paling terlihat untuk kolaborasi manusia-AI melibatkan AI yang berfungsi sebagai generator kreatif—misalnya, menghasilkan draf, kode, konten, atau desain. Manusia kemudian memperbaiki, mengarahkan, dan mengevaluasi input AI. Dalam jenis interaksi ini, manusia bertindak sebagai direktur kreatif dan teknisi jaminan kualitas sementara AI berfungsi untuk menghasilkan bahan baku dalam jumlah besar.

Contohnya, direktur pemasaran mungkin memberi prompt AI untuk menghasilkan 50 variasi materi iklan atau insinyur perangkat lunak mungkin memberi prompt AI untuk menghasilkan kode untuk tugas tertentu.  

AI mengubah riset di seluruh industri dan peran pekerjaan, berfungsi sebagai kolaborator yang kuat. Di mana riset tradisional mengharuskan pekerja manusia untuk membaca dan mensintesis sumber secara manual dalam jangka waktu yang lama, AI memproses volume informasi yang sangat besar hampir secara real-time. Ini dapat membantu meringkas, mengidentifikasi pola dan menyoroti koneksi di semua informasi, menghemat waktu peneliti.

Semakin lama, sistem AI tidak hanya menganalisis data masa lalu, tetapi juga memodelkan skenario masa depan dan mempertimbangkan opsi strategis. Dalam peran ini, sistem AI dengan cepat mengevaluasi beberapa skenario strategis, seperti rencana ekspansi pasar atau intervensi medis.

Alat AI ini mungkin memunculkan risiko atau ketergantungan yang mungkin tidak jelas bagi ahli strategi manusia. Oleh karena itu, mereka mungkin berkembang dalam situasi seperti penemuan obat di mana data yang tersedia mungkin tidak mungkin diserap oleh satu orang. Peran manusia dalam kolaborasi ini tetap penting, karena AI tidak dapat mengekstrapolasi nilai atau prioritas dengan sendirinya. Penilaian manusia terkait dengan dinamika dunia nyata dan pertimbangan etis tetap menjadi kunci. 

Penulis, seniman, dan desainer semakin menggunakan AI sebagai kolaborator, menerapkan teknologi sebagai mitra brainstorming atau generator ide awal. Pencipta manusia kemudian menerapkan kreativitas dan penilaian mereka untuk membentuk konten yang dihasilkan AI menjadi sesuatu yang otentik. Dalam desain, seniman bekerja dengan alat AI yang dapat menghasilkan maket dan variasi pada konsep desain sebelum sepenuhnya berkomitmen pada visi kreatif.

Tim pemasaran memanfaatkan kolaborasi AI untuk membuat kampanye yang lebih efektif—serta menjangkau audiens dengan lebih efektif. Sistem AI menganalisis data perilaku konsumen dan mengidentifikasi segmen audiens berdasarkan data demografis yang kompleks. Pemasar kemudian menggunakan insight ini untuk mengembangkan strategi dan membuat keputusan kreatif tentang arah kampanye. AI dapat menghasilkan beberapa variasi materi iklan atau postingan media sosial, yang disempurnakan oleh pemasar manusia untuk menyelaraskan dengan suara merek dan tujuan kampanye. 

Operasi layanan pelanggan yang cerdas telah berkembang menjadi kolaborasi canggih antara agen AI, asisten AI, dan agen manusia. Agen AI otonom menangani pertanyaan rutin, memberikan tanggapan instan untuk pertanyaan umum. Asisten AI yang menghadap karyawan dapat melatih perwakilan layanan pelanggan melalui interaksi klien, menampilkan data yang relevan, dan menyarankan fungsi pemecahan masalah. Kolaborasi ini memungkinkan agen manusia untuk fokus pada isu-isu kompleks atau situasi sensitif emosional.

Idealnya, kolaborasi ini mulus dari perspektif pelanggan: AI dapat menangani kontak awal, mengumpulkan informasi yang relevan, dan menyelesaikan masalah langsung. Ketika situasi membutuhkan penilaian manusia, AI dengan lancar mentransfer ke agen manusia, memberi mereka riwayat percakapan dan konteks yang relevan sehingga pelanggan tidak perlu mengulanginya. 

Ketika pusat medis merangkul kolaborasi manusia-mesin, perawatan kesehatan telah menunjukkan beberapa contoh penggunaan teknologi yang paling menjanjikan. Dalam satu contoh yang menonjol, Mayo Clinic menerapkan AI di seluruh departemen radiologinya, menambahkan ratusan model AI untuk mendukung analisis dan memperluas staf lebih dari setengahnya sejak 2016. Di klinik, AI membantu ahli radiologi dengan tugas-tugas rutin seperti pengukuran volume ginjal atau menganalisis pemindaian abnormal sementara dokter menafsirkan hasil.

Dalam penemuan obat, sistem AI menganalisis struktur molekul dan memprediksi senyawa mana yang dapat secara efektif menargetkan penyakit tertentu, sebuah proses yang mungkin membutuhkan waktu bertahun-tahun bagi peneliti manusia. Para peneliti kemudian menerapkan keahlian ilmiah mereka untuk memvalidasi kandidat yang menjanjikan dan merancang uji klinis.

Sistem dukungan diagnostik yang didukung AI membantu dokter dengan menganalisis gejala dan menyarankan kemungkinan kondisi untuk dipertimbangkan. Menurut IBM Institute for Business Value, 4 dari 10 eksekutif layanan kesehatan telah menggunakan AI untuk pemantauan pasien rawat inap dan untuk memberikan tanda peringatan dini. Dokter mengintegrasikan saran ini dengan pemeriksaan klinis mereka dan pemahaman holistik tentang situasi kesehatan pasien, yang pada akhirnya memberikan jenis perawatan empatik dan bernuansa yang hanya dapat diberikan oleh manusia. 

Sektor teknologi itu sendiri merupakan arena utama untuk kolaborasi manusia-AI. AI secara fundamental mengubah cara perangkat lunak ditulis dan bagaimana sistem lama dimodernisasi. Kolaborasi manusia-AI memungkinkan para insinyur menangani proyek yang lebih ambisius lebih cepat dan memberikan solusi dengan lebih efisien.

Dalam pengembangan perangkat lunak sehari-hari, asisten pengodean AI telah menjadi mitra kolaboratif penting bagi banyak pengembang. Rekan kerja AI ini, yang mencerminkan skenario "rekayasa berpasangan" sebelumnya, dapat menghasilkan keuntungan yang signifikan. Alih-alih menulis setiap baris kode secara manual, para insinyur menjelaskan apa yang mereka butuhkan sementara AI membuat kode fungsional yang kemudian ditinjau dan disempurnakan oleh manusia.

Baru-baru ini, Gartner memperkirakan bahwa pada tahun 2028, 75% insinyur perangkat lunak perusahaan akan menggunakan asisten kode AI tersebut. Seperti yang ditulis konsultan sebelumnya, pengaturan ini akan menciptakan skenario “dengan pengembang bertindak sebagai validator dan orkestrator komponen dan integrasi back-end dan front-end.” Kolaborasi ini mempercepat pengembangan secara signifikan, sementara peran pengembang manusia tetap sentral.

"AI generatif tidak akan membangun setiap bagian dari kode yang ada," kata Gerry Leitão, Partner di IBM Consulting. “Ini akan menjadi pengganda kekuatan ketika dipasangkan dengan manusia.” Misalnya, IBM melihat peningkatan produktivitas build awal hingga 45% setelah penerapan rekomendasi yang dihasilkan AI untuk insinyur pengembangan pedoman Ansible.

Banyak pabrik manufaktur modern telah merangkul kolaborasi manusia-AI. Sistem AI memantau jalur produksi secara real-time, mengoptimalkan konsumsi energi dan memprediksi kegagalan peralatan sebelum terjadi (PDF). Sementara itu, operator dan insinyur manusia fokus pada pemecahan masalah yang kompleks dan menerapkan perbaikan proses.

Dalam manajemen rantai pasokan, sistem AI melakukan perkiraan permintaan, mengoptimalkan tingkat inventaris, dan merutekan pengiriman secara efisien dengan memproses sejumlah besar data, termasuk kinerja pemasok dan pola cuaca. Sistem AI juga mengurangi beban kepatuhan dan pencatatan.

Baru-baru ini, perusahaan manufaktur global Channell menerapkan alat yang memungkinkan perencana untuk secara otomatis menghasilkan laporan tagihan bahan untuk setiap proyek, mengurangi waktu pengambilan keputusan manusia dari hari ke jam. Dengan pekerjaan manual rutin yang semakin efisien dan bebas kesalahan, manajer rantai pasokan manusia dapat memberikan arahan yang lebih strategis dan menangani gangguan yang membutuhkan pemecahan masalah yang kreatif. 

Untuk mempertahankan kemitraan manusia-mesin yang efektif dan nyata, organisasi harus berinvestasi dalam membangun kefasihan dan kepercayaan dengan alat AI. Membangun kepercayaan ini membutuhkan transparansi tentang kemampuan AI dan proses pengambilan keputusan, serta menciptakan mekanisme umpan balik untuk membantu pengguna memahami kapan harus mempercayai AI dan kapan harus lebih teliti. Biasanya, kemampuan ini dibangun dari atas dan para pemimpin bisnis harus mengkomunikasikan dengan jelas apa yang dapat dilakukan sistem AI dengan baik dan di mana letak kekurangannya.

Selain itu, kolaborasi manusia-AI bergantung pada data pelatihan berkualitas untuk model AI, membuat tata kelola data yang kuat menjadi penting. Organisasi harus menetapkan kebijakan yang jelas tentang data apa yang dapat diakses sistem AI, bagaimana data dikumpulkan dan disimpan dan siapa yang memiliki data yang dihasilkan melalui kolaborasi AI.

Tata kelola data yang buruk dapat menyebabkan sistem AI membuat keputusan berdasarkan data usang kami yang tidak lengkap. Selain itu, bisnis membutuhkan mekanisme untuk memastikan sistem AI menggunakan data dengan tepat dan menyediakan model AI dapat dipercaya, jelas, dan dapat dijelaskan. 

Memperkenalkan kolaborasi AI ke dalam organisasi membutuhkan manajemen perubahan yang bijaksana yang melampaui pelatihan teknis. Karyawan membutuhkan kejelasan tentang peran mereka yang terus berkembang dan komunikasi yang jelas tentang bagaimana AI akan memengaruhi pekerjaan mereka—serta metrik yang relevan dan dapat ditindaklanjuti untuk mengukur keberhasilan inisiatif.

Manajemen perubahan yang efektif melibatkan penciptaan peran dalam tim yang dapat memodelkan kolaborasi AI yang sukses dan membangun saluran masukan yang berkelanjutan. Pemimpin harus mengartikulasikan visi yang menarik tentang bagaimana kolaborasi AI meningkatkan, bukan mengurangi, pekerjaan pengguna manusia. 

Ketika kemampuan AI berkembang, keterampilan yang diperlukan untuk kolaborasi yang efektif terus berkembang, membuat peningkatan keterampilan yang berkelanjutan menjadi penting. Pekerja mungkin perlu mengembangkan kompetensi baru di bidang-bidang seperti rekayasa prompt dan evaluasi output AI. Inisiatif peningkatan keterampilan harus berkelanjutan alih-alih peristiwa satu kali, mengakui bahwa kemampuan AI akan terus berlanjut. Organisasi yang memperlakukan pembelajaran sebagai proses yang berkelanjutan akan menciptakan tenaga kerja yang tangkas dan mampu beradaptasi dengan perkembangan teknologi. 

Semakin lama, jalan menuju kolaborasi manusia-AI yang efektif adalah tentang model operasi organisasi seperti adopsi teknologi. Mengotomatiskan proses tertentu tidak mungkin menghasilkan peningkatan produktivitas yang signifikan atau memfasilitasi jenis transformasi bisnis yang luas yang dapat didukung AI.

Menurut IBM Institute for Business Value (PDF), organisasi yang melihat model operasi sebagai pendorong utama transformasi perusahaan telah mengungguli dalam profitabilitas, pertumbuhan pendapatan, inovasi, dan retensi karyawan. Seringkali, keunggulan kompetitif ini didorong oleh investasi dalam infrastruktur dan platform yang memungkinkan kolaborasi seluruh ekosistem dalam skala besar.

Baru-baru ini, Allie K. Miller, CEO Open Machine, berbicara dengan David Levy dari IBM, menentang pandangan AI sebagai alat produktivitas sederhana yang mereplikasi tindakan manusia. “Jika Anda masih memikirkan sedikit efisiensi dan produktivitas,” katanya, “jika Anda hanya berpikir untuk menulis email lebih cepat atau menulis kueri SQL lebih cepat, Anda masih harus menulis email dan Anda masih harus menulis SQL query.”

“Mungkin,” tambahnya, “ada dunia di mana Anda seharusnya tidak menulis email itu sejak awal. Anda seharusnya tidak menulis SQL query itu sejak awal.”

Menangkap nilai sejati menuntut transformasi mendasar dalam cara bisnis mengatur dan beroperasi. Model operasi tradisional yang dirancang di sekitar alur kerja manusia murni sering menjadi hambatan ketika organisasi mencoba mengintegrasikan kolaborasi AI. Situasi ini menciptakan mandat bagi pemimpin bisnis untuk mendesain ulang alur kerja dan proses pengambilan keputusan untuk memungkinkan sistem AI menangani keputusan rutin secara mandiri sambil memastikan pengawasan manusia yang tepat untuk pilihan berisiko tinggi.

Restrukturisasi tim dan peran mungkin menjadi perlu karena AI mengambil tugas yang sebelumnya dilakukan oleh manusia. Namun alih-alih menghilangkan posisi, organisasi yang berpikiran maju akan mendefinisikan kembali peran untuk menekankan kontribusi manusia yang unik.

Memenuhi tantangan ini membutuhkan para pemimpin, lebih daripada hal lain, untuk menumbuhkan budaya eksperimen dan pembelajaran. Dengan menetapkan nada inovasi dan mempertahankan fokus pada hasil, bisnis dapat memposisikan diri untuk menangkap nilai dari kolaborasi manusia-AI dalam jangka panjang.

Atau, seperti yang dikatakan Miller ketika dia muncul di podcast AI in Action IBM: “Jika Anda hanya fokus untuk menggerakkan kuda lebih cepat, Anda akan kehilangan mobil.”