Adopsi kecerdasan buatan (AI) di kalangan perusahaan terus meluas, mulai dari penggunaan chatbot hingga otomatisasi proses bisnis. Namun, banyak organisasi dinilai masih keliru dalam membangun fondasi penerapan AI, terutama terkait pengelolaan data.
Hal itu disampaikan Regional Vice President & Managing Director Southeast Asia Snowflake, Satchit Joglekar, dalam wawancara eksklusif di The St. Regis Jakarta, Jakarta Selatan, Kamis (17/4/2026). Snowflake merupakan platform data berbasis cloud yang membantu perusahaan mengelola, mengintegrasikan, dan menganalisis data agar siap digunakan untuk kebutuhan analitik dan AI.
Menurut Satchit, AI tidak akan memberikan manfaat maksimal apabila data perusahaan belum tertata dengan baik. “AI tidak berguna tanpa data. Tata kelola data (data governance) adalah hal paling penting. Jika data sudah rapi dan benar, barulah perusahaan bisa fokus ke AI,” ujarnya.
Ia menilai, sejumlah perusahaan saat ini terlalu berfokus pada penggunaan model AI terbaru, seperti generative AI (Gen AI) atau chatbot, tanpa lebih dulu membenahi data internal. Padahal, AI bekerja dengan mengandalkan data. Jika data tidak rapi, tidak terintegrasi, atau tersebar di berbagai sistem, hasil yang diberikan AI berpotensi tidak akurat.
“Dalam beberapa kasus, AI bahkan bisa menghasilkan informasi yang tidak relevan dengan kondisi bisnis perusahaan,” kata Satchit.
Satchit juga menyoroti fenomena data silo sebagai tantangan utama dalam implementasi AI. Kondisi ini terjadi ketika data disimpan di berbagai sistem atau penyimpanan terpisah. Selain tersebar, sistem penyimpanan tersebut kerap terisolasi sehingga data sulit diakses atau diintegrasikan dengan sistem lain.
“Kondisi seperti ini menjadi tantangan besar bagi perusahaan yang ingin mengadopsi AI. Sebab, AI membutuhkan data yang mudah diakses dan terintegrasi dalam satu tempat,” tutur Satchit.
Selain persoalan keterpisahan data, ia menambahkan bahwa data di dalam perusahaan sering kali tidak seragam. Misalnya, istilah atau definisi tertentu dapat berbeda antar divisi meski merujuk pada hal yang sama. Situasi ini dapat menyulitkan AI memahami konteks bisnis secara menyeluruh, bahkan berpotensi memicu halusinasi atau kesalahan dalam menghasilkan jawaban.
