Di tengah euforia investasi kecerdasan buatan (AI), realitas di lapangan justru berbicara lain. Riset terbaru Gartner mengungkap hanya 28% proyek infrastruktur AI yang benar-benar menghasilkan keuntungan nyata. Sisanya tersendat atau bahkan gagal total. Temuan ini menegaskan bahwa masalah utama bukan pada teknologi, melainkan ekspektasi yang tidak realistis, kualitas data yang buruk, dan kegagalan organisasi dalam mengeksekusi strategi AI secara tepat.
Fokus:
■ Hanya 28% proyek AI di infrastruktur TI yang benar-benar menghasilkan ROI, sementara 20% gagal total.
■ Kegagalan didorong oleh ekspektasi tidak realistis, kualitas data rendah, dan kekurangan talenta.
■ Tekanan dari manajemen meningkat seiring besarnya investasi AI yang belum menunjukkan hasil nyata.
Gelombang investasi besar-besaran di kecerdasan buatan mulai diuji oleh kenyataan. Di balik janji efisiensi dan penghematan biaya, mayoritas proyek AI justru belum memberikan hasil signifikan. Bahkan, sebagian berakhir gagal sebelum mencapai tahap implementasi penuh.
Harapan bahwa kecerdasan buatan akan menjadi mesin efisiensi baru bagi perusahaan ternyata belum sepenuhnya terwujud. Survei terbaru dari Gartner menunjukkan hanya 28% proyek AI di bidang infrastruktur TI yang berhasil memberikan return on investment (ROI) secara penuh.
Angka ini menjadi alarm keras bagi para eksekutif teknologi. Sebab, satu dari lima proyek AI bahkan gagal total. Lebih jauh, 57% manajer infrastruktur dan operasi (I&O) mengaku pernah mengalami kegagalan dalam penerapan AI.
Melanie Freeze, Research Director Gartner, menilai kegagalan ini berakar dari ekspektasi yang terlalu tinggi. “Mereka mengasumsikan AI akan langsung mengotomatisasi tugas kompleks, memangkas biaya, atau memperbaiki masalah operasional yang sudah lama ada. Ketika ekspektasi tidak realistis dan hasil tidak segera terlihat, kepercayaan turun dan proyek pun terhenti,” katanya mengutip The Register.
Ia menambahkan, kegagalan juga sering terjadi karena proyek AI dirancang terlalu ambisius atau tidak sesuai dengan kebutuhan operasional. “AI yang tidak terintegrasi dengan operasi organisasi tidak akan mampu menghasilkan ROI.”
Masalah Utama: Data, Talenta, dan Ekspektasi
Kegagalan implementasi AI bukan sekadar soal teknologi. Dua faktor klasik kembali muncul sebagai penghambat utama: kualitas data dan kekurangan talenta.
Sebanyak 38% responden menyebut kesenjangan keterampilan (skill gap) sebagai penyebab utama kegagalan. Angka yang sama juga menyoroti buruknya kualitas atau keterbatasan data.
Selain itu, penggunaan AI pada area yang terlalu kompleks—seperti self-healing infrastructure atau otomatisasi penuh workflow—menjadi titik rawan kegagalan.
Meski banyak proyek gagal, ada titik terang. AI terbukti lebih efektif ketika diterapkan pada area yang lebih matang dan terstruktur.
Sebanyak 53% pemimpin I&O melaporkan keberhasilan dalam penggunaan AI generatif untuk IT Service Management (ITSM) dan operasi cloud.
Hal ini menunjukkan bahwa keberhasilan AI sangat bergantung pada konteks penggunaan—bukan sekadar kecanggihan teknologinya.
Tekanan dari Direksi Meningkat
Di tengah biaya investasi yang terus meningkat, tekanan terhadap hasil semakin besar. Survei lain menunjukkan lebih dari 80% eksekutif belum melihat dampak nyata AI terhadap produktivitas maupun tenaga kerja, meski 69% perusahaan sudah menggunakannya.
Bahkan, riset dari Harris Poll mengungkap 98% pimpinan teknologi menghadapi tekanan dari dewan direksi untuk membuktikan ROI AI. Sebanyak 71% CIO memperkirakan anggaran AI mereka akan dipotong jika target tidak tercapai dalam waktu dekat.
Masalah Pendanaan dan Tata Kelola
Gartner juga menyoroti persoalan lain: fragmentasi pendanaan. Banyak proyek AI masih didanai oleh unit bisnis secara terpisah, bukan sebagai strategi perusahaan secara menyeluruh.
Akibatnya, implementasi menjadi tidak terkoordinasi dan sulit mencapai skala.
“Seiring meningkatnya belanja infrastruktur AI, CEO dan CFO perlu lebih aktif dalam menentukan kriteria pendanaan dan menyetujui investasi besar,” kata Freeze.
Sudut Pandang: AI Bukan Masalah Teknologi, Tapi Manajemen
Temuan ini mempertegas satu hal: kegagalan AI bukan karena teknologinya belum matang, melainkan karena organisasi belum siap.
Banyak perusahaan masih terjebak dalam pola lama—mengharapkan hasil instan dari teknologi yang kompleks, tanpa membangun fondasi data, talenta, dan proses yang memadai.
Dalam konteks ini, AI bukan sekadar proyek IT, melainkan transformasi bisnis menyeluruh yang menuntut disiplin eksekusi dan strategi yang matang.
Digionary:
● AI (Artificial Intelligence): Teknologi yang memungkinkan mesin meniru kecerdasan manusia
● Cloud Computing: Layanan komputasi berbasis internet untuk penyimpanan dan pengolahan data
● Data Quality: Tingkat akurasi dan kelengkapan data yang digunakan dalam sistem
● IT Infrastructure: Sistem teknologi yang mendukung operasional perusahaan
● ITSM (IT Service Management): Manajemen layanan TI dalam organisasi
● ROI (Return on Investment): Tingkat keuntungan dari suatu investasi
● Self-healing Infrastructure: Sistem yang mampu memperbaiki dirinya sendiri secara otomatis
● Skill Gap: Kesenjangan antara kemampuan yang dimiliki dan yang dibutuhkan
#AI #ArtificialIntelligence #Teknologi #DigitalTransformation #Gartner #ITInfrastructure #CloudComputing #BigData #MachineLearning #AIInvestment #StartupTech #EnterpriseAI #TechTrends #CIO #BusinessStrategy #Innovation #FutureOfWork #DataDriven #Automation #TechIndustry
