Model Strategis Pemanfaatan Kecerdasan Buatan untuk Pengelolaan Inovasi: Mengatasi Tantangan dan Memaksimalkan Potensi

doi:10.36782/jemi.v6i3.2526

Model Strategis Pemanfaatan Kecerdasan Buatan untuk Pengelolaan Inovasi: Mengatasi Tantangan dan Memaksimalkan Potensi

Aurino Rilman A. Djamaris, Raden Aryo Febrian, Dita Nurmadewi

Abstract

Perkembangan pesat dalam Kecerdasan Buatan (AI) telah membawa era transformasi bagi pengelolaan inovasi dalam organisasi. Artikel ini mengembangkan Model Strategis Pemanfaatan Kecerdasan Buatan dalam Pengelolaan Inovasi, bertujuan untuk mengatasi tantangan yang ada dan memaksimalkan potensi manfaat integrasi AI. Meskipun AI menawarkan peningkatan efisiensi dan potensi untuk inovasi revolusioner, organisasi menghadapi tantangan signifikan dalam memanfaatkan sepenuhnya potensi AI. Tantangan ini termasuk pengelolaan data dalam jumlah besar, kebutuhan akan infrastruktur teknologi yang kuat, dan kurangnya keahlian dalam pengembangan AI. Lebih lanjut, integrasi AI ke dalam kerangka kerja pengelolaan inovasi yang ada memerlukan penyesuaian organisasional dalam struktur, proses bisnis, dan budaya untuk memastikan implementasi yang efektif dan etis. Model strategis ini menekankan pentingnya kepemimpinan visioner dan komitmen terhadap pembelajaran berkelanjutan untuk membangun kemampuan inovasi yang didukung oleh AI. Selain itu, menyoroti kebutuhan untuk menetapkan kebijakan dan standar yang jelas untuk mengatur penggunaan AI, memastikan teknologi mendukung tujuan organisasi sambil menghormati privasi, keamanan, dan nilai-nilai sosial. Model ini menyarankan pendekatan holistik terhadap integrasi AI, fokus pada pemanfaatan strategis, tanggung jawab etis, dan keberlanjutan dalam pengelolaan inovasi. Dengan mengatasi area kunci ini, organisasi dapat menavigasi kompleksitas adopsi AI, memastikan AI berkontribusi positif terhadap inovasi berkelanjutan dan pertumbuhan

Keywords

Kecerdasan Buatan; Pengelolaan Inovasi; Integrasi Strategis; Penggunaan AI Etis; Infrastruktur Teknologi

References

Baird, A., & Schuller, B. (2020). Considerations for a More Ethical Approach to Data in AI: On Data Representation and Infrastructure. Frontiers in Big Data, 3(September), 1–11. https://doi.org/10.3389/fdata.2020.00025

Borges, A. F. S., Laurindo, F. J. B., Spínola, M. M., Gonçalves, R. F., & Mattos, C. A. (2021). The strategic use of artificial intelligence in the digital era: Systematic literature review and future research directions. International Journal of Information Management, 57, 102225. https://doi.org/https://doi.org/10.1016/j.ijinfomgt.2020.102225

Dong, W. (2022). AIOps Architecture in Data Center Site Infrastructure Monitoring. Computational Intelligence and Neuroscience, 2022. https://doi.org/10.1155/2022/1988990

El-Namaki, M. S. S. (2019). Will Artificial Intelligence Change Strategic Top Management Competencies? Scholedge International Journal of Management & Development ISSN 2394-3378. https://api.semanticscholar.org/CorpusID:199089672

Haefner, N., Wincent, J., Parida, V., & Gassmann, O. (2021). Artificial intelligence and innovation management: A review, framework, and research agenda✰. Technological Forecasting and Social Change, 162. https://doi.org/10.1016/j.techfore.2020.120392

Huang, M.-H., & Rust, R. T. (2020). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science, 49, 30–50. https://api.semanticscholar.org/CorpusID:228811228

Kandula, S., Ranga, S., Moda, V., Clara, S., & Francisco, S. (2023). Software Data Strategies For Network Optimization Supporting AI Workloads. International Research Journal of Modernization in Engineering Technology and Science, 10, 1325–1332. https://doi.org/10.56726/irjmets45318

Keding, C. (2021). Understanding the interplay of artificial intelligence and strategic management: four decades of research in review. Management Review Quarterly, 71(1), 91–134. https://doi.org/10.1007/s11301-020-00181-x

Kitsios, F. C., & Kamariotou, M. (2021). Artificial Intelligence and Business Strategy towards Digital Transformation: A Research Agenda. Sustainability. https://api.semanticscholar.org/CorpusID:233911278

Lee, J., Suh, T., Roy, D., & Baucus, M. S. (2019). Emerging Technology and Business Model Innovation: The Case of Artificial Intelligence. Journal of Open Innovation: Technology, Market, and Complexity. https://api.semanticscholar.org/CorpusID:199713249

Mühlroth, C., & Grottke, M. (2020). Artificial Intelligence in Innovation: How to Spot Emerging Trends and Technologies. IEEE Transactions on Engineering Management, 69, 493–510. https://api.semanticscholar.org/CorpusID:219880361

Rodríguez, A. A., & Calvario, G. (2023). Artificial Intelligence Innovation Assistant. 2023 Portland International Conference on Management of Engineering and Technology (PICMET), 1–6. https://api.semanticscholar.org/CorpusID:260974841

Shrivastava, P., & Souder, W. E. (1987). THE STRATEGIC MANAGEMENT OF TECHNOLOGICAL INNOVATIONS: A REVIEW AND A MODEL. Journal of Management Studies, 24, 25–41. https://api.semanticscholar.org/CorpusID:153644948

Wang, D., Weisz, J. D., Muller, M., Ram, P., Geyer, W., Dugan, C., Tausczik, Y., Samulowitz, H., & Gray, A. (2019). Human-AI collaboration in data science: Exploring data scientists’ perceptions of automated AI. Proceedings of the ACM on Human-Computer Interaction, 3(CSCW). https://doi.org/10.1145/3359313

Yeruva, A. R. (2023). Monitoring Data Center Site Infrastructure Using AIOPS Architecture. Eduvest - Journal of Universal Studies. https://api.semanticscholar.org/CorpusID:256443184

Full Text: PDF