Ringkasan
Saat membangun produk baru, pertanyaan pertama yang sering muncul adalah model AI apa yang akan digunakan. Padahal pertanyaan tersebut sering muncul sebelum memahami masalah yang ingin diselesaikan.
Fokus akhirnya bergeser dari kebutuhan pengguna menjadi pemilihan teknologi. Dalam banyak kasus, AI ditambahkan terlalu dini sebelum rule, workflow, dan analytics dimanfaatkan secara optimal.
Insight Utama
Tidak Semua Masalah Membutuhkan AI
Banyak sistem berkembang melalui tahapan berikut:
Rule
↓
Workflow
↓
Analytics
↓
AI
Namun dalam praktiknya urutan tersebut sering dibalik. AI menjadi titik awal, lalu tim berusaha mencari masalah yang cocok untuk dibantu AI.
Pendekatan yang lebih sehat adalah memulai dari solusi paling sederhana yang mampu menyelesaikan masalah.
AI Sangat Baik Untuk Bahasa
Model bahasa sangat efektif untuk:
- Mengubah bahasa alami menjadi struktur data
- Meringkas informasi
- Mengelompokkan dan mengklasifikasikan data
- Membantu pencarian berbasis makna
- Menjelaskan hasil analisis
Namun model bahasa bukan sumber kebenaran. Kualitas jawaban tetap bergantung pada kualitas konteks dan data yang diberikan.
Jangan Langsung Melempar Data Mentah Ke LLM
Pola yang sering dibayangkan:
Data
↓
LLM
↓
Insight
Padahal pendekatan yang lebih dapat diaudit biasanya:
Raw Data
↓
Metrics
↓
Findings
↓
Evidence
↓
Narrative
Pada pola ini, AI berada pada lapisan terakhir untuk membantu manusia memahami temuan yang sudah dihasilkan sistem.
Mengapa Ini Penting
Dalam Decision Systems, sebuah kesimpulan seharusnya dapat ditelusuri kembali ke sumber datanya.
Jika sistem menyimpulkan:
Campaign A menyebabkan penurunan konversi.
Maka sistem idealnya mampu menunjukkan:
Conclusion
↓
Finding
↓
Metric
↓
Source Data
Tanpa jejak tersebut, pengguna hanya menerima jawaban tanpa memahami dasar yang melahirkannya.
Checklist
Sebelum menambahkan AI ke sebuah fitur, periksa beberapa hal berikut:
- Apakah masalah ini benar-benar membutuhkan reasoning?
- Apakah rule sederhana dapat menyelesaikannya?
- Apakah workflow sudah cukup jelas?
- Apakah analytics yang diperlukan sudah tersedia?
- Apakah setiap kesimpulan dapat ditelusuri ke evidence?
- Apakah AI digunakan untuk menjelaskan atau menggantikan proses berpikir sistem?
Penutup
AI dapat menjadi akselerator yang sangat kuat. Namun dalam banyak sistem, nilai terbesar justru berasal dari data yang baik, observability yang jelas, dan kemampuan menelusuri keputusan hingga ke sumber evidence.
Pertanyaan yang sering lebih penting daripada memilih model adalah:
“Bagian mana dari pekerjaan ini yang benar-benar membutuhkan AI?”