Back to Blog
Strategy

Organisasi Indonesia Masih Uji Coba Generative AI dan Tantangan Implementasinya

Data Akamai: 84 persen organisasi Indonesia masih menguji generative AI; keamanan, tata kelola, infrastruktur, dan pengawasan manusia jadi kunci operasional.

Gambar ilustrasi buatan AI: Organisasi Indonesia Masih Uji Coba Generative AI dan Tantangan Implementasinya

Apa yang terjadi pada adopsi generative AI di Indonesia

Organisasi Indonesia masih uji coba generative AI sebelum menerapkannya secara luas pada kegiatan operasional. Menurut data Akamai yang dilaporkan detikInet, 84 persen organisasi di Indonesia berada pada tahap pengujian dan proof-of-concept untuk teknologi tersebut.

Jay Jenkins menyatakan data Akamai menunjukkan sebagian besar organisasi Indonesia masih menguji AI generatif. Temuan serupa juga dilaporkan Lensa Hukum, Bsinews.id, dan Demokratis.co.id. Kondisi ini tidak berarti organisasi menolak AI. Minat sudah ada, penggunaan awal berjalan, tetapi banyak organisasi belum memindahkan AI dari eksperimen terbatas menjadi bagian rutin dari proses kerja.

Perbedaan antara uji coba dan penggunaan operasional perlu diperhatikan. Eksperimen dapat dilakukan pada ruang lingkup kecil dengan dampak terbatas. Sebaliknya, penggunaan rutin dapat memengaruhi data internal, keputusan staf, respons kepada pelanggan, serta pembagian tanggung jawab ketika keluaran AI keliru atau tidak sesuai konteks.

Menurut laporan Lensa Hukum yang mengutip pemaparan Akamai, pengujian generative AI mencakup pembuatan teks, gambar, video, dokumen, serta kode program. Ragam penggunaan tersebut menunjukkan organisasi sedang menilai AI untuk berbagai kebutuhan. Kemampuan menghasilkan keluaran, bagaimanapun, belum membuktikan sistem layak ditempatkan pada proses yang menyentuh pelanggan, dokumen internal, atau keputusan kerja sehari-hari.

Fase uji coba membantu organisasi menilai nilai AI dalam kondisi kerja nyata tanpa memperbesar risiko. Fokusnya bukan sekadar kemampuan model membuat teks atau kode, melainkan relevansi hasil, kemudahan pengawasan, serta batas penggunaan dalam proses bisnis.

Mengapa uji coba belum otomatis menjadi implementasi penuh

Kehati-hatian organisasi berkaitan dengan keamanan dan tata kelola. Menurut laporan Lensa Hukum dan Bsinews.id, Jay Jenkins menyebut pelanggan Akamai waswas terhadap risiko yang dapat masuk ke organisasi bila teknologi AI diadopsi terlalu cepat.

Risiko meningkat saat AI tidak lagi hanya membuat draf, tetapi ikut berinteraksi dengan lingkungan kerja. Keluaran AI dapat dipakai sebagai bahan ringkasan dokumen, bahan respons, atau masukan bagi staf. Organisasi perlu menentukan kapan manusia harus menilai hasil tersebut sebelum keluaran AI memengaruhi tindakan berikutnya.

Menurut Akamai, agentic AI memungkinkan sistem mengejar sasaran jangka panjang dengan otonomi lebih tinggi. Berdasarkan laporan Bsinews.id, Jay Jenkins menekankan peningkatan otonomi perlu diimbangi pengawasan serta kendali manusia yang jelas untuk membantu mencegah perilaku menyimpang maupun eksploitasi oleh pihak luar.

Generative AI, automation, dan AI Agent tidak sebaiknya diperlakukan sebagai istilah yang sama.

  • Generative AI menghasilkan atau mengolah konten berdasarkan input.
  • Automation menjalankan urutan kerja yang telah ditentukan.
  • Agentic AI atau AI Agent dapat menjalankan sejumlah tugas untuk mencapai tujuan dengan otonomi lebih tinggi.

Semakin besar kemampuan sistem untuk bertindak, semakin jelas pula batas kendali manusia yang perlu dirancang. Batas tersebut dapat mencakup aktivitas yang boleh dilakukan AI, hasil yang wajib ditinjau staf, serta tindakan yang harus dihentikan atau dialihkan kepada manusia.

Infrastruktur menjadi bagian dari keputusan, bukan urusan teknis belaka

Pengujian AI tidak hanya bergantung pada model atau aplikasi yang dipilih. Menurut Akamai, sebagaimana dilaporkan Lensa Hukum, infrastruktur siap AI membutuhkan GPU, CPU, memori, dan jaringan yang terintegrasi. Kesiapan AI tidak dapat dinilai dari satu komponen saja.

Data Akamai yang dikutip laporan-laporan tersebut menyebut 63 persen organisasi di Indonesia telah mempertimbangkan infrastruktur siap AI dalam keputusan infrastruktur mereka. Temuan ini menunjukkan infrastruktur AI mulai memengaruhi investasi teknologi, meski sebagian besar organisasi masih berada pada tahap pengujian generative AI.

Dalam praktiknya, kebutuhan infrastruktur mengikuti penggunaan yang direncanakan. Pengujian pembuatan draf dokumen memiliki konteks berbeda dari penggunaan AI pada proses kerja yang melibatkan banyak sumber informasi. Laporan Akamai tidak merinci konfigurasi untuk setiap kebutuhan, tetapi menegaskan GPU tidak dapat dilihat secara terpisah. CPU, memori, dan jaringan membentuk satu lingkungan yang mendukung penggunaan AI.

Bagaimana jika sebuah tim menggunakan AI untuk mengolah bahan kerja dari beberapa sistem internal? Tim tersebut perlu mempertimbangkan bagaimana data tersedia bagi sistem, bagaimana keluaran dikirim kembali kepada pengguna, serta apakah lingkungan teknis mampu mendukung alur tersebut. Skenario ini bersifat hipotetis, tetapi menunjukkan bahwa keputusan AI perlu dikaitkan dengan proses kerja yang ingin diuji.

Karena itu, implementasi tidak cukup dimulai dari pertanyaan tentang model AI yang paling menarik. Pertanyaan yang lebih berguna mencakup proses kerja yang ingin diuji, jenis keluaran yang dibutuhkan, pihak yang memeriksa hasil, serta kesiapan infrastruktur untuk mendukung penggunaan tersebut.

Cara membaca jarak antara eksperimen dan nilai bisnis

Menurut Jay Jenkins dalam laporan Demokratis.co.id, nilai AI tidak berhenti pada pelatihan model. Nilai muncul ketika teknologi dapat berinteraksi dengan dunia nyata dan menjalankan tugas. Bagi organisasi, pandangan ini menggeser fokus dari demonstrasi kemampuan AI ke kegunaan dalam workflow.

Sebagai ilustrasi (kasus rekaan), sebuah tim dapat menguji generative AI untuk membantu membuat draf dokumen dari bahan yang sudah tersedia. Tahap awalnya bukan memberi AI kebebasan mengambil keputusan, tetapi membandingkan draf AI dengan standar yang dipakai tim. Staf memeriksa ketepatan konteks, kelengkapan, serta kesesuaian hasil sebelum dokumen digunakan.

Pengujian semacam itu membantu organisasi membedakan manfaat nyata dari tambahan pekerjaan koreksi. Jika keluaran AI memerlukan perbaikan berulang, organisasi memperoleh dasar untuk memperbaiki instruksi, mempersempit ruang penggunaan, atau menghentikan pengujian pada tugas tersebut.

Andaikan AI diuji untuk merangkum informasi, organisasi dapat membatasi hasilnya sebagai bahan bacaan yang tetap diperiksa pekerja. Ringkasan tidak langsung dijadikan dasar tindakan otomatis. Pembatasan ini membantu tim mengumpulkan pembelajaran mengenai kualitas keluaran dalam konteks kerja tanpa menyerahkan keputusan kepada sistem.

Bila organisasi mengevaluasi AI Agent, standar pengawasannya perlu lebih tinggi. Berdasarkan penjelasan Akamai yang dilaporkan Bsinews.id, agentic AI memiliki tingkat otonomi lebih besar untuk mengejar tujuan jangka panjang. Organisasi perlu mengetahui aktivitas yang sedang dilakukan sistem serta memastikan manusia tetap memegang kendali atas aktivitas tersebut. Pengawasan perlu masuk ke rancangan penggunaan sejak awal, bukan ditambahkan setelah sistem berjalan.

Langkah yang dapat dilakukan sebelum memperluas penggunaan

Mulailah dengan satu penggunaan yang hasilnya mudah ditinjau manusia. Penggunaan tersebut sebaiknya tidak langsung memberi AI peran mandiri dalam aktivitas berdampak besar. Pendekatan ini sejalan dengan kekhawatiran risiko adopsi terlalu cepat yang disampaikan Jay Jenkins dalam laporan Lensa Hukum.

Pertama, tuliskan tujuan uji coba secara spesifik. Bedakan apakah organisasi ingin menguji pembuatan konten, peringkasan informasi, atau dukungan bagi tugas yang lebih panjang. Tujuan yang jelas mencegah evaluasi berhenti pada kesan bahwa keluaran AI terlihat meyakinkan.

Kedua, tentukan bentuk pengawasan manusia. Untuk generative AI, staf dapat meninjau keluaran sebelum dipakai. Pada sistem dengan otonomi lebih tinggi, organisasi perlu memperjelas pihak yang memantau aktivitas AI serta cara kendali dilakukan. Hal ini selaras dengan penekanan Akamai, menurut laporan Bsinews.id, bahwa pengawasan dan kendali manusia harus jelas ketika otonomi AI meningkat.

Ketiga, nilai kesiapan lingkungan pendukung. Pemaparan Akamai menempatkan GPU, CPU, memori, dan jaringan sebagai bagian dari infrastruktur AI terintegrasi. Diskusi implementasi perlu melibatkan pihak yang memahami kebutuhan proses kerja serta pihak yang bertanggung jawab terhadap infrastruktur.

Keempat, gunakan hasil uji coba untuk membuat keputusan terbatas: lanjutkan, perbaiki, atau hentikan penggunaan tertentu. Organisasi tidak perlu mengubah seluruh operasi sekaligus. Dokumentasikan tujuan pengujian, peran AI, peran manusia, serta temuan dari hasil penggunaan.

Setelah satu pengujian selesai, pertanyaan berikutnya bukan apakah AI dapat digunakan di semua proses. Periksa tugas mana yang terbukti terbantu, risiko mana yang muncul, serta kondisi apa yang harus dipenuhi sebelum ruang lingkup penggunaan diperluas.

Frequently asked questions

Apa arti organisasi masih uji coba generative AI?

Artinya penggunaan generative AI masih berada pada tahap eksperimen atau proof-of-concept, belum menjadi bagian penuh dari kegiatan operasional. Menurut data Akamai yang dilaporkan Lensa Hukum, Bsinews.id, dan Demokratis.co.id, 84 persen organisasi di Indonesia masih berada pada tahap ini.

Mengapa organisasi berhati-hati menerapkan generative AI?

Jay Jenkins dari Akamai mengatakan pelanggan mengkhawatirkan risiko bila AI diadopsi terlalu cepat. Laporan Lensa Hukum dan Bsinews.id menyebut keamanan serta tata kelola sebagai tantangan utama adopsi.

Apa peran infrastruktur dalam penerapan AI?

Menurut pemaparan Akamai yang dilaporkan Lensa Hukum, infrastruktur siap AI tidak hanya membutuhkan GPU. CPU, memori, dan jaringan juga perlu terintegrasi untuk mendukung pemanfaatan AI.

Apa bedanya generative AI dengan agentic AI?

Generative AI digunakan untuk menghasilkan atau mengolah konten seperti teks, gambar, video, dokumen, dan kode. Agentic AI dirancang untuk menjalankan tujuan jangka panjang secara mandiri dengan otonomi lebih tinggi, menurut laporan Bsinews.id tentang pemaparan Akamai.

Mengapa AI Agent membutuhkan pengawasan manusia?

Akamai menekankan perlunya pengawasan dan kendali manusia ketika otonomi AI meningkat. Menurut Bsinews.id, pengawasan diperlukan untuk membantu mencegah perilaku menyimpang maupun eksploitasi oleh pihak luar.

References

  1. Organisasi Indonesia Masih Uji Coba Adopsi Generative AI · Lensa Hukum
  2. Organisasi Indonesia Masih Uji Coba Generative AI · Bsinews.id
  3. Organisasi Indonesia Masih Ragu Terapkan Generative AI · Demokratis.co.id
  4. 84% Perusahaan di Indonesia Masih Uji Coba AI ... - detikInet · inet.detik.com

You do not need to know what to automate.That is our job.

Let us work it out together.