Pada tanggal 11 Desember, saya mendapat kehormatan untuk memoderasi Momentum AI Singapura 2024 diskusi panel, “Menilai AI: Memilah Mitos dari Realitas,” yang diadakan selama Konferensi AI Momentum tahun ini, yang diselenggarakan oleh Thomson Reuters. 

Sebagai Pendiri dan CEO dari AI Business Asia, sungguh menyenangkan untuk memimpin percakapan yang mendalami potensi transformatif dan realitas AI saat ini di lingkungan perusahaan.

Panelis termasuk Prerit Mishra, Kepala Data & Analisis di DHL; Lagu Miao, Chief Information Officer Global di GLP; dan Jason Tamara Widjaja, Direktur Eksekutif AI Singapore Tech Center, MSD. Wawasan mereka menawarkan perpaduan yang menarik antara pandangan ke depan yang strategis, aplikasi di dunia nyata, dan refleksi tentang tantangan dan peluang yang dihadirkan AI.

Sesi ini mempertemukan para pemimpin industri dan lima topik yang menonjol sepanjang diskusi hari itu: 

• Adopsi AI perusahaan
• Tata kelola dan etika AI
• Kualitas data dan infrastruktur
• Tren AI yang sedang berkembang
• Perspektif regional dan global

Saya membuka diskusi dengan menanggapi "kehebohan yang menggelegar" seputar AI selama 18 bulan terakhir. Saya kemudian bertanya, "Di mana sebenarnya posisi kita dalam penerapan perusahaan saat ini, dan ke mana arah kita?" Pertanyaan ini membingkai eksplorasi jujur tentang kesenjangan antara ekspektasi dan kenyataan.

Miao Song merenungkan perjalanan GLP, menyatakan, “AI adalah alat untuk memecahkan masalah bisnis, bukan tujuan akhir. Meskipun Generative AI (GenAI) telah menciptakan antusiasme yang besar, penerapannya memerlukan penyeimbangan ekspektasi dengan kasus penggunaan yang jelas dan dapat diskalakan.” Dia membagikan contoh, termasuk otomatisasi proses manajemen kontrak GLP menggunakan AI untuk pencarian dan peringkasan kognitif, yang secara signifikan mengurangi beban kerja manual dan meningkatkan akurasi.

Mari kita lihat beberapa momen favorit saya dari diskusi dengan para panelis:

Dampak AI Generatif pada Industri

Ketika ditanya tentang peran GenAI dalam logistik, Prerit Mishra berbagi pendekatan pragmatis DHL: “Logistik adalah industri yang sangat bergantung pada data dan operasional. AI tradisional tetap penting untuk aplikasi seperti pengoptimalan rute dan perkiraan permintaan. Namun, GenAI telah mengubah layanan pelanggan melalui chatbot dan alat text-to-insights, yang memungkinkan respons lebih cepat dan interaksi klien yang lebih baik.”

Ia menekankan bahwa industri logistik mendapat manfaat signifikan dari AI dalam pengoptimalan rute dan pemeliharaan prediktif tetapi mencatat bahwa adopsi perusahaan yang lebih luas memerlukan keselarasan antara tim teknis dan pemimpin bisnis.

Prerit juga merefleksikan perjalanan DHL, dengan menyatakan, “Kita telah melihat banyak sekali harapan dalam AI, tetapi kenyataannya sering kali bermuara pada tantangan integrasi. Meskipun perangkat AI semakin canggih, perangkat tersebut hanya sebaik ekosistem data dan proses yang tertanam di dalamnya.Jason Tamara menyoroti potensi transformatif GenAI dalam biofarmasi: “Kami melihat model bahasa besar (LLM) mempercepat proses penemuan obat, mengoptimalkan desain uji klinis, dan meningkatkan alur kerja manufaktur. Sifat model yang telah dilatih sebelumnya memungkinkan kami untuk menyempurnakannya untuk aplikasi tertentu, sehingga mengurangi waktu untuk memasarkan terapi baru." "

Membedakan Substansi dari Hype

Tema yang berulang adalah bagaimana perusahaan membedakan kemampuan AI yang asli dari klaim pemasaran yang berlebihan. Miao Song berbagi, “Salah satu kesalahpahaman terbesar yang saya temui adalah bahwa AI akan menyelesaikan semua masalah begitu saja. Kenyataannya adalah bahwa AI memerlukan kalibrasi yang cermat, pembelajaran berkelanjutan, dan pengawasan manusia. Di GLP, kami menguji coba solusi secara ketat di lingkungan yang terisolasi sebelum melakukan penskalaan..”

Jason Tamara Widjaja menambahkan, “Penting untuk memiliki literasi AI internal di semua tingkat organisasi. Hal ini mencegah kita terjebak pada istilah-istilah yang tidak jelas dan memastikan bahwa investasi diarahkan pada alat yang selaras dengan tujuan strategis jangka panjang kami.”

Tantangan Tata Kelola dalam AI

Para panelis menekankan pentingnya kualitas dan tata kelola data dalam keberhasilan adopsi AI. Miao menyatakan, “Setiap proyek AI adalah proyek data. Tanpa menyelesaikan masalah rekayasa data dan kualitas, hasil yang terukur tidak dapat dicapai.”

Prerit menambahkan, “Penerapan AI juga memerlukan perubahan budaya. Di DHL, kami telah berinvestasi dalam program pelatihan untuk meningkatkan keterampilan karyawan—dari pakar teknis hingga pemimpin bisnis—yang memastikan keselarasan pada nilai strategis AI.”

Jason membahas tata kelola AI, dengan mencatat, “Dalam industri yang diatur seperti biofarmasi, Kerangka tata kelola yang kuat sangatlah penting. Kami telah menetapkan protokol yang jelas untuk memastikan penggunaan AI sesuai dengan standar keselamatan, keamanan, dan etika..”

Ia menyoroti hubungan antara AI dan tata kelola, khususnya dalam Lingkungan regulasi Tiongkok: “Penekanan Tiongkok pada model yang dibuat khusus dan peraturan terperinci mendorong inovasi sekaligus menjaga keamanan. Pendekatan ini menyediakan cetak biru untuk adopsi AI global.” 

“Kemajuan pesat dalam model AI memaksa kita untuk memikirkan kembali investasi jangka panjang. Misalnya, AI generatif membuka jalan baru dalam pembuatan konten dan manajemen pengetahuan. Namun, potensi transformatifnya juga membawa pertimbangan regulasi dan etika yang memerlukan navigasi yang cermat,” imbuhnya. Jason adalah seorang penulis.

Membongkar Kesalahpahaman Seputar Penggunaan AI

Seiring dengan evolusi AI dari aplikasi yang sempit menjadi sistem yang lebih canggih, perusahaan menghadapi tantangan perencanaan strategis. Salah satu kesalahpahaman terbesar mengenai penggunaan AI adalah bahwa AI dapat menggantikan pemikiran strategis manusia.

Miao membalikkan kesalahpahaman umum ini dengan mengatakan, “AI bukanlah sihir. AI hanyalah sebuah alat. Banyak eksekutif keliru percaya bahwa AI dapat menggantikan pengambilan keputusan strategis. Kenyataannya, peran AI adalah untuk meningkatkan kemampuan manusia, bukan menghilangkannya." "

Alat AI dapat membantu para eksekutif menghindari bias dalam pengambilan keputusan, menarik wawasan dari kumpulan data, dan membuat keputusan strategis dengan lebih cepat. Dan itu baru permulaannya

Prerit juga menyoroti, “Dalam bidang logistik, AI telah mengubah operasiAnalisis prediktif dalam pemeliharaan, misalnya, telah mengurangi waktu henti hingga 20%. Namun, area seperti pengalaman pelanggan tetap lebih kompleks, karena personalisasi menuntut pemahaman yang mendalam tentang perilaku konsumen." "

Prerit menyuarakan sentimen ini, dengan menyatakan, “Laju inovasi memerlukan kelincahan. Bisnis tidak hanya harus mengantisipasi peluang yang dihadirkan AI tetapi juga risiko ketidakselarasan dengan tujuan operasional.”

Tren yang Muncul dan Masa Depan AI

Ke depannya, Miao berbagi optimismenya tentang "alur kerja agen"—sistem terintegrasi yang menggabungkan GenAI, RPA, dan pembelajaran mesin untuk mengotomatiskan proses yang rumit. Ia memberi contoh alur kerja pemrosesan tagihan utilitas GLP, yang menggunakan AI untuk mengekstrak, menyusun, dan menganalisis data secara real time, sehingga menghemat banyak tenaga kerja dan memungkinkan analisis prediktif.

Prerit menggarisbawahi potensi AI Gen dalam meningkatkan kemampuan manusia: “Kita bergerak melampaui chatbot menuju wawasan berbasis AI yang memberikan informasi kepada pengguna, sehingga memungkinkan pengambilan keputusan yang lebih cepat dan lebih terinformasi.”

Jason menyimpulkan, “Yang paling menarik bagi saya adalah peran AI dalam mendemokratisasi akses terhadap pengetahuan. Alat seperti AI generatif memiliki kekuatan untuk menjembatani kesenjangan dalam pendidikan dan pelatihan, memberdayakan individu dan organisasi." "

Poin-poin Utama

Panel diakhiri dengan visi terpadu untuk masa depan AI:

• Lagu Miao: “Peran AI adalah membantu, bukan menggantikan. Nilainya terletak pada peningkatan kemampuan manusia dan mendorong efisiensi bisnis.”
• Prerit Mishra: “Penerapannya membutuhkan optimisme yang hati-hati. Dengan mengelola ekspektasi dan berfokus pada aplikasi praktis, bisnis dapat membuka potensi AI secara penuh.”
• Jason Tamara: “Persinggungan antara teknologi, tata kelola, dan desain yang berpusat pada manusia akan menentukan keberhasilan AI dalam lingkungan perusahaan.”

Sesi ini memberikan wawasan yang dapat ditindaklanjuti dan pesan yang jelas kepada audiens: meskipun kehebohan AI tidak dapat disangkal, nilai sebenarnya terletak pada penerapan yang bijaksana, etis, dan strategis. Saat bisnis bersiap untuk tahun 2025, fokus akan tetap pada penggunaan AI untuk mendorong inovasi, efisiensi, dan pertumbuhan berkelanjutan.