Momentum Transisi dari Eksperimen ke Produksi
Potensi transformatif kecerdasan buatan (AI) bukan lagi sekadar wacana teoritis di kalangan korporasi global. Saat ini, organisasi sedang bergerak cepat dari tahap proyek percontohan menuju implementasi AI dalam lingkungan produksi yang nyata. Perusahaan tidak lagi hanya mendiskusikan kemungkinan teknologi ini, melainkan telah mulai mengalihkan anggaran dan sumber daya secara signifikan untuk mewujudkannya. Banyak entitas bisnis bahkan telah mulai bereksperimen dengan AI agenik yang menjanjikan tingkat otomatisasi baru. Namun, jalan menuju keberhasilan operasional penuh masih dipenuhi ketidakpastian bagi banyak pemain industri. Meskipun eksperimen AI terjadi di mana-mana, adopsi skala enterprise tetap menjadi tantangan yang sulit dicapai.
Tanpa adanya integrasi data dan sistem yang matang, alur kerja otomatis yang stabil, serta model tata kelola yang jelas, inisiatif AI seringkali terjebak dalam fase pilot dan gagal bergerak ke produksi. Bangkitnya AI agenik dan peningkatan otonomi model membuat pendekatan holistik untuk mengintegrasikan data, aplikasi, dan sistem menjadi lebih penting daripada sebelumnya. Tanpa fondasi operasional yang kuat, inisiatif AI enterprise berpotensi gagal total. Prediksi dari Gartner bahkan menyebutkan bahwa lebih dari 40 persen proyek AI agenik akan dibatalkan pada tahun 2027 akibat masalah biaya, ketidakakuratan, dan tantangan tata kelola. Masalah utamanya bukanlah pada teknologi AI itu sendiri, melainkan pada hilangnya fondasi operasional yang mendukungnya.
Temuan Empiris dari Survei MIT Technology Review Insights
Untuk memahami bagaimana organisasi menyusun operasi AI mereka dan menerapkan proyek yang sukses, MIT Technology Review Insights melakukan survei terhadap 500 pemimpin TI senior di perusahaan berukuran menengah hingga besar di Amerika Serikat. Seluruh responden tersebut sedang mengejar implementasi AI dengan berbagai cara. Hasil survei yang dilakukan pada Desember 2025 ini menunjukkan bahwa fondasi integrasi yang kuat sejalan dengan implementasi AI yang lebih maju, yang kondusif bagi inisiatif skala enterprise. Seiring evolusi teknologi AI, platform integrasi dapat membantu organisasi menghindari duplikasi dan silo data, serta memberikan pengawasan yang jelas saat menavigasi otonomi alur kerja yang semakin berkembang.
Beberapa temuan kunci dari laporan tersebut menyoroti progress yang ada. Meskipun banyak studi sebelumnya mengekspos kurangnya keberhasilan AI yang nyata, penelitian ini menemukan bahwa tiga dari empat perusahaan atau 76 persen memiliki setidaknya satu departemen dengan alur kerja AI yang sepenuhnya berada dalam produksi. Namun, keberhasilan ini paling sering terjadi pada proses yang sudah mapan. Nearly half atau 43 persen organisasi menemukan keberhasilan dengan implementasi AI yang diterapkan pada proses yang terdefinisi dengan baik dan otomatis. Separuh lainnya masih bergulat dengan proses baru atau berbagai proses yang bervariasi.
Peran Kritikal Platform Integrasi Enterprise
Salah satu insight paling signifikan dari laporan ini adalah korelasi antara platform integrasi dan keberhasilan AI. Perusahaan dengan platform integrasi skala enterprise memiliki kemungkinan lima kali lebih besar untuk menggunakan sumber data yang lebih beragam dalam alur kerja AI. Sebanyak 6 dari 10 atau 59 persen perusahaan tersebut employing lima sumber data atau lebih. Angka ini sangat kontras dibandingkan dengan hanya 11 persen organisasi yang menggunakan integrasi untuk alur kerja spesifik, atau 0 persen bagi mereka yang tidak menggunakan platform integrasi sama sekali.
Organisasi yang menggunakan platform integrasi juga memiliki implementasi AI yang lebih lintas departemen, lebih banyak otonomi dalam alur kerja AI, dan lebih percaya diri dalam menugaskan otonomi di masa depan. Hal ini menegaskan bahwa infrastruktur teknologi informasi yang terhubung adalah prasyarat mutlak sebelum meluncurkan agen AI yang kompleks. Tanpa pipa data yang lancar, agen AI tidak dapat mengambil keputusan yang akurat atau melakukan tindakan yang relevan secara operasional.
Kesenjangan Struktur Tim dan Tanggung Jawab
Di sisi sumber daya manusia, terdapat kesenjangan yang cukup mencolok dalam struktur organisasi. Dua pertiga organisasi tidak memiliki tim AI yang khusus. Hanya satu dari tiga atau 34 persen organisasi yang memiliki tim khusus untuk memelihara alur kerja AI. Satu dari lima atau 21 persen menyatakan bahwa TI pusat bertanggung jawab atas pemeliharaan AI yang sedang berlangsung, dan 25 persen mengatakan tanggung jawab tersebut berada pada operasional departemen. Sisanya, 19 persen organisasi memiliki tanggung jawab yang tersebar tanpa titik fokus yang jelas. Kondisi ini menunjukkan bahwa banyak perusahaan masih menganggap AI sebagai tugas tambahan bagi staf existing, bukan sebagai disiplin ilmu tersendiri yang memerlukan keahlian khusus.
Konteks Adopsi AI di Indonesia
Dalam konteks Indonesia, temuan ini memiliki relevansi yang sangat tinggi mengingat percepatan transformasi digital di tanah air. Banyak perusahaan nasional, termasuk BUMN dan korporasi swasta besar, sedang gencar mengadopsi teknologi otomatisasi. Namun, tantangan integrasi data di Indonesia sering kali lebih kompleks karena adanya regulasi kedaulatan data dan fragmented-nya sistem warisan atau legacy system. Penerapan AI di Indonesia memerlukan perhatian ekstra pada infrastruktur integrasi agar tidak terjebak dalam proyek percontohan yang tidak berkelanjutan. Selain itu, ketersediaan talenta AI yang mampu mengelola operasional dan tata kelola masih terbatas, sehingga pembentukan tim khusus menjadi langkah strategis yang mendesak bagi pelaku industri lokal untuk bersaing di kancah global.
Strategi Menuju Keberlanjutan Operasional
Kesimpulannya, kunci untuk menjembatani kesenjangan operasional AI terletak pada fondasi infrastruktur yang kokoh sebelum melangkah ke otonomi tingkat tinggi. Organisasi harus memprioritaskan penyatuan sistem data dan aplikasi melalui platform integrasi yang andal. Selain itu, pembentukan tim khusus AI bukan lagi opsi melainkan kebutuhan untuk memastikan pemeliharaan dan governance yang berkelanjutan. Dengan memperhatikan aspek operasional ini, perusahaan dapat menghindari pembatalan proyek di masa depan dan memastikan bahwa investasi AI memberikan nilai bisnis yang nyata dan terukur secara konsisten.
