Jika data itu baru diproses beberapa jam kemudian atau bahkan menunggu batch harian, AI memang masih dapat bekerja secara teknis.
Namun secara operasional, sistem tersebut sudah terlambat.
Banyak perusahaan akhirnya terus mencoba memperbaiki model AI padahal yang seharusnya diperbaiki adalah aliran datanya.
Model AI memang membutuhkan data historis berkualitas saat proses pelatihan.
Tetapi ketika digunakan dalam operasional nyata, AI memerlukan data segar, terstruktur, dan bergerak secara real-time.
Sayangnya sebagian besar sistem data perusahaan lama memang tidak dirancang untuk memenuhi dua kebutuhan tersebut secara bersamaan.
Persoalan ini dapat dilihat dari perjalanan sederhana satu sinyal pelanggan.
Misalnya seorang pelanggan membuka website, melihat produk, membandingkan harga, membaca halaman bantuan, memasukkan barang ke keranjang, lalu meninggalkan sesi tersebut.
Kemudian pelanggan itu kembali melalui aplikasi mobile untuk menyelesaikan pembelian.
Seluruh interaksi itu biasanya tersebar di banyak sistem berbeda seperti analitik web, aplikasi mobile, hingga platform perdagangan digital.
Data tersebut lalu diperkaya lagi oleh sistem lain seperti mesin penilaian perilaku, platform kampanye, atau alat klasifikasi pihak ketiga.
Akhirnya semua data dikirim ke gudang data perusahaan untuk kebutuhan analitik jangka panjang.
Masalahnya, AI modern tidak hanya membutuhkan data historis.
AI membutuhkan kesadaran situasional secara langsung.
Di titik inilah hambatan terbesar mulai muncul.
Jika data yang masuk sudah usang, maka rekomendasi AI juga akan ikut usang.
Discussion about this post