Riset Terbaru Ungkap Cara Otomasi 84 Persen Keputusan Bisnis Tanpa Lepas Kendali
Riset gabungan tiga kampus merumuskan metode otomasi selektif. Cara ini memangkas beban kerja rutin dan menjaga akurasi kecerdasan buatan.
Ilustrasi: liput24
Poin penting
- Sistem otomasi selektif sukses menangani 84 persen keputusan pesanan pabrik.
- Staf manusia fokus mengoreksi sistem saat masukan mereka terbukti memperbaiki hasil.
- Koreksi berkala dari staf dipakai untuk melatih mesin agar terus berkembang.
Banyak pemimpin bisnis ingin memangkas biaya lewat komputer pintar. Namun, menyerahkan semua urusan ke mesin sering memicu masalah baru.
Riset terbaru menawarkan jalan tengah yang lebih aman. Pendekatan ini disebut sebagai otomasi terarah.
Laporan riset ini diulas oleh media TechXplore baru-baru ini. Makalah ilmiahnya terbit di jurnal Production and Operations Management.
Kajian ini disusun oleh tiga orang peneliti kampus. Mereka adalah Kai Hoberg, Christina Imdahl, dan William Schmidt.
Hoberg mengajar di Kühne Logistics University. Imdahl bertugas di Eindhoven University of Technology. Sementara Schmidt berasal dari Emory University.
Mereka meneliti 475.000 keputusan pesanan barang operasional. Data itu dikumpulkan selama empat tahun dari produsen kendaraan besar.
Pabrik pembuat truk dan bus tersebut mencatat omzet jumbo. Pendapatan tahunan mereka melampaui angka 4 miliar euro.
Bahaya Nyata di Balik Otomasi Total
Banyak perusahaan ingin menyingkirkan peran manusia secepat mungkin. Padahal, langkah tergesa-gesa itu justru merusak kecerdasan buatan.
Riset kami menunjukkan bahwa perusahaan harus mengambil pendekatan selektif terhadap otomasi. Daripada mengotomasi semua keputusan, mereka harus sengaja mempertahankan keterlibatan manusia dalam keputusan-keputusan di mana orang dapat membantu memperbaiki algoritma,
Algoritma tidak bisa beradaptasi jika kondisi pasar mendadak bergeser. Mesin butuh bimbingan manusia agar tetap relevan.
Meski begitu, memeriksa semua data manual juga memboroskan biaya gaji. Karena itu, pimpinan perlu membagi tugas secara cermat.
Empat Tahap Kerja Menuju Efisiensi
Para peneliti menyusun empat langkah kerja praktis. Pertama, perusahaan mencari tahu bagian mana yang butuh perbaikan manusia.
Kedua, model komputer memprediksi kapan keahlian staf sungguh bernilai. Sistem membaca pola keputusan yang rawan keliru.
Ketiga, sistem mengotomasi pesanan yang mudah dan berulang. Urusan yang membutuhkan pengalaman staf tetap dikerjakan manusia.
Keempat, koreksi dari staf dimasukkan kembali ke sistem. Cara ini membuat mesin belajar dari pengalaman karyawannya.
Dalam penerapan empiris kami, kami mampu mengotomasi sekitar 84% keputusan,
Sebanyak 84 persen pekerjaan rutin beres tanpa campur tangan orang. Di sisi lain, karyawan hanya menangani urusan penting.
Hoberg menyarankan pemimpin bisnis memulai langkah secara bertahap. Perusahaan harus mengukur nilai tambah dari campur tangan manusia.
Apa Artinya bagi Pelaku Usaha
Temuan ini penting bagi pemilik bisnis yang sedang melirik teknologi. Memakai kecerdasan buatan tidak berarti memecat seluruh tim operasional.
Langkah awal yang bijak adalah memetakan pekerjaan di kantor. Cari tahu proses mana yang paling banyak membuang waktu staf.
Di Indonesia, metode ini bisa menekan pemborosan belanja sistem teknologi. Anda tidak perlu membeli peranti mahal yang serba otomatis.
Karyawan senior Anda tidak lagi pusing mengurus data harian. Mereka bisa menjadi pengawas agar keputusan bisnis tetap aman.
- TechXplore: Human in the loop 4.0: Human feedback guides AI approach that automates about 84% of decisions
Lihat hasil pemeriksaan (8 klaim)
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Makalah ilmiah riset diterbitkan di jurnal Production and Operations Management. | Didukung | “The work is published in the journal Production and Operations Management .” TechXplore menyebutkan publikasi riset tersebut di jurnal Production and Operations Management. |
| Kajian ini disusun oleh Kai Hoberg, Christina Imdahl, dan William Schmidt. | Didukung | “Kai Hoberg, professor of supply chain and operations strategy at Kühne Logistics University (KLU), Christina Imdahl, professor of machine learning in operations management at Eindhoven University of” TechXplore mencantumkan ketiga peneliti tersebut beserta afiliasinya. |
| Hoberg mengajar di Kühne Logistics University, Imdahl di Eindhoven University of Technology, dan Schmidt di Emory University. | Didukung | “Kühne Logistics University (KLU), Christina Imdahl, professor of machine learning in operations management at Eindhoven University of Technology, and William Schmidt, professor at Emory University” TechXplore mencatat afiliasi universitas masing-masing peneliti. |
| Peneliti menganalisis lebih dari 475.000 keputusan terkait pesanan selama empat tahun pada produsen kendaraan komersial. | Didukung | “researchers analyzed an extensive data set covering more than 475,000 order-related decisions processed over a four-year period at a major commercial vehicle manufacturer” TechXplore menjelaskan data yang diteliti meliputi lebih dari 475.000 keputusan pesanan selama 4 tahun. |
| Produsen kendaraan komersial tersebut memiliki pendapatan tahunan melampaui 4 miliar euro. | Didukung | “with annual revenues exceeding 4 billion euros.” TechXplore menyebut pendapatan tahunan perusahaan melebihi 4 miliar euro. |
| Para peneliti merumuskan pendekatan empat tahap untuk otomasi keputusan terarah. | Didukung | “the researchers developed a four-step approach to targeted decision automation.” TechXplore menguraikan empat langkah pendekatan otomasi yang dirumuskan tim peneliti. |
| Penerapan empiris metode ini berhasil mengotomasi sekitar 84 persen keputusan. | Didukung | “In our empirical application, we were able to automate around 84% of decisions” TechXplore mengutip pernyataan Imdahl mengenai keberhasilan mengotomasi sekitar 84 persen keputusan. |
| Hoberg menyarankan para pemimpin bisnis mengambil pendekatan bertahap dengan mengukur nilai tambah intervensi manusia terlebih dahulu. | Didukung | “Hoberg advises business leaders to take a gradual approach to automation, starting by establishing how they can measure the added value of human intervention.” TechXplore melaporkan saran Hoberg kepada pelaku usaha untuk memulai secara bertahap. |
Video AI terbaru
API credits, now in ChatGPT Pro and Business plans
