Di VB Transform 2026, CEO NTT DATA AIVista, Bratin Saha, bersama Matt Marshall dari VentureBeat membahas bagaimana perusahaan dapat mengubah investasi AI yang besar menjadi nilai bisnis yang konkret. Fokus utama adalah "tantangan akhir" dalam mengoperasionalkan model AI canggih di lingkungan produksi yang teregulasi, di mana keandalan, konteks, pengamanan, dan keamanan menentukan keberhasilan implementasi.
Tantangan utama muncul karena model dasar (frontier models) belum mencapai akurasi yang diperlukan untuk workflow nyata, seperti proses klaim asuransi multinasional yang melibatkan formulir rumit, tulisan tangan, dan berbagai checkbox. Saha menekankan bahwa nilai terbesar tidak terletak pada model itu sendiri, melainkan pada spesialisasi sistem AI secara keseluruhan—termasuk integrasi data proprietary perusahaan, alur kerja khusus, dan pengetahuan domain yang tidak terdokumentasi. Pendekatan ini mencakup tiga komponen: menangkap konteks bisnis dan menjadikannya dapat diproses oleh AI, menjalankan ensemble model untuk mengendalikan biaya, serta menambahkan pengaman khusus yang memverifikasi output model dan memicu perbaikan jika terjadi kesalahan.
Bagi pasar Indonesia, diskusi ini sangat relevan. Banyak perusahaan asuransi, fintech, dan manufaktur lokal masih bergelut dengan proses manual yang kompleks dan peraturan yang ketat. Kemampuan untuk menyesuaikan AI dengan workflow khusus dan pengetahuan domain lokal dapat mempercepat transformasi digital sambil tetap mematuhi regulasi. Perusahaan-perusahaan di Indonesia yang ingin mengadopsi AI agentik dapat belajar dari pendekatan NTT DATA AIVista, yaitu memulai dengan integrasi bertahap ke dalam workflow yang sudah ada, bukan dengan penggantian total yang berisiko mengganggu operasi.
"Ketika Anda mengimplementasikan AI di perusahaan, Anda sebenarnya memindahkan sebuah workflow dari titik A ke titik B," kata Saha. "Nilai berasal dari workflow yang berhasil dipindahkan, bukan dari model yang membantu proses tersebut." Pernyataan ini mencerminkan realitas bahwa teknologi seringkali bukan hambatan utama; keahlian domain dan manajemen perubahan adalah faktor kritis yang menentukan keberhasilan.
Ke depan, tren menuju model open-weight dan open-source diperkirakan akan semakin berkembang, terutama untuk kasus penggunaan berisiko rendah. Namun, untuk industri yang diatur ketat seperti asuransi, kombinasi antara model frontier dan model sumber terbuka dalam sebuah ensemble tetap menjadi strategi yang optimal. NTT DATA AIVista memanfaatkan keahlian mendalam di bidang asuransi untuk membangun pengaman yang dapat diskalakan sambil mempertahankan pengetahuan tribal setiap klien sebagai aset khusus. Di Indonesia, di mana banyak perusahaan masih membangun pengetahuan proses mereka secara internal, pendekatan serupa dapat membantu mempercepat adopsi AI yang bertanggung jawab dan berdampak tinggi.
Secara keseluruhan, presentasi ini menunjukkan bahwa keberhasilan AI di perusahaan bukan lagi tentang memilih model terbaik, melainkan tentang membangun ekosistem yang menggabungkan teknologi, keahlian domain, dan manajemen perubahan secara harmonis. Bagi pasar Indonesia, ini adalah sinyal bahwa investasi AI yang cerdas harus fokus pada spesialisasi sistem dan pengamanan yang dapat disesuaikan dengan kebutuhan lokal, bukan hanya pada pembelian model AI terbaru.