Meski investasi besar-besaran telah dikucurkan untuk pengembangan kecerdasan buatan (AI), mayoritas bisnis masih tertatih-tatih dalam menghasilkan dampak finansial yang nyata.
Fenomena itu bukan tanpa dasar data. Laporan Global CEO Survey dari PwC pada Januari 2026 mengungkapkan fakta pahit. Sebanyak 56 persen CEO mengaku belum merasakan kenaikan pendapatan maupun efisiensi biaya dari penerapan AI selama setahun terakhir.
Data Gartner pun memperkuat anomali itu hanya 5 persen CFO yang melaporkan efisiensi biaya, dan hanya 6 persen yang melihat lonjakan profit berkat AI.
Apa yang sebenarnya terjadi?
”Banyak perusahaan terlalu fokus mengukur hal yang salah,” ujar Shamim Mohammad (Executive VP dan CITO di CarMax).
“Ada kesalahpahaman fundamental tentang bagaimana cara mengukur keberhasilan AI,” katanya seperti dikutip CIO.
Alih-alih terpaku pada efisiensi semu, para pemimpin teknologi kini dituntut beralih ke metrik yang lebih strategis.
Berikut adalah lima tolok ukur utama untuk memastikan proyek AI Anda benar-benar membuahkan hasil:
1. Penyelarasan Strategis
Banyak perusahaan terjebak mengukur produktivitas karyawan tanpa hasil bisnis yang jelas. Penggunaan AI yang mampu menghemat dua jam waktu kerja developer tidak akan berarti apa-apa bagi CFO jika penggunaan waktu luang tersebut tidak teralokasi pada nilai tambah organisasi.
Keith Sarbaugh (CITO perusahaan kesehatan hewan Zoetis) menekankan pentingnya pendekatan top-down.
“Bekerja sama dengan dewan direksi, kami memprioritaskan penggunaan AI di area R&D dan komersial,” ungkapnya.
Di CarMax, akuntabilitas dibebankan langsung ke unit bisnis. “Pemilik unit bisnis menyetujui manfaatnya, lalu saya dan CFO meninjau kasus penggunaannya. Biaya diambil dari anggaran unit tersebut, sehingga akuntabilitas ada di tangan kepala unit bisnis,” jelas Mohammad.
2. Struktur Biaya yang “Terbalik”
Berbeda dengan proyek IT tradisional, biaya pengoperasian (run costs) AI sering kali membengkak melampaui biaya pembangunannya seiring dengan skala penggunaan yang meningkat.
”AI membalikkan aturan main yang ada. CIO harus siap menghadapi dinamika biaya yang tidak biasa ini,” kata Nate Suda (Senior Director Analyst di Gartner).
Sarbaugh menambahkan bahwa infrastruktur data dan tata kelola pendukung AI adalah “hal paling mahal dan kompleks” yang pernah ia kerjakan selama 25 tahun kariernya.
Karena itu, para eksekutif kini disarankan meramalkan biaya dalam bentuk rentang (range) untuk mengantisipasi fluktuasi harga token dan penggunaan API yang dinamis.
3. Dampak pada Laporan Keuangan dan Likuiditas
Keberhasilan AI sering kali tersembunyi di balik angka-angka yang tidak langsung terlihat di permukaan. Selain menekan angka kehilangan pelanggan (churn rate), AI dapat meningkatkan likuiditas perusahaan melalui prediksi penjualan dan pengelolaan utang usaha yang lebih akurat.
Suda menjelaskan bahwa peningkatan akurasi prediksi dapat mengurangi kebutuhan modal kerja atau beban bunga utang.
“Keduanya meningkatkan arus kas bebas (free cash flow) dan secara fungsional setara dengan penghematan biaya,” tuturnya.
4. Transformasi Pengalaman Pelanggan
Terkadang, metrik tradisional gagal menangkap nilai intrinsik AI. Di Zoetis, saat mereka melakukan uji coba AI untuk layanan pelanggan, durasi telepon tetap sama, tetapi waktu untuk membuat ringkasan tindak lanjut (follow-up) berkurang drastis. Hasilnya, tim mampu menjangkau lebih banyak pelanggan dengan kualitas layanan yang lebih baik.
CarMax juga memanfaatkan AI untuk mengubah peran karyawan dari sekadar “pencari informasi” menjadi “penasihat tepercaya”. Melalui asisten AI Skye dan Rhodes, CarMax mencatatkan skor kepuasan pelanggan (NPS) yang lebih tinggi dan lonjakan angka konversi penjualan.
5. Adopsi dan Kepercayaan Pengguna
Proyek AI tercanggih sekalipun akan gagal jika karyawan enggan mengadopsinya. Zar Toolan (Pakar AI di Practitioners for Practitioners) menekankan bahwa AI harus menjadi pengalaman yang menyenangkan dalam alur kerja harian, bukan beban tambahan.
”Kami sempat meremehkan investasi yang dibutuhkan untuk manajemen perubahan,” ujar Sarbaugh dari Zoetis.
“Kami berasumsi jika kami membangunnya, mereka akan datang. Namun, nilai tidak akan muncul jika pengguna tidak paham cara mengintegrasikan AI ke dalam pekerjaan harian mereka,” ujarya.
Menakar dengan Logika Sehat
Meskipun data kuantitatif sangat krusial, para pemimpin harus tetap berpijak pada realitas. Mengingat AI masih dalam tahap awal adopsi, ada elemen-elemen nilai yang belum bisa diukur secara presisi saat ini.
”Gunakan akal sehat dan pastikan Anda tidak melebih-lebihkan hasil,” tutup Sarbaugh.
Pada akhirnya, keberhasilan AI adalah simfoni antara angka di atas kertas, kematangan strategi, dan kepercayaan pada penilaian para profesional yang memahami seluk-beluk bisnis tersebut.
