Dari tahap uji coba ke tahap produksi - praktik penerapan AI generatif pada tahun 2024

Oleh: Fanly Tanto, Country Director, Indonesia, Google Cloud

Saat ada teknologi baru yang berkembang secepat perkembangan AI generatif, memang tidak selalu mudah untuk bisa mengikutinya.

Sama halnya dengan percepatan digitalisasi pada masa awal COVID melanda, ketika perusahaan-perusahaan yang memilih untuk memantau situasi terlebih dahulu akhirnya malah tertinggal jauh, kini kita sudah sampai ke titik perubahan baru dengan hadirnya AI generatif.

Inilah beberapa prediksi perubahan yang akan terjadi di industri karena AI generatif:

Sektor retail
Retailer pasti sangat memahami bahwa kualitas suatu brand berbanding lurus dengan kualitas layanan pelanggannya. Dengan AI generatif, agen virtual bisa meringankan beban pusat kontak retailer dengan chatbot instan yang merespons seperti manusia untuk membantu pembeli menemukan solusi masalah dengan cepat, baik untuk mencari tahu perbedaan antar-produk maupun menukar pesanan. Hal tersebut juga dapat mendukung interaksi jual beli melalui percakapan online (conversational commerce) untuk membantu pembeli menemukan apa yang mereka cari dan mencegah terhentinya proses pencarian. Bayangkan kita memiliki staf virtual pribadi yang mampu berinteraksi dengan pembeli dan menyarankan barang sesuai pertanyaan atau preferensi pembeli. Sekarang bayangkan itu dilakukan dalam skala besar, dan kita bisa langsung tahu betapa menariknya prospek ini bagi retailer.

AI generatif juga bisa membantu merampingkan dan mempercepat proses pengelolaan katalog produk yang menghabiskan banyak waktu, yang selama ini menjadi kendala retail karena harus mengelola inventaris yang sering berotasi. Dengan mengotomatiskan pekerjaan yang menjemukan, retailer bisa memperbarui inventaris dengan jumlah dan jenis produk yang akurat secara real-time, mendapatkan gambar produk dari vendor, mengurutkan dan mengategorikan produk berdasarkan istilah penelusuran populer dan deskripsi yang relevan, serta menulis keterangan produk agar produk mudah dicari.

Marketer retail yang lihai kemudian bisa menggunakan deskripsi produk ini dan membuat materi iklan yang menarik serta bervariasi yang mampu memikat berbagai pangsa pasar. Misalnya, ambil contoh sebuah tas dan kita buatkan materi iklan yang berbeda untuk menyasar kalangan pembeli yang sadar lingkungan, milenial yang senang jalan-jalan, dan ibu-ibu yang baru saja punya anak. Kemudian, marketer bisa menggunakan AI generatif untuk membantu membuatkan beberapa latar belakang berbeda untuk foto produk tas tersebut, lalu melakukan A/B testing terhadap berbagai versi ini dengan audiens berbeda. Hal ini tidak hanya dapat menghemat waktu retailer, tetapi juga meningkatkan penghasilan mereka dan menaikkan interaksi konsumen.

Sektor jasa keuangan
Industri jasa keuangan adalah salah satu industri yang paling bergantung pada pengolahan data di dunia, dan AI generatif bisa membantu lembaga keuangan untuk menganalisis data, menghasilkan insight dari data tersebut, dan mengambil keputusan lebih baik.

Sebagian besar jasa keuangan memiliki istilah dan konteks tersendiri, dan kami yakin bahwa penggunaan model bahasa besar (LLM) yang dikhususkan untuk bidang ini akan meningkat, yakni berupa model bahasa yang sudah dilatih sebelumnya dan kemudian dilatih lebih jauh dalam set data teks dan kode yang lebih kecil dan lebih spesifik. Dengan begitu, model tersebut bisa memahami dan memberikan respons dengan lebih baik terhadap perintah dan pertanyaan yang berkaitan dengan topik atau area tertentu, seperti perubahan regulasi atau standar pelaporan keuangan.

Selain itu, kualitas output AI generatif juga terus ditingkatkan dengan cara “mengaitkan” respons yang dihasilkan model ke informasi dan konteks di dunia nyata. Artinya, untuk setiap pertimbangan atau keputusan yang dihasilkan, model LLM akan memberikan catatan atau link yang langsung terhubung ke data pendukung. Model AI generatif yang mudah dijelaskan seperti ini dapat membantu lembaga keuangan menjelaskan proses pengambilan keputusan yang mereka lakukan secara transparan kepada pelanggan, sehingga membangun kepercayaan dan keyakinan terhadap layanan yang didukung AI yang mereka berikan.

Namun, perlu ditekankan bahwa itu semua dilakukan dengan adanya peran manusia di dalamnya sebagai pengawas dan pengendali sistem AI yang digunakan untuk membuat keputusan terkait keuangan pelanggan. Dengan begitu, bank bisa membantu memastikan bahwa model AI mengikuti peraturan, mengurangi risiko, dan menjaga kepercayaan pelanggan.

Sektor pelayanan kesehatan
COVID-19 telah mengungkap berbagai kendala yang dihadapi industri kesehatan seperti beban biaya, kurangnya tenaga kerja, pemanfaatan teknologi yang kurang efisien, dan kompleksitas administratif. AI generatif pun diluncurkan tiga tahun kemudian dan dapat membantu meringankan beban-beban tersebut.

Contohnya, AI generatif dapat meringankan beban kerja administratif dan beban kognitif akibat kurangnya tenaga dokter dengan memudahkan pencarian informasi yang relevan dari kumpulan hasil data yang luar biasa besar, memahami laporan dan dokumen panjang agar siap digunakan dengan lebih cepat, dan membantu melakukan dokumentasi klinis. AI generatif juga dapat menganalisis dan mengatur ulang informasi yang ada dalam jutaan catatan medis dan laporan diagnostik elektronik yang menjelaskan kondisi pasien dan rumah sakit, termasuk informasi yang tersebar dalam berbagai bentuk seperti pemeriksaan radiologi, hasil lab, dan keluhan pasien saat berkonsultasi ke dokter. Hal-hal tersebut dapat membantu dokter menjawab pertanyaan medis dengan lebih akurat dan aman, serta menghasilkan insight baru tentang pelayanan kesehatan dan pasien.

Seperti pada bidang keuangan, manusia tetap menjadi pusat dalam prosesnya. Namun, AI generatif bisa menjadi alat baru yang efektif untuk mengerjakan sesuatu dengan hasil yang lebih memuaskan, tetapi prosesnya tidak terlalu membosankan. Menurut Organisasi Kesehatan Dunia (WHO), ada sekitar 28 juta perawat di dunia. Jika kita bisa menghemat 5 menit saja dari waktu kerja mereka setiap harinya, akan ada 266 tahun alokasi waktu yang bisa lebih difokuskan terhadap pelayanan pasien.

Seiring perkembangan AI generatif dari tahap eksperimen ke tahap produksi pada tahun 2024, kami tidak sabar ingin melihat cara berbagai perusahaan menggunakan teknologi ini untuk meraih peluang efisiensi serta peningkatan pendapatan secara aman dan dalam skala besar, hingga akhirnya mendorong standar baru ke seluruh industri.