Peranan Artificial Intelligence (AI) bagi bisnis semakin nyata. Contoh pemanfaatan kecerdasan buatan di lingkungan bisnis kian beragam, mulai dari object recognition hingga pencegahan ancaman serangan siber.
Mesin rekomendasi Netflix yang ditenagai AI berkontribusi US$1 miliar per tahun. Exxon Mobil memanfaatkan AI untuk mendukung pencarian sumber minyak bumi di laut dalam. Perusahaan farmasi, Roche, menggunakan deep learning untuk menggali insight tentang penyakit Parkinson. Sementara AI yang dikembangkan oleh Huawei di-deploy oleh organisasi nirlaba Rainforest Connection untuk memerangi pembalakan liar.
Semrush Blog merangkum fakta statistik dari berbagai sumber yang menyuarakan manfaat AI bagi bisnis. Misalnya, 54% eksekutif mengatakan bahwa implementasi AI di lingkungan kerja telah meningkatkan produktivitas. Dan 79% eksekutif berpendapat bahwa AI akan membuat pekerjaan mereka lebih simpel dan lebih efisien. Pada tahun 2021 ini, pemanfaatan AI yang terus meningkat di berbagai sektor bisnis akan menciptakan nilai bisnis senilai US$2,9 triliun dan produktivitas sebesar 6,2 miliar jam. Bukan hanya untuk bisnis, AI juga berpotensi berkontribusi sebesar US$15,7 triliun kepada ekonomi global pada tahun 2030.
Meskipun AI semakin populer di kancah bisnis, banyak pelaku bisnis yang masih ragu untuk mengimplementasikannya. Sebuah e-book yang dipubliskasikan oleh O’Reilly pada tahun 2019 menyebutkan adanya beberapa faktor yang membuat organisasi/perusahaan belum mengadopsi AI. Lima teratas adalah budaya perusahaan belum mengenal kebutuhan akan AI (23%), masalah ketersediaan data (19%), ketiadaan staf yang berkompeten di bidang AI (18%), kesulitan mengidentifikasi business use case untuk AI (17%), dan tantangan infrastruktur teknologi (7%).
Untuk membantu perusahaan memulai perjalanannya mengadopsi Artificial Intelligence, berikut adalah contoh kecerdasan buatan yang diterapkan bisnis.
1. Customer service
Peranan AI di area ini cukup banyak dan tujuannya adalah meningkatkan kepuasan pelanggan Misalnya, melakukan social listening dan ticketing. Perusahaan dapat memanfaatkan Natural Language Processing (NLP), salah satu jenis artificial intelligence, dan machine vision untuk mengidentifikasi pelanggan sehingga perusahaan dapat menghubungi dan merespons pelanggan secara otomatis atau mengarahkan mereka ke agen yang tepat.
Contoh lain adalah melakukan call classification di mana NLP akan mengidentifikasi apa yang diinginkan pelanggan sehingga para agen layanan pelanggan dapat memfokuskan aktivitasnya pada hal-hal yang bernilai tinggi bagi pelanggan. Pemanfaatan AI yang tak kalah menarik di area ini adalah voice authentication. Di sini AI akan melakukan autentikasi terhadap pelanggan tanpa pelanggan harus menggunakan password.
2. Kesehatan
Di sektor ini peran AI tak kalah banyaknya. Salah satunya adalah patient data analytics yang menganalisis data pasien atau data pihak ketiga untuk memperoleh insight dan memberikan saran. AI juga dapat dimanfaatkan untuk menemukan perawatan terbaik sesuai data pasien, memberikan solusi yang lebih personal bagi pasien menggunakan data historis pasien dan profil genetik pasien.
Pemanfaatan lain misalnya untuk drug discovery. Perusahaan farmasi dapat menciptakan obat-obatan baru berdasarkan data dan medical intelligence. Dengan AI, perusahaan dapat memangkas biaya R&D dan meningkatkan kecepatan pembuatan obat baru.
3. HR
Divisi sumber daya manusia dapat memanfaatkan AI dalam proses hiring. Proses ini bisa diibaratkan gim prediksi. Di sini AI berperan, misalnya, dalam menemukan kandidat yang kualifikasinya memenuhi syarat dan mengevaluasi hasil assessment-nya.
AI juga dapat membantu dalam HR Retention Management. Tim HR dapat memperkirakan karyawan yang berpotensi mengundurkan diri. Dan sebelum itu terjadi, perusahaan dapat melakukan langkah-langkah untuk meningkatkan kepuasan karyawan tersebut dalam bekerja untuk mempertahankan mereka.
4. Operation
Ada cukup banyak contoh penerapan AI di area operation di berbagai sektor. Sektor retail dapat menerapkan AI untuk sistem self-checkout. Ya, teknologi yang memungkinkan pelanggan memindai dan membayar barang yang dibelinya tanpa kehadiran kasir memang sudah diterapkan. Namun saat ini ada sistem semacam itu yang dibekali sensor canggih dan AI untuk mengidentifikasi barang yang dibeli, kemudian sistem secara otomatis akan memotong saldo atau membebankan pembayaran pada kartu kredit pelanggan yang terdaftar.
Penerapan AI yang populer lainnya di area ini adalah predictive maintenance. AI akan membantu pemeliharaan robot atau mesin-mesin di pabrik secara prediktif sehingga perusahaan dapat meminimalkan gangguan terhadap operasional.
Memanfaatkan algoritma AI, perusahaan dapat melakukan mining terhadap proses-proses di operation dan memahami proses tersebut secara rinci. Process mining ini akan memberikan insight dengan cepat terhadap proses tersebut.
5. Keuangan dan fintech
Ada sederet contoh penerapan AI di bidang ini. Salah satu yang termasuk use case perdana AI adalah fraud detection. Machine learning dapat mendeteksi perilaku keuangan yang abnormal dan bersifat menipu (fraudulent). Langkah ini dapat membantu institusi keuangan menekan biaya operasional.
AI juga dapat diterapkan untuk credit lending. Dengan predictive model, institusi keuangan dapat mengidentifikasi potensi kredit macet. Proses penagihan piutang juga dapat didukung oleh AI. Di sini AI dimanfaatkan untuk memastikan proses penagihan tersebut berjalan sesuai aturan dan efisien sehingga institusi keuangan dapat secara efektif menekan potensi terjadinya perselisihan dan meninjau ulang tingkat keberhasilan penagihan.
Individu maupun institusi keuangan juga mulai mengeksplorasi Robo-Advisory, yaitu chatbot dan aplikasi assistant yang bekerja sama melakukan monitoring terhadap keuangan pribadi. Pengguna cukup menetapkan target berapa jumlah uang yang akan ditabung atau menentukan pengeluaran. Selanjutnya, serahkan pada si asisten keuangan yang akan menyajikan insight agar pengguna dapat mencapai target keuangan yang diinginkan.
Perusahaan juga dapat memanfaatkan AI untuk pengelolaan travel & expense. Sistem ini akan memanfaatkan deep learning untuk meningkatkan kualitas ekstraksi data berbagai jenis kuitansi, seperti kuitansi penginapan di hotel, pembelian bensin, tol dan lain. Pemanfaatan ini akan membantu perusahaan memangkas approval workflow dan biaya pemrosesan per unit.
Baca juga: Memahami Artificial Intelligence dari petunjuk toilet
| Penulis | : | Liana Threestayanti |
| Editor | : | Liana Threestayanti |
KOMENTAR