Technonesia - Mengidentifikasi penyebab proyek AI gagal kini menjadi fokus penting bagi banyak pemimpin teknologi di seluruh dunia. Meskipun investasi global untuk kecerdasan buatan terus melonjak tajam, kenyataan di lapangan menunjukkan hasil yang kontras. Banyak korporasi besar masih kesulitan membawa sistem cerdas ini dari sekadar eksperimen laboratorium ke operasional harian.
Fenomena ini diperkuat oleh laporan terbaru dari McKinsey & Company. Riset tersebut mengungkapkan bahwa delapan dari sepuluh perusahaan menghadapi hambatan besar saat mencoba mengadopsi AI otonom. Ini menjadi salah satu tantangan teknologi AI terbesar tahun ini, di mana kegagalan bukan terletak pada kecerdasan model komputasi yang mereka gunakan, melainkan pada buruknya fondasi data internal yang tidak siap pakai.
Banyak analis teknologi menyadari bahwa penyebab proyek AI gagal sering kali berakar pada buruknya kualitas data mentah. Data perusahaan kerap kali tersimpan di berbagai tempat terpisah (siloisasi), tidak sinkron secara real-time, dan tidak memiliki standar keamanan yang memadai. Kondisi ini membuat algoritma cerdas tidak mampu bekerja secara optimal untuk menghasilkan keputusan bisnis yang akurat.
Infrastruktur Data yang Terfragmentasi
Kegagalan integrasi ini juga menjadi perhatian Confluent, raksasa teknologi data streaming yang kini menjadi bagian dari IBM. Sean Falconer, Head of AI Confluent, menjelaskan bahwa sebagian besar inisiatif teknologi ini terhenti di tengah jalan karena masalah mendasar pada lapisan data. Perusahaan kerap kali terburu-buru mengadopsi model tercanggih tanpa membenahi jalur distribusinya terlebih dahulu.
"Organisasi biasanya sudah menetapkan target bisnis dan memilih model kecerdasan buatan mereka," ujar Falconer. Namun, ia menambahkan bahwa risiko keamanan dan data yang tersebar di berbagai penyimpanan lokal maupun cloud menjadi penghambat utama peluncuran produk ke pasar luas.
Di sisi lain, tim keamanan siber perusahaan juga sering membatasi akses data sensitif demi menghindari kebocoran informasi. Akibatnya, para pengembang terpaksa menggunakan berbagai alat terpisah untuk mengelola, menyaring, dan mengamankan aliran data. Tanpa adanya keamanan data AI yang solid, implementasi teknologi skala penuh akan sangat mustahil terwujud.
Keamanan Data Menjadi Penyebab Proyek AI Gagal
Jika kita membedah lebih dalam, penyebab proyek AI gagal di fase uji coba juga melibatkan ketakutan tim kepatuhan internal terhadap regulasi perlindungan data pribadi. Tanpa adanya sistem penyamaran data otomatis, pengembang tidak bisa melatih model AI menggunakan data pelanggan yang nyata. Hal ini membuat akurasi sistem menjadi sangat rendah saat dirilis ke publik.
Tantangan ini terasa sangat nyata di kawasan Asia Pasifik (APAC), wilayah yang saat ini sedang gencar mengadopsi teknologi AI generatif. Greg Taylor, Vice President and General Manager APAC Confluent, menyebutkan banyak proyek di kawasan ini tidak pernah melewati fase uji coba