Dentmas.id – Saat ini, perusahaan di mana-mana lagi gandrung banget sama kecerdasan buatan (AI). Mulai dari chatbot yang ramah tamah sampai otomatisasi proses bisnis yang canggih, semuanya serba ingin di-“AI”-kan. Tapi, jangan senang dulu. Banyak organisasi yang ternyata masih salah kaprah dalam membangun fondasi AI. Kesalahan paling fatal? Mereka abai terhadap urusan data. Pandangan kritis ini dilontarkan langsung oleh Regional Vice President & Managing Director Southeast Asia Snowflake, Satchit Joglekar, dalam wawancara santai namun mendalam di The St. Regis Jakarta, Jakarta Selatan, Kamis (17/4/2026).
Nah, buat yang belum tahu, Snowflake itu platform data berbasis cloud yang memang didesain khusus untuk membantu perusahaan mengelola, mengintegrasikan, sekaligus menganalisis data. Jadi, data siap pakai buat keperluan analitik dan AI.
Menurut Satchit, perusahaan bakal kecewa berat kalau berharap AI-nya jagoan padahal data internal masih berantakan. “AI itu nggak ada gunanya tanpa data. Tata kelola data atau data governance adalah hal paling krusial. Kalau datanya sudah rapi dan benar, barulah perusahaan bisa fokus mengembangkan AI,” tegas Satchit dengan lugas.
Ia juga menambahkan, kini banyak perusahaan yang terlalu terobsesi dengan model AI terbaru, seperti generative AI (Gen AI) atau chatbot canggih. Ironisnya, mereka lupa membenahi data internal terlebih dahulu.
Padahal, cara kerja AI itu sederhana: ia bergantung sepenuhnya pada data. Kalau datanya amburadul, tidak terintegrasi, atau tercecer di berbagai sistem, jangan heran kalau hasil yang diberikan AI meleset jauh dari harapan. “Dalam beberapa kasus, AI bahkan bisa menghasilkan informasi yang sama sekali nggak relevan dengan kondisi bisnis perusahaan,” tambah Satchit.
Snowflake Ungkap Biang Kerok: Data Silo Masih Jadi Momok Perusahaan
Dalam perjalanan implementasi AI, perusahaan sering kali tersandung fenomena yang namanya data silo. Ini kondisi klasik di mana data tersimpan secara terpisah-pisah di berbagai sistem atau gudang penyimpanan yang berbeda.
Selain tersebar, sistem penyimpanan tersebut sering terisolasi satu sama lain. Akibatnya, data susah diakses dan sulit diintegrasikan dengan sistem lain. “Kondisi begini jelas jadi tantangan besar bagi perusahaan yang ingin mengadopsi AI. Sebab, AI itu butuh data yang mudah diakses dan terpusat dalam satu tempat,” terang Satchit.
Tak cuma itu, data di dalam perusahaan pun sering tidak seragam. Contoh kecilnya, sebuah istilah atau definisi tertentu bisa punya arti berbeda antar divisi, meskipun sebenarnya merujuk pada hal yang sama.
Situasi semacam ini jelas memusingkan AI. Alih-alih paham konteks bisnis secara utuh, AI malah rawan mengalami halusinasi atau kesalahan fatal saat menghasilkan jawaban. “Karena itu, perusahaan wajib menyatukan data dan menyelaraskan definisinya. Di sinilah pentingnya membangun konteks bisnis atau semantic layer sebelum mulai menerapkan AI,” jelas Satchit panjang lebar.
Jangan Lompat Pagar! Banyak Proyek AI Gagal di Tahap Uji Coba
Satchit juga mengungkap fakta mengejutkan. Banyak proyek AI di perusahaan hanya berhenti di tahap uji coba alias pilot dan gagal melangkah ke tahap produksi.
Apa penyebab utamanya? Perusahaan langsung loncat ke penerapan AI tanpa membangun fondasi data dan konteks bisnis yang memadai. “Banyak yang terburu-buru ke AI, tapi belum menyiapkan data dan konteks bisnisnya. Akhirnya, hasilnya tidak kelihatan dan sulit membuktikan nilai bisnisnya,” keluhnya.
Nah, biar perusahaan nggak ikut-ikutan gagal, Satchit dengan apik membagikan tiga langkah utama yang wajib dilakukan:
- Bangun fondasi data yang kuat. Data harus terintegrasi, bersih, dan gampang diakses dengan kontrol yang jelas.
- Susun konteks bisnis (semantic layer). Definisikan istilah, struktur, dan logika bisnis secara seragam biar AI paham konteks perusahaan.
- Terapkan AI ke dalam workflow. Setelah dua tahap awal siap, barulah AI dipakai untuk otomatisasi dan pengambilan keputusan.
Mulai dari Masalah Bisnis, Bukan dari Teknologi!
Sebagai penutup yang menggugah, Satchit menekankan pesan penting. Perusahaan sebaiknya jangan memulai transformasi dari teknologi AI itu sendiri.
Langkah awal yang jauh lebih tepat adalah menentukan dulu tujuan bisnis yang ingin dicapai. Misalnya, ingin efisiensi operasional atau peningkatan pendapatan? Setelah itu, barulah perusahaan menyiapkan data yang relevan untuk mendukung tujuan tersebut.
“Jangan mulai dari teknologi. Mulailah dari masalah bisnis yang ingin diselesaikan, lalu siapkan datanya. Dari situ, AI akan memberikan nilai nyata,” pesan Satchit.
Terkait tantangan data governance dan data silo, Snowflake memang siap membantu. Platform ini memungkinkan perusahaan mengintegrasikan data dari berbagai sistem ke dalam satu tempat. Selain itu, perusahaan juga bisa menerapkan kontrol akses, keamanan, dan tata kelola data secara terpusat.
Snowflake juga menyediakan fitur untuk menyelaraskan definisi data antar divisi melalui semantic layer. Dengan begitu, data yang dipakai AI memiliki konteks bisnis yang jelas dan konsisten.
Hasilnya? Data yang sebelumnya tersebar dan tidak terstruktur dapat diolah menjadi fondasi kokoh. Perusahaan pun siap mendukung implementasi AI secara lebih akurat, relevan, dan pastinya menguntungkan bagi kebutuhan bisnis. Jadi, masih mau coba-coba pakai AI tanpa beresin data dulu?
Temukan juga berbagai berita terbaru lainnya hanya di Exposenews.id.
