Penggunaan kecerdasan buatan (AI) dalam bisnis semakin meluas dan banyak pemilik usaha yang bersemangat dengan potensinya. Namun, sering kali saat berhadapan dengan teknologi ini, hal yang diabaikan adalah proses verifikasi yang harus mengikuti proses otomatisasi. Kebangkitan AI menawarkan efisiensi yang menggoda, tetapi harus diingat bahwa kecepatan tidak selalu sama dengan penghematan biaya. Dalam beberapa kasus, biayanya justru berpindah ke tempat lain.
Saat pertama kali melihat mesin membuat draft yang tampak selesai, saya hampir setuju untuk menggunakannya. Bahasa yang digunakan rapi dan strukturnya jelas. Namun, ketika mencoba memeriksa tiga klaim dengan bahan sumbernya, saya malah menghabiskan lebih banyak waktu untuk membangun kembali argumen daripada waktu yang dihemat oleh draft itu. Speed dan cost bekerja secara terpisah; kecepatan tidak menghilangkan biaya, melainkan memindahkannya.
Dalam pengalaman saya, banyak pemilik usaha merayakan kemampuan teknologi untuk menghasilkan, tetapi mengabaikan perlunya verifikasi. Data dari Biro Sensus AS menunjukkan bahwa penggunaan AI di bisnis berkisar antara 17% hingga 20%, dengan lebih banyak perusahaan yang berencana untuk terlibat. Namun, gelombang berikutnya tidak akan berhenti hanya karena model-model yang ada tidak sebaik sebelumnya. Proses verifikasi yang lambat, tidak transparan, atau mahal secara sosial lah yang akan menghambat perkembangan ini.
Menyusun Rencana Verifikasi Sebelum Mengotomatiskan
Penting untuk merencanakan siapa yang akan memeriksa hasil otomatisasi, berapa lama pemeriksaan ini seharusnya berlangsung, dan apa yang terjadi jika pemeriksaan tersebut gagal. Penggunaan AI dapat mengurangi biaya tahap awal, tetapi keluaran yang tidak jelas juga menciptakan kewajiban untuk memeriksa. Apabila verifikasi cepat dan kesalahan dapat dibetulkan, maka hasilnya tetap positif. Namun, jika verifikasi memerlukan keahlian yang langka atau proses yang mahal, kecepatan yang tampak tersebut hanya akan memindahkan biaya ke bagian lain.
Cobalah menghitung biaya dan waktu untuk satu alur kerja yang ingin Anda otomasi. Contohnya, pemilik restoran mungkin bisa membiarkan mesin mengatur jadwal mingguannya tetapi tetap memerlukan manajer yang memahami peraturan ketenagakerjaan. Jika pemeriksaan yang diperlukan tidak bisa dijadwalkan dalam sehari, otomatisasi tersebut mungkin belum siap.
Menyediakan Jalur Verifikasi yang Terpisah
Reviewer tidak bisa secara efektif memeriksa rekomendasi otomatis saat sistem juga mengambil satu-satunya akuntabilitas dari kasus tersebut. Ketika data, kerangka, dan kesimpulan datang dari satu antarmuka, ketidaksetujuan membutuhkan rekonstruksi informasi yang tidak pernah dilihat oleh reviewer secara mandiri. Tekanan waktu sering membuat situasi seperti ini tampak wajar.
Oleh karena itu, penting untuk membangun jalur verifikasi yang independen. Untuk pekerjaan yang berisiko tinggi, siapkan set input mentah di samping ringkasan dari mesin. Minta reviewer untuk menyebutkan bukti yang menentukan sebelum rekomendasi diberikan, dan bandingkan alasannya. Kesepakatan sendiri tidak menjamin apa-apa. Apa yang penting adalah apakah ketidaksetujuan bisa mengubah tindakan dan dapat dipastikan dalam catatan.
Latihan Mengambil Keputusan Tanpa Otomatisasi
Kebijakan override yang hanya ada dalam dokumen atau sebagai tombol tidak cukup untuk dapat diandalkan. Ketika kasus buruk muncul, tekanan waktu dan ketidakpastian meningkat. Oleh karena itu, penting bagi tim untuk berlatih mengenali dan bertindak tanpa tergantung pada sistem otomatisasi ketika jawabannya terasa salah.
Lakukan latihan singkat dalam bulan ini dengan mengambil tiga output terbaru yang hampir dikirimkan. Sembunyikan bahasa kepercayaan mesin dan minta seorang pemilik untuk menolak salah satunya dengan alasan tertulis serta langkah selanjutnya yang berbeda. Perhatikan apakah penolakan tersebut bertahan atau diperhalus begitu draft terdengar selesai.
Sebagai langkah awal, pilih satu alur kerja yang dibantu AI, catat waktu untuk verifikasi dan rute bukti independennya dalam satu halaman. Lakukan satu latihan disengaja dengan orang yang sebenarnya memiliki hasil akhirnya. Sampaikan kepada tim sebelum memperluas penggunaan alat tersebut.
Kesadaran bahwa pemeriksaan itu adalah produk nyata dari penggunaan AI perlu ditegaskan. Pengawasan yang tepat adalah kunci untuk memastikan bahwa teknologi ini benar-benar bermanfaat dalam operasi bisnis sehari-hari.
