Jebakan Proof-of-Concept
Ivan Zhang menyoroti kekecewaan di antara perusahaan yang telah berinvestasi besar-besaran dalam proyek percontohan AI tanpa melihat imbalan yang sesuai. Dia mengakui bahwa banyak klien Cohere, meskipun membangun aplikasi awal, telah berjuang untuk memindahkannya ke produksi karena masalah mulai dari biaya dan tata kelola hingga keamanan dan privasi data. Sentimen ini mencerminkan tren yang lebih luas di mana janji AI sering bertentangan dengan realitas praktis implementasi.
Dia menunjukkan masalah biaya, kepatuhan terhadap peraturan, perlindungan data, dan protokol privasi, yang Cohere harap dapat diselesaikan dengan penawaran platform ruang kerja barunya, North.
Imperatif ROI
Dalam sebuah wawancara, Zhang menekankan bahwa fase selanjutnya dari adopsi AI harus didorong oleh ROI yang dapat dibuktikan. Perusahaan perlu melihat justifikasi keuangan yang jelas untuk investasi AI mereka, memastikan bahwa manfaatnya lebih besar daripada biayanya. Dia memperingatkan bahwa beberapa sistem AI sangat mahal untuk dioperasikan sehingga meniadakan potensi penghematan biaya dari mengotomatiskan tugas.
"Kadang-kadang sistem yang akhirnya mereka bangun, biaya model itu sendiri lebih mahal daripada manusia yang benar-benar menjalankannya," katanya.
Pertanyaan penting apakah ada peningkatan aktual dengan implementasi AI harus ditangani untuk mengatasi jembatan yang terbakar dari perusahaan AI yang mengambil proyek yang tidak pernah berhasil.
Augmentasi AI vs. Produktivitas
Zhang juga mencatat contoh di mana perusahaan telah mencoba untuk menambah tenaga kerja yang ada dengan AI tetapi gagal melihat peningkatan produktivitas. Dalam beberapa kasus, karyawan hanya mengurangi beban kerja mereka tanpa meningkatkan output, yang secara efektif meniadakan manfaat AI. Ini menyoroti pentingnya mempertimbangkan dengan cermat bagaimana AI diintegrasikan ke dalam alur kerja yang ada dan memastikan bahwa itu mengarah pada peningkatan efisiensi yang tulus.
Mengatasi Kemunduran Awal
Zhang mengantisipasi bahwa startup AI sekarang akan ditugaskan untuk memenangkan kembali perusahaan yang "terbakar" oleh proyek yang tidak berhasil. “Fase selanjutnya dari pemasaran untuk teknologi ini adalah, ‘di mana ROI-nya?’” Dia percaya bahwa perusahaan AI perlu membangun kembali kepercayaan dengan menunjukkan nilai nyata dari solusi mereka dan berfokus pada memberikan hasil yang terukur.
Gema dari Komunitas Riset
Pengamatan Zhang didukung oleh penelitian dari organisasi seperti National Bureau of Economic Research, yang menemukan "tidak ada dampak signifikan pada pendapatan atau jam kerja yang tercatat dalam pekerjaan apa pun" setelah mensurvei 7.000 tempat kerja menggunakan chatbot AI. Demikian pula, sebuah studi Boston Consulting Group mengungkapkan bahwa hanya seperempat dari eksekutif yang disurvei telah melihat nilai signifikan dari AI, menunjukkan bahwa perusahaan sering menyebarkan investasi mereka terlalu tipis di berbagai proyek percontohan.
Memprioritaskan Masalah Bisnis daripada Solusi Bergengsi
Saran Zhang kepada perusahaan yang mempertimbangkan LLM adalah fokus pada memecahkan masalah bisnis tertentu daripada membangun solusi rumit tanpa kasus penggunaan yang jelas. Dia memperingatkan agar tidak "tersesat dalam membangun sesuatu dan mencari masalah," menekankan pentingnya menyelaraskan investasi AI dengan tujuan bisnis strategis.
AI sebagai Alat di Kotak Peralatan
Zhang berpendapat bahwa AI harus dilihat hanya sebagai salah satu alat di kotak peralatan untuk memecahkan masalah bisnis dan menciptakan nilai bagi pelanggan. Dia memperingatkan agar tidak melebih-lebihkan potensi teknologi untuk memecahkan semua masalah di dunia, menekankan bahwa itu paling efektif ketika digunakan secara strategis dan bersamaan dengan solusi lain.
Tantangan Halusinasi
Sementara AI telah membuat kemajuan signifikan, tantangan tetap ada, terutama di bidang "halusinasi," di mana LLM menghasilkan informasi palsu atau dibuat-buat. Terlepas dari kemajuan di bidang ini, tingkat halusinasi LLM tetap sangat tinggi, bahkan dengan model terbaru dari perusahaan terkemuka yang menghasilkan kesalahan. Masalah ini menggarisbawahi pentingnya transparansi dan memberi pengguna wawasan tentang bagaimana model AI sampai pada kesimpulan mereka.
Pendiri bersama mengakui kepada banyak profesional bahwa halusinasi tetap menjadi masalah dalam AI generatif. Dia menyatakan bahwa perusahaan telah mencoba membantu dengan menjadi transparan, termasuk menunjukkan kepada pengguna "pemikiran mentah" dari LLM-nya, dan alat apa yang digunakan sistemnya, bersama dengan bagaimana dan kutipan ke jawaban yang diturunkan.
Lanskap Kompetitif
Cohere menghadapi persaingan ketat dari saingan yang didanai dengan lebih baik di ruang AI. Namun, Zhang percaya bahwa lebih besar tidak selalu lebih baik dalam hal membangun model AI yang hemat biaya dan hemat energi. Dia berpendapat bahwa sebuah model "hanya sebaik data dan sistem yang dapat diaksesnya," menekankan pentingnya membangun solusi yang dapat dijalankan sepenuhnya di dalam lingkungan pelanggan. Zhang memuji "pertumbuhan intens" Cohere dan mengatakan bahwa sifat "relatif baru" dari ruang tersebut menyisakan banyak ruang bagi perusahaan untuk berkembang.
Pertumbuhan Pendapatan dan Tantangan
Pertumbuhan Cohere telah menjadi topik fokus baru-baru ini untuk media teknologi. Cohere mencapai $100 juta USD ($138 juta CAD) dalam pendapatan tahunan bulan ini setelah lebih dari dua kali lipat penjualannya sejak awal 2025, dan CEO Aidan Gomez baru-baru ini mengatakan kepada Bloomberg bahwa perusahaan itu "tidak jauh" dari profitabilitas. Tetapi The Information telah melaporkan bahwa ini masih $350 juta USD di belakang apa yang Cohere katakan kepada investor pada tahun 2023 bahwa ia diharapkan menghasilkan setiap tahun sekarang. Target pendapatan dan persaingan ketat bukanlah satu-satunya tantangan yang harus dihadapi Cohere.
Gugatan Pelanggaran Hak Cipta
Startup AI juga memiliki apa yang disebut seorang ahli sebagai gugatan pelanggaran hak cipta yang berpotensi "menciptakan preseden" dari perusahaan media besar di piringnya. Sekelompok organisasi media termasuk Toronto Star, Condé Nast, dan Vox telah menuduh Cohere mengikis konten media tanpa persetujuan dan menggunakannya untuk melatih model AI, mengakses konten secara real time tanpa izin, dan menghasilkan output yang melanggar. Cohere hanyalah salah satu dari banyak startup AI yang menghadapi tuntutan hukum serupa. Cohere telah membantah klaim ini, dengan alasan bahwa penerbit yang menggugat telah berusaha keras untuk "membuat" kasus dan membantah anggapan bahwa pelanggaran hak cipta praktis telah terjadi.
Zhang menolak untuk menawarkan banyak komentar tentang masalah ini, mengarahkan BetaKit ke posting blog yang merinci pemikiran Cohere. “Kami yakin akan hal itu,” katanya.
Ulasan Lebih Dalam tentang Tantangan Implementasi AI
Banyak bisnis awalnya terjun ke inisiatif AI dengan antusiasme yang cukup besar, percaya bahwa AI akan dengan cepat merevolusi operasi mereka dan menciptakan efisiensi yang belum pernah terdengar sebelumnya. Tetapi banyak yang menemukan diri mereka menghadapi tantangan besar yang tidak mereka antisipasi. Kesulitan-kesulitan ini dapat mengambil berbagai bentuk, dari kompleksitas teknis hingga resistensi organisasi. Memahami tantangan-tantangan ini penting bagi bisnis yang berharap untuk berhasil menerapkan AI dan mendapatkan pengembalian positif atas investasi mereka.
Kompleksitas Teknis dan Persyaratan Data
Salah satu rintangan pertama yang sering dihadapi bisnis adalah kompleksitas teknis dari sistem AI. Model AI, terutama yang berbasis pada pembelajaran mendalam, membutuhkan komputasi yang berat dan membutuhkan pengetahuan khusus untuk membuat, melatih, dan menerapkan. Data juga diperlukan. Kualitas dan kuantitas data pelatihan memiliki dampak yang substansial pada kinerja model AI. Mengumpulkan dan mempersiapkan dataset besar mungkin merupakan proses yang memakan waktu dan sumber daya yang intensif. Proyek AI mungkin terhambat oleh kurangnya data berlabel berkualitas tinggi, yang menghasilkan model yang tidak akurat atau berprasangka.
Selanjutnya, menjamin interoperabilitas sistem AI dengan infrastruktur TI yang ada memperkenalkan kompleksitas lebih lanjut. Platform dan kerangka kerja AI yang berbeda mungkin tidak kompatibel dengan sistem lama, yang memerlukan perubahan substansial pada alur kerja dan arsitektur yang ada. Mengintegrasikan AI ke dalam lingkungan organisasi yang rumit seringkali membutuhkan pengalaman yang cukup besar dan pemahaman yang kuat baik tentang teknologi AI maupun operasi komersial yang mendasarinya.
Hambatan Organisasi dan Budaya
Selain kendala teknis, organisasi mungkin menghadapi kendala organisasi dan budaya yang substansial untuk adopsi AI. Salah satu masalah yang lazim adalah keengganan pekerja untuk merangkul perubahan yang didorong oleh AI. Karyawan mungkin khawatir tentang perpindahan pekerjaan serta kebutuhan untuk mempelajari bakat baru dan beradaptasi dengan metode kerja baru. Resistensi dari pekerja dapat menghambat inisiatif AI dan menghalangi realisasi keuntungan yang diantisipasi.
Selanjutnya, penerapan AI membutuhkan kolaborasi yang cukup besar antara departemen dan tim. Ilmuwan data, profesional TI, analis bisnis, dan ahli materi pelajaran harus berkolaborasi untuk menentukan masalah, membuat solusi AI, dan menerapkannya ke dalam produksi. Silo dan kurangnya komunikasi dapat menghambat kerja sama dan menghalangi integrasi AI yang efektif ke dalam operasi komersial. Mengatasi hambatan organisasi dan budaya ini membutuhkan kepemimpinan yang kuat, komunikasi yang efektif, dan dedikasi untuk mengelola perubahan.
Kekhawatiran Etika dan Tata Kelola
Seiring AI menjadi lebih luas, masalah etika dan tata kelola menjadi semakin penting. Sistem AI memiliki kemampuan untuk mengabadikan prasangka, membuat penilaian yang tidak adil, dan melanggar privasi orang. Organisasi harus mengatasi kekhawatiran ini dengan mengembangkan pedoman etika dan prosedur tata kelola yang kuat untuk desain, pengembangan, dan penerapan AI. Transparansi, akuntabilitas, dan keadilan adalah prinsip-prinsip utama untuk AI yang bertanggung jawab.
Privasi data adalah masalah penting untuk dipertimbangkan. Aturan privasi data harus diikuti saat membangun sistem AI, bersama dengan perlindungan untuk melindungi informasi sensitif dari akses atau penyalahgunaan yang tidak diinginkan. Organisasi harus memperoleh persetujuan pengguna untuk pengumpulan dan penggunaan data, serta memberikan transparansi tentang bagaimana model AI membuat pilihan. Selain itu, organisasi harus memiliki mekanisme untuk memantau dan mengaudit sistem AI untuk menemukan dan mengurangi risiko etika atau konsekuensi yang tidak diinginkan.
Mengukur dan Menunjukkan ROI
Pada akhirnya, keberhasilan setiap proyek AI bergantung pada kapasitasnya untuk menghasilkan return on investment (ROI) yang dapat diukur. Namun, menentukan ROI dari proyek AI mungkin sulit, terutama ketika manfaatnya tidak berwujud atau jangka panjang. Organisasi harus menetapkan tujuan dan indikator yang jelas untuk inisiatif AI mereka, serta melacak kemajuan dan mengukur hasil secara teratur. Ini membutuhkan pemahaman yang menyeluruh tentang nilai bisnis yang diharapkan AI berikan serta sumber daya yang diperlukan untuk mencapai nilai itu.
Selanjutnya, mengomunikasikan manfaat AI kepada para pemangku kepentingan sangat penting untuk mendapatkan dukungan dan membangun kepercayaan pada investasi AI. Ini mungkin memerlukan penyajian kasus penggunaan, memamerkan kemenangan awal, dan mengkuantifikasi dampak AI pada indikator bisnis penting. Untuk berhasil mengkuantifikasi dan menunjukkan ROI AI, bisnis harus membuat kerangka kerja yang ditentukan untuk mengukur kinerja dan dengan jelas menyampaikan proposisi nilai kepada para pemangku kepentingan.
Masa Depan Adopsi AI: Perspektif yang Seimbang
Wawasan Ivan Zhang menyoroti pentingnya pendekatan yang seimbang untuk adopsi AI, yang mengakui potensi teknologi sambil tetap berpegang pada realitas praktis. Saat AI terus berkembang, perusahaan perlu fokus pada membangun solusi yang memberikan ROI yang nyata, mengatasi masalah etika, dan berintegrasi dengan mulus ke dalam alur kerja yang ada. Dengan memprioritaskan masalah bisnis daripada solusi mewah dan memandang AI sebagai alat di kotak peralatan, organisasi dapat membuka potensi sebenarnya dari AI dan mendorong hasil bisnis yang bermakna.