AI Canggih Belum Tentu Hasilkan Keputusan Tepat, Kualitas Data Jadi Penentu

JawaPos.com - Pemanfaatan kecerdasan buatan atau artificial intelligence (AI) dalam dunia bisnis tidak hanya bergantung pada kecanggihan teknologi yang digunakan. Kualitas data yang menjadi dasar pemrosesan AI juga berperan penting dalam menentukan apakah teknologi tersebut mampu menghasilkan informasi dan keputusan yang tepat.

Persoalan kesiapan data menjadi salah satu sorotan dalam konferensi tahunan Virtus Showcase 2026 yang digelar PT Virtus Technology Indonesia di Raffles Hotel Jakarta, Selasa (13/10). 

Direktur Virtus Technology Indonesia Christian Atmadjaja mengatakan, perusahaan perlu memastikan data yang digunakan AI memiliki kualitas memadai. Menurutnya, kemampuan model AI yang semakin canggih belum tentu menghasilkan keputusan yang lebih baik apabila tidak didukung fondasi data dan lingkungan teknologi yang tepat.

“Ketika AI mulai masuk ke proses bisnis, kualitas hasilnya tidak hanya ditentukan oleh model yang digunakan. Kita juga perlu melihat data yang menjadi dasarnya, bagaimana data tersebut dikelola, serta bagaimana seluruh lingkungan teknologi mendukung proses tersebut. Kalau fondasinya tidak siap, kemampuan AI yang semakin tinggi belum tentu menghasilkan keputusan yang semakin baik,” ujar Christian Atmadjaja, Direktur Virtus Technology Indonesia di Jakarta, Selasa (13/10).

Baca Juga:Terjaring OTT KPK, BNPB Ngaku Belum Tahu Apa-apa

Sementara itu, President DAMA Indonesia Alex Budiyanto menjelaskan, pengelolaan data menjadi aspek penting bagi organisasi yang ingin memanfaatkan AI untuk mendukung berbagai kebutuhan bisnis. 

Proses tersebut tidak sekadar berkaitan dengan penyimpanan, tetapi juga meliputi pengembangan, pengelolaan, perlindungan, serta pemeliharaan nilai data sepanjang siklus hidupnya.

Dalam praktiknya, perusahaan dapat menghadapi berbagai persoalan yang membuat data belum layak digunakan oleh AI. Beberapa di antaranya adalah data yang tidak lengkap, tidak konsisten, sudah tidak relevan, atau tidak menggambarkan kondisi sebenarnya.

Selain itu, perbedaan definisi data, sumber informasi yang tidak jelas, dan belum adanya pihak yang bertanggung jawab atas kualitas data juga dapat menjadi hambatan. Karena itu, perusahaan perlu memperhatikan kualitas data, metadata, standardisasi definisi, serta kepemilikan data agar informasi yang digunakan dapat dipahami dan dipercaya.

Alex menekankan bahwa penilaian kualitas data harus disesuaikan dengan tujuan penggunaannya atau prinsip fit for purpose. Perusahaan perlu menentukan proses bisnis atau keputusan yang ingin didukung AI, kebutuhan data untuk menjalankan proses tersebut, standar kualitas yang diperlukan, hingga risiko yang harus diantisipasi.