Artificial Intelligence (AI) atau kecerdasan buatan tidak akan menyelesaikan masalah kecuali Anda memiliki data yang efektif dan kemampuan menggunakannya.
Sering dibahas tentang bagaimana teknologi bisa menjadi sumber masalah baru jika diterapkan di area yang tidak tepat. Agar berhasil, pemanfaatan teknologi harus selalu mengacu pada perbaikan dari sisi parameter Q,C,D.
Artinya pemanfaatan teknologi tersebut harus membuat Quality proses menjadi lebih baik (error proses menjadi berkurang, resiko menurun signifikan), Cost lebih rendah (biaya jadi lebih efisien), dan Delivery lebih baik (meningkatkan layanan pengiriman ke pelanggan lebih baik, lead time lebih cepat, dan SLA meningkat). Singkatnya, para praktisi di bidang CI sepakat optimalisasi proses harus lebih dulu dilakukan sebelum otomasi dan digitalisasi. Tanpa itu, maka teknologi berpotensi menyebabkan kerugian ganda.
Begitupun dalam penerapan teknologi yang tengah ramai dikembangkan saat ini, kecerdasan buatan. Kecerdasan buatan semakin luas digunakan untuk peningkatan di banyak aspek mulai dari keselamatan, kualitas, maintenance, dsb. Masalahnya, banyak perusahaan tidak memiliki budaya yang diperlukan untuk mendapatkan keuntungan dari teknologi cerdas ini.
Budaya Problem Solving
Ingatkah Anda betapa tinggi antusias perusahaan ketika ERP diperkenalkan? ERP atau Enterprise Resource Planning adalah sistem perangkat lunak yang dirancang untuk mengintegrasikan dan mengelola berbagai proses bisnis dalam suatu organisasi.
ERP memungkinkan organisasi untuk mengintegrasikan dan mengotomatisasi berbagai fungsi departemen seperti sumber daya manusia, manufaktur, pengadaan, logistik, dan penjualan. Dengan adanya sistem ERP, data dan informasi yang relevan dapat dengan mudah dibagikan dan diakses di seluruh organisasi, meningkatkan efisiensi, visibilitas, dan koordinasi antar departemen yang berbeda.
Menimbang besar manfaat yang ditawarkan, dengan penuh percaya diri banyak perusahaan berinvestasi besar untuk teknologi ini. Namun, studi menunjukkan bahwa antara 55 persen hingga 75 persen implementasi ERP gagal memenuhi harapan. Penyebabnya beragam, satu pelajaran pasti implementasi sebuah teknologi tidak selalu berjalan mulus. ERP dapat menjadi kesempatan untuk melakukan perubahan dan peningkatan dalam proses bisnis. Namun, jika perusahaan tidak melakukan evaluasi dan penyesuaian yang tepat terhadap proses bisnis yang ada, sistem secanggih apapun mungkin tidak memberikan manfaat yang optimal
Pun dengan kecerdasan buatan (AI), perusahaan bisa kesulitan menerapkan AI jika tidak memiliki budaya yang sesuai. Karena budaya pengumpulan data dan analisa data belum ada, maka pendekatan untuk manajemen sistem dan problem solving juga tidak ada. Ketika teknologi mulai digunakan, operator/ pihak yang membaca dashboard visual bingung bahkan frustasi dengan informasi yang dihasilkan sistem baru tersebut. Yang paling disesalkan adalah ketika semua orang kemudian meninggalkan teknologi tersebut.
Setelah kegagalan terjadi, barulah pemimpin perusahaan sadar bahwa pengumpulan dan manajemen data sebagai hal dasar pemecahan masalah, dan tidak ada hal lain yang harus dilakukan kecuali membangun budaya problem solving ini.
Budaya problem solving hanya bisa dibangun melalui investasi waktu dan sumber daya, juga komitmen para pemimpin. Dibutuhkan pemimpin yang mau turun langsung ke lapangan mencari tahu kebenaran data. Misal jika terjadi masalah down time, maka pemimpin bisa berbicara langsung dengan operator dan bersama-sama melakukan hipotesis. Dalam tugas ini, baik pemimpin juga operator perlu dilatih dengan keterampilan pengumpulan data dan problem solving.
Dalam artikel “AI Is an Expensive Mistake without a Problem-Solving Culture” yang ditulis oleh Rick Bohan, Brandon Davis, dan Ron Jacques di IndustryWeek, menyebut bahwa akan ada banyak vendor teknologi AI yang akan memberitahu perusahaan bahwa teknologi “plug and play” mereka akan mengatasi kekurangan budaya tersebut. Mereka salah. Sebelum Anda berinvestasi dalam AI, Anda perlu berinvestasi dalam menciptakan budaya problem solving yang kuat.
Sementara itu, sebuah artikel di InfoWorld menyebut bahwa dua laporan Gartner menemukan 85 persen proyek AI dan machine learning gagal terkirim, dan hanya 53 persen proyek berhasil dari prototipe hingga produksi. Kegagalan ini sebenarnya dapat diantisipasi jika perusahaan tidak FOMO (fear of missing out), penuh perhitungan layaknya produsen yang mempertimbangkan secara keseluruhan (fungsi, suku cadang, pelatihan, maintenance, dsb) sebelum membeli mesin mahal.