Agar bisa segera beranjak dari proyek pilot ke penggelaran machine learning dalam skala yang lebih luas, Anda pertama kali harus bisa memahami bagaimana kultur machine learning itu sendiri. Pimpinan dan pengembangan harus sama-sama punya pemikiran yang sama mengenai bagaimana mereka dapat menerapkan machine learning sebagai solusi atas beragam permasalahan bisnis.
Dalam perjalanannya nanti, tentu Anda akan merasakan sendiri beragam kendala di sana-sini. Namun, di tataran inti, machine learning itu sendiri sebetulnya merupakan eksperimentasi yang akan terus mengalami penyempurnaan-penyempurnaan seiring waktu. Jadi di depan, perusahaan harus sudah siap dan mafhum dengan kegagalan dan mulai meluaskan cara pandang mereka terhadap segala kemungkinan yang akan terjadi. Jika ini diterapkan, niscaya kultur machine learning yang Anda bangun akan punya peran yang vital dalam turut meletakkan fondasi menuju kesuksesan perusahaan dalam jangka panjang.
Kesalahan umum yang dilakukan perusahaan adalah menaruh pakar-pakar teknologi di tim yang berlainan. Kekakuan seperti ini bisa memicu beragam masalah lain. Tak jarang jika pengembangan model machine learning biasanya berakhir menjadi onggokan konseptual, namun tidak memberikan solusi nyata atas permasalahan yang terjadi.
Perusahaan malah justru perlu mendudukkan bersama antara tim pakar di bidang teknis dengan para ahli di masing-masing domain kepakaran, agar dalam mencari solusi, mereka dapat menariknya dari tiap-tiap permasalahan yang dialami oleh pelanggan. Dengan menempatkan orang-orang yang tepat diharapkan dapat memupus kesenjangan kultur dalam pengadopsian, ditambah dengan keputusan yang cepat oleh perusahaan untuk menggelontorkan belanja bisnis.
Di sisi lain, pimpinan perusahaan juga harus gigih dalam mencari strategi agar memudahkan pengembang dalam penerapan machine learning ini. Membangun infrastruktur untuk pengembangan machine learning dalam skala yang luas tentu membutuhkan SDM dalam jumlah yang luar biasa. Ini justru dirasa akan menghambat inovasi. Dalam mengembangkan model machine learning, tim tidak boleh fokus hanya pada hal-hal yang sifatnya dikerjakan beramai-ramrai namun tak jelas diferensiasinya. Dengan menggunakan peranti yang mampu mencakup seluruh workflow dalam membangun, melatih dan menggelar model-model machine learning, proses produksi bisa dilakukan dengan lebih cepat, serta dengan upaya dan biaya yang tentu lebih rendah.
Intuit, contohnya, berencana untuk menyederhanakan proses penyortiran TurboTax bagi nasabah mereka, agar memudahkan dalam mengidentifikasi bidang-bidang mana yang bisa dipangkas. Dengan menggunakan Amazon SageMaker yang diterapkan pada peranti ExpenseFinder milik mereka, Intuit bisa menarik transaksi bank secara otomatis setara dengan nilai dalam setahun. Ini berkat algoritma machine learning di Intuit yang bisa membantu nasabah mengungkap rata-rata sebesar $4.300 dalam pembiayaan bisnis mereka. Waktu yang dibutuhkan untuk pengembangan model machine learning juga terpangkas dari 6 bulan menjadi kurang dari seminggu.
Ini hanya salah satu contoh saja bagaimana machine learning bisa membawa banyak perubahan dalam bisnis bagi hampir di semua lini industri. Machine learning bukan lagi teknologi yang ada di awang-awang. Machine learning mendukung terwujudnya transformasi di masa kini. Tentu dalam perjalanannya nanti, Anda akan merasakan sendiri beragam kendala di sana-sini. Namun, di tataran inti, machine learning itu sendiri sebetulnya merupakan eksperimentasi yang akan terus mengalami penyempurnaan-penyempurnaan seiring waktu. Jadi di depan, perusahaan harus sudah siap dan mafhum dengan kegagalan dan mulai meluaskan cara pandang mereka terhadap segala kemungkinan yang akan terjadi. Jika ini diterapkan, niscaya kultur machine learning yang Anda bangun akan punya peran yang vital dalam turut meletakkan fondasi menuju kesuksesan perusahaan dalam jangka panjang.
Pengembangan Tim
Membangun kultur machine learning, Anda harus fokus dalam pengembangan tim, seperti mengembangkan skill yang tepat bagi tiap-tiap engineer serta memastikan bahwa pimpinan di level atas bisnis mendapatkan pelatihan yang tepat agar memiliki pemahaman mendasar mengenai machine learning.
Di sisi lain, merekrut SDM berpengalaman tinggi di bidang machine learning bukan perkara mudah. Selain karena terkait dengan persoalan biaya, mendapatkan mereka juga bak mencari jarum di tumpukan jerami. Perusahaan perlu mengembangkan kapasitas dan kemampuan SDM yang sudah ada. Skill di bidang machine learning bisa dipupuk melalui penyelenggaraan pelatihan-pelatihan bagi pengembang secara internal. Cara ini dipercaya juga akan membuat mereka lebih betah dan loyal kepada perusahaan.
Amazon menggelar sejumlah program yang mendukung talenta-talenta mudah mengenali machine learning lebih jauh, terlepas tingkat kepiawaian maupun latar belakang industri mereka. Beberapa tahun yang lalu, Amazon mengembangkan in-house Machine learning University (MLU) untuk membantu para pengembang mudah mengasah kemampuan machine learning mereka, serta menyediakan peranti yang dibutuhkan oleh bibit-bibit baru untuk mengenal teknologi tersebut.
Kami juga menyelenggarakan kursus yang sama tentang machine learning pada tahun 2018 untuk melatih engineer kami agar siap mendukung pengembang melalui program AWS Training and Certification yang kami tawarkan. Di bulan Agustus tahun ini, kami juga menyelenggarakan sejumlah kursus singkat dengan pengajar berasal dari tim pakar Amazon ML. Saat ini, kursus ini sudah bisa diakses secara daring. Mulai 2021, seluruh kelas yang diselenggarakan dalam MLU juga akan tersedia dalam bentuk video on-demand, bersama semua materi coding terkait.
Kita melihat satu lagi pendekatan yang dilakukan oleh Morningstar, firma layanan finansial global, yang sempat menikmati pelatihan langsung bagi karyawan mereka melalui program AWS DeepRacer untuk mendukung akselerasi penerapan teknologi machine learning di seluruh lini perusahaan, dari produk, layanan, hingga proses investasi yang mereka tawarkan. Sudah lebih dari 445 karyawan Morningstar yang saat ini terlibat dalam program AWS DeepRacer League. Program ini menjadi satu cara untuk lebih melibatkan mereka dalam merealisasikan komitmen perusahaan di level global dalam meningkatkan skill dan menyatukan tim global perusahaan.