Telset.id – Adopsi alat AI di tempat kerja tidak menunjukkan tanda-tanda melambat. Dengan 88% bisnis menggunakan AI dalam kapasitas tertentu, perusahaan kini sangat fokus mencoba mengukur ROI dari investasi mereka pada teknologi tersebut. Perusahaan yang menyebarkan tumpukan alat AI di seluruh tim mereka bertujuan meningkatkan produktivitas dengan mengotomatisasi tugas rutin, menyintesis data, dan meningkatkan efisiensi, mengurangi biaya sekaligus tenaga kerja yang intensif waktu.
Namun ada gesekan. Separuh bisnis di London menyatakan tenaga kerja mereka saat ini tidak memiliki keterampilan yang dibutuhkan untuk memenuhi persyaratan AI organisasi mereka. Perusahaan kini menghadapi masalah yang mahal: mereka membutuhkan pengembalian atas investasi pada AI, dan hal itu akan menuntut perombakan keterampilan serta peran kerja.
Adam Field, Chief AI Officer di Tungsten Automation, menegaskan bahwa bisnis perlu mengambil pendekatan langsung untuk menyelesaikan tantangan ini dengan menyeimbangkan pengetahuan teknis dan kreativitas serta pemahaman bisnis. Bukan hanya keterampilan TI teknis yang dibutuhkan untuk operasional back-end, tetapi juga literasi digital, evaluasi kritis atas keluaran AI, dan integrasi alur kerja. Hal-hal ini menjadi esensial di setiap level, dari tingkat pemula hingga tingkat C-Suite.
Ketika kesenjangan keterampilan digital melebar, tidak mengherankan bahwa di Inggris, satu dari empat pekerja khawatir AI dapat menggantikan mereka. Pada kenyataannya, pasar tenaga kerja terbelah menjadi dua tingkatan yang berbeda. Tingkatan profesional berpusat pada peran campuran yang mengandalkan penilaian manusia dan mengakui bahwa alat AI hanya seefektif orang-orang yang memandunya. Sebaliknya, tingkatan demokratisasi melihat tugas-tugas berulang diserahkan sepenuhnya kepada alat AI.
Dengan sebagian besar peran berada di tingkatan profesional, memaksimalkan efisiensi AI membutuhkan pemikiran kritis dan penilaian yang tidak dapat dipasok oleh teknologi itu sendiri. Namun, jika ekspektasi tersebut tidak dituliskan ke dalam peran, pemberi kerja akhirnya melebih-lebihkan kemampuan karyawan mereka.
Saat ini, banyak peran telah menjadi campuran dengan teknologi, dan, kecuali untuk peran teknis, banyak kemampuan AI yang diperlukan sering diringkas menjadi satu poin generik tentang kemahiran teknis. Yang kita lihat adalah pembentukan ulang atas apa yang dihargai pemberi kerja. Pembentukan ulang ini mendorong munculnya creative technologist. Seorang creative technologist adalah seseorang yang memahami teknologi, kreativitas, dan strategi, dan organisasi yang secara aktif memberdayakan peran ini lebih mungkin berhasil melakukan transformasi digital.
Saat ini, banyak tim penuh dengan creative technologist yang tidak menyadari bahwa itulah yang telah mereka menjadi. Kekuatan yang mendorong hal ini adalah AI generatif yang menjadi alat harian, meningkatnya permintaan konten, dan kolaborasi lintas disiplin yang meningkat. Tetapi pemberi kerja perlu memastikan deskripsi pekerjaan sesuai dengan realitas ini.
Deskripsi pekerjaan campuran perlu menyebutkan alat AI yang sebenarnya akan digunakan oleh orang tersebut, lalu menjelaskan keterampilan yang dibutuhkan untuk menggunakannya, memindahkan hal-hal seperti pemikiran kritis dari poin generik menjadi ekspektasi spesifik yang terkait dengan alat tersebut. Jika pemberi kerja melakukannya dengan benar, mereka akan mempekerjakan orang-orang yang dapat menangkap keuntungan produktivitas dan bukan sekadar mengoperasikan alat.
Keberhasilan AI membutuhkan orang-orang yang menggabungkan keahlian teknis, pengetahuan industri, dan kreativitas. Tanpa lebih banyak peran campuran, bisnis akan kesulitan melihat pengembalian investasi dan memastikan mereka menggunakan alat yang tepat untuk pekerjaan yang tepat.
Pembelajaran yang efektif hanya dapat terjadi dalam lingkungan yang mendukung. Menjadi nyaman dengan kerangka prompting membuat alat AI terasa tidak terlalu menakutkan, dan kenyamanan itu sering kali memunculkan di mana AI sebenarnya dapat membantu di dalam organisasi. Eksperimentasi tetap penting bahkan ketika pendekatan tertentu tidak dilanjutkan lebih jauh. Terkadang pelajaran yang paling berguna adalah mempelajari apa yang tidak boleh dilakukan.
Salah satu penghalang terbesar agar eksperimentasi membuahkan hasil adalah dark data. Sebagian besar organisasi menyimpan volume informasi yang sangat besar, tetapi sebagian besar di antaranya berada dalam dokumen, email, PDF, dan format tidak terstruktur lainnya yang sulit diinterpretasikan oleh sistem AI. Artinya, bahkan model yang dirancang dengan baik sering kali bekerja dari pandangan bisnis yang tidak lengkap dan tidak konsisten, yang mengarah pada keluaran yang tidak dapat diandalkan dan inisiatif yang terhenti sebelum berkembang.
Melampaui hal itu membutuhkan mengubah dark data menjadi sesuatu yang dapat digunakan yang dapat membangun struktur, konteks, dan tata kelola yang dibutuhkan sistem AI untuk bertindak atas data dengan percaya diri. Setelah fondasi itu ada, AI menjadi jauh lebih andal, dan jauh lebih mudah untuk berpindah dari pilot yang terisolasi ke lingkungan produksi nyata.
AI dapat menyederhanakan perencanaan, tetapi manusia tetap mendorong eksekusi. Saat alat mengambil lebih banyak tugas alur kerja rutin, organisasi, dan dokumentasi, keterampilan yang tetap paling berharga adalah yang tidak dapat direplikasi AI seperti penilaian, penceritaan, pemikiran kreatif, dan kemampuan memimpin orang melalui perubahan. Permintaan akan spesialis yang fasih AI telah menciptakan jenis generalis yang diberdayakan yang dapat membaca tren AI sefasih mereka mengelola hubungan pemangku kepentingan dan memahami titik nyeri pelanggan.
AI mungkin mengotomatisasi alur kerja dan dokumentasi, tetapi tidak dapat memimpin tim, menafsirkan konteks dengan nuansa manusia, atau sepenuhnya memahami misi perusahaan. Jika sebelumnya memakai banyak topi dalam satu peran dianggap sebagai kelemahan, AI menjadikannya salah satu cara kerja yang paling efisien. Hal ini memberi karyawan akses ke keterampilan yang sebelumnya membutuhkan waktu bertahun-tahun, dan beberapa perubahan peran, untuk diperoleh.
Alih-alih sekadar menghilangkan peran, AI juga menciptakan peran baru yang berpusat pada pengelolaan hubungan manusia-AI, termasuk AI evaluator dan human-in-the-loop reviewer. Dalam pengertian ini, AI tidak menggantikan pekerjaan melainkan membentuknya kembali, dengan potensi mengurangi ketidaksetaraan tenaga kerja dengan mendemokratisasi akses ke keterampilan baru.
Kesenjangan keterampilan adalah rintangan yang kini dihadapi banyak organisasi dan baik karyawan maupun pemberi kerja harus bereksperimen untuk beradaptasi. Langkah-langkah ini menjadi bagian dari upaya yang lebih luas dalam memastikan tata kelola dan pengawasan AI yang bertanggung jawab, sejalan dengan langkah yang tengah dibahas dalam regulasi AI frontier di California.
Seiring dengan itu, kebutuhan akan transparansi dan pengujian independen juga menguat di industri, seperti terlihat dari langkah evaluator independen yang mulai dibuka sebagian pelaku industri. Sementara itu, dari sisi infrastruktur, dukungan komputasi untuk beban kerja AI terus berkembang, termasuk lewat CPU 256 core yang dirancang untuk AI data center.
Komentar
Belum ada komentar.