Teknologi kecerdasan buatan kini bukan sekadar agenda teknis: ia telah naik ke meja pengambilan keputusan perusahaan. Luis Santiago Fernández del Valle, CEO de Akkodis España, Italia y Portugal, menyoroti fenomena ini dan menggarisbawahi hambatan utama yang kerap menghadang penerapan luas teknologi tersebut. “La IA rara vez fracasa porque no funcione; el problema suele ser la escalabilidad,” ujar Luis Santiago Fernández del Valle, menyimpulkan masalah yang sering ia temui di berbagai organisasi. Menurutnya, meskipun kemampuan teknis model semakin maju, banyak inisiatif AI berhenti pada tahap eksperimen dan gagal dihadirkan dalam skala yang memberi dampak bisnis nyata.
AI telah masuk ke agenda pengambil keputusan
Pergerakan AI dari laboratorium riset ke rapat tingkat direksi menandai fase baru adopsi teknologi. Di tingkat infrastruktur dan strategi, diskusi tentang AI kini bukan lagi soal apakah organisasi harus mengadopsinya, melainkan bagaimana mengintegrasikannya secara aman, andal, dan berkelanjutan. Luis Santiago Fernández del Valle menekankan bahwa perhatian manajemen kini bergeser pada aspek implementasi yang memerlukan koordinasi lintas fungsi dan komitmen sumber daya jangka panjang.
Mengapa banyak proyek terhenti di fase eksperimen
Salah satu paradoks yang disebut adalah laju inovasi teknologi yang sangat cepat, sementara kemampuan organisasi untuk mengubah eksperimen menjadi produk skala industri tetap terbatas. Faktor-faktor yang sering muncul lain kesiapan infrastruktur, tata kelola data, kapasitas tim, dan proses integrasi ke operasi bisnis sehari-hari. Dalam kerangka itu, kegagalan bukan selalu soal model yang tidak bekerja, melainkan soal bagaimana solusi itu dapat direproduksi, dipelihara, dan diperluas tanpa menimbulkan risiko baru.
Peran metodologi dan prioritisasi arsitektur
Untuk menjembatani jurang eksperimen dan produksi, Luis Santiago Fernández del Valle menyoroti pentingnya metodologi yang mendukung industrialisasi. Salah satu pendekatan yang disebut adalah Architecture-Based Prioritization, sebuah kerangka kerja yang membantu organisasi memetakan prioritas teknis dan strategis agar investasi AI memberikan manfaat terukur. Metodologi semacam ini bertujuan memperjelas jalur dari prototipe ke produk yang skalabel, termasuk aspek arsitektur sistem, pengelolaan dependensi, dan mekanisme pengujian yang dapat dijalankan terus-menerus. Dengan menempatkan arsitektur sebagai pijakan prioritas, organisasi bisa lebih efisien dalam menentukan inisiatif mana yang layak dikembangkan lebih lanjut dan mana yang perlu diubah atau dihentikan.
Dampak pada sektor-sektor kritis
Luis Santiago Fernández del Valle juga mencatat bahwa pendekatan industrialisasi dan prioritisasi arsitektural mulai mengubah praktik di sektor-sektor kritis. Transformasi ini tidak hanya soal peningkatan kapabilitas teknis, tetapi juga tentang bagaimana organisasi mengelola risiko, memastikan kepatuhan, dan menjaga kontinuitas layanan saat menerapkan solusi AI dalam skala besar. Memindahkan AI dari eksperimen ke produksi memerlukan sinergi teknologi, proses, dan tata kelola. Pendekatan sistematis—yang menekankan kesiapan arsitektur dan prioritas yang jelas—dapat menjadi kunci untuk mengatasi hambatan skalabilitas yang selama ini menghambat nilai bisnis dari investasi AI. Perubahan lanskap ini menuntut komitmen jangka panjang dari pimpinan perusahaan dan adaptasi metodologis yang konsisten, agar manfaat AI dapat dirasakan secara luas dan berkelanjutan di berbagai sektor kritis.
