Kunci Keberhasilan AI: Data yang Tepat

TechnoBusiness Opinion ● Banyak perusahaan telah berinvestasi besar dalam Artificial Intelligence (AI), tetapi hasil yang diperoleh belum sesuai harapan. Penyebabnya sering kali bukan hanya pada penggunaan model AI, tetapi juga pada kualitas data yang berperan krusial dalam mendukung keputusan yang diambil oleh AI.

Di banyak perusahaan, data masih tersebar di berbagai aplikasi, database, dan lingkungan cloud yang berbeda. Akibatnya, AI bekerja dengan informasi yang tidak lengkap, tidak konsisten, atau bahkan sudah tidak relevan. Padahal, kualitas keputusan AI sangat bergantung pada kualitas data yang diterimanya.

Kasus Air Canada pada 2022 menjadi contoh yang menarik. Seorang pelanggan mengikuti informasi yang diberikan chatbot mengenai tarif duka cita, tetapi belakangan diketahui bahwa jawaban tersebut tidak sesuai dengan kebijakan perusahaan. Akibatnya, Air Canada harus mengganti selisih tarif tiket dan sekaligus menanggung biaya proses hukum.

Tantangan ini semakin kompleks seiring dengan bertumbuhnya jumlah aplikasi dan volume data secara bersamaan yang harus dikelola untuk mendukung pertumbuhan bisnis. Semakin beragam aplikasi yang digunakan, semakin tinggi pula data diversity. Tanpa pengelolaan yang tepat, data diversity ini tidak selalu memberikan informasi yang efektif dan kadang terlalu banyak noise, sehingga menurunkan akurasi model AI dan konsistensi informasi, rekomendasi yang kurang relevan, hingga mengambil keputusan yang bias atau salah.

Membangun AI sebaiknya tidak dimulai hanya dengan memilih teknologi atau model yang paling canggih. Hal yang lebih mendasar adalah memastikan data selalu berkualitas, konsisten, dan tersedia tepat waktu bagi sistem yang membutuhkannya. Melalui real-time data streaming, data dari berbagai sumber dapat terus mengalir dan diperbarui sehingga aplikasi, analitik, dan AI dapat bekerja menggunakan informasi terbaru—terutama untuk kebutuhan yang sensitif terhadap waktu, seperti deteksi penipuan, pemantauan transaksi, dan rekomendasi pelanggan.

Agar data tersebut dapat dipercaya, perusahaan memerlukan tata kelola yang baik. Data quality memastikan data yang akurat, lengkap, dan konsisten; data lineage membantu menelusuri dari mana data berasal, bagaimana data diubah, dan di mana data digunakan; sedangkan kontrol keamanan memastikan data hanya dapat diakses oleh pihak atau sistem yang berwenang. Dengan kombinasi real-time data streaming, data quality, data lineage, dan keamanan yang baik, perusahaan memiliki fondasi yang lebih kuat untuk menghasilkan keputusan yang lebih cepat, akurat, transparan, dan tepercaya.

Nah, perusahaan Anda termasuk yang mana: datanya masih tersebar di mana-mana atau sudah memanfaatkan data streaming untuk mengatasinya? Saya tertarik mendengar pandangan Anda di kolom komentar.●