Kematangan AI: artinya bagi organisasi Anda

Arti dari kematangan AI

Kematangan AI mengukur seberapa jauh perkembangan dan kesengajaan penggunaan AI dalam suatu organisasi, lebih dari sekadar memiliki perangkat AI. Sebagian besar kerangka kerja menggambarkan hal ini sebagai model kematangan AI, yang bergerak dari eksperimen awal yang tidak terstruktur hingga integrasi AI penuh.

Pada tahap paling awal, segelintir karyawan menggunakan AI atas inisiatif mereka sendiri. Belum ada yang menyetujui atau melatih siapa pun tentang hal itu. Hasilnya tidak konsisten, dan pekerjaan tersebut jarang digunakan kembali oleh orang lain.

Pada tahap berikutnya, tim menjalankan uji coba terstruktur. Suatu departemen memilih tugas tertentu, menjalankannya dengan AI, dan mengukur apakah hasilnya baik. Inteleos, sebuah organisasi nirlaba yang mengelola ujian sertifikasi medis, memperkenalkan Perplexity Enterprise untuk membantu menyusun draf pertanyaan kuis berisiko rendah. Setelah uji coba terbukti berhasil, Perplexity kemudian diterapkan ke 88% anggota tim Inteleos.

Seiring perusahaan menjadi lebih matang dalam hal AI, mereka mulai membangun perangkat AI ke dalam alur kerja standar dan menghubungkannya dengan data serta sistem perusahaan. Misalnya, di Paypal, tim dalam risiko enterprise menggunakan Perplexity sebagai bagian dari alur kerja keamanan standar, memverifikasi ID dengan mereferensikan detail kepemilikan dan menandai akun yang mencurigakan.

Dan, pada tahap yang paling matang, perusahaan telah menyesuaikan produk, model bisnis, atau operasional mereka untuk memasukkan AI secara penuh. Mereka juga dapat menggunakan sistem dan model AI agen yang menyerahkan pekerjaan satu sama lain. Di Rox, misalnya, AI dibangun ke dalam produk itu sendiri: agen mengotomatiskan sebagian penelitian penjualan dan pemeliharaan CRM, sementara API Perplexity menyediakan kecerdasan eksternal yang mendukung alur kerja tersebut.

Mengapa kematangan AI itu penting

Peningkatan produktivitas pribadi dari AI relatif umum, dilaporkan oleh 80% responden dalam survei McKinsey 2026. Namun, hanya 37% yang mengatakan bahwa hal itu telah berkontribusi pada EBIT organisasi mereka.

Perbedaan hasil tersebut tampaknya berkaitan dengan kematangan penggunaan AI di perusahaan. Perusahaan berkinerja tinggi dalam hal AI versi McKinsey, yang mencakup sekitar 6% responden, mengatribusikan setidaknya 5% EBIT ke AI dan menggambarkan nilainya sebagai hal yang signifikan.

Perusahaan dengan program AI yang matang memiliki beberapa perilaku inti:

• Mereka telah merestrukturisasi alur kerja di sekitar solusi AI. Hampir tiga perempat dari perusahaan berkinerja tinggi McKinsey telah merancang ulang alur kerja karena AI, dibandingkan dengan seperempat responden lainnya.
• Kepemimpinan senior berkomitmen terhadap penggunaan AI. Dalam studi BCG 2025 terhadap 1.250 eksekutif, hampir semua dari 5% perusahaan dengan skor kematangan AI tertinggi melaporkan C-suite yang sangat terlibat, dibandingkan dengan 8% dari 60% perusahaan dengan skor terendah.
• Mereka memprioritaskan pengembangan skill AI bagi karyawan. Perusahaan dengan skor tertinggi yang sama berharap dapat melatih lebih dari 50% tenaga kerja mereka mengenai AI pada tahun tersebut, berbanding 20% di perusahaan dengan skor terendah.
• Mereka telah memperkenalkan solusi AI agen. Perusahaan berkinerja tinggi McKinsey memiliki kemungkinan lebih dari 3 kali lipat untuk menskalakan agen di sebagian besar fungsi bisnis.

Kematangan AI: kerangka kerja populer

Model Kematangan AI Gartner mendasarkan penilaian mereka terhadap kematangan organisasi pada seberapa baik AI diintegrasikan ke dalam proses mereka. Model ini menilai organisasi secara terpisah di tujuh area: strategi, data, tata kelola, teknik, model operasi, budaya, dan nilai AI. Organisasi kemudian dikelompokkan ke dalam salah satu dari lima tahap:

• Foundational: Penggunaan eksperimental, koordinasi minim
• Emerging: Uji coba awal dijalankan, ada minat dari eksekutif
• Operational: AI digunakan dalam proses bisnis
• Scaled: AI digunakan di berbagai fungsi, memberikan ROI yang terukur
• Transformational: AI memengaruhi pengambilan keputusan dan model operasi, memberikan keunggulan kompetitif yang bermakna

Model kematangan otomasi AI Deloitte mengukur kematangan secara khusus dari seberapa mendalam agen dibangun ke dalam proses perusahaan.

• Level 1: Otomasi standar tanpa melibatkan agen.
• Level 2: Otomasi dasar, agen diperkenalkan ke dalam proses yang sudah ada.
• Level 3: Proses dirancang ulang secara aktif berdasarkan kemampuan agen.
• Level 4: Organisasi itu sendiri direstrukturisasi berdasarkan kapabilitas AI.

Kerangka Adopsi AI Google Cloud melacak kematangan melalui tiga fase.

• Tactical: Kasus penggunaan AI yang sederhana dan sempit, sering kali tanpa rencana yang koheren untuk langkah selanjutnya.
• Strategic: AI memberikan nilai bisnis yang berkelanjutan, dengan beberapa sistem yang diterapkan dan dipelihara dalam produksi.
• Transformational: AI menjadi pusat organisasi, mendorong inovasi dan didukung oleh struktur untuk penskalaan lebih lanjut.

Laporan ini juga membagi kematangan menjadi enam tema, yang masing-masing terbentuk di persimpangan dua area inti: manusia, proses, teknologi, dan data.

• Learn: kualitas dan skala program untuk membangun skill AI.
• Lead: apakah pekerjaan AI mendapat dukungan dari kepemimpinan dan koordinasi antar tim.
• Access: seberapa mudah data dan aset AI dapat dibagikan dan digunakan kembali di seluruh organisasi.
• Scale: apakah layanan asli cloud dapat menangani beban kerja AI pada volume nyata.
• Secure: seberapa baik data dan sistem AI dilindungi dan dikelola secara bertanggung jawab.
• Automate: seberapa andal sistem AI berjalan dalam produksi.

Meskipun kerangka kerja tersebut berbeda dalam hal fokus dan pengukuran, kerangka kerja tersebut menggambarkan perjalanan kematangan yang sama: eksperimen tidak terstruktur, lalu uji coba dengan dukungan kepemimpinan, kemudian AI yang dibangun ke dalam pekerjaan sehari-hari, dan terakhir AI yang membentuk kembali organisasi itu sendiri.

Kematangan AI: hambatan umum

Empat hambatan cenderung menghalangi kematangan AI dalam organisasi. Berikut adalah cara untuk mengatasinya:

1. Kualitas Data

Saat memperkenalkan uji coba AI lintas fungsi, pilih kasus penggunaan AI pertama, lalu identifikasi satu atau dua sumber data yang diandalkannya. Pastikan sumber data tersebut:

• Terorganisasi: simpan hanya catatan yang diperlukan oleh kasus penggunaan, di satu tempat.
• Akurat: hapus duplikat, perbaiki catatan yang kedaluwarsa, dan periksa kesalahan.
• Dimiliki: tunjuk seseorang yang menjaga keakuratan data dan menentukan siapa yang dapat mengubahnya.

Tambahkan lebih banyak sumber data hanya setelah sumber data pertama menghasilkan jawaban yang andal. Tentukan istilah bersama, seperti apa yang dianggap sebagai pelanggan aktif, di satu tempat yang dibaca oleh perangkat AI.

2. Skill

Buat jadwal rutin di kalender, setiap hari atau setiap minggu, bagi orang-orang untuk melatih AI pada pekerjaan mereka sendiri, sendiri atau dalam kelompok. Ajarkan karyawan cara memeriksa sumber AI dan mengevaluasi hasilnya.

Sebelum meluncurkan alur kerja AI baru, minta orang-orang yang melakukan tugas tersebut untuk mencatat langkah-langkahnya, mencoba versi AI, dan menyebutkan di mana kekurangannya. Hubungkan AI ke perangkat yang sudah digunakan, dan uji dengan beberapa pengguna sebelum peluncuran yang lebih luas.

3. Tata Kelola

Aturan yang jelas tentang perangkat, data, dan peninjauan memungkinkan penggunaan AI berkembang dan berskala secara cepat tanpa menambah risiko. Publikasikan daftar singkat perangkat yang disetujui dan wajibkan masuk (sign-in) perusahaan. Tetapkan tingkatan data yang menyatakan jenis data apa yang dapat masuk ke perangkat mana.

Tentukan seberapa banyak tinjauan manusia yang dibutuhkan oleh setiap jenis pekerjaan, dengan mengelompokkan setiap alur kerja berbasis AI ke dalam salah satu dari tiga kategori: dimiliki AI, ditinjau manusia, atau dimiliki manusia. Dan simpan catatan tentang perangkat AI mana yang digunakan untuk pekerjaan apa dan siapa yang meninjau hasilnya, sehingga kesalahan dapat dilacak kembali ke sumbernya dan diperbaiki.

4. Nilai bisnis

Lebih dari 60% perusahaan dengan skor kematangan tertinggi secara ketat melacak nilai AI, dibandingkan dengan 17% perusahaan yang stagnan, menurut temuan BCG. Pilih satu alur kerja yang terukur dan catat dasarnya: waktu, biaya, dan tingkat kesalahan. Tetapkan kriteria keberhasilan dan tanggal keputusan sebelum uji coba dimulai. Lacak biaya per penggunaan sejak hari pertama, dan lakukan penskalaan hanya setelah hasil mengungguli baseline.

Kematangan AI: glosarium

Adopsi AI: Sejauh mana perangkat AI digunakan. Istilah ini sering digunakan secara bergantian dengan kematangan AI, tetapi keduanya berbeda: kematangan mengacu pada penggunaan AI secara sistematis di seluruh organisasi. Adopsi hanya berarti berapa banyak orang yang menggunakannya.

Kesiapan AI: Apakah infrastruktur dan data tersedia untuk menggunakan AI dengan baik. Suatu organisasi dapat memiliki data yang bersih dan infrastruktur yang solid namun tetap tertinggal dalam hal kematangan, jika belum menyesuaikan cara operasinya dengan kapabilitas AI.

Kematangan AI: Seberapa sengaja dan efektif AI digunakan. Adopsi dan kesiapan membuat kematangan menjadi mungkin tetapi tidak menjaminnya.

Tata kelola AI: Aturan dan proses yang menentukan bagaimana AI digunakan secara bertanggung jawab di dalam organisasi, siapa yang menyetujui kasus penggunaan baru, dan apa saja yang ditinjau.

AI Agen: Sistem AI yang dapat mengambil tindakan sendiri dan menjalankan tugas multi-langkah, alih-alih hanya merespons satu prompt.

Orkestrasi: Menjalankan beberapa agen AI, di mana satu agen dapat menyerahkan sebagian tugas ke agen lain, alih-alih menggunakan masing-masing secara terisolasi.

Kematangan AI: Penilaian mandiri cepat

Menjawab beberapa pertanyaan dapat memberi karyawan gambaran kasar tentang posisi organisasi mereka.

Peran Perplexity

Perplexity Computer mendukung perjalanan menuju kematangan AI organisasi dengan menghadirkan 20 model canggih ke dalam satu sistem, mencakup penelitian, analisis, konten, dan kode, alih-alih menjalankan masing-masing sebagai perangkat terpisah. Sistem ini merutekan pekerjaan di antara model-model tersebut secara langsung, jenis orkestrasi yang menandai tahap kematangan yang lebih tinggi.

FAQ

Apa itu model kematangan AI?
Sebuah kerangka kerja yang memberi skor pada kapabilitas AI organisasi dan menetapkan level berdasarkan seberapa maju dan sengaja penggunaan AI tersebut.

Apa saja tahapan kematangan AI?
Sebagian besar kerangka kerja menggambarkan kurva yang serupa: eksperimen tidak terstruktur, lalu uji coba terstruktur, kemudian AI yang dibangun ke dalam alur kerja sehari-hari, lalu AI yang berjalan di seluruh organisasi dengan otonomi.

Apa bedanya kematangan AI dengan adopsi AI?
Adopsi mengukur apakah perangkat AI benar-benar digunakan. Kematangan mengukur seberapa efektif perangkat tersebut digunakan.

Apa perbedaan antara kematangan AI dan kesiapan AI?
Kesiapan mengukur apakah infrastruktur dan data tersedia untuk menggunakan AI dengan baik. Kematangan mengukur apakah organisasi benar-benar telah membangun operasinya di sekitar kapabilitas tersebut.

Apa arti tata kelola AI?
Aturan dan proses yang menentukan bagaimana AI digunakan secara bertanggung jawab di dalam organisasi, termasuk siapa yang menyetujui kasus penggunaan baru dan apa yang ditinjau sebelum penerapan.

Apa itu AI agen?
Sistem AI yang dapat mengambil tindakan sendiri, menjalankan tugas multi-langkah alih-alih hanya merespons satu prompt.

Apa itu orkestrasi AI?
Menjalankan beberapa model atau sistem AI secara bersamaan, sehingga satu model dapat menyerahkan sebagian tugas ke model lain, alih-alih menggunakan setiap perangkat secara terisolasi.

Bagaimana organisasi dapat meningkatkan kematangan AI-nya?
Dengan beralih dari eksperimen terisolasi menuju uji coba terstruktur dengan kepemilikan yang jelas, lalu menghubungkan AI ke data dan alur kerja nyata, serta membangun tata kelola untuk area tempat AI dapat bertindak tanpa tinjauan.