3 menit baca João Mourinho
Meski AI menjadi topik hangat, kenyataan menunjukkan bahwa mempertimbangkan beragam pilihan alat untuk mengatasi masalah bisnis adalah langkah bijak.
AI telah menjadi topik hangat. Jumlah organisasi dan profesional yang ingin menjadi AI-Native, AI-Savvy, atau AI-apa-saja-istilah-kerennya terus meningkat. Negara kecil Angulla, yang nama domain nasionalnya adalah .ai, meningkatkan pendapatannya karena banyak perusahaan berlomba-lomba membeli domain .ai.
Namun, para profesional dan organisasi berpengalaman telah menyaksikan tren-tren seperti ini datang dan pergi. Jangan salah paham: AI memang alat yang luar biasa dan dapat menjadi sumber keunggulan kompetitif yang besar jika diterapkan dengan tepat, dalam konteks yang sesuai, untuk mendukung tujuan bisnis.
Namun, kita tidak boleh menganggap AI sebagai solusi yang cocok untuk semua masalah.
Pertama, karena AI adalah istilah umum untuk sekumpulan teknik yang berbeda. Kedua, karena tidak semua masalah dapat atau seharusnya diselesaikan dengan AI. Ada kisah tentang seorang manajer yang meminta peserta magang TI-nya mengembangkan solusi AI untuk mendeteksi dan mengganti semua nama domain dalam aliran data. Di luar dugaan, dua jam kemudian, peserta magang itu kembali dan berkata, “Sudah selesai.” Manajer itu bertanya, “Apa maksudmu sudah selesai?” karena ia mengira tugas tersebut akan memakan waktu lama. Peserta magang itu lalu menunjukkan solusinya, yang menggunakan ekspresi reguler. Manajer itu terkejut melihat solusi yang begitu sederhana dan elegan. Bagi peserta magang TI tersebut, tugas ini merupakan contoh kasus ketika penggunaan AI justru berlebihan, sementara alternatif yang lebih sederhana tetapi sangat efektif dapat digunakan.
Kisah ini menyoroti tiga fakta penting:
AI hanyalah satu alat (yang sangat berharga) di antara banyak solusi bagus lainnya. Pada akhirnya, masalah bisnis harus menjadi faktor utama dalam memilih alat yang tepat.
Banyak teknik AI yang kita gunakan saat ini telah dikembangkan sejak awal 1960-an. Ada pula proyek terkenal Jepang bernama “Fifth Generation Computer Systems” [1], yang dilatarbelakangi oleh kenyataan bahwa (pada masa itu) “Komputer yang ada saat ini sangat lemah dalam fungsi dasar untuk memproses ucapan, teks, grafik, gambar, dan data nonnumerik lainnya, serta untuk pemrosesan kecerdasan buatan seperti inferensi, asosiasi, dan pembelajaran”. Pada akhirnya, proyek ini tidak terlalu berhasil karena daya komputasi yang tersedia pada saat itu terbatas, dan program tersebut tidak banyak memanfaatkan konsep inti seperti Jaringan Saraf Tiruan, yang menjadi dasar LLM saat ini seperti ChatGPT, Copilot, dan sebagainya.
Faktanya, saat menempuh pendidikan MSc di bidang Teknik Komputer pada tahun 2000-an, saya mempelajari teknik-teknik AI ini (misalnya, jaringan saraf tiruan, model klasifikasi, dan sebagainya) bersama beragam pendekatan lain yang sama relevannya—seperti metaheuristik, teori automata (yang mencakup ekspresi reguler yang digunakan peserta magang TI tadi), pohon keputusan, dan sebagainya. Sejak saat itu, sudah jelas bagi saya bahwa tidak ada pendekatan yang terbaik—setiap pendekatan memiliki bidang penerapan yang optimal. Pandangan ini semakin kuat sepanjang karier saya, baik dalam riset PhD maupun pekerjaan konsultasi, saat saya berkesempatan menerapkan banyak pendekatan tersebut dan memahami konteks yang tepat untuk masing-masing pendekatan.
Popularitas LLM seperti ChatGPT dan kemampuannya yang tampak seolah-olah dapat “bernalar” membuat banyak orang percaya bahwa AI adalah penemuan baru dan jawaban untuk setiap masalah. Yang terjadi sebenarnya adalah AI berpindah dari laboratorium riset ke kehidupan semua orang melalui LLM—AI menjadi arus utama. Kita beralih dari mantra (yang kini terasa kuno) “Google tahu” menjadi “AI tahu”. Namun, menganalisis masalah secara pragmatis selalu lebih baik daripada sekadar mengikuti sebuah mantra.
Di Mourinho Solutions, kami tidak mengikuti mantra apa pun. Kami memiliki pengetahuan dan pengalaman untuk membantu Anda memilih pendekatan yang tepat dan alat paling efektif agar bisnis Anda berkembang. Kami menganalisis kebutuhan bisnis Anda untuk menentukan di mana AI (atau pendekatan lain) dapat memberikan dampak terbesar dan memberi Anda keunggulan kompetitif.
Kesuksesan Anda juga merupakan kesuksesan kami. Jangan ragu untuk menghubungi kami untuk mengetahui apa yang dapat kami lakukan bagi Anda!
[1] - Feigenbaum, E., Shrobe, H.: The Japanese National Fifth Generation Project: Introduction, survey, and Evaluation. Future Generation Computer Systems. 9, 105–117 (1993). Tersedia di sini.
Sebelum membeli satu lisensi AI pun, organisasi Anda seharusnya mampu menjawab pertanyaan yang tampak sederhana: proses apa tepatnya yang ingin diperbaiki, dan apakah proses itu layak diotomatisasi dalam kondisinya saat ini?
Di tengah hype saat ini, AI tampaknya belum memberikan dampak. Paradoks produktivitas Solow tampaknya juga berlaku pada investasi AI.
Menjelang Natal dan malam Tahun Baru, inilah saatnya menengok kembali tahun yang penuh tantangan. Bagi para profesional di LSM dan bidang kemanusiaan, tahun ini terasa berat. Konflik semakin intensif, kelaparan meningkat, dan tujuan SDG kini tampak seperti visi yang jauh. Namun, di balik awan gelap, harapan untuk 2026 masih bersinar.