Image by katemangostar on Freepik

Crocodic, perusahaan bidang teknologi yang fokus pada transformasi digital, menyoroti bahwa Generative AI (GenAI) kini telah menjadi kekuatan tak terelakkan dalam dunia bisnis. Perusahaan teknologi besar seperti Google dan Microsoft bahkan telah mengintegrasikan GenAI ke dalam produk dan layanan enterprise mereka, menandakan betapa krusialnya teknologi ini bagi percepatan transformasi digital perusahaan. Dengan kompleksitas sistem enterprise yang tinggi dan volume data yang terus meningkat, para pemimpin teknologi lintas sektor menghadapi tuntutan mendesak untuk mengadopsi solusi inovatif berbasis GenAI demi mempertahankan daya saing.

GenAI merupakan cabang kecerdasan buatan yang mampu menghasilkan konten baru, mulai dari teks, gambar, kode hingga musik, berdasarkan data yang telah dipelajari sebelumnya. Teknologi ini telah berkembang dari topik penelitian menjadi pendorong utama dalam operasi dan strategi perusahaan di seluruh dunia. Artikel ini menyelami bagaimana GenAI tidak hanya meningkatkan efisiensi operasional, tetapi juga memicu transformasi menyeluruh dalam lingkungan enterprise. Kami akan mengeksplorasi pergeseran paradigma yang dibawa GenAI, khususnya dalam konteks Indonesia, peran krusial pemain kunci seperti IBM dan McKinsey, serta kontribusi riset terkini dalam memahami fenomena ini.

Empat Pergeseran Utama Gen AI Dalam Teknologi Bisnis

McKinsey (2024) mengidentifikasi empat pergeseran fundamental yang akan terjadi di teknologi enterprise sebagai konsekuensi langsung dari adopsi GenAI. Pergeseran ini menandakan evolusi dari fokus sempit pada peningkatan produktivitas menjadi transformasi struktural yang lebih luas dalam cara organisasi beroperasi dan berinovasi.

Ilustrasi iterasi kecepatan dan level otomasi metodologi kinerja (McKinsey, 2024)

1. Alat Pendukung Tim menjadi Pola “Factory” dan “Artisan”
   Interaksi antara manusia dan AI sedang mengalami evolusi signifikan, bergerak dari penggunaan alat GenAI sebagai peningkat produktivitas individu menuju pembentukan tim hybrid yang mengintegrasikan kecerdasan manusia dan buatan. McKinsey menguraikan dua pola interaksi utama yang akan mendefinisikan masa depan kolaborasi manusia dan AI sebagai berikut.

1. Pola Factory: model ini melibatkan pengerahan agen GenAI otonom yang mampu bekerja secara end-to-end. Pendekatan ini sangat efektif untuk proses berulang, terprediksi, dan berskala besar. Contohnya termasuk migrasi kode lama, pemantauan log, atau pembaruan regulasi. Dengan mengorkestrasi agen-agen GenAI untuk tugas-tugas repetitif, organisasi dapat memangkas waktu modernisasi dan membebaskan staf untuk pekerjaan strategis.
2. Pola Artisan: berbeda dengan pola factory, model ini menempatkan GenAI sebagai asisten cerdas yang memperkuat kapabilitas insinyur dan ahli IT berpengalaman. Pendekatan ini cocok untuk proses yang membutuhkan penilaian manusia, kreativitas, dan kecerdasan kontekstual, seperti manajemen biaya teknologi enterprise yang kompleks atau evaluasi vendor strategis. Aktivitas-aktivitas ini bersifat non-deterministik, artinya GenAI membantu menghasilkan ide dan solusi, sementara keputusan akhir tetap dikendalikan manusia..

Pergeseran menuju pola factory dan artisan membawa implikasi mendalam bagi struktur tenaga kerja dan kebutuhan keterampilan. Akan muncul peran baru seperti “pengawas factory” yang bertugas mengawasi dan memvalidasi output agen AI, mengoreksi penyimpangan, dan memastikan tata kelola yang efektif. Di sisi lain, para ahli IT harus memperluas keterampilan strategis, fokus pada pemecahan masalah tingkat lanjut, dan memanfaatkan ide-ide yang dihasilkan oleh GenAI untuk pemikiran inovatif.

Secara luas, adopsi pola factory dan artisan diperkirakan dapat mengurangi technical debt, yaitu beban pemeliharaan sistem lama, yang mana saat ini banyak menyita sumber daya IT. Dengan pengurangan beban pemeliharaan, staf dapat dialihkan ke proyek inovasi. Dengan demikian, anggaran IT dapat dialihkan ke penelitian, pengembangan teknologi baru, dan inisiatif penciptaan nilai, bukan hanya pemeliharaan sistem.

2. Arsitektur Aplikasi menjadi Arsitektur Agen AI dan Data
   Pergeseran kedua yang diidentifikasi oleh McKinsey adalah evolusi fundamental dalam arsitektur IT. Dari model tradisional yang didominasi oleh aplikasi monolitik atau terdistribusi, kita beralih ke arsitektur multi-agen baru. Dalam paradigma ini, banyak agen GenAI yang berbeda dapat berkomunikasi satu sama lain dan dengan dunia luar, sehingga sistem dibangun secara modular berbasis agen AI.

• Implikasi pada Sistem Modular Berbasis Agen

Pergeseran ini akan mendorong pengembangan sistem yang jauh lebih modular dan berbasis agen. Alih-alih satu aplikasi besar yang melakukan banyak fungsi, akan ada banyak agen kecil yang masing-masing mengkhususkan diri pada tugas tertentu. Modul-modul ini dapat dengan mudah dipertukarkan, diperbarui, atau dikombinasikan, memberikan fleksibilitas dan skalabilitas yang belum pernah ada sebelumnya. Hal ini memungkinkan perusahaan untuk merespons perubahan kebutuhan bisnis dengan lebih cepat dan efisien.

• Pentingnya Platform Data Terintegrasi dan Real-time

Dalam arsitektur berbasis agen AI, data menjadi bahan bakar utama. Agen-agen ini membutuhkan akses yang mulus dan real-time ke data yang relevan untuk dapat berfungsi secara efektif. Oleh karena itu, akan ada peningkatan kebutuhan akan platform data yang kuat, terintegrasi, dan mampu menyediakan data secara real-time. Platform ini harus mampu mengelola volume data yang sangat besar, memastikan kualitas data, dan memfasilitasi pertukaran data yang aman antar agen dan sistem yang ada. Kualitas dan ketersediaan data akan menjadi penentu utama keberhasilan implementasi Gen AI.

• Perubahan Paradigma Manajemen Data

Pergeseran ini juga akan mengubah paradigma manajemen data. Fokus akan bergeser dari sekadar penyimpanan dan akses data menjadi penekanan pada kualitas, aksesibilitas, dan keamanan data. Perusahaan perlu berinvestasi dalam strategi tata kelola data yang komprehensif untuk memastikan bahwa data yang digunakan oleh agen AI akurat, relevan, dan patuh terhadap regulasi. Kemampuan untuk mengintegrasikan data dari berbagai sumber (baik internal maupun eksternal) akan menjadi kunci untuk mendukung keputusan yang digerakkan oleh AI dan memungkinkan agen-agen ini beroperasi secara optimal.

3. Dari Biaya IT sebagai Pusat Biaya menjadi Penggerak Nilai Bisnis
   Pergeseran ketiga yang signifikan adalah perubahan fundamental dalam persepsi dan manajemen biaya IT. Secara tradisional, departemen IT sering dipandang sebagai pusat biaya yang diperlukan. Namun, dengan GenAI, IT akan bertransformasi menjadi penggerak nilai bisnis yang strategis, secara langsung berkontribusi pada pertumbuhan pendapatan dan keunggulan kompetitif.

• Optimalisasi Biaya

GenAI memiliki potensi besar untuk mengidentifikasi dan mengurangi biaya di berbagai area. Contohnya termasuk otomatisasi tugas rutin, optimasi penggunaan sumber daya cloud, dan manajemen lisensi perangkat lunak yang lebih cerdas. Dengan menganalisis pola penggunaan dan inefisiensi, GenAI membantu perusahaan mengalokasikan sumber daya TI secara lebih efektif, sehingga mengurangi pengeluaran yang tidak perlu.

• Penciptaan Nilai dan Model Pendapatan Baru

Salah satu dampak paling transformatif dari GenAI adalah kemampuannya untuk memungkinkan inovasi dan pengembangan produk atau layanan baru dengan kecepatan dan personalisasi yang belum pernah terjadi sebelumnya. GenAI dapat membantu dalam desain produk, pembuatan konten pemasaran yang disesuaikan, pengembangan aplikasi baru, dan bahkan menciptakan model bisnis yang sepenuhnya baru. Kontribusi langsung pada peningkatan pendapatan dan pertumbuhan bisnis ini  mengubah IT dari sekadar pendukung menjadi pencipta nilai yang aktif.

• Realokasi Anggaran IT untuk Pertumbuhan

Dengan GenAI untuk mengotomatisasi tugas-tugas rutin dan mengoptimalkan operasional, anggaran IT akan mengalami realokasi strategis. Dana yang sebelumnya dialokasikan untuk pemeliharaan rutin dan operasional dasar dapat dialihkan ke proyek-proyek yang secara langsung mendorong pertumbuhan, inovasi, dan keunggulan kompetitif. Ini berarti investasi yang lebih besar pada penelitian dan pengembangan, eksplorasi teknologi baru, dan inisiatif yang berfokus pada penciptaan nilai jangka panjang. Pergeseran ini mengubah fokus IT dari sekadar menjaga sistem tetap berjalan menjadi mendorong batas-batas inovasi dan pertumbuhan bisnis.

4. Dari Manajemen Risiko Tradisional menjadi Tata Kelola AI Komprehensif
   Pergeseran keempat yang krusial adalah evolusi manajemen risiko menjadi kerangka kerja tata kelola AI yang komprehensif. Seiring meluasnya adopsi GenAI, muncul risiko baru yang menuntut pendekatan holistik. Tata kelola AI yang efektif menjadi sangat penting untuk memastikan implementasi GenAI yang aman, etis, dan bertanggung jawab.

• Penanganan Risiko Mengenai Akurasi dan Bias AI

Salah satu risiko utama GenAI adalah potensi ketidakakuratan dan bias dalam outputnya. Model AI dilatih dengan data, dan jika data tersebut bias atau tidak representatif, output AI juga akan bias, yang dapat menyebabkan keputusan yang tidak adil atau diskriminatif. Tata kelola AI yang komprehensif harus mencakup mekanisme untuk mengidentifikasi, mengukur, dan mengoreksi bias dalam data pelatihan dan algoritma AI. Ini juga melibatkan validasi berkelanjutan terhadap akurasi output AI untuk memastikan keandalan.

• Keamanan dan Privasi Data dalam Konteks Gen AI

Penggunaan Gen AI melibatkan pemrosesan volume data yang sangat besar, termasuk data sensitif dan pribadi. Hal ini secara inheren meningkatkan risiko keamanan data dan pelanggaran privasi. Kerangka tata kelola AI harus memastikan kepatuhan terhadap regulasi data yang ketat seperti GDPR, CCPA, dan peraturan lokal lainnya. Implementasi langkah-langkah keamanan siber yang canggih, enkripsi data, dan kontrol akses yang ketat menjadi sangat penting untuk melindungi informasi sensitif yang diproses oleh sistem Gen AI.

• Pentingnya Transparansi dan Explainability

Dalam banyak kasus penggunaan enterprise, terutama yang melibatkan keputusan kritis (misalnya, keputusan kredit, diagnosis medis, atau rekrutmen), sangat penting bahwa keputusan yang dibuat oleh sistem AI dapat dijelaskan dan dipahami oleh manusia. Konsep Explainable AI (XAI) menjadi kunci untuk membangun kepercayaan, memungkinkan audit, dan memastikan akuntabilitas. Tata kelola AI harus mendorong pengembangan dan penggunaan model AI yang transparan, atau setidaknya menyediakan mekanisme untuk menjelaskan alasan di balik output yang dihasilkan.

• Etika dan Tanggung Jawab dalam Penggunaan AI

Aspek etika AI adalah pilar fundamental dari tata kelola AI yang komprehensif. Ini melibatkan pengembangan dan penerapan pedoman etika yang jelas untuk penggunaan AI yang bertanggung jawab, adil, dan bermanfaat bagi masyarakat. Pertimbangan etika mencakup dampak sosial, ekonomi, dan moral dari teknologi AI, seperti potensi penggantian pekerjaan, dampak pada masyarakat, dan penggunaan AI untuk tujuan yang tidak etis. Perusahaan perlu menetapkan komite etika AI dan kebijakan internal yang memastikan bahwa pengembangan dan penerapan GenAI sejalan dengan nilai-nilai perusahaan dan norma-norma sosial.

Konteks GenAI di Indonesia: Peluang dan Tantangan

Indonesia, dengan populasi yang besar dan tingkat adopsi digital yang terus meningkat, berada di persimpangan jalan dalam pemanfaatan GenAI. Meskipun potensi transformatifnya sangat besar, ada pula tantangan unik yang harus dihadapi untuk memaksimalkan manfaatnya di konteks lokal.

1. Tingkat Adopsi dan Potensi Ekonomi GenAI di Indonesia
   Data menunjukkan bahwa Indonesia memiliki tingkat adopsi GenAI yang menjanjikan. Menurut UN Global Pulse Asia Pacific (2025), pertumbuhan pesat GenAI, kapabilitas futuristiknya, dan minat publik yang tinggi menunjukkan bahwa teknologi ini akan terus berkembang. Studi dari Oliver Wyman (2024) menyoroti bahwa sektor bisnis di Indonesia menunjukkan tanda-tanda adopsi AI yang stabil, dengan 50% karyawan di Indonesia sudah menggunakan AI setiap minggu. Bahkan, Microsoft (2024) melaporkan bahwa 92% pekerja pengetahuan di Indonesia telah menggunakan GenAI di tempat kerja, melampaui rata-rata global (75%) dan Asia Pasifik (83%).

Potensi ekonomi GenAI di Indonesia juga sangat signifikan. Access Partnership (2023) memperkirakan bahwa GenAI berpotensi membuka kapasitas produktif sebesar USD 243,5 miliar di Indonesia, setara dengan hampir seperlima PDB negara. Angka ini menunjukkan betapa besarnya peluang yang dapat diraih jika GenAI diimplementasikan secara strategis dan efektif di berbagai sektor enterprise.

2. Tantangan Lokal
   Meski prospeknya cerah, Indonesia menghadapi beberapa tantangan spesifik dalam adopsi dan pengembangan GenAI:

• Ketersediaan Infrastruktur dan Data Pelatihan: Pengembangan model GenAI berkualitas tinggi membutuhkan infrastruktur komputasi yang kuat dan akses ke data pelatihan yang besar dan berkualitas. Di Indonesia, tantangan ini seringkali terkait dengan biaya tinggi dan ketersediaan yang terbatas, terutama bagi tim pengembangan yang lebih kecil (UN Global Pulse Asia Pacific, 2025). Lebih lanjut, untuk model yang dilokalisasi, data untuk bahasa dan dialek lokal seringkali lebih kompleks dan sulit dikumpulkan karena jumlah penutur yang terbatas.
• Kesenjangan Keterampilan dan Talenta AI: Meskipun adopsi AI meningkat, kesenjangan antara kebutuhan industri dan ketersediaan talenta dengan keterampilan AI yang relevan masih menjadi hambatan. Perusahaan perlu berinvestasi dalam pelatihan ulang dan pengembangan keterampilan tenaga kerja untuk memastikan mereka siap menghadapi era GenAI.
• Regulasi dan Tata Kelola AI di Indonesia: Dengan tingkat adopsi yang tinggi, kekhawatiran etika seperti bias algoritmik, penggantian pekerjaan, masalah privasi data, dan penyebaran informasi yang menyesatkan menjadi lebih nyata. Kemenkominfo Indonesia telah menerbitkan pedoman rekomendasi tentang implementasi, pemeliharaan, penggunaan yang bertanggung jawab, dan pengembangan AI (Kemenkominfo, 2024). Namun, regulasi yang lebih ekstensif diperlukan untuk sepenuhnya mengatasi semua masalah etika yang ada dan yang mungkin muncul di masa depan, serta untuk menyeimbangkan insentif dan disinsentif dalam mengatur pengembangannya (UN Global Pulse Asia Pacific, 2025).

3. Peluang Lokal
   Di balik tantangan, terdapat peluang unik bagi Indonesia untuk memanfaatkan GenAI:

• Model GenAI Lokal: Mengingat keragaman linguistik dan budaya Indonesia, pengembangan model GenAI yang disesuaikan atau dilokalisasi sangat penting. Model semacam ini dapat membantu melestarikan dialek lokal, menyesuaikan diri dengan tantangan pembangunan unik negara, dan menjaga kedaulatan data serta teknologi Indonesia (UN Global Pulse Asia Pacific, 2025).
• Solusi Pembangunan Nasional: GenAI dapat diterapkan untuk mengatasi masalah pembangunan spesifik di Indonesia, seperti meningkatkan akses pendidikan, kesehatan, atau pertanian melalui solusi yang inovatif dan terpersonalisasi.
• Kolaborasi Lintas Sektor: Kolaborasi antara pakar teknis, ahli bahasa, sektor swasta, dan pemerintah krusial untuk membangun ekosistem GenAI yang kuat. Sinergi ini terlihat dalam Strategi Nasional AI 2020, memastikan tujuan dan kapabilitas berbagai pemangku kepentingan selaras dalam pengembangan GenAI  (UN Global Pulse Asia Pacific, 2025).

Peran Pemain Kunci dan Kontribusi Penelitian

Adopsi dan evolusi GenAI di enterprise tidak terlepas dari peran krusial pemain kunci di industri dan kontribusi signifikan dari komunitas penelitian.

1. IBM dan Strategi GenAI Enterprise
   IBM telah memposisikan dirinya sebagai pemimpin dalam revolusi GenAI di lingkungan enterprise, dengan fokus pada penyediaan solusi yang dapat diskalakan, aman, dan dapat diandalkan. Strategi IBM berpusat pada beberapa pilar utama:

• Platform Watsonx: Ini adalah platform AI dan data siap enterprise dari IBM yang dirancang untuk memperbanyak dampak AI di seluruh bisnis. Watsonx menyediakan seperangkat alat dan model dasar yang memungkinkan perusahaan untuk membangun, melatih, menyetel, dan menerapkan model GenAI mereka sendiri dengan data mereka sendiri, baik di cloud publik maupun di lingkungan hybrid (IBM, 2025).
• Pendekatan Hybrid Cloud: IBM menekankan pentingnya pendekatan hybrid cloud untuk GenAI, memungkinkan perusahaan untuk memanfaatkan kekuatan AI di mana pun data mereka berada, baik di cloud, di lokasi, atau di edge. Ini memberikan fleksibilitas dan kontrol yang lebih besar atas data sensitif dan kepatuhan regulasi.
• Fokus pada Kepercayaan, Tata Kelola, dan Solusi Industri-Spesifik: IBM sangat menekankan pada AI yang dapat dipercaya, dengan fokus pada tata kelola AI, etika, dan penjelasan. Mereka menyediakan alat dan kerangka kerja untuk membantu perusahaan mengelola risiko AI, memastikan kepatuhan, dan membangun kepercayaan pada sistem AI mereka. Selain itu, IBM mengembangkan solusi Gen AI yang disesuaikan untuk industri tertentu, seperti keuangan, perawatan kesehatan, dan manufaktur, untuk mengatasi tantangan unik dan peluang di sektor-sektor tersebut.
• Layanan Konsultasi AI: Melalui IBM Consulting, perusahaan membantu klien dalam strategi, implementasi, dan adopsi Gen AI, memastikan bahwa teknologi ini terintegrasi secara efektif ke dalam alur kerja dan proses bisnis yang ada.

2. Kontribusi McKinsey dalam Pemikiran Strategis Gen AI

McKinsey & Company telah menjadi suara terkemuka dalam menganalisis dampak Gen AI pada bisnis dan teknologi. Kontribusi mereka meliputi:

1. Analisis Tren dan Pergeseran: Seperti yang dibahas dalam bagian sebelumnya, McKinsey secara proaktif mengidentifikasi dan menganalisis pergeseran fundamental yang dibawa oleh Gen AI di teknologi enterprise, memberikan panduan strategis bagi para pemimpin bisnis (McKinsey, 2024).
2. Rekomendasi Implementasi dan Tata Kelola: McKinsey tidak hanya mengidentifikasi tren tetapi juga menawarkan rekomendasi praktis tentang bagaimana perusahaan dapat mengimplementasikan Gen AI secara efektif, termasuk strategi untuk mengatasi tantangan tata kelola dan risiko.

Tren Teknologi Enterprise yang Beririsan dengan GenAI

GenAI tidak berdiri sendiri, melainkan berinteraksi dan beririsan dengan tren teknologi enterprise lainnya, menciptakan sinergi yang kuat dan membuka peluang baru.

1. Integrasi GenAI dengan Cloud Computing
   Cloud computing adalah fondasi penting bagi pengembangan dan penerapan GenAI. Platform cloud menyediakan infrastruktur komputasi yang scalable dan fleksibel yang diperlukan untuk melatih dan menjalankan model GenAI yang besar. Integrasi GenAI dengan cloud computing menciptakan beberapa sinergi penting.

• Optimalisasi Biaya Cloud: GenAI dapat digunakan untuk menganalisis pola penggunaan sumber daya cloud dan secara otomatis mengoptimalkan alokasi sumber daya, mengurangi pemborosan, dan menurunkan biaya operasional.
• Manajemen Sumber Daya yang Cerdas: GenAI dapat memprediksi kebutuhan komputasi dan secara proaktif menyesuaikan kapasitas sumber daya, memastikan kinerja yang optimal dengan biaya yang efisien.
• Demokratisasi Akses ke GenAI: Platform cloud menyediakan layanan GenAI yang terkelola, memungkinkan perusahaan dari berbagai ukuran untuk mengakses dan memanfaatkan teknologi ini tanpa harus membangun infrastruktur mereka sendiri dari awal.

2. Peran GenAI dalam Keamanan Siber
   Dalam lanskap ancaman siber yang semakin kompleks, GenAI berperan ganda sebagai alat potensial bagi penyerang dan sebagai pertahanan yang kuat bagi perusahaan. Integrasi GenAI dengan strategi keamanan siber enterprise menjadi semakin penting:

• Meningkatkan Keamanan Zero-Trust: GenAI dapat menganalisis perilaku pengguna secara real-time untuk mendeteksi anomali dan potensi ancaman, memperkuat prinsip zero-trust di mana tidak ada entitas yang dipercayai secara implisit.
• Meningkatkan Ketahanan Siber: GenAI membantu respons insiden dengan menganalisis data serangan, mengidentifikasi pola, dan memberikan rekomendasi pemulihan, sehingga mempercepat penanggulangan dan meminimalkan dampak serangan.
• Deteksi Ancaman Lanjutan: GenAI dapat dilatih untuk mengenali pola serangan baru dan yang belum pernah terlihat sebelumnya, meningkatkan kemampuan deteksi ancaman dan memungkinkan pertahanan yang lebih proaktif.

3. Potensi GenAI dalam Komputasi Kuantum
   Meskipun komputasi kuantum masih dalam tahap awal pengembangan, potensinya untuk memecahkan masalah yang kompleks sangat besar. GenAI dan komputasi kuantum memiliki potensi sinergi yang menarik di masa depan.

• Akselerasi R&D Kuantum: GenAI dapat menganalisis data eksperimen kuantum, membantu merancang algoritma kuantum baru, atau mensimulasikan sistem kuantum kompleks.
• Optimalisasi Aplikasi Kuantum: Ketika komputer kuantum lebih matang, GenAI dapat membantu mengoptimalkan aplikasinya di bidang seperti penemuan obat, material, dan optimasi keuangan.
• Model AI Lebih Kuat: Di masa depan, komputasi kuantum memungkinkan pelatihan model GenAI yang jauh lebih besar daripada yang mungkin dengan komputasi klasik, membuka kemampuan AI yang belum pernah terbayangkan sebelumnya.

Kesimpulan

Generative AI kini tidak lagi sekadar alat peningkat efisiensi, tetapi telah menjadi kekuatan pendorong utama dalam transformasi teknologi enterprise, mengubah cara kerja tim, arsitektur IT, dan model bisnis. Di Indonesia, peluang implementasi GenAI sangat besar seiring tingginya adopsi digital dan potensi ekonomi yang signifikan, namun tantangan seperti keterbatasan infrastruktur, kesenjangan keterampilan, dan kebutuhan regulasi tetap perlu diatasi. Peran strategis pemain global seperti IBM dan McKinsey, serta kolaborasi lintas sektor, menjadi kunci sukses dalam membangun ekosistem AI yang inklusif dan berkelanjutan. Dengan mengintegrasikan GenAI ke dalam tren teknologi seperti cloud computing dan keamanan siber, perusahaan dapat membuka nilai bisnis baru dan mencapai keunggulan kompetitif. Crocodic, sebagai perusahaan teknologi yang adaptif dan berorientasi masa depan, siap mendampingi transformasi ini secara proaktif dan bertanggung jawab di berbagai sektor industri.

Referensi

Access Partnership. (2023, September 25). The Economic Impact of Generative AI: The Future of Work in Indonesia. 

IBM. (2025, Mei 6). IBM Accelerates Enterprise Gen AI Revolution with Hybrid Capabilities. 

Kementerian Komunikasi dan Informatika (Kemenkominfo). (2024). Surat Edaran tentang Pedoman Rekomendasi Implementasi, Pemeliharaan, dan Pemanfaatan Kecerdasan Artifisial. 

McKinsey & Company. (2024, Desember 2). Enterprise technology’s next chapter: Four gen AI shifts that will reshape business technology.

Microsoft. (2024, Desember 16). AI for Indonesia: Amplifying Ingenuity, Empowering Communities, Transforming Futures.

Oliver Wyman. (2024, Oktober). Unlocking The Potential Of AI-Driven Growth In Indonesia. 

UN Global Pulse Asia Pacific. (2025, April 25). Generative AI in Indonesia: Promise, Potential and the Path Ahead.