Tren AI 2026 - Lima Tren Utama AI yang Memengaruhi CIO
Navigasi Cepat
Tag
Bagikan slide
Tren AI 2026 - Lima Tren Utama AI yang Memengaruhi CIO
Tampilan detail setiap halaman slide, termasuk tata letak, konten utama dan elemen visual.
Slide judul menampilkan 'AI TRENDS 2026' dengan subjudul 'LIMA TREND AI UTAMA YANG MEMPENGARUHI CIO' dan merek Info-Tech Research Group dengan latar belakang gradien dengan efek cahaya
Tipografi tebal besar untuk judul, tata letak tengah dengan logo Info-Tech di kanan atas, skema warna gradien modern dari biru tua ke teal/merah muda
Ringkasan eksekutif yang mencantumkan lima tren utama: 1) Prinsip-prinsip AI dasar akan menulis ulang DNA organisasi, 2) Dari co-pilot hingga vibe coding: AI akan terus menemukan kembali TI, 3) Agentic AI akan menjadi matang dan memberdayakan perusahaan eksponensial, 4) Manajemen risiko akan menjadi harga masuk untuk AI, 5) AI akan menggantung dalam keseimbangan antara kebebasan dan kontrol
Latar belakang gradien gelap dengan format daftar berbasis ikon, setiap tren memiliki ikon berwarna (ungu, hijau, biru, oranye, merah muda) dengan judul dan deskripsi
Ikhtisar basis survei dengan 700+ tanggapan pemimpin TI dari Mei-Juni 2025, terutama Amerika Utara tetapi representasi global, posisi tingkat direktur ke atas, meliputi 12+ industri termasuk pemerintah, layanan keuangan, pendidikan, manufaktur, layanan profesional, perawatan kesehatan, dan lainnya
Konten teks sisi kiri dengan mockup laptop sisi kanan yang menunjukkan antarmuka survei, latar belakang putih dengan teks gelap
Pembagi bagian yang memperkenalkan tren pertama dengan visual bertema ungu yang menunjukkan huruf AI 3D abstrak dengan integrasi pemandangan kota, tagline berbunyi 'Strategi AI akan diinformasikan oleh serangkaian prinsip yang muncul'
Visual artistik full-bleed dengan ikon tren di kiri atas, overlay teks besar di sisi kiri, rendering 3D abstrak di kanan
Kerangka kerja yang menunjukkan bahwa strategi AI didorong oleh strategi organisasi dan pendorong nilai, dengan empat komponen utama: Visi AI (komitmen berwawasan ke depan), Pendorong Nilai Bisnis (metode pengakuan nilai), Prinsip AI Strategis (penyelarasan bisnis-AI), dan Prinsip AI Dasar (mitigasi risiko)
Diagram tengah dengan hub Strategi AI yang terhubung ke empat elemen di sekitarnya, latar belakang putih dengan ikon bergambar untuk setiap komponen
Penjelasan bahwa prinsip-prinsip AI dasar mengatasi risiko AI dan selaras dengan prinsip-prinsip panduan organisasi, inti dari tata kelola AI dan digunakan untuk mengidentifikasi kategori risiko. Diagram menunjukkan delapan prinsip yang disusun dalam struktur seperti atom: Keberlanjutan, Keselamatan dan Keamanan, Privasi Data, Kemampuan Penjelasan dan Transparansi, Kemampuan untuk Dibantah, Validitas dan Reliabilitas, Akuntabilitas, Keadilan dan Deteksi Bias
Teks di kiri, diagram gaya atom melingkar di kanan yang menunjukkan prinsip-prinsip yang saling berhubungan
Menjelaskan bahwa prinsip-prinsip AI dasar terus berkembang dengan persyaratan tata kelola perusahaan. Mencantumkan prinsip-prinsip kandidat untuk dipertimbangkan: Keberlanjutan (hemat energi), Agensi dan Otonomi Manusia, Lingkungan (hasil positif), Kemampuan untuk Dibantah (menantang keputusan AI), Kekayaan Intelektual, dan Prinsip khusus lainnya
Sisi kiri menunjukkan diagram atom yang sama dari halaman sebelumnya, sisi kanan mencantumkan prinsip-prinsip kandidat tambahan dalam kotak ungu
Data survei menunjukkan bahwa meskipun mengembangkan strategi AI formal adalah tren yang berkembang, mayoritas belum menetapkan strategi formal di seluruh organisasi: 23% memiliki strategi di seluruh perusahaan, 26% memiliki strategi untuk beberapa area, 34% segera mengembangkan, 13% akan berintegrasi dengan strategi TI/organisasi, 3% memiliki strategi yang ketinggalan zaman, 1% tidak ada rencana
Grafik lingkaran sisi kiri, kotak wawasan sisi kanan dengan latar belakang lavender yang menjelaskan temuan
Lebih dari setengah responden memahami kebutuhan akan prinsip-prinsip AI dasar untuk mengatasi risiko AI: 31% telah menetapkan dan mengintegrasikan prinsip, 24% saat ini menerapkan dengan rencana ekspansi, 35% menilai dan dalam tahap awal, 6% sadar tetapi tidak ada rencana, 4% tidak sadar, 0% tidak melihat kebutuhan (nol responden melihat sebagai gangguan terhadap inovasi)
Grafik lingkaran di kiri, kotak wawasan di kanan dengan latar belakang ungu muda
Mayoritas organisasi merasa siap untuk mempraktikkan prinsip-prinsip AI: 70% merasa siap (3) hingga sepenuhnya siap (5) pada skala 5 poin, dengan distribusi yang menunjukkan kemiringan yang kuat ke arah tingkat kesiapan yang lebih tinggi
Bagan batang horizontal yang menunjukkan distribusi skala 5 poin, kotak wawasan di kanan
Pandangan seimbang tentang dampak strategi AI. Peluang: Percepatan penerapan, peningkatan pengalaman pelanggan, penarikan/retensi talenta, inovasi dan pertumbuhan, peningkatan produktivitas. Risiko: Kemungkinan penggantian pekerjaan, ketergantungan berlebihan pada AI, deepfake untuk penipuan, ketidakselarasan dengan prinsip, pelanggaran privasi
Tata letak dua kolom dengan bagian Peluang dan Risiko, latar belakang gelap dengan elemen visual abstrak di sisi kanan
Analisis situasional rilis DeepSeek pada 20 Januari 2025, termasuk model R1 untuk penalaran kompleks dan chatbot V3. Sorotan: model sumber terbuka pertama yang sesuai dengan kinerja OpenAI o1, sumber terbuka dengan ketersediaan komersial, teknik pembelajaran penguatan baru, biaya hanya $6 juta dan 2 bulan dibandingkan investasi OpenAI sebesar $6,6 miliar, biaya 27x lebih rendah daripada OpenAI
Tata letak dua kolom dengan logo DeepSeek, analisis situasional di kiri, sorotan model di kanan
Organisasi yang melarang DeepSeek (lembaga AS, Australia, India, Italia, Korea Selatan, Taiwan) karena pelanggaran prinsip dasar AI: Keamanan/Keamanan (risiko keamanan nasional) dan Privasi Data (pelanggaran GDPR). Rekomendasi: mewajibkan teknologi AI untuk selaras dengan prinsip-prinsip dasar sebelum diadopsi
Tindakan kolom kiri dan analisis tren, kanan menunjukkan diagram prinsip dasar
Rekomendasi untuk menetapkan prinsip-prinsip dasar AI sebagai komponen inti dari strategi dan tata kelola AI: manfaatkan prinsip-prinsip sebagai kategori risiko AI, gunakan untuk program manajemen risiko, kembangkan prinsip-prinsip seiring perubahan strategi, perluas fokus ke penciptaan nilai, pertimbangkan prinsip-prinsip tambahan seperti keberlanjutan dan kontestasi
Poin-poin tindakan di sisi kiri, gambar arsitektur abstrak dengan garis-garis cahaya di sisi kanan
Pembagi bagian untuk tren kedua: 'Dari co-pilot hingga vibe coding: AI akan terus menciptakan kembali TI' dengan tema hijau dan desain semanggi berdaun empat abstrak yang menggabungkan citra teknologi (papan sirkuit, alam, bangunan)
Visual full-bleed dengan ikon tren di kiri atas, overlay teks di sisi kiri, semanggi 3D abstrak di kanan
Tampilan komprehensif dari tumpukan teknologi AI yang menunjukkan lima lapisan: Aplikasi (Amazon Q, Copilot, Workday, Writer, ServiceNow, Glean, SAP, dll.), Data dan Alat AI (Bedrock, SageMaker, Azure ML, Vertex AI, LangChain, Hugging Face, PyTorch, Kafka, DataRobot, Domino), Model Fondasi (OpenAI, Anthropic, Mistral, Stability.ai, Runway, Bloom, Gemma, LLaMA, DeepSeek), Platform Data (AWS, Azure, Google Cloud, Salesforce, Snowflake, Redis, Databricks, Elastic, Pinecone, Stardog, Milvus, Chroma), Infrastruktur (AWS, Azure, Google Cloud, Nvidia, AMD, Intel, Qualcomm)
Tabel lima baris yang menunjukkan tumpukan teknologi dengan logo perusahaan di setiap lapisan
Diagram yang menunjukkan evolusi dari Prompt Engineering/Inferencing (paling sederhana) melalui RAG (dengan basis pengetahuan), Fine-Tuning (data khusus tugas), hingga Full Training (paling kompleks). Menunjukkan perkembangan dalam akurasi dan kompleksitas, dengan keterampilan data scientist yang dibutuhkan meningkat untuk pendekatan yang lebih kompleks
Kisi 2x2 yang menunjukkan empat pendekatan dengan ikon dan deskripsi, akurasi pada sumbu Y, kompleksitas pada sumbu X
Perbandingan dua pendekatan - Alat AI Best-of-Breed (terbaik untuk tugas-tugas tertentu, biaya lebih rendah, fleksibilitas) vs Platform Pengembangan AI (berorientasi solusi, manajemen lebih mudah, mengurangi kompleksitas integrasi). Menunjukkan trade-off termasuk vendor lock-in, tantangan integrasi, dan pertimbangan biaya
Perbandingan dua kolom dengan pro/kontra untuk setiap pendekatan, grafik timbangan seimbang di bagian bawah
Departemen TI memimpin dalam adopsi AI dengan 70% sudah diperoleh, diikuti oleh Creative (50%), Marketing dan Sales (46%), R&D (45%), Operasi (44%), HR, dan Keuangan/Administrasi. Menunjukkan adopsi yang direncanakan hingga 2026 dan seterusnya
Bagan batang horizontal bertumpuk yang menunjukkan status adopsi di seluruh fungsi bisnis, kotak wawasan di sebelah kanan
Aplikasi AI paling populer untuk TI: Keamanan TI (54%), Manajemen Layanan TI (44%), Business Intelligence dan Analytics (41%), Manajemen Aset TI (37%), Service Desk (35%), Pembuatan dan Kualitas Kode (32%), Manajemen Data (31%), Pengujian Perangkat Lunak (24%), Kode Sumber dan Manajemen Build (23%), Infrastruktur (19%), Pembuatan Data Sintetis (18%)
Bagan batang horizontal dengan kotak wawasan di sebelah kanan
Meskipun banyak yang lebih suka membeli produk siap pakai, sebagian besar perlu melakukan penyesuaian: 41% membeli yang tersedia secara komersial, 13% membangun dengan penyempurnaan, 46% membeli dan membangun. Insight mencatat ekosistem vendor terus berkembang dan banyak yang bersedia melakukan penyempurnaan
Pie chart di kiri dengan tiga segmen, kotak insight di kanan
Peluang: Peningkatan *time to market*, biaya awal lebih rendah, pemeliharaan lebih rendah, peningkatan skalabilitas. Risiko: Ketergantungan berlebihan pada vendor, tantangan integrasi, penyesuaian terbatas, kontrol terbatas untuk fitur baru
Tata letak dua kolom dengan latar belakang gelap/hijau, visual *dashboard* abstrak di kanan
Memperkenalkan *vibe coding* sebagai kategori alat AI baru yang diumumkan pada Februari 2025, memungkinkan pengembangan perangkat lunak tanpa latar belakang teknis. Menampilkan tabel perbandingan *Traditional Coding* vs *AI-Assisted Coding* vs *Vibe Coding*, menyoroti perbedaan dalam definisi, tujuan utama, dan peran manusia. Mencatat insiden Replit di mana AI menghapus *database* produksi
Tata letak dua kolom dengan tabel definisi dan deskripsi insiden
Rekomendasi: manfaatkan kerangka kerja pemilihan perangkat lunak yang ada termasuk keselarasan prinsip-prinsip dasar AI, rencanakan strategi keluar untuk vendor untuk mencegah *lock-in*, identifikasi jalur migrasi data, sertakan rencana kelangsungan bisnis
Item tindakan sisi kiri, gambar arsitektur abstrak sisi kanan dengan garis-garis cahaya
Pembagi bagian untuk tren ketiga: 'Agentic AI akan menjadi dewasa dan memberdayakan perusahaan eksponensial' dengan tema biru yang menunjukkan komposisi 3D abstrak dari citra bisnis/teknologi termasuk jabat tangan dan papan sirkuit
Visual *full-bleed* dengan ikon tren di kiri atas, *overlay* teks di sisi kiri, citra komposit 3D di kanan
Tabel yang membandingkan lima pendekatan otomasi: *Business Process Management* (pelaporan pengeluaran, data terstruktur), RPA (pemrosesan faktur, terstruktur/semi-terstruktur), *Intelligent Automation* (deteksi penipuan, menambahkan kemampuan AI), *Generative AI* (asisten virtual, menghasilkan konten baru), *Agentic AI* (penelitian dan pelaporan otonom, penalaran dan menjalankan program). Menunjukkan perkembangan dalam kemampuan otomasi, teknologi, dan penanganan data
Tabel perbandingan komprehensif dengan lima kolom dan enam baris yang mencakup kasus penggunaan, kemampuan, teknologi, dan data
Menunjukkan empat komponen arsitektur utama dalam aliran melingkar di sekitar LLM pusat: *Sense* (mengumpulkan data sensorik, memproses awal, memantau dependensi), *Reason* (menilai/merencanakan tugas, merefleksikan opsi, merencanakan orkestrasi, memvalidasi prinsip-prinsip AI), *Act* (mengorkestrasi tindakan, mengelola persistensi, mensintesis hasil, memverifikasi), *Adapt* (mengukur dampak, mengoptimalkan alur kerja, memperbarui basis pengetahuan dan kebijakan). Protokol termasuk *Model Context Protocol* dan *Agent2Agent*
Diagram aliran melingkar dengan ikon otak pusat, empat komponen dengan panah penghubung
Menunjukkan tiga pola desain umum: *Planning* (menguraikan tujuan menjadi subtugas dengan *feedback loop* evaluasi), Orkestrasi multi-agen (orkestrator menugaskan tugas, *synthesizer* mengkonsolidasikan hasil), Penggunaan Alat dan Refleksi (memanfaatkan alat eksternal, melakukan evaluasi diri). Termasuk diagram alur yang menunjukkan IN/OUT dan *feedback loop*
Tiga bagian pola dengan diagram alur yang menunjukkan alur proses dan titik keputusan
Pendorong utama untuk *agentic AI*: Meningkatkan efisiensi operasional (70%), Meningkatkan pengalaman pengguna (61%), Mendukung inisiatif pertumbuhan (48%), Memungkinkan inovasi (40%), Meningkatkan manajemen risiko (25%), Tidak mengejar agen AI (5%). Insight mencatat efisiensi operasional tetap menjadi pendorong utama
*Bar chart* horizontal dengan kotak insight di kanan
Alat terkemuka untuk pengembangan *agentic AI*: Microsoft Copilot Studio (60%), Google Vertex AI Agent Builder (37%), Microsoft AutoGen (28%), alat Amazon (24%), Salesforce Agentforce, Botpress, CrewAI, LangChain, Eliza, LangGraph, Fine, dan platform komersial/sumber terbuka lainnya. Insight mencatat ekspektasi untuk alat baru seperti OpenAI untuk melihat pertumbuhan
*Bar chart* horizontal dengan kotak insight di kanan
Dua grafik yang menunjukkan: 1) Keyakinan dalam memahami agen AI dengan mayoritas pada level 4-5, 2) Rencana investasi yang menunjukkan 50%+ saat ini menggunakan dan berencana untuk meningkatkan, 20% berencana untuk mengadopsi pada akhir tahun 2026, persentase yang lebih kecil untuk adopsi selanjutnya atau tidak ada rencana. Catatan wawasan organisasi yang berinvestasi dan mengembangkan keterampilan dengan harapan pertumbuhan yang signifikan
Dua grafik batang horizontal berdampingan dengan kotak wawasan di bagian bawah
Peluang: Operasi otonom, sistem adaptif, pengalaman hiper-personalisasi, peningkatan waktu pemasaran, pertumbuhan eksponensial. Risiko: Kemungkinan pemindahan pekerjaan, masalah privasi dengan berbagi data, konsumsi sumber daya yang berlebihan, agen tidak selaras dengan prinsip-prinsip dasar AI, kompleksitas yang lebih besar
Tata letak dua kolom dengan latar belakang biru tua, visual dasbor abstrak di sebelah kanan
Analisis situasional dari CTO Walmart, Hari Vasudev, yang menggambarkan pendekatan bedah untuk agentic AI yang berfokus pada kasus penggunaan tertentu. Mencatat dua komponen utama: pelanggan melatih agen mereka dengan preferensi, dan pengecer memungkinkan agen belanja pribadi untuk berkomunikasi dengan agen internal. Membahas sumber daya dan komitmen data Walmart yang ekstensif
Tata letak dua kolom dengan analisis situasional dan bagian tindakan
Rekomendasi untuk mempersiapkan organisasi eksponensial: pahami karakteristik aplikasi yang paling cocok untuk agentic AI (hindari untuk tugas tetap/berulang, hasil deterministik, kebutuhan latensi rendah, lingkungan dengan batasan biaya), terapkan pengawasan manusia dengan peninjauan/persetujuan untuk operasi berisiko tinggi, tinjau kinerja dengan sistem umpan balik
Item tindakan sisi kiri, gambar arsitektur abstrak sisi kanan
Pembagi bagian untuk tren keempat: 'Manajemen risiko akan menjadi harga masuk untuk AI' dengan tema oranye yang menunjukkan struktur geometris 3D abstrak dengan koneksi jaringan
Visual full-bleed dengan ikon tren di kiri atas, overlay teks di sisi kiri, struktur geometris 3D di kanan
Tabel perbandingan dari lima kerangka kerja: NIST AI RMF (non-regulasi, fokus pada kepercayaan), ISO/IEC 23894:2023 (standar internasional, fokus pada etika dan hak asasi manusia), ISO 31000 (risiko perusahaan yang dapat diadaptasi ke AI), COSO ERM (risiko perusahaan yang dapat diadaptasi ke AI), Info-Tech AI RMF (dirancang khusus untuk AI, fokus pada prinsip-prinsip dasar). Membandingkan fokus, sifat regulasi, prinsip AI, kategori risiko, kemampuan beradaptasi, dan pendekatan implementasi
Tabel perbandingan komprehensif dengan enam baris dan lima kolom kerangka kerja
Menunjukkan empat fungsi utama: Tata Kelola Risiko (persyaratan hukum/regulasi, prinsip-prinsip dasar AI, toleransi risiko, transparansi, pemantauan, inventaris, penonaktifan), Identifikasi Risiko (menetapkan konteks, kategorisasi sistem AI, nilai/manfaat, risiko, kategorisasi dampak), Pengukuran Risiko (metrik risiko AI, penilaian keselarasan prinsip-prinsip dasar, pemantauan risiko sistem, penilaian pengukuran), Respons Risiko (respons yang diprioritaskan, strategi risiko sistem, risiko/manfaat pihak ketiga, rencana penanganan dan komunikasi). Termasuk contoh artefak untuk setiap fungsi
Tata letak horizontal empat kotak dengan poin-poin detail dan contoh artefak di bawah masing-masing
Empat contoh drone yang menunjukkan bagaimana teknologi yang sama memiliki tingkat risiko yang berbeda berdasarkan konteks: Risiko Minimal (drone rekreasi manual, tidak ada pengumpulan data), Risiko Terbatas (pengiriman paket dengan penimpaan manusia, interaksi konfirmasi pengiriman), Risiko Tinggi (pengiriman pasokan medis di infrastruktur penting di mana kegagalan memiliki konsekuensi yang parah), Risiko Tidak Dapat Diterima (pengawasan massal dengan pengenalan wajah untuk penegakan hukum tanpa sebab - dilarang)
Tata letak empat kuadran dengan gambar drone dan deskripsi risiko
Kepemimpinan untuk tata kelola AI: Pusat keunggulan atau komite AI (31%), CIO (23%), Dibagikan oleh dua atau lebih posisi di bawah tingkat eksekutif (13%), Dibagikan oleh dua atau lebih eksekutif (10%), CEO (10%), Petugas/eksekutif risiko dan kepatuhan (2%), Eksekutif C-suite lainnya (5%), Tidak ada (6%). Catatan wawasan tata kelola AI adalah tanggung jawab bersama dengan pusat keunggulan AI atau CIO yang paling sering memimpin
Diagram lingkaran di kiri, kotak wawasan di kanan
Mayoritas besar melihat manajemen risiko sebagai hal yang penting: 62% sangat penting, 32% agak penting, 6% sedikit penting, 0% tidak penting. Catatan wawasan manajemen risiko adalah program integral yang diakui oleh hampir semua responden
Diagram lingkaran dengan kotak wawasan
Manajemen risiko perusahaan adalah pendekatan yang lebih disukai: 33% terintegrasi penuh dengan manajemen risiko perusahaan, 28% terintegrasi dan terpusat, 26% spesifik domain, 13% ad hoc atau reaktif. Catatan wawasan 61% lebih memilih pendekatan perusahaan vs silo/ad hoc
Grafik lingkaran dengan kotak wawasan
Peluang: Memberikan perlindungan untuk sistem AI, menegakkan prinsip-prinsip dasar AI, memastikan akurasi dan validitas, mematuhi peraturan, memaksimalkan nilai dari AI. Risiko: Kurangnya keahlian dalam tata kelola dan manajemen risiko, kurangnya dukungan eksekutif, kurangnya program pendidikan di seluruh perusahaan, kurangnya identifikasi risiko yang efektif, kurangnya pemantauan dan pengukuran yang efektif
Tata letak dua kolom dengan latar belakang cokelat tua, visual dasbor abstrak di sebelah kanan
Analisis situasional yang mencatat pendekatan pemerintah yang berbeda (AS/Inggris yang didorong oleh inovasi vs legislasi komprehensif Uni Eropa) dan tantangan dengan program risiko saat ini yang tidak mengantisipasi AI. Membahas klasifikasi risiko EU AI Act (tidak dapat diterima, diatur berisiko tinggi, transparansi risiko terbatas, tidak diatur risiko minimal). Mencatat Perintah Eksekutif AS yang mengamanatkan lembaga federal menerapkan praktik manajemen risiko minimum pada April 2026
Tata letak dua kolom dengan analisis situasional, tindakan, dan bagian tren, termasuk diagram kerangka kerja Info-Tech
Rekomendasi untuk mengadopsi budaya manajemen berbasis risiko: kembangkan budaya manajemen risiko dengan mendidik tenaga kerja tentang risiko/manfaat AI dan menetapkan prinsip-prinsip dasar AI sebagai kategori risiko, terapkan kerangka kerja manajemen risiko AI dengan penilaian rutin, operasionalkan prinsip-prinsip AI yang bertanggung jawab (pertimbangkan alat otomatisasi), pastikan program adaptif untuk mengatasi aplikasi AI agentik
Item tindakan sisi kiri, gambar arsitektur abstrak sisi kanan
Pembagi bagian untuk tren kelima: 'AI akan tergantung pada keseimbangan antara kebebasan dan kontrol' dengan tema merah muda/magenta yang menunjukkan struktur geometris 3D abstrak dengan elemen bola, tagline berbunyi 'Kedaulatan AI akan menjadi perhatian utama bagi regulator'
Visual full-bleed dengan ikon tren di kiri atas, overlay teks di sisi kiri, seni geometris 3D di kanan
Tabel perbandingan komprehensif peraturan AI di enam wilayah: Uni Eropa (Berbasis Risiko/Hak, EU AI Act), Amerika Serikat (Didorong Pasar, Perintah Eksekutif), Inggris Raya (Didorong Konteks/Pasar, Online Safety Act), Tiongkok (Didorong Negara, Regulasi AI Generatif), Kanada (Berbasis Risiko/Hak, RUU AI dan Data diusulkan), Australia (Berbasis Risiko/Hak, Prinsip Etika AI). Termasuk pendekatan peraturan, peraturan/inisiatif AI, dan detail penegakan untuk masing-masing
Tabel perbandingan besar dengan bendera negara, struktur tiga baris yang mencakup karakteristik, peraturan, dan penegakan
Perbandingan terperinci pendekatan yang kontras: AS berfokus pada inovasi dan deregulasi dengan kebijakan sukarela dan penalti minimal, America's AI Action Plan, dan 'Unbiased AI Principles' (pencarian kebenaran, netralitas ideologis). UE berfokus pada keselamatan dan inovasi dengan peraturan AI dan penalti keuangan, EU AI Continent Action Plan (AI Factories, Data Union Strategy, AI Skills Academy), dan tujuh prinsip dasar termasuk keberagaman/keadilan. Menunjukkan sistem klasifikasi risiko untuk keduanya
Tabel perbandingan terperinci dua kolom yang mencakup pendorong utama, kerangka kerja, prinsip, rencana aksi, dan manajemen risiko
Diagram melingkar yang menunjukkan komponen tata kelola AI adaptif: Prinsip Panduan AI (ikon atom tengah), Struktur Organisasi (ikon orang), Risiko & Kepatuhan (ikon timbangan), Kebijakan/Proses/Standar (ikon daftar periksa), Jaminan (ikon perisai), Akuntabilitas (ikon jabat tangan), Adaptabilitas & Ketahanan (ikon otak). Daftar manfaat: meminimalkan risiko, memastikan kepatuhan, memberikan atribusi, memungkinkan manajemen kebijakan dinamis, memberikan jaminan waktu nyata, memungkinkan mitigasi waktu nyata, mendorong peningkatan berkelanjutan, selaras dengan NIST AI RMF 1.0 dan EU AI Act
Diagram tata kelola melingkar sisi kiri, daftar manfaat sisi kanan
Banyak organisasi yang mengejar AI berdaulat: 40% secara eksklusif menggunakan AI berdaulat, 21% menggunakan AI berdaulat dan non-berdaulat, 14% secara aktif menilai model AI berdaulat, 13% tidak memiliki rencana langsung, 3% tidak ada opsi berdaulat yang tersedia, 9% bukan pertimbangan. Catatan wawasan keamanan nasional, otonomi, kontrol data, dan pertumbuhan ekonomi sebagai pendorong
Grafik lingkaran dengan kotak wawasan
Sebagian besar organisasi yakin vendor akan membangun perlindungan: 72% merasa yakin (3) hingga sangat yakin (5) bahwa vendor AI akan mengatur diri sendiri dan menerapkan perlindungan yang diperlukan. Distribusi menunjukkan kemiringan yang kuat ke arah tingkat kepercayaan yang lebih tinggi (4 menjadi respons yang paling umum)
Grafik batang horizontal dengan skala 5 poin dan kotak wawasan
Dukungan kuat untuk memperkenalkan regulasi AI: 33% sangat mendukung, 45% cukup mendukung (total dukungan 78%), 11% netral, 6% cukup menentang, 5% sangat menentang (total penentangan 11%). Wawasan menekankan bahwa sebagian besar responden mendukung regulasi pemerintah
Grafik lingkaran dengan kotak wawasan
Peluang: Geografi seperti AS/Inggris mungkin menarik lebih banyak modal karena kurangnya regulasi, regulasi AI dapat disesuaikan untuk mencerminkan prioritas nasional/ekonomi, mempromosikan kemandirian dari oligopoli AI Big Tech. Risiko: Regulasi unik mungkin menjadi penghalang masuk, kurangnya kepercayaan konsumen jika tidak ada regulasi AI, inovasi mungkin mandek jika terlalu diatur
Tata letak dua kolom dengan latar belakang ungu tua, visual dasbor abstrak di sebelah kanan
Analisis situasional negara-negara yang mengejar strategi AI berdaulat yang didorong oleh keamanan nasional, kemandirian teknologi dari Big Tech, pelestarian identitas/budaya/bahasa nasional, dan pendorong ekonomi. Menunjukkan diagram segitiga dengan tiga titik sudut: Kedaulatan LLM (otonomi strategis, keamanan nasional, IP, dukungan bahasa), Kedaulatan Data (keamanan nasional, privasi data, legislasi, kinerja), Kedaulatan Infrastruktur (keamanan/ketahanan nasional, mendorong ekonomi lokal, kontrol, kinerja), dengan Prinsip Dasar AI di tengah
Analisis situasional sisi kiri, diagram segitiga sisi kanan dengan tiga komponen kedaulatan
Daftar inisiatif kedaulatan AI yang diumumkan secara global termasuk Rencana Aksi AI Amerika, Strategi Komputasi AI Berdaulat Kanada, Rencana Aksi Benua AI Uni Eropa, Rencana Aksi Peluang AI Inggris, strategi dari Jerman, Prancis, Spanyol, Swedia, Cina, India, Korea Selatan, UEA, dan Brasil. Mencatat Perintah Eksekutif AS 14320 yang mempromosikan ekspor Tumpukan Teknologi AI Amerika sebagai standar global. Menjelaskan tren pengembangan regulasi AI yang terputus-putus dan pendorong untuk pengembangan model AI lokal (inisiatif nasional, komoditisasi, kekuatan geopolitik)
Tata letak dua kolom dengan bagian tindakan dan analisis tren
Rekomendasi untuk menavigasi regulasi AI yang terputus-putus: pahami risiko baru yang terkait dengan aplikasi AI terlepas dari perspektif pemerintah (perkenalkan program manajemen risiko AI, terapkan sistem klasifikasi risiko), nilai kelayakan pengembangan atau pemanfaatan model AI berdaulat (pastikan model fondasi kandidat memenuhi persyaratan akurasi, tingkatkan relevansi dengan penyempurnaan untuk bahasa dan budaya lokal)
Item tindakan sisi kiri, gambar arsitektur abstrak sisi kanan
Ringkasan eksekutif dari lima tren dengan item tindakan: Strategi AI (tetapkan prinsip dasar), Aplikasi Vendor AI (pendekatan yang berpusat pada solusi selaras dengan prinsip), Agentic AI (pilih kasus penggunaan berbasis bisnis dengan pengawasan manusia), Manajemen Risiko AI (kembangkan budaya risiko dengan program manajemen), Regulasi AI (kembangkan kerangka tata kelola adaptif, pastikan model berdaulat yang kompetitif)
Ringkasan lima bagian dengan citra futuristik abstrak di sebelah kanan yang menunjukkan sosok berjalan melalui lanskap teknologi
Mencantumkan kontributor eksternal (Andreu Gomez - UN Vienna CDO, Sunil Gupta - CTBTO CITO, Said Ahmed - UN Technology Development Risk, Rick Pastore - SustainableIT.org, Tom Godden dan Paul Weiss - AWS) dan kontributor internal (Jack Hakimian - SVP Research, Rob Garmaise - VP AI Research, Mark Tauschek - VP Research Fellowships, Brian Jackson - Principal Research Director, Naveli Thomas - AVP Content Marketing, Manoj Atwal - Senior Member Services Director)
Tata letak dua kolom yang mencantumkan kontributor eksternal dan internal dengan jabatan, latar belakang teknologi abstrak di sebelah kanan
Halaman pertama bibliografi yang mencantumkan sumber termasuk AI Act (Komisi Eropa), Kebijakan dan Regulasi AI Brazil (NewMind AI), NIST AI Risk Management Framework, America's AI Action Plan (Gedung Putih), berbagai strategi AI internasional dan laporan teknis tentang model DeepSeek
Bibliografi satu kolom dengan format sitasi standar, citra latar belakang abstrak
Lanjutan bibliografi termasuk M-25-21 Memorandum (OMB), Make France an AI Powerhouse, artikel strategi Walmart AI, dokumentasi harga DeepSeek, strategi AI internasional dari Swedia, Korea Selatan, UEA, UK AI Action Plan, dan laporan insiden vibe coding
Bibliografi satu kolom yang melanjutkan dari halaman sebelumnya
Mempromosikan tiga sumber daya Info-Tech: AI Marketplace (buka potensi AI dengan dukungan yang disesuaikan), Build Your AI Strategy Roadmap (maksimalkan nilai sambil mengelola risiko), Build Your AI Risk Management Roadmap (ubah proses ad hoc menjadi program berkelanjutan yang diformalkan). Masing-masing mencakup deskripsi singkat dan representasi visual
Tiga bagian dengan gambar mini dan deskripsi untuk setiap sumber daya
Pertanyaan umum tentang slide ini dan konten presentasi yang mendasarinya.
Lima tren utama tersebut adalah: 1) Prinsip-prinsip dasar AI akan menulis ulang DNA organisasi - Strategi AI akan diinformasikan oleh prinsip-prinsip yang muncul seperti keselamatan, privasi, dan keadilan; 2) Dari copilots hingga vibe coding: AI akan terus menemukan kembali TI - Ekosistem solusi AI untuk TI akan tumbuh dengan kategori baru; 3) AI agentik akan menjadi matang dan memberdayakan perusahaan eksponensial - AI agentik akan memungkinkan operasi otonom dan pertumbuhan eksponensial; 4) Manajemen risiko akan menjadi harga masuk untuk AI - Organisasi harus mengadopsi program manajemen risiko AI; 5) AI akan berada dalam keseimbangan antara kebebasan dan kontrol - Kedaulatan AI akan menjadi penting bagi regulator secara global.
Kerangka Kerja Manajemen Risiko AI Info-Tech dirancang khusus untuk sistem AI dan terdiri dari empat fungsi utama: Tata Kelola Risiko (menetapkan persyaratan hukum, prinsip-prinsip dasar, toleransi risiko, dan inventaris AI), Identifikasi Risiko (menetapkan konteks, mengkategorikan sistem AI, dan mengidentifikasi risiko), Pengukuran Risiko (mendefinisikan metrik risiko AI, melakukan penilaian keselarasan, dan memantau sistem), dan Respons Risiko (memprioritaskan respons, mengembangkan strategi risiko, dan menerapkan rencana perawatan). Ini didasarkan pada NIST AI RMF 1.0 dan berfokus pada prinsip-prinsip dasar AI sebagai kategori risiko inti.
Organisasi harus menetapkan delapan prinsip dasar AI inti: Keselamatan dan Keamanan (melindungi sistem dan orang), Privasi Data (melindungi informasi pribadi), Penjelasan dan Transparansi (membuat keputusan AI dapat dipahami), Validitas dan Reliabilitas (memastikan akurasi), Keadilan dan Deteksi Bias (mencegah diskriminasi), Akuntabilitas (menetapkan tanggung jawab), Kontestabilitas (memungkinkan tantangan terhadap keputusan AI), dan Keberlanjutan (meminimalkan dampak lingkungan). Prinsip-prinsip tambahan yang muncul meliputi Agensi dan Otonomi Manusia, pertimbangan Lingkungan, dan perlindungan Kekayaan Intelektual.
AS dan UE mengambil pendekatan yang berbeda terhadap peraturan AI. AS mengikuti pendekatan berbasis pasar dan berfokus pada inovasi dengan kebijakan sukarela melalui perintah eksekutif dan tanpa undang-undang federal, menekankan regulasi minimal untuk mempromosikan kepemimpinan AI Amerika. UE mengambil pendekatan berbasis risiko dan hak dengan regulasi komprehensif melalui EU AI Act, GDPR, dan undang-undang lainnya, mengenakan sanksi keuangan untuk ketidakpatuhan. AS berfokus pada 'Prinsip AI yang Tidak Bias' (pencarian kebenaran dan netralitas ideologis), sementara UE menekankan tujuh prinsip dasar termasuk agensi manusia, transparansi, keragaman, keadilan, dan kesejahteraan sosial. Keduanya menerapkan sistem klasifikasi risiko, tetapi UE lebih preskriptif dengan empat kategori: tidak dapat diterima (dilarang), berisiko tinggi (diatur), berisiko terbatas (kewajiban transparansi), dan berisiko minimal (tidak diatur).
AI agentik mewakili perangkat lunak otonom yang dapat bernalar, menguraikan tujuan menjadi subtugas, dan menjalankan program eksternal tanpa intervensi manusia. Ini adalah evolusi paling maju di luar RPA, otomatisasi cerdas, dan AI generatif. Organisasi harus menggunakan AI agentik untuk tugas-tugas kompleks dan dinamis yang membutuhkan adaptasi dan pengambilan keputusan, seperti penelitian otonom, orkestrasi layanan pelanggan, dan otomatisasi alur kerja multi-langkah. Namun, organisasi harus MENGHINDARI AI agentik untuk: tugas-tugas tetap dan berulang, situasi yang membutuhkan hasil deterministik, persyaratan latensi rendah, atau lingkungan yang dibatasi biaya. Praktik terbaik meliputi penerapan pengawasan manusia untuk operasi berisiko tinggi, membangun proses peninjauan dan persetujuan yang jelas, dan menggunakan sistem umpan balik untuk terus meningkatkan kinerja agen.
AI berdaulat mengacu pada model dan infrastruktur AI yang dikembangkan dan dioperasikan di dalam negara atau wilayah tertentu. Menurut survei, 40% organisasi secara eksklusif menggunakan model AI berdaulat, dan 21% menggunakan model berdaulat dan non-berdaulat. Organisasi mengejar AI berdaulat karena beberapa alasan utama: Keamanan Nasional (melindungi data dan operasi sensitif), Kemandirian Teknologi (mengurangi ketergantungan pada vendor Big Tech dari negara lain), Identitas Nasional (melestarikan budaya dan bahasa lokal), Pertumbuhan Ekonomi (mendorong industri dan pekerjaan AI lokal), dan Kontrol Data (memastikan kedaulatan data dan kepatuhan terhadap peraturan lokal). Negara-negara seperti AS, Kanada, negara-negara UE, Tiongkok, India, Korea Selatan, UEA, dan Brasil semuanya telah mengumumkan inisiatif dan strategi AI berdaulat.
Menurut survei, 41% organisasi lebih suka membeli solusi off-the-shelf yang tersedia secara komersial, 13% membangun dengan menyempurnakan model yang ada, dan 46% melakukan keduanya. Ketika memilih, pertimbangkan: Untuk Solusi Vendor - waktu pemasaran yang lebih cepat, biaya awal yang lebih rendah, lebih sedikit pemeliharaan, skalabilitas yang lebih baik, tetapi berisiko vendor lock-in, tantangan integrasi, kustomisasi terbatas, dan kurang kontrol atas fitur. Untuk Pembangunan Kustom - alat terbaik untuk tugas-tugas tertentu, biaya lisensi jangka panjang yang lebih rendah, fleksibilitas yang lebih besar, tetapi membutuhkan banyak alat, biaya integrasi yang lebih tinggi, dan kompleksitas manajemen vendor yang lebih besar. Praktik terbaik adalah mengadopsi pendekatan yang berpusat pada solusi yang berfokus pada nilai bisnis, memastikan keselarasan dengan prinsip-prinsip dasar AI, dan selalu merencanakan strategi keluar untuk mencegah vendor lock-in.
CIO harus fokus pada lima area tindakan penting: 1) Strategi AI - Tetapkan prinsip-prinsip dasar AI yang mengatasi risiko dan mencerminkan prinsip-prinsip strategis organisasi; 2) Aplikasi Vendor AI - Adopsi pendekatan yang berpusat pada solusi menggunakan kerangka kerja pemilihan perangkat lunak yang ada yang mencakup keselarasan prinsip-prinsip dasar AI; 3) AI Agentik - Pilih kasus penggunaan yang digerakkan oleh bisnis, pahami karakteristik yang paling cocok untuk AI agentik, dan sertakan pengawasan manusia untuk operasi berdampak tinggi; 4) Manajemen Risiko AI - Kembangkan budaya manajemen risiko dengan mendidik tenaga kerja dan menerapkan program manajemen risiko AI formal yang selaras dengan proses bisnis; 5) Peraturan AI - Kembangkan kerangka kerja tata kelola AI adaptif untuk memberikan perlindungan dan mengatur diri sendiri terlepas dari lingkungan legislatif, dan memastikan model AI berdaulat kompetitif dengan model vendor Big Tech.
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
Referensikan desain profesional, pilih gaya Anda, dan hasilkan slide dengan rendering teks sempurna. Didukung oleh Nano Banana—mulai buat presentasi Anda sekarang.
Agen AI Anda untuk slide. Hemat waktu, bersinar lebih cepat dengan pembuatan presentasi yang cerdas.
© 2026 2slides. Hak cipta dilindungi.