Kecepatan adopsi kecerdasan buatan (AI) kini menjelma menjadi isu krusial bagi para direktur informasi (CIO).
Tantangannya terletak pada realitas bahwa ketersediaan alat-alat canggih telah melampaui kapasitas adaptasi tenaga kerja di lapangan.
Kesenjangan keterampilan di tingkat korporasi berisiko menjegal ambisi teknologi perusahaan, bahkan menghentikan proyek sebelum mencapai tahap adopsi penuh.
Kondisi ini memaksa perusahaan merogoh kocek lebih dalam untuk merekrut konsultan eksternal guna merampungkan proyek yang pada akhirnya justru menambah beban biaya akibat layanan yang tidak optimal.
Di sisi lain, para pekerja kerap mengeluhkan lambatnya distribusi pelatihan internal untuk memanfaatkan perangkat baru secara mandiri.
Sebagian dari masalah ini bersumber dari AI yang relatif belum matang bagi korporasi, menurut Philippe Rambach, Wakil Presiden Senior sekaligus Kepala AI di perusahaan teknologi energi asal Prancis, Schneider Electric.
”Tidak pernah mudah menerapkan teknologi baru apa pun,” ujar Rambach, yang bergabung dengan perusahaan tersebut pada 2010.
“Jika saya melihat waktu yang dibutuhkan perusahaan untuk berhasil menerapkan hal-hal yang relatif sederhana seperti CRM, prosesnya sering kali memakan waktu bertahun-tahun,” ujarnya.
Menghindari Solusi “Satu Ukuran untuk Semua”
Selepas tahap penerapan, perusahaan masih harus menghadapi tantangan berat berikutnya yaitu mendorong adopsi aktif di kalangan karyawan.
Untuk urusan AI, pendekatan pelatihan yang dipukul rata (one-size-fits-all) dipastikan tidak akan efektif. Sebagai solusinya, Schneider bekerja sama dengan platform pembelajaran daring Coursera untuk merancang kurikulum empat tingkat yang disesuaikan secara presisi dengan peran serta fungsi spesifik masing-masing karyawan:
Tingkat Pertama: Pelatihan dasar AI (fundamental AI training) yang diwajibkan bagi seluruh 160.000 karyawan Schneider.
Tingkat Kedua: Pelatihan khusus untuk tim manajemen senior yang berfokus pada penggabungan antara AI dan strategi bisnis.
“Mereka harus memimpin dengan memberi contoh, sehingga tim-tim ini memerlukan perhatian khusus dengan pelatihan spesifik yang telah disiapkan untuk mereka,” tutur Rambach.
Tingkat Ketiga: Pelatihan intensif bagi para ahli yang terlibat langsung dalam pengembangan perangkat lunak AI, sebuah unit yang melapor langsung kepada Rambach.
Tingkat Keempat: Ditujukan bagi pihak-pihak yang memimpin transformasi perusahaan secara keseluruhan. “Kelompok yang bertanggung jawab dalam menyusun peta jalan pelanggan atau mendorong transformasi internal,” jelas Rambach.
Menskalakan Pengetahuan Lewat Kolaborasi Lintas Fungsi
Menjalankan program pelatihan secara terpisah tidak akan membuahkan hasil optimal tanpa adanya konteks operasional.
Para pekerja harus mampu menarik garis merah yang jelas antara informasi yang mereka dapatkan dan dampaknya terhadap produktivitas sehari-hari.
Untuk menjawab tantangan ini, Schneider mengandalkan tim lintas fungsi dalam penerapan dan pengembangan kasus penggunaan AI, baik untuk kebutuhan internal maupun eksternal bagi para pelanggan.
Perusahaan secara strategis memadukan keahlian bisnis, teknologi informasi (TI), dan AI guna menyelaraskan arah jalannya proyek.
”Jangan pernah remehkan pentingnya tim multidisiplin ini. Mereka belajar dengan melakukan proyek tersebut. Mereka belajar dengan bekerja sama,” ujar Rambach.
Pendekatan tersebut berjalan beriringan dengan posisi Schneider sebagai produsen peralatan listrik krusial untuk pusat data (data center), yang tengah mendulang keuntungan dari pertumbuhan pesat kapasitas infrastruktur serta lonjakan kebutuhan energi global.
Pada awal tahun ini, perusahaan menjalin kemitraan strategis dengan Nvidia guna menerapkan kapabilitas pengujian dan simulasi tingkat lanjut untuk infrastruktur pusat data.
Strategi terpadu ini terbukti membuahkan hasil positif. Schneider membukukan rekor pendapatan sebesar 21,2 miliar euro (sekitar USD23,7 miliar) pada paruh pertama 2026, mencatat pertumbuhan organik sebesar 14 persen dari tahun ke tahun, dengan segmen pusat data sebagai motor penggerak utamanya.
”Pusat data butuh energi, energi butuh pusat data,” ujar CEO Olivier Blum dalam panggilan laba perusahaan pada Mei lalu.
“Yang penting, kami hadir di kedua sisi persamaan tersebut. Kami menyediakan infrastrukturnya, tetapi kami juga dapat memanfaatkan AI untuk membuat solusi kami menjadi lebih cerdas bagi para pelanggan, baik di dunia energi maupun dalam proses industri,” ujarnya.
Dengan dukungan tim lintas fungsi, Schneider kini menggunakan AI untuk menjawab berbagai tantangan bisnis yang kompleks.
Kasus penggunaannya mencakup penerapan alat berbasis AI untuk mengerahkan teknisi secara lebih efektif serta menghadirkan layanan yang berfokus pada pelanggan guna membantu mengurangi konsumsi energi. Selain itu, perusahaan juga memanfaatkan perangkat internal untuk menyusun materi penawaran penjualan (sales pitches) dengan cepat.
Sebagai penutup, Rambach menyarankan agar para eksekutif terus menyempurnakan buku panduan (playbook) AI, semaksimal mungkin memanfaatkan gesekan positif yang muncul dari kedekatan kerja para ahli di bidangnya.
”Tidak ada jalan yang mudah dan 100 persen mulus,” pungkas Rambach. “Kita semua sedang belajar,” ucapnya.
