Perusahaan Wajib Bereskan Data Agar Fungsi AI Maksimal

– Adopsi kecerdasan buatan (AI) di kalangan perusahaan kian meluas, mulai dari chatbot hingga otomatisasi proses bisnis.

Namun, banyak organisasi dinilai masih keliru dalam membangun fondasi AI, terutama dalam hal pengelolaan data.

Pandangan ini disampaikan Regional Vice President & Managing Director Southeast Asia Snowflake, Satchit Joglekar, dalam wawancara eksklusif dengan Kompas.com di The St. Regis Jakarta, Jakarta Selatan, Kamis (17/4/2026).

Snowflake merupakan platform data berbasis cloud yang membantu perusahaan mengelola, mengintegrasikan, dan menganalisis data agar siap digunakan untuk kebutuhan analitik dan AI.

Nah, menurut Satchit, AI tidak akan memberikan manfaat maksimal jika data perusahaan belum tertata dengan baik.

“AI tidak berguna tanpa data. Tata kelola data (data governance) adalah hal paling penting. Jika data sudah rapi dan benar, barulah perusahaan bisa fokus ke AI,” ujar Satchit.

Ia menambahkan, banyak perusahaan saat ini terlalu fokus pada penggunaan model AI terbaru, seperti generative AI (Gen AI) atau chatbot, tanpa membenahi data internal terlebih dahulu.

Padahal, AI bekerja dengan mengandalkan data. Jika data tidak rapi, tidak terintegrasi, atau tersebar di berbagai sistem, hasil yang diberikan AI berpotensi tidak akurat.

“Dalam beberapa kasus, AI bahkan bisa menghasilkan informasi yang tidak relevan dengan kondisi bisnis perusahaan,” kata Satchit.

Fenomena data silo jadi tantangan utama

KOMPAS.com/Bill Clinten Regional Vice President & Managing Director Southeast Asia Snowflake, Satchit Joglekar, dalam wawancara eksklusif dengan Kompas.com di The St. Regis Jakarta, Jakarta Selatan, Kamis (17/4/2026).

Dalam implementasi AI, perusahaan kerap menghadapi fenomena data silo, yaitu kondisi ketika data disimpan di berbagai sistem atau penyimpanan terpisah.

Selain tersebar, sistem penyimpanan tersebut juga sering kali terisolasi, sehingga data sulit diakses atau diintegrasikan dengan sistem lain.

“Kondisi seperti ini menjadi tantangan besar bagi perusahaan yang ingin mengadopsi AI. Sebab, AI membutuhkan data yang mudah diakses dan terintegrasi dalam satu tempat,” tutur Satchit.

Tak hanya itu, data di dalam perusahaan juga sering kali tidak seragam. Misalnya, istilah atau definisi tertentu bisa berbeda antar divisi, meskipun merujuk pada hal yang sama.

Situasi ini dapat menyulitkan AI dalam memahami konteks bisnis secara menyeluruh, bahkan berpotensi memicu halusinasi atau kesalahan dalam menghasilkan jawaban.

“Karena itu, perusahaan perlu menyatukan data dan menyelaraskan definisinya. Di sinilah pentingnya membangun konteks bisnis atau semantic layer sebelum menerapkan AI,” jelas Satchit.

Banyak proyek AI gagal karena lompat tahap

Dok. Freepik/rawpixel.com Ilustrasi AI.

Satchit juga mengungkapkan bahwa banyak proyek AI di perusahaan berhenti di tahap uji coba (pilot) dan tidak berlanjut ke produksi.

Salah satu penyebabnya adalah perusahaan langsung menerapkan AI tanpa membangun fondasi data dan konteks bisnis yang memadai.

“Banyak yang langsung ke AI, tapi belum menyiapkan data dan konteks bisnisnya. Akhirnya, hasilnya tidak terlihat dan sulit membuktikan nilai bisnisnya,” kata dia.

Untuk menghindari kegagalan tersebut, Satchit membagikan tiga langkah utama yang perlu dilakukan perusahaan:

Membangun fondasi data yang kuat. Data harus terintegrasi, bersih, dan mudah diakses dengan kontrol yang jelas.
Menyusun konteks bisnis (semantic layer). Definisi istilah, struktur, dan logika bisnis perlu diselaraskan agar AI memahami konteks perusahaan.
Menerapkan AI ke dalam workflow. Setelah dua tahap awal siap, AI dapat digunakan untuk otomatisasi dan pengambilan keputusan.

Jangan mulai dari AI, tapi dari masalah bisnis

Sebagai penutup, Satchit menekankan bahwa perusahaan sebaiknya tidak memulai transformasi dari teknologi AI itu sendiri.

Sebaliknya, langkah awal yang lebih tepat adalah menentukan tujuan bisnis yang ingin dicapai, seperti efisiensi operasional atau peningkatan pendapatan.

Setelah itu, perusahaan dapat menyiapkan data yang relevan untuk mendukung tujuan tersebut.

“Jangan mulai dari teknologi. Mulailah dari masalah bisnis yang ingin diselesaikan, lalu siapkan datanya. Dari situ, AI akan memberikan nilai nyata,” tutur Satchit.

Terkait tantangan data governance dan data silo, Snowflake menghadirkan berbagai layanan untuk membantu perusahaan menata data mereka.

Platform ini memungkinkan perusahaan mengintegrasikan data dari berbagai sistem ke dalam satu tempat, sekaligus menerapkan kontrol akses, keamanan, dan tata kelola data secara terpusat.

Selain itu, Snowflake juga menyediakan kemampuan untuk menyelaraskan definisi data antar divisi melalui semantic layer, sehingga data yang digunakan AI memiliki konteks bisnis yang jelas dan konsisten.

Dengan pendekatan tersebut, data yang sebelumnya tersebar dan tidak terstruktur dapat diolah menjadi fondasi yang siap mendukung implementasi AI secara lebih akurat dan relevan bagi kebutuhan bisnis.

Tag: #perusahaan #wajib #bereskan #data #agar #fungsi #maksimal