Kepemilikan Data: Kunci Utama Sukses Proyek AI Yang Sering Diabaikan

Pomodo.id - Kepemilikan data sering kali menjadi aspek penting yang diabaikan dalam proyek kecerdasan buatan (AI), yang berpotensi menyebabkan inisiatif tersebut gagal meskipun memiliki algoritma yang canggih. Dalam banyak diskusi, pemilik data tidak pernah jelas, dan keadaan ini menghambat keberhasilan implementasi AI. Sebagai contoh, dalam banyak organisasi, alasan kegagalan AI bukanlah karena teknologi yang digunakan, melainkan karena kebingungan tentang siapa sebenarnya yang bertanggung jawab atas data yang digunakan. Ketika tidak ada pemilik data yang jelas, setiap keputusan yang diambil akan selalu dipengaruhi oleh ketidakpastian ini, yang pada akhirnya akan memperburuk hasil yang diharapkan.Hal ini terlihat jelas dalam pengalaman Jacqueline DeStefano-Tangorra, seorang presiden dan CTO dari DataOps, yang menekankan bahwa ketika ia mengajukan pertanyaan tentang kepemilikan data di antara tim manajemen, sering kali mereka tidak memiliki jawaban pasti. Misalnya, satu tim mungkin mendefinisikan ulang data di lapangan, sementara tim lainnya masih menggunakan definisi lama tanpa mengetahui bahwa ada perubahan. Kejadian semacam ini bukan hanya terjadi di satu sektor, melainkan meluas ke berbagai sektor termasuk aerospace, kesehatan, dan jasa keuangan. Kegagalan sering kali bukan karena AI itu sendiri, tetapi karena ketidakjelasan yang ada di bawah permukaan.Di sisi lain, Dr. Ali Alkhafaji, CEO APPLY, mengingatkan bahwa masalah kepemilikan output AI sering kali diabaikan saat proyek AI berkembang. Ketika organisasi memperluas penggunaan agen AI setelah pilot yang sukses, pertanyaan penting tentang siapa yang bertanggung jawab atas hasil sistem sering kali terabaikan. Situasi ini dapat berpotensi membahayakan, karena masing-masing individu dalam organisasi bisa saling berasumsi bahwa orang lain memiliki tanggung jawab tersebut. Kendala ini tampaknya berakar dari apa yang dikenal sebagai "normalisasi penyimpangan," di mana kompromi kecil dalam keputusan diterima hingga akhirnya organisasi beroperasi dengan tingkat risiko yang sangat tinggi.Sementara itu, kondisi di Indonesia tidak jauh berbeda. Berdasarkan data dan arah kebijakan yang ada, negara ini berfokus pada pengembangan AI namun masih menghadapi tantangan dalam hal kepemilikan data dan peraturan yang jelas. Akibatnya, banyak proyek yang berisiko gagal atau tidak memberikan nilai yang diharapkan. Misalnya, meskipun Indonesia berpotensi mendapatkan kontribusi ekonomi dari AI yang bisa mencapai Rp5.200 triliun (setara dengan USD366 miliar), kepemilikan data yang tidak jelas bisa menjadi penghalang.Ini menunjukkan bahwa kepemilikan data tidak boleh dianggap remeh, karena tanpa sebuah struktur yang jelas, semua keputusan yang diambil di sepanjang alur kerja AI dapat terpengaruh oleh ketidakpastian yang ada. Jika kepemilikan data dapat dipastikan sejak awal, akan ada tanggung jawab yang lebih besar dalam pengelolaan dan penerapan AI, yang pada gilirannya dapat menghasilkan hasil yang lebih baik, serta mengurangi risiko kegagalan yang sering terjadi.Dengan demikian, ada kebutuhan mendesak bagi organisasi untuk memperkuat kebijakan kepemilikan data mereka. Tanpa dukungan yang kuat dalam hal struktur tanggung jawab ini, proyek-proyek AI yang ada mungkin akan terus berjuang untuk memberikan nilai yang berkualitas dan terintegrasi dengan baik dalam proses mereka. Ke depan, jelas bahwa membangun fondasi kepemilikan dan tata kelola data yang jelas merupakan langkah penting dalam memastikan keberhasilan inovasi berbasis AI di Indonesia. [card: Kepemilikan Data] Kepemilikan data merujuk pada individu atau entitas yang bertanggung jawab terhadap data yang digunakan dalam suatu proyek. Kepemilikan data penting karena memastikan ada yang bertanggung jawab atas pengelolaan dan integritas data, serta mencegah kebingungan yang dapat mengarah pada kegagalan proyek. Kegagalan untuk menetapkan kepemilikan yang jelas dapat menyebabkan risikonya menumpuk dan sulit untuk dikendalikan.