Categories: AI dalam bisnisBlog

Automatisasi atau augmentasi? Dua pendekatan terhadap AI di perusahaan | AI dalam bisnis #124

Apa itu otomatisasi dan augmentasi dalam konteks AI di perusahaan?

Otomatisasi dan augmentasi adalah kekuatan yang saling bertentangan tetapi saling bergantung. Faktanya, perusahaan menghadapi pilihan: Apakah mereka memotong biaya dan mengotomatisasi tugas, menghilangkan keterlibatan manusia dalam proses? Atau, dengan fokus pada kualitas dan personalisasi, meningkatkan kemampuan karyawan dan memperbaiki hasil melalui augmentasi AI, yang melibatkan kolaborasi erat antara manusia dan kecerdasan buatan? Keterampilan komplementer mereka kemudian akan digabungkan untuk menyelesaikan tugas tertentu.

Paradoks otomatisasi dan augmentasi adalah masalah yang harus dihadapi oleh organisasi modern. Memahami perbedaan dan sinergi antara kedua konsep ini sangat penting untuk implementasi AI yang sukses dalam bisnis.

Otomatisasi

Otomatisasi adalah proses menggantikan aktivitas manusia yang repetitif dengan perangkat lunak. Sebelum era perkembangan pesat kecerdasan buatan generatif, otomatisasi hanya dapat diterapkan pada tugas rutin dan terstruktur dengan baik, seperti:

  • mengisi faktur,
  • membuat laporan,
  • merangkum pengeluaran,
  • layanan pelanggan sederhana berdasarkan pemilihan langkah berikutnya dalam percakapan dengan menekan tombol.

Organisasi mampu mengotomatisasi proses berdasarkan pengetahuan ahli yang dikodekan dalam bentuk algoritma yang mendefinisikan hubungan antara kondisi (“jika”) dan konsekuensi (“maka”). Otomatisasi semacam itu didasarkan pada model domain yang didefinisikan secara eksplisit, yaitu, representasi pengetahuan domain yang mengoptimalkan fungsi utilitas yang dipilih.

Namun, perkembangan kecerdasan buatan generatif telah membawa perubahan radikal di bidang otomatisasi. Tidak hanya model baru dapat merespons data masukan dengan jauh lebih fleksibel, tetapi mereka juga dapat mengeksekusi perintah yang dinyatakan dalam bahasa alami. Dengan kata lain, alih-alih mengeksekusi perintah berdasarkan aturan eksplisit, mereka dapat melakukan tugas berdasarkan pemahaman kontekstual.

Sumber: DALL·E 3, prompt: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

Namun, otomatisasi yang menggunakan kecerdasan buatan membawa risiko yang cukup besar.

Yang pertama adalah bahaya otomatisasi pengambilan keputusan – masalah yang dihadapi oleh pengembang kendaraan otonom, antara lain. Misalnya, ketika sebuah kendaraan harus melakukan manuver dalam hitungan detik karena tidak ada cara untuk menghindari tabrakan.

Risiko kedua berasal dari ketergantungan pada algoritma prediktif. Bahkan jika sebuah perusahaan ingin menerapkan opsi otomatis untuk mengikuti rekomendasi kecerdasan buatan berbasis data, seorang manusia harus bertanggung jawab atas keputusan yang diambil.

Jenis risiko ketiga adalah penggunaan kecerdasan buatan generatif yang, dengan data yang tidak memadai, mulai berhalusinasi, yaitu, memberikan jawaban yang mungkin tetapi salah. Misalnya, ia dapat menghasilkan berita palsu atau memberikan jawaban yang salah kepada pelanggan atas pertanyaan. Menavigasi manfaat dan risiko otomatisasi oleh karena itu memerlukan analisis dan persiapan yang cermat.

Augmentasi

Augmentasi adalah proses menggunakan AI untuk meningkatkan kecerdasan dan keterampilan manusia, alih-alih menggantikan mereka atau bertindak secara independen. Dengan semakin pentingnya augmentasi dalam lingkungan yang memerlukan pengambilan keputusan yang kompleks, organisasi semakin mengadopsi pendekatan ini. Untuk tugas yang lebih kompleks di mana aturan dan model tidak sepenuhnya diketahui, augmentasi memungkinkan kecerdasan alami dan buatan untuk bekerja sama dengan erat.

Ini karena augmentasi adalah proses iteratif dan ko-evolusi di mana manusia belajar dari AI dan AI belajar dari manusia. Dalam melakukan hal ini, peran kecerdasan buatan harus dirancang untuk memungkinkan pengawasan manusia di semua tahap proses yang diberikan. Ini memerlukan keterlibatan para ahli domain, yang keahliannya sering kali bersifat tacit, berasal dari bertahun-tahun pengalaman dan intuisi, sehingga sulit atau tidak mungkin bagi AI untuk menggantikan mereka secara langsung.

Augmentasi memungkinkan manusia dan kecerdasan buatan untuk saling memperkuat, menggabungkan rasionalitas mesin dengan intuisi manusia, akal sehat, dan pengalaman profesional. Pendekatan ini memungkinkan pemrosesan informasi yang lebih komprehensif dan pengambilan keputusan yang lebih baik.

Di perusahaan parfum, Symrise, misalnya, para pembuat parfum bekerja sama dengan sistem AI untuk menghasilkan ide-ide untuk wewangian baru (https://www.thefreelibrary.com/Can+AI+pass+the+smell+test%3F+Deploying+artificial+intelligence+can+be…-a0578441404). Melalui augmentasi, para ahli dapat memanfaatkan kemampuan mesin untuk memproses sejumlah besar data sambil menerapkan pengetahuan mereka sendiri untuk menginterpretasikan dan mengontekstualisasikan hasilnya. Hasilnya adalah wewangian inovatif yang disukai pelanggan.

Sumber: DALL·E 3, prompt: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

Transisi yang Mulus – dari otomatisasi ke augmentasi dan kembali lagi

Hubungan antara otomatisasi dan augmentasi adalah dinamis. Ini memungkinkan transisi yang mulus antara kedua pendekatan. Kolaborasi erat antara manusia dan AI dalam augmentasi membantu mengidentifikasi aturan dan model yang kemudian dapat digunakan untuk mengotomatisasi tugas tertentu, yang mengarah pada inovasi dan peningkatan efisiensi.

Oleh karena itu, organisasi harus secara sengaja melakukan iterasi antara tugas terpisah dari otomatisasi dan augmentasi, membuat komitmen jangka panjang untuk keduanya.

Langkah lain yang akan memperkuat hubungan antara otomatisasi dan augmentasi adalah penciptaan agen otonom, yaitu kecerdasan buatan yang tidak hanya dapat mengotomatisasi tugas, tetapi juga merencanakan proses dan mengeluarkan perintah kepada sistem lain tanpa intervensi manusia. Pengembangan solusi AI generasi berikutnya juga akan memungkinkan dalam waktu dekat untuk menciptakan prototipe dan layanan inovatif berdasarkan analisis kebutuhan.

Ringkasan

Otomatisasi dan augmentasi mewakili dua aplikasi kecerdasan buatan yang saling bertentangan tetapi sering kali saling bergantung dalam manajemen. Pendekatan yang seimbang yang menggabungkan kekuatan kedua konsep adalah kunci untuk mencapai komplementaritas yang menguntungkan baik bisnis maupun masyarakat.

Untuk mengelola ketegangan ini secara efektif, organisasi harus:

  • ingat tentang tanggung jawab untuk menciptakan sistem yang transparan dan aman menggunakan AI,
  • ingat tanggung jawab untuk proses manajemen, memperlakukan AI sebagai alat untuk membantu daripada menggantikan manajer,
  • mengintegrasikan kedua pendekatan dengan sengaja melakukan iterasi di antara mereka dan memanfaatkan kekuatan masing-masing,
  • melaksanakan kontrol ketat dan mekanisme transparansi untuk mendeteksi dan memperbaiki kesalahan dan bias dalam sistem AI.

Di atas segalanya, mereka juga harus berinvestasi dalam mengembangkan keterampilan dan kompetensi karyawan agar mereka dapat bekerja secara efektif dengan kecerdasan buatan sebagai bagian dari augmentasi.

Menggabungkan kedua kekuatan AI ini dengan sukses tidak hanya akan membuat organisasi lebih efisien dan inovatif, tetapi juga membantu membangun masyarakat yang lebih adil dan berkelanjutan. Kuncinya adalah memahami bahwa otomatisasi dan augmentasi harus hidup berdampingan dalam sinergi yang harmonis, bukan bersaing sebagai alternatif.

Jika Anda menyukai konten kami, bergabunglah dengan komunitas lebah sibuk kami di Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.

Robert Whitney

Ahli JavaScript dan instruktur yang melatih departemen TI. Tujuan utamanya adalah untuk meningkatkan produktivitas tim dengan mengajarkan orang lain bagaimana berkolaborasi secara efektif saat melakukan pengkodean.

View all posts →

Robert Whitney

Ahli JavaScript dan instruktur yang melatih departemen TI. Tujuan utamanya adalah untuk meningkatkan produktivitas tim dengan mengajarkan orang lain bagaimana berkolaborasi secara efektif saat melakukan pengkodean.

Share
Published by
Robert Whitney

Recent Posts

Peran AI dalam moderasi konten | AI dalam bisnis #129

Perusahaan menghadapi tantangan dalam mengelola sejumlah besar konten yang dipublikasikan secara online, mulai dari pos…

2 days ago

Analisis sentimen dengan AI. Bagaimana ini membantu mendorong perubahan dalam bisnis? | AI dalam bisnis #128

Di era transformasi digital, perusahaan memiliki akses ke jumlah data yang belum pernah terjadi sebelumnya…

2 days ago

Alat transkripsi AI terbaik. Bagaimana cara mengubah rekaman panjang menjadi ringkasan yang singkat? | AI dalam bisnis #127

Apakah Anda tahu bahwa Anda dapat mendapatkan inti dari rekaman multi-jam dari pertemuan atau percakapan…

2 days ago

Generasi video AI. Cakrawala baru dalam produksi konten video untuk bisnis | AI dalam bisnis #126

Bayangkan sebuah dunia di mana perusahaan Anda dapat membuat video yang menarik dan dipersonalisasi untuk…

3 days ago

LLMOps, atau cara mengelola model bahasa secara efektif dalam sebuah organisasi | AI dalam bisnis #125

Untuk sepenuhnya memanfaatkan potensi Model Bahasa Besar (LLM), perusahaan perlu menerapkan pendekatan yang efektif dalam…

3 days ago

Google Genie — model AI generatif yang menciptakan dunia interaktif sepenuhnya dari gambar | AI dalam bisnis #123

Bayangkan skenario futuristik di mana sistem kecerdasan buatan yang canggih menghidupkan gambar, foto, atau bahkan…

3 days ago