Setiap hari lebih dari 300 miliar email (terbuka di tab baru) dikirim dan diterima dengan jumlah yang terus bertambah. Kami membuat jumlah data (terbuka di tab baru) yang tidak akan pernah bisa diatur oleh manusia. Kami tidak lagi memproduksi gigabyte atau bahkan terabyte, tetapi zettabyte. Satu zettabyte berisi satu triliun gigabyte. Pada tahun 2018 kami menghasilkan 33 zettabytes data sepanjang tahun dan pada tahun 2025, angka tersebut diperkirakan akan mencapai 175.
Tentang Penulis
Marc Vontobel adalah Co-Founder dan CEO Starmind (terbuka di tab baru).
Namun saat kami menghasilkan lebih banyak data daripada sebelumnya, kami belum menjadi lebih baik dalam mengelola dan memahaminya di tempat kerja. Sebaliknya, tim kelebihan beban data dan tidak dapat menemukan pengetahuan yang mereka butuhkan, yang berarti produktivitas bisnis (terbuka di tab baru)pegawai dalam (terbuka di tab baru) kolaborasi (terbuka di tab baru)efisiensi penyelesaian proyek dan inovasi semuanya menderita.
Perusahaan sangat perlu untuk dapat menghubungkan pengetahuan dengan tantangan bisnis, tetapi itu semakin sulit karena data tumbuh secara eksponensial. Pengetahuan yang tidak dapat diakses berarti pemecahan masalah memakan waktu lebih lama, produktivitas turun, dan pekerja menjadi tidak terlibat. Inilah cara kami mulai menangani kelebihan data dan mulai meningkatkan akses ke pengetahuan yang membuat bisnis lebih kuat.
Mengenali data yang redundan atau usang
Saat kami menambahkan lebih banyak ke kumpulan data kami, rasio informasi berharga dengan data usang dan tidak relevan mulai bergeser. Sederhananya, semakin banyak data yang kita buat, semakin sulit untuk menemukan apa yang kita butuhkan secara real-time. Dan akibatnya, kami kehilangan waktu berjam-jam untuk pencarian yang tidak perlu.
Saat kita sedang bekerja, informasi yang kita simpan cenderung menjadi statis. Kami menambahkannya ke cloud (terbuka di tab baru) drive, masukkan ke dalam pesan di aplikasi kolaborasi (terbuka di tab baru) atau bagikan sebagai lampiran email. Itu kemudian duduk di sana, menjadi berlebihan. Ketika seseorang menemukan informasi itu nanti, itu tidak memiliki konteks, sehingga mustahil bagi seseorang untuk memisahkan pengetahuan berguna yang mungkin dikandungnya dari bagian yang sudah ketinggalan zaman atau sepele.
Untuk memutus siklus ini, kita perlu mulai memperlakukan data seperti daur ulang kita. Seperti mengemas makanan atau pakaian kita, sebagian besar data dibuat untuk sekali pakai. Kami tidak menimbun setiap karton susu saat kami tidak lagi membutuhkannya. Rumah dan jalan kita akan dipenuhi sampah jika kita melakukannya, dan kita akan berjuang untuk menemukan apa yang kita butuhkan.
Setelah selesai mengemas, kami melihat apa yang kami miliki dan menyortirnya untuk didaur ulang, sehingga bagian yang berguna dapat digunakan kembali. Kita perlu menerapkan pola pikir ini pada data kita di tempat kerja. Mengenali apa yang mubazir, ketinggalan zaman, atau sepele dan mengekstraksi esensi dan konteks yang berharga, misalnya, siapa yang tahu tentang apa di dalam organisasi.
Belajar mendaur ulang data kita adalah kunci jika kita ingin menghentikan kelebihan data, dan mulai mengaktifkan akses ke pengetahuan yang bermanfaat. Dan kita harus bertindak cepat, karena semakin besar volume data yang disimpan bisnis, semakin besar peluang yang hilang untuk mengubahnya menjadi pengetahuan yang membantu organisasi dan karyawannya.
Keluar dari silo data
Kami membuat lebih banyak byte data setiap tahun daripada jumlah bintang di alam semesta yang terlihat. Ini adalah pembuatan data pada tingkat yang tidak dapat dipahami. Terutama ketika kita melakukan kesalahan dengan melakukan perjalanan penemuan pengetahuan sendirian.
Kami sering berpikir bahwa kumpulan data kami adalah salah satu sumber daya tempat kerja terbesar kami. Namun kenyataannya, informasi ini tidak berguna tanpa orang yang bekerja dengan kita. Orang tahu apa yang relevan. Orang menyediakan konteks, dan hanya orang yang dapat menjawab pertanyaan sulit dengan cepat.
Jika Anda adalah bagian dari organisasi kecil dengan hanya beberapa anggota tim, menemukan orang yang tepat dan mengajukan pertanyaan adalah wajar.
Namun sebaliknya, dalam organisasi besar, hampir tidak mungkin untuk mengetahui siapa orang yang tepat untuk dimintai bantuan. Menanyakan rekan satu tim Anda bukanlah solusi yang bagus, karena Anda tidak tahu apakah seseorang di tim atau lokasi lain akan memiliki jawaban yang lebih baik. Dan, bertanya kepada orang yang salah hanya akan membuang lebih banyak waktu untuk semua orang.
Memastikan tujuan dan tanggung jawab tim dikomunikasikan dengan jelas ke seluruh bisnis adalah salah satu langkah untuk meruntuhkan silo. Namun, keahlian individu tidak selalu tercermin dalam jabatan atau nama departemen, yang masing-masing dapat dengan mudah menjadi usang.
Di sinilah kita perlu meminta kecerdasan buatan (terbuka di tab baru) untuk membantu. AI dapat melakukan dua hal penting yang, di dunia kita dengan kumpulan data yang terus bertambah dan organisasi yang kompleks, diperjuangkan oleh orang dan alat tempat kerja tradisional.
Pertama, AI bisa diajari untuk melupakan. Itu berarti ia tidak hanya dapat mengenali di mana informasi berada, tetapi ia dapat mengenali begitu informasi itu sudah usang, dan kemudian melupakannya. Kedua, hanya dengan menggunakan informasi non-sensitif, kecerdasan buatan saat ini dapat mempelajari siapa yang tahu apa yang ada di dalam organisasi di luar jabatan atau nama departemen, karena tidak terikat pada satu departemen mana pun yang dapat dilihat melalui silo dengan cara yang dapat dilihat oleh individu. tidak bisa.
Oleh karena itu, dengan menggunakan AI, dimungkinkan untuk membangun jaringan pengetahuan dan keahlian waktu nyata yang dapat memberi setiap orang akses ke informasi yang paling akurat dan terkini. Dalam praktiknya, itu berarti bahwa segera setelah sebuah pertanyaan diajukan, AI dapat mulai menghubungkannya dengan sebuah jawaban di mana pun jawaban itu berada atau siapa pun yang paling bisa memberikannya. Daripada menghabiskan waktu berjam-jam mencari jawaban atau bertanya kepada orang yang tidak memiliki posisi yang baik untuk mendukung, AI dapat membuat proses ini mulus dengan mengidentifikasi orang yang tepat untuk membantu hampir secara instan.
Memanfaatkan data melalui AI untuk menjawab pertanyaan dengan cepat, mengakses pengetahuan, dan menghubungkan orang adalah elemen penting untuk mengatasi akumulasi data dan membangun bisnis yang benar-benar kompetitif saat ini.
AI dapat membuat data berfungsi untuk kita
Dengan menghubungkan kita dengan akurasi yang tepat kepada orang-orang yang tahu, AI dapat membantu semua orang untuk berbagi pengetahuan, dan menemukan jawaban, secara real-time. Ini adalah kunci untuk bisnis yang lebih produktif, dengan lebih sedikit waktu yang hilang karena pencarian yang tidak efisien atau kesalahan karena informasi yang sudah ketinggalan zaman, serta tempat kerja yang lebih memuaskan, di mana setiap orang dapat berkontribusi berdasarkan keahlian mereka.
Saat kita menemukan diri kita tenggelam dalam lebih banyak data dari sebelumnya dan tidak dapat mengakses pengetahuan yang kita butuhkan, AI akan menawarkan kepada kita rakit penyelamat, dan peta. Ini akan membantu kami memahami informasi yang relevan dan memanfaatkannya untuk memecahkan masalah bisnis.
Pada akhirnya, perusahaan diberdayakan oleh orang-orang dan AI hanya diatur untuk menambah kemampuan mereka yang ada untuk berkontribusi dengan pengetahuan mereka. Saat zettabytes terus tumbuh, AI dapat mengambil data tersebut dan menggunakannya untuk memberdayakan orang agar terhubung, memecahkan masalah, dan menemukan jawaban yang mereka butuhkan.