Pemimpin bisnis di berbagai industri terus memandang kecerdasan buatan generatif (AI) sebagai kekuatan transformatif yang mampu mengubah operasi, keterlibatan pelanggan, dan pengambilan keputusan strategis. Namun, meskipun terdapat antusiasme luas dan adopsi cepat yang dipacu oleh peluncuran ChatGPT tiga tahun lalu, banyak organisasi masih kesulitan mencapai hasil yang substansial dan konsisten dari inisiatif AI mereka. Survei terbaru oleh firma riset terkemuka seperti Forrester dan Boston Consulting Group (BCG) menyoroti kenyataan yang menyedihkan: hanya sebagian kecil perusahaan—sekitar 15% menurut Forrester dan 5% menurut BCG—yang telah meraih peningkatan signifikan dalam hasil bisnis terkait upaya AI generatif mereka. Keberhasilan yang terbatas ini berasal dari sejumlah tantangan yang terus berlangsung yang dihadapi oleh teknologi AI generatif. Salah satu masalah utama adalah kecenderungan AI untuk menghasilkan jawaban yang terlalu menyetujui atau sederhana, sering kali kurang nuansa kritis atau gagal menantang input yang diterima secara memadai. Hal ini mengurangi kedalaman dan keandalan wawasan yang dihasilkan oleh AI. Selain itu, inkonsistensi dalam memberikan hasil yang akurat menyulitkan penggunaan praktis, terutama saat menangani dokumen yang kompleks, panjang, atau bersifat khusus bidang. Contoh nyata menggambarkan kesulitan ini: mesin rekomendasi anggur berbasis AI CellarTracker kesulitan untuk secara akurat memahami preferensi pengguna di tengah berbagai istilah anggur dan perbedaan halus, sementara alat AI Cando Rail yang dirancang untuk merangkum aturan keselamatan menghadapi tantangan dalam menjaga presisi di seluruh teks regulasi yang ekstensif. Layanan pelanggan merupakan salah satu aplikasi chatbot yang lebih matang. Perusahaan seperti Klarna dan Verizon telah mengadopsi chatbot AI untuk mengelola pertanyaan rutin, yang menghasilkan efisiensi operasional dan pengurangan biaya.

Namun, semakin diakui bahwa AI tidak dapat sepenuhnya menggantikan agen manusia dalam menangani interaksi pelanggan yang kompleks, sensitif, atau bernuansa. Kurangnya empati seperti manusia dan ketidakmampuan memahami nuansa konteks yang halus membatasi efektivitas AI dalam situasi-situasi ini, sehingga pengawasan manusia yang berkelanjutan tetap diperlukan. Para pakar menggambarkan keadaan saat ini dari AI generatif sebagai “perbatasan bergelombang, ” mencerminkan kinerja yang tidak merata di berbagai kasus penggunaan. Meskipun AI unggul dalam tugas tertentu seperti penciptaan bahasa dan rangkuman data, AI menghadapi kesulitan dalam kegiatan yang memerlukan pemahaman konteks yang mendalam atau pengetahuan khusus. Tantangan dalam menginterpretasi data geografis secara akurat atau ekspresi kolokial terkait waktu menegaskan perlunya pengembangan dan penyempurnaan lebih lanjut. Untuk mengatasi hambatan ini dan memaksimalkan nilai AI, perusahaan berinvestasi besar dalam mendorong kolaborasi erat antara tim internal mereka dan penyedia teknologi AI. Pemimpin industri seperti OpenAI dan Anthropic, bersama dengan perusahaan startup inovatif seperti Writer, menanamkan insinyur mereka di dalam organisasi klien untuk menciptakan solusi AI yang disesuaikan, sesuai dengan kebutuhan bisnis dan alur kerja tertentu. Kesepakatan umum di kalangan bisnis dan teknologi adalah bahwa meskipun AI generatif menjanjikan potensi yang besar, mewujudkan penuh manfaatnya membutuhkan aplikasi yang lebih fokus, keterlibatan manusia yang berkelanjutan, serta kesiapan untuk secara signifikan mengubah proses dan keterampilan yang ada. AI generatif harus dipandang sebagai alat pendukung yang kuat, bukan solusi independen. Dengan strategi yang matang dan upaya berkelanjutan, organisasi dapat bertransformasi dari eksperimen awal menuju pencapaian hasil bisnis yang terukur, dan akhirnya menempatkan AI sebagai pendorong utama keunggulan kompetitif di masa mendatang.