AI Menjadi Sorotan di Economist Innovation Summit – Pemimpin Minta Meningkatkan, Tidak Menggantikan, Keterampilan Manusia
Panel (kiri-kanan): Nicole Eagan, Heath P. Terry, Michael Wignall & Tom Standage
Kecerdasan buatan mendominasi sesi pembukaan Economist Innovation Summit hari ini (#EconInnov). Untuk peserta seperti saya—Jeremy Cowan—yang sebelumnya menganggap AI sebagai sekelompok chatbot dan program piloto, sesi ini berfungsi sebagai panggilan bangun yang tegas.
Tom Standage, wakil redaktur The Economist, menyambut Nicole Eagan, CEO Darktrace, sebuah perusahaan yang membrand dirinya sebagai “Sistem Imun Perusahaan” untuk keamanan siber. Eagan mengumumkan bahwa platform AI Darktrace sekarang aktif di lebih dari 7.000 organisasi di seluruh dunia.
(Nicole akan diwawancarai oleh IoT Now dalam beberapa minggu mendatang untuk membahas pasar AI dan penerapan ini secara lebih rinci. Ed.)
Meskipun tidak mengherankan bahwa bank menggunakan AI untuk deteksi penipuan dan analitik prediktif, Eagan menyoroti bahwa sebagian besar penerapan dapat diselesaikan dalam waktu kurang dari satu jam—klaim yang akan kita tinjau secara mendalam selama wawancara nanti.
Standage mengangkat kekhawatiran umum: bagaimana sistem AI dapat mendeteksi ancaman yang sudah ada di jaringan? Eagan menjelaskan bahwa sistem mungkin awalnya menandai keadaan saat ini sebagai “normal” selama beberapa hari pertama operasi, namun dengan menganalisis banyak aliran data ia segera belajar untuk mendeteksi anomali.
Berat tapi tidak lambat
Saat ditanya sektor mana yang memimpin adopsi AI di luar keuangan, Heath P. Terry, Direksi Utama Goldman Sachs, memberikan jawaban yang mengejutkan: industri berat—termasuk energi, minyak, dan manufaktur—mencapai keuntungan signifikan. “Turbina gas dapat menampung hingga 400 sensor,” kata Terry, “dan AI dapat memprediksi kegagalan potensial dari lima jam hingga lima hari di depan. Penjadwalan pemeliharaan selama jendela penggunaan rendah bisa menjadi krusial untuk utilitas yang beroperasi dengan margin 2–3 persen.”
Standage mengungkapkan keheranan yang tulus, menyatakan, “Ini adalah jenis perusahaan yang biasanya kita tidak hubungkan dengan adopsi perangkat lunak yang cepat.” Saat ditanya tentang industri yang tertinggal, Terry mengklarifikasi bahwa itu bukan seluruh sektor melainkan perusahaan individual. “Retail seringkali lebih lambat, sebagian besar karena kekurangan bakat yang masif,” katanya. “Ahli AI dengan gaji delapan angka tidak akan memilih rantai retail di atas Google atau raksasa teknologi lainnya.” Halangan terbesar, menurut Terry, tetap adalah ketersediaan data berkualitas tinggi.
Michael Wignall, CTO Microsoft UK, berbagi bagaimana perusahaan mengintegrasikan AI ke dalam alat produktivitas. “Kami membuat AI sebagai bagian standar dari alur kerja sehari-hari,” katanya. “Terjemahan real-time di Skype, misalnya, sekarang mendukung percakapan bahasa Mandarin ke Inggris. Dengan menurunkan hambatan AI, kami mendemokratisasi penggunaannya.” Ia juga menyoroti peran Microsoft dalam mengaktifkan chatbot Dixons Carphone dan membantu Rolls-Royce meluncurkan model Mesin-sebagai-Layanan—contoh yang menggambarkan potensi AI untuk mengubah model bisnis, meski dengan risiko yang terkait.
Membuat atau membeli, dan risiko lainnya
Standage mencatat bahwa raksasa teknologi seperti Google dan Facebook dapat bergerak dari ide ke produk dalam waktu lima bulan, kontras tajam dengan transisi selama sepuluh tahun yang banyak perusahaan alami saat mengadopsi email cloud. Wignall setuju bahwa AI, pembelajaran mesin, dan pembelajaran mendalam akan melihat campuran pengembangan terbuka dan adopsi diam. “Pengguna akan sadar akan AI melalui kegunaannya,” katanya.
Ia menambahkan bahwa untuk sektor seperti jasa keuangan, organisasi sering membangun solusi AI dalam rumah, sedangkan Microsoft dan Google menyediakan blok bangunan kompleks untuk menghindari menciptakan roda lagi.
Eagan memperingatkan bahwa perluasan penerapan AI dapat meningkatkan permukaan serangan organisasi, terutama mengingat kekurangan bakat—lebih dari 2 juta posisi keamanan siber yang terbuka di seluruh dunia. “Serangan siber dapat mengenkripsi data lebih cepat dari manajer keamanan dapat mengambil secangkir kopi,” katanya. “Itulah mengapa pengawasan manusia harus diperkuat dengan AI.”
Orang membutuhkan waktu untuk mempercayai AI
Saat ditanya apakah insinyur menolak integrasi AI, Eagan menjawab bahwa ketika AI digunakan untuk mendeteksi ancaman, staf umumnya terbuka. “Kami memberdayakan manusia untuk membuat keputusan akhir, dan mesin menutralisir ancaman,” katanya. Model penerapan Darktrace dimulai dengan Mode Rekomendasi, kemudian beralih ke Mode Konfirmasi Manusia, dan akhirnya ke Mode Aktif di mana AI dapat mengambil tindakan otonom. “Kepercayaan dibangun seiring waktu,” tambahnya.
“Ahli siber berada dalam jenis pertarungan berhadapan dengan peretas saat sistem pertama kali diterapkan,” jelasnya. “Dalam satu tahun, setelah mencoba teknologi, mereka memasuki tahap due diligence, membandingkan pertahanan siber mereka dengan teman-teman.”
Menutup, Wignall menekankan bahwa AI adalah alat produktivitas tetapi juga katalis untuk model bisnis baru. “Sementara ludit pada abad ke-19 takut kehilangan pekerjaan, kereta api dan telegraf pada akhirnya menciptakan peluang pekerjaan baru,” katanya.
Penulis adalah Jeremy Cowan, Direktur Editorial IoT Now, IoT Global Network dan VanillaPlus.
