JAKARTA, – Penggunaan kecerdasan buatan (Artificial Intelligence/AI) tanpa konteks yang tepat justru dapat merugikan perusahaan. AI yang tidak dibekali informasi dan data relevan berisiko memberikan respons atau mengambil keputusan yang keliru.
Regional Vice President & Managing Director ASEAN Snowflake, Satchit Joglekar, mengatakan bahwa konteks menjadi salah satu hal penting yang perlu diperhatikan perusahaan saat mengadopsi AI.
“AI tanpa konteks bisa menjadi liabilitas, dan AI seperti ini bisa memberikan respons atau mengambil keputusan yang justru merugikan perusahaan,” ujar Satchit kepada KompasTekno di ajang Snowflake World Tour Jakarta, Hotel Raffles Jakarta, Rabu (2/9/2026).
Ia memberikan contoh sederhana pemakaian AI tanpa konteks dari industri telekomunikasi.
Di sini, seorang pelanggan baru saja memutuskan kontraknya setelah mengalami pengalaman buruk dengan operator. Namun, informasi tersebut tidak terhubung dengan sistem pemasaran.
Beberapa hari kemudian, sistem AI yang membantu tim pemasaran justru merekomendasikan agar pelanggan tersebut dikirimi promosi baru.
Bagi sistem AI, rekomendasi tersebut mungkin terlihat masuk akal. Namun, bagi pelanggan, pesan tersebut bisa terasa sangat mengganggu.
Situasi semacam itu bukan hanya berpotensi membuat pelanggan semakin kecewa, tetapi juga dapat berdampak terhadap reputasi perusahaan jika pengalaman tersebut dibagikan ke media sosial.
AI tahu data, tetapi belum paham maknanya
Persoalan konteks menjadi semakin rumit karena perusahaan memiliki bahasa, definisi, dan cara kerja yang berbeda dengan perusahaan lain.
Bahkan di dalam satu perusahaan, sebuah istilah dapat memiliki arti berbeda bagi setiap divisi. Contohnya adalah kata “pertumbuhan”.
Bagi Chief Revenue Officer (CRO), pertumbuhan mungkin berarti peningkatan pendapatan. Direktur pemasaran dapat melihatnya dari pertumbuhan pelanggan atau penjualan.
Sementara itu, Chief Financial Officer (CFO) mungkin memperhitungkan biaya dan margin sebelum menyebut sebuah bisnis mengalami pertumbuhan.
Ketika ketiga orang tersebut menanyakan pertanyaan yang sama kepada AI, jawabannya seharusnya tidak selalu sama.
Nah, di sini, AI perlu mengetahui siapa yang bertanya dan definisi apa yang digunakan orang tersebut.
“Memahami apa yang pengguna ingin katakan adalah salah satu aspek konteks. Lalu, memahami definisi di dalam perusahaan adalah hal yang berbeda dan juga butuh konteks lain,” tutur Satchit.
Masalahnya tidak berhenti pada definisi.
Sebagian pengetahuan perusahaan bahkan tidak tersimpan di dalam sistem digital. Pengetahuan tersebut berada di otak karyawan dan terbentuk dari kebiasaan bekerja sehari-hari.
Seorang karyawan mungkin tahu bahwa untuk membuat laporan tertentu, ia harus membuka satu sistem, mengambil data tertentu, membandingkannya dengan informasi dari sistem lain, kemudian melakukan pengecekan sebelum menarik kesimpulan.
Rangkaian pekerjaan tersebut bisa sangat penting bagi perusahaan. Namun, belum tentu pernah ditulis sebagai aturan formal yang dapat dipahami AI.
Dengan demikian, memberikan AI akses ke database perusahaan saja tidak otomatis membuat AI memahami bisnis.
Data memberikan informasi kepada AI, sedangkan konteks membantu AI memahami apa arti informasi tersebut.
Data besar belum tentu menjadi insight
Persoalan ini dapat dilihat dari apa yang dilakukan Telkomsel Enterprise dengan data yang dimilikinya.
Belum lama ini, mereka meluncurkan aplikasi bernama “Indonesia Traffic Movement Data Sample” di Snowflake Marketplace.
Aplikasi ini sederhananya dapat mengolah data sampel pelanggan untuk menemukan pola pergerakan masyarakat.
Misalnya, dari pola tertentu dapat diketahui bahwa seseorang secara rutin berada di Bekasi pada malam hari dan Jakarta pada siang hari.
Jika pola tersebut ditemukan pada banyak orang, informasi tersebut dapat memberikan gambaran mengenai pergerakan masyarakat antara kedua wilayah.
“Data semacam itu kemudian dapat digunakan untuk berbagai kebutuhan, termasuk perencanaan transportasi dan kota, dan lain sebagainya” ungkap Vice President of Data Solutions and Digital Financial Services Telkomsel Enterprise, Jockie Heruseon di kesempatan yang sama.
Telkomsel juga mengembangkan produk internal bernama SideSense untuk membantu industri ritel menentukan lokasi potensial pembukaan gerai baru.
Jockie menekankan bahwa data yang dipakai di sini bukanlah data rinci, melainkan hanya sampel data pelanggan dan pergerakannya saja.
“Data yang kami bagikan bukan data pribadi, melainkan data yang sudah diagregasi. Kami juga menerapkan berbagai mekanisme keamanan dan memastikan pengolahannya sesuai dengan regulasi yang berlaku,” imbuh Jockie.
Adapun aplikasi Telkomsel di Snowflake ini bisa dibilang menjadi contoh mengapa konteks menjadi penting bagi AI.
Pasalnya, AI tidak cukup hanya mengetahui bahwa sebuah perusahaan memiliki data dalam jumlah besar.
AI juga perlu mengetahui bagaimana data tersebut harus diolah, apa arti setiap informasi, untuk kebutuhan apa data digunakan, dan hasil seperti apa yang sebenarnya dibutuhkan pengguna.
Dari data ke konteks
Dalam hal konteks, Satchit mengatakan bahwa perusahaan perlu merapikan data mereka terlebih dahulu.
Setelah data rapi, perusahaan kemudian dapat membangun konteks agar AI bisa menjawab pertanyaan dan menyelesaikan masalah sesuai dengan kebutuhan bisnis.
Untuk mendukung proses tersebut, Snowflake menawarkan platform data berbasis cloud yang membantu perusahaan mengumpulkan, mengelola, mengamankan, dan menganalisis data dari berbagai sumber.
Platform ini juga dapat menghubungkan data tersebut dengan berbagai layanan AI.
Setelah data dan keamanan tersedia, perusahaan dapat membangun context layer atau lapisan konteks.
Lapisan ini membantu AI memahami informasi sesuai kebutuhan bisnis, sehingga jawaban yang dihasilkan menjadi lebih relevan dan pemrosesan data dapat dilakukan secara lebih efisien.
Misalnya, perusahaan perlu memberi tahu AI apa yang dimaksud dengan “pelanggan aktif” atau “pertumbuhan”. Dengan begitu, AI tidak salah memahami istilah yang digunakan perusahaan.
Informasi tersebut juga dapat diperiksa manusia menggunakan berbagai tools yang disediakan Snowflake untuk memastikan konteks yang diberikan sesuai dengan kebutuhan bisnis.
Pada akhirnya, perusahaan, menurut Satchit, sebaiknya tidak langsung mencari model AI paling canggih.
Data perlu dirapikan terlebih dahulu, kemudian perusahaan dapat membangun konteks yang sesuai sebelum menentukan model yang digunakan.
“Dari segi bisnis, masa depan AI sebenarnya bukan hanya tentang model yang semakin pintar, tetapi juga tentang seberapa baik perusahaan membekali AI dengan informasi dan konteks yang tepat,” pungkas Satchit.
