AI perusahaan bukan lagi ambisi masa depan. Ia dalam penerbangan operasional penuh. Kemampuan model berkembang lebih cepat daripada yang dapat diserap sebagian besar organisasi, sementara biaya kinerja terus menurun. Secara global, investasi AI diperkirakan mencapai 2,5 triliun dolar pada tahun 2026, naik 44% dari tahun sebelumnya. Bagi banyak perusahaan, investasi ini telah menghasilkan fragmentasi. Kecerdasan dapat terakumulasi dalam silo sehingga agen penjualan tidak mengetahui tiket dukungan yang terbuka, misalnya, atau sistem pemasaran mempersonalisasi konten tanpa visibilitas tentang apa yang sudah diketahui bagian keuangan tentang pelanggan. Setiap fungsi mungkin berkinerja baik secara terisolasi, tetapi perusahaan secara keseluruhan belajar sedikit dan memiliki lebih sedikit informasi untuk ditindaklanjuti.
Pergeseran dari AI sebagai alat ke AI sebagai model operasi—apa yang kami sebut "pergeseran agen" dalam laporan ini—menuntut sesuatu yang lebih mendasar daripada model yang lebih baik atau infrastruktur yang lebih cepat. Ini membutuhkan menghubungkan orang, proses, dan data secara real-time, bersama dengan tata kelola dan kontrol untuk bertindak berdasarkan kecerdasan itu secara andal. Ini berarti memikirkan ulang arsitektur dan model operasi secara bersamaan. Pertama, membangun kembali infrastruktur data untuk aksesibilitas daripada volume. Kedua, mengganti tumpukan teknologi tetap dengan arsitektur yang dapat dikomposisi yang dapat berkembang seiring perubahan model dan alat. Dan, terakhir, menyelesaikan pertanyaan tentang kedaulatan AI, termasuk di mana kecerdasan berjalan, siapa yang mengendalikannya, dan bagaimana ia beroperasi melintasi batas organisasi dan yurisdiksi.
Temuan utama meliputi hal-hal berikut: Masalah penskalaan AI perusahaan bersifat struktural. Perusahaan yang mengutamakan proses unggul. Pengeluaran AI global meningkat tajam dan kemampuan model berkembang lebih cepat daripada yang dapat diintegrasikan oleh sebagian besar organisasi. Namun mayoritas perusahaan masih belum meningkatkan pendapatan melalui AI atau memikirkan ulang secara fundamental bagaimana mereka beroperasi. Perusahaan yang menghasilkan pengembalian berkelanjutan berbagi disiplin yang sama. Mereka memperlakukan desain ulang proses sebagai pekerjaan yang mendahului pemilihan model, membangun untuk bagaimana teknologi akan berkembang daripada menyesuaikan peran dan alur kerja setelah penerapan.
Kesiapan data, bukan kelimpahan data, yang membuat AI dapat dikomposisi. Sebagian besar perusahaan menemukan terlambat bahwa memiliki data dan memiliki data yang siap AI adalah hal yang sangat berbeda. Fondasi yang berdaulat dan dapat dikomposisi—yang menanyakan dan menyiapkan data di mana ia berada, tanpa migrasi atau sentralisasi—dapat mengubah kumpulan data mentah menjadi kecerdasan yang dapat ditindaklanjuti oleh agen AI. Karena undang-undang residensi data, lingkungan multi-cloud, dan kompleksitas struktural membuat sentralisasi semakin tidak praktis, kendali berdaulat atas di mana model berjalan dan data berada adalah apa yang menjaga kemampuan adaptasi itu tetap utuh.
Sumber: MIT Technology Review AI · Diringkas oleh HeadlinesBriefing