Snowflake Ingatkan AI Tanpa Konteks Bisnis Bisa Jadi Liabilitas
Update Tekno – AI tanpa konteks bisnis dapat berubah dari alat produktivitas menjadi sumber masalah bagi perusahaan. Sistem kecerdasan buatan memang mampu mengolah data dalam jumlah besar. Namun, banyak data tidak otomatis membuat AI memahami kondisi sebenarnya. Regional Vice President & Managing Director ASEAN Snowflake, Satchit Joglekar, menilai konteks menjadi bagian penting dalam adopsi AI. Ia menyampaikan pandangan tersebut dalam Snowflake World Tour Jakarta pada 2 September 2026. Menurutnya, AI yang tidak dibekali informasi relevan dapat memberikan respons yang salah. Bahkan, sistem tersebut dapat merekomendasikan keputusan yang justru merugikan perusahaan. Hal ini menunjukkan bahwa investasi AI tidak cukup hanya berfokus pada model yang canggih. Perusahaan juga perlu memastikan AI memahami data, hubungan antarinformasi, serta kebutuhan pengguna. Menurut saya, tantangan terbesar AI perusahaan bukan lagi sekadar mendapatkan data. Tantangannya adalah membuat data tersebut memiliki arti yang tepat.
Banyak Data Tidak Berarti AI Memahami Situasi
Kemampuan AI dalam membaca data sering membuat teknologi ini terlihat sangat pintar. Namun, kemampuan tersebut berbeda dengan memahami konteks. Sebuah sistem mungkin mengetahui riwayat transaksi pelanggan. AI juga dapat melihat pola pembelian dan aktivitas pemasaran. Meski begitu, sistem belum tentu memahami kejadian terbaru yang memengaruhi hubungan pelanggan dengan perusahaan. Inilah masalah mendasar dari AI tanpa konteks bisnis. Data bisa tersedia, tetapi informasi penting mungkin tersimpan di sistem yang berbeda. Akibatnya, AI hanya melihat sebagian cerita. Dalam kondisi seperti itu, rekomendasi yang secara matematis terlihat masuk akal dapat menjadi keputusan buruk. Karena itu, perusahaan perlu menghubungkan data dengan konteks operasional. Informasi mengenai pelanggan, transaksi, layanan, dan pengalaman sebelumnya sebaiknya tidak berjalan sendiri-sendiri. Semakin terhubung data tersebut, semakin besar peluang AI menghasilkan respons yang relevan.
Kasus Pelanggan Telekomunikasi Menjadi Contoh Sederhana
Satchit memberikan contoh dari industri telekomunikasi untuk menggambarkan masalah tersebut. Bayangkan seorang pelanggan baru saja menghentikan kontraknya. Ia mengambil keputusan itu setelah mengalami pengalaman buruk dengan operator. Namun, informasi mengenai kejadian tersebut tidak masuk ke sistem pemasaran. Beberapa hari kemudian, AI yang membantu tim pemasaran melihat profil pelanggan tersebut. Berdasarkan data yang tersedia, sistem kemudian merekomendasikan promosi baru. Secara teknis, rekomendasi itu mungkin terlihat benar. Pelanggan pernah menggunakan produk perusahaan dan cocok dengan target promosi. Akan tetapi, sistem tidak mengetahui konteks hubungan terbaru. Bagi pelanggan, pesan promosi tersebut bisa terasa mengganggu. Bahkan, komunikasi itu dapat memperburuk pengalaman yang sebelumnya sudah negatif. Contoh sederhana ini memperlihatkan bahwa kualitas AI tidak hanya bergantung pada seberapa banyak data yang tersedia. Hubungan antar-data juga sangat menentukan.
Kesalahan AI Bisa Berpengaruh pada Reputasi Perusahaan
Dampak AI tanpa konteks bisnis tidak berhenti pada satu rekomendasi yang salah. Pengalaman pelanggan dapat berubah menjadi masalah reputasi. Saat ini, konsumen mudah membagikan pengalaman buruk melalui media sosial. Sebuah pesan promosi yang muncul pada waktu tidak tepat mungkin terlihat seperti kesalahan kecil. Namun, bagi pelanggan yang baru mengalami masalah serius, komunikasi tersebut dapat terasa tidak sensitif. Jika pengalaman itu dibagikan secara luas, perusahaan dapat menerima kritik dari lebih banyak orang. Karena itu, penggunaan AI harus mempertimbangkan pengalaman pelanggan secara menyeluruh. Sistem sebaiknya tidak hanya mengejar peluang penjualan. AI juga harus mampu mengenali kondisi ketika perusahaan sebaiknya tidak menawarkan sesuatu. Menurut saya, kemampuan mengetahui kapan harus diam dapat menjadi bagian penting dari AI yang benar-benar memahami bisnis. Teknologi yang baik bukan hanya mampu memberikan jawaban. Teknologi juga harus memahami situasi sebelum bertindak.
Baca Juga : Xiaomi 18 Fold Curi Start dengan RAM LPDDR6 Buatan China
Setiap Perusahaan Memiliki Bahasa Bisnis yang Berbeda
Masalah konteks menjadi lebih kompleks karena setiap perusahaan mempunyai bahasa sendiri. Sebuah istilah dapat memiliki definisi berbeda tergantung model bisnis dan struktur organisasi. Karena itu, AI tidak selalu dapat menggunakan definisi umum untuk menjawab pertanyaan internal perusahaan. Data penjualan, pelanggan, keuntungan, dan biaya perlu dibaca sesuai aturan bisnis masing-masing. Bahkan, perusahaan yang bergerak dalam industri sama belum tentu menggunakan definisi yang identik. Perbedaan tersebut membuat konteks menjadi semakin penting. AI perlu memahami bagaimana perusahaan menamai sebuah metrik. Selain itu, sistem harus mengetahui dari mana data tersebut berasal. Tanpa pemahaman ini, AI berpotensi menggabungkan informasi yang sebenarnya tidak sebanding. Pada akhirnya, hasil analisis terlihat meyakinkan tetapi tidak sepenuhnya tepat. Inilah alasan perusahaan perlu membangun fondasi data sebelum memperluas penggunaan AI.
Arti Pertumbuhan Bisa Berbeda bagi Setiap Divisi
Salah satu contoh menarik adalah istilah “pertumbuhan”. Sekilas, kata tersebut terlihat sederhana. Namun, artinya bisa berubah tergantung siapa yang menggunakannya. Seorang Chief Revenue Officer atau CRO mungkin melihat pertumbuhan melalui kenaikan pendapatan. Sementara itu, direktur pemasaran bisa melihat jumlah pelanggan atau peningkatan penjualan. Chief Financial Officer atau CFO dapat memiliki pendekatan berbeda. Ia mungkin memperhitungkan biaya, margin, dan keuntungan sebelum menyebut bisnis bertumbuh. Ketiga eksekutif tersebut dapat mengetik pertanyaan yang sama kepada AI. Namun, jawaban yang ideal belum tentu sama. AI perlu mengetahui siapa yang bertanya dan konteks pekerjaannya. Dengan demikian, sistem dapat memilih data yang benar-benar relevan. Contoh tersebut memperlihatkan bahwa pertanyaan sederhana dapat memiliki banyak makna. Karena itu, memahami pengguna sama pentingnya dengan memahami data.
AI Perusahaan Perlu Memahami Siapa yang Bertanya
Konteks pengguna menjadi bagian penting dalam implementasi AI perusahaan. Sistem sebaiknya tidak hanya memproses kalimat pertanyaan. AI juga perlu memahami posisi dan kebutuhan orang yang mengajukannya. CFO tentu memiliki fokus berbeda dari tim pemasaran. Begitu pula tim operasional, layanan pelanggan, dan penjualan. Jika semua menerima jawaban identik, AI mungkin gagal menangkap kebutuhan sebenarnya. Sebaliknya, jawaban dapat menjadi jauh lebih berguna ketika disesuaikan dengan konteks pengguna. Namun, personalisasi tersebut harus memiliki aturan yang jelas. Perusahaan tetap perlu memperhatikan keamanan serta hak akses terhadap data. Seorang pengguna tidak seharusnya mendapatkan informasi di luar kewenangannya hanya karena AI dapat menemukan data tersebut. Jadi, konteks bukan hanya membantu kualitas jawaban. Konteks juga berkaitan dengan tata kelola informasi dan penggunaan AI secara bertanggung jawab.
Integrasi Data Menjadi Fondasi Penting untuk AI
Agar AI dapat memahami konteks, perusahaan perlu membangun fondasi data yang lebih terhubung. Data pelanggan mungkin tersebar di sistem pemasaran, layanan pelanggan, transaksi, dan operasional. Jika sistem tersebut tidak saling berkomunikasi, AI akan melihat gambaran yang terpotong. Akibatnya, kualitas rekomendasi ikut menurun. Karena itu, integrasi menjadi pekerjaan penting sebelum perusahaan memperluas implementasi AI. Namun, mengumpulkan seluruh data ke satu tempat juga bukan satu-satunya jawaban. Data harus memiliki definisi yang jelas. Selain itu, kualitas dan aksesnya perlu dikelola dengan baik. Informasi yang sudah kedaluwarsa juga perlu dikenali. Menurut saya, perusahaan sebaiknya memandang proyek AI sebagai proyek data sekaligus proyek bisnis. Model AI memang penting. Akan tetapi, nilai sebenarnya muncul ketika teknologi tersebut dapat memahami hubungan antara data dan kondisi bisnis.
Konteks Menentukan Apakah Rekomendasi AI Benar-Benar Berguna
Sebuah rekomendasi AI dapat terlihat benar berdasarkan angka. Namun, keputusan bisnis tidak selalu dapat dinilai hanya melalui pola data. Ada kondisi pelanggan, waktu, tujuan perusahaan, dan berbagai faktor lain yang perlu dipahami. Karena itu, AI tanpa konteks bisnis memiliki risiko memberikan jawaban yang terlalu sederhana. Sebaliknya, sistem yang memiliki konteks dapat memberikan analisis yang lebih relevan. Misalnya, AI bukan hanya melihat bahwa pelanggan memiliki peluang membeli produk tertentu. Sistem juga memahami bahwa pelanggan baru saja mengajukan keluhan. Dengan informasi tersebut, tindakan yang disarankan dapat berubah. Tim mungkin perlu menyelesaikan masalah pelanggan lebih dahulu. Setelah hubungan membaik, barulah pendekatan pemasaran dipertimbangkan. Perbedaan kecil dalam konteks dapat menghasilkan keputusan yang sangat berbeda. Inilah sebabnya kualitas AI tidak bisa dinilai hanya dari kemampuan menjawab pertanyaan dengan cepat.
AI yang Lebih Cerdas Harus Memahami Makna di Balik Data
Perkembangan AI membuat perusahaan dapat mengolah informasi dengan kecepatan yang sebelumnya sulit dibayangkan. Namun, kecepatan tidak otomatis menghasilkan keputusan yang baik. AI tanpa konteks bisnis tetap dapat salah membaca situasi meskipun memiliki akses ke banyak data. Pandangan Snowflake tersebut memberikan pengingat penting bagi perusahaan yang sedang mempercepat transformasi AI. Teknologi perlu memahami bagaimana organisasi bekerja. Sistem juga harus mengenali definisi bisnis, kebutuhan pengguna, dan hubungan antar-data. Selain itu, tata kelola tetap diperlukan agar informasi digunakan secara tepat. Dalam pandangan saya, tahap berikutnya dari adopsi AI perusahaan bukan hanya membangun chatbot yang mampu menjawab banyak pertanyaan. Perusahaan perlu membangun AI yang memahami mengapa sebuah pertanyaan diajukan. Ketika konteks dan data berjalan bersama, AI memiliki peluang lebih besar untuk benar-benar membantu bisnis.
