AI Bukan Masalah Teknologi, Melainkan Masalah Kepemimpinan

Banyak tim eksekutif yang saya dampingi telah berinvestasi di AI selama beberapa tahun terakhir. Mereka yang merasa frustrasi bukanlah para skeptis, melainkan para pengikut AI yang programnya gagal terhubung dengan laporan laba rugi (P&L). Mereka memiliki pilot project, momentum internal, dan slide presentasi untuk dewan yang menunjukkan semuanya berjalan. Namun, yang mereka kurang adalah bukti jelas bahwa aktivitas AI tersebut berdampak langsung pada kinerja bisnis. Saat ini, kesenjangan ini tidak lagi bisa diterima.

Saya pernah menjalankan AI dalam skala besar di Kroger dan anak perusahaannya, 84.51°, di mana kami memproses jutaan prediksi per detik di ribuan lokasi toko. Kami tidak mengukur kesuksesan dari jumlah model yang berjalan, seberapa impresif pilot project, atau apakah pekerjaan tersebut bergerak maju. Kami mengukur dampaknya pada margin, ukuran keranjang belanja, dan retensi pelanggan—hal-hal yang secara langsung memengaruhi bisnis.

Pengalaman itu membentuk cara saya memandang apa yang dibutuhkan AI dari kepemimpinan, serta apa yang masih banyak disalahpahami oleh tim eksekutif. Mereka tidak bingung apakah AI penting. Mereka menghadapi tekanan margin yang semakin ketat, biaya modal yang mahal, dan dewan yang menginginkan hasil nyata, bukan sekadar peta jalan. Berdasarkan pengalaman saya, menutup kesenjangan ini membutuhkan tiga hal utama:

1. Nilai AI Harus Terlihat di Laporan Laba Rugi

Banyak perusahaan bisa menyebutkan berapa banyak model AI yang mereka jalankan. Namun, sangat sedikit yang bisa menjelaskan berapa nilai bisnis yang dihasilkan model-model tersebut. AI dapat meningkatkan kedua sisi laporan laba rugi melalui personalisasi yang lebih baik dan penetapan harga yang cerdas untuk meningkatkan pendapatan. Sementara itu, otomatisasi dan peramalan yang lebih akurat dapat mengurangi biaya dan pemborosan. Sayangnya, banyak perusahaan menyebarkan investasi AI ke terlalu banyak inisiatif tanpa koneksi yang jelas terhadap nilai perusahaan. Mereka menciptakan aktivitas tanpa mengubah ekonomi bisnisnya.

Pertanyaan yang seharusnya diajukan bukanlah di mana perusahaan menggunakan AI, melainkan di mana AI mengubah ekonomi unit bisnis. Sebagian besar organisasi tidak dapat menjawab pertanyaan kedua ini.

2. Kecepatan Adalah Keunggulan Strategis yang Terabaikan

Hampir setiap organisasi besar tahu lebih banyak daripada yang bisa mereka lakukan. Data dan wawasan ada, tetapi jarak antara sinyal dan tindakan terlalu jauh. Siklus pengambilan keputusan melambat, fungsi-fungsi beroperasi dengan asumsi yang berbeda, dan ketika akhirnya terjadi keselarasan internal, momen yang tepat telah berlalu. Saya menyaksikan hal ini secara langsung di industri jasa keuangan. Sebuah tim membangun model untuk mengidentifikasi pelanggan dari perusahaan pesaing yang paling mungkin beralih ke lini bisnis tertentu. Analisisnya solid, dan modelnya berfungsi. Namun, yang terjadi selanjutnya adalah bulan-bulan penundaan organisasi dan revisi pertanyaan tata kelola, jauh setelah pilot terbukti layak. Ketika akhirnya para pemimpin mengambil keputusan, kondisi pasar telah berubah, dan mereka keluar dari bisnis tersebut. Seorang karyawan merangkum dengan tepat,

‘Operasinya berhasil, tetapi pasiennya sudah meninggal.’

AI dapat menutup kesenjangan ini melalui pelaporan yang lebih cepat, peramalan yang lebih baik, dan deteksi anomali yang lebih dini. Ini bukan tentang melakukan sesuatu dengan biaya lebih murah, melainkan tentang bertindak tepat waktu saat itu penting—dan itu sama pentingnya dengan teknologi itu sendiri.