Dengan cepatnya teknologi agen AI menyusup ke berbagai industri, perusahaan teknologi besar seperti Google dan Microsoft secara bertahap mengintegrasikannya ke dalam pengalaman pencarian. Sektor seperti otomotif, perbankan, dan asuransi juga mulai meluncurkan layanan pelanggan AI dan alat otomatisasi proses, serangkaian perkembangan ini mengisyaratkan masa depan AI dalam aplikasi bisnis.
Menurut penelitian pasar, pasar AI agent global diperkirakan akan meluas dari 5,4 miliar dolar AS di tahun 2024 menjadi 50 miliar dolar AS di tahun 2030, dengan tingkat pertumbuhan tahunan gabungan mencapai 45,8%. Namun, di balik pertumbuhan ini terdapat tantangan serius: kualitas data yang buruk semakin menjadi hambatan terbesar dalam penerapan AI agent.
Sebuah survei menunjukkan bahwa hingga 78% perusahaan di seluruh dunia belum siap untuk menerapkan agen AI dan model bahasa besar. Masalah utamanya bukan terletak pada algoritma atau teknologi model, tetapi pada kurangnya dukungan data berkualitas tinggi. Banyak perusahaan sudah membayar mahal akibat hal ini, seperti tahun lalu ketika Air Canada terpaksa memberikan pengembalian uang karena chatbot yang memberikan diskon yang tidak ada. Selain itu, ada perusahaan teknologi yang kehilangan banyak pelanggan berlangganan akibat jawaban salah dari layanan pelanggan AI.
Meskipun 80% dari lembaga layanan berencana untuk meningkatkan efisiensi layanan dan pengalaman pelanggan di masa depan, gelombang investasi AI ini terancam oleh tantangan kualitas data. Para ahli menunjukkan bahwa sistem AI sangat bergantung pada data berkualitas tinggi; ketika data tidak akurat, usang, atau tidak lengkap, hal ini akan memperbesar kesalahan dan memengaruhi kinerja proses otomatisasi.
Untuk memaksimalkan fungsi agen AI, salah satu pendiri Amperity yang fokus pada manajemen data anggota AI menyarankan perusahaan untuk membangun fondasi data yang kuat dan memenuhi empat persyaratan utama. Banyak perusahaan menghadapi masalah utama sebelum memperkenalkan agen AI, yaitu data yang tersebar di berbagai platform, seperti e-commerce, CRM, layanan pelanggan, dan sistem POS di toko, yang mengakibatkan ketidakkonsistenan dan duplikasi data pelanggan.
Oleh karena itu, memecahkan batasan data antara sistem dan mengintegrasikan data pelanggan adalah langkah yang penting. Ini dapat membantu AI untuk mengambil data dari berbagai platform, seperti memahami sejarah pembelian pelanggan serta interaksi sosial terbaru, yang pada gilirannya memberikan layanan dan rekomendasi yang lebih baik.
Perusahaan tradisional sering kali memperbarui data secara harian atau mingguan, tetapi dalam lingkungan agen AI, sistem harus mampu merespons situasi terkini secara instan, seperti rekomendasi produk dan penanganan layanan pelanggan. Jika data terlambat, hal ini akan berdampak serius pada efektivitasnya.
Perusahaan harus memahami dengan jelas sumber dan aliran data agar tidak terjadi pengkodean yang berbeda untuk pelanggan yang sama di sistem yang berbeda, karena hal ini dapat mempengaruhi kemampuan pemahaman AI. Di tengah regulasi privasi yang semakin ketat, perusahaan perlu membangun sistem akses, mekanisme pengawasan, dan sistem pelacakan persetujuan agar semua aplikasi AI mematuhi standar dan regulasi yang berlaku.
Meskipun teknologi agen AI dapat secara signifikan meningkatkan daya saing dan efisiensi perusahaan, semua itu bergantung pada data yang benar, lengkap, tepat waktu, serta sesuai dengan regulasi. Jika tidak, bahkan jika perusahaan menginvestasikan dalam teknologi AI tercanggih, pada akhirnya mereka mungkin akan merugi karena kesalahan data. Seiring perusahaan berlomba-lomba mengejar arus AI, semakin penting untuk merenungkan kekuatan dasar data mereka.
