Sebagian besar hambatan implementasi AI di perusahaan bukan masalah kemampuan model. Masalahnya ada pada urutan pengambilan keputusan. Panduan ini menjelaskan urutan yang dipakai perusahaan untuk menentukan batas antara frontier AI, enterprise cloud, private environment, dan on-prem, berdasarkan klasifikasi data, profil risiko, use case, dan kewajiban regulasi.

Prinsip utama: model mengikuti klasifikasi data. Bukan data yang dipaksa mengikuti model.

Lima pola yang membuat proyek AI korporat berhenti di pilot

  1. Mulai dari memilih model. Diskusi dibuka dengan perbandingan vendor, sebelum ada yang tahu data apa yang akan masuk ke sistem.
  2. Satu solusi untuk semua data. Satu langganan enterprise dianggap cukup untuk seluruh kelas data, dari brosur publik sampai kontrak.
  3. Melarang tanpa menyediakan. Akses AI diblokir di jaringan kantor, pemakaian berpindah ke perangkat pribadi dan tidak lagi terlihat.
  4. Menganggap on-prem otomatis aman. Model berjalan di server sendiri, sementara tools, connector, dan logging tetap membuka jalur keluar data.
  5. Pilot tanpa kriteria produksi. Pilot berjalan mulus, lalu berhenti karena tidak pernah ada definisi lulus dari sisi security, kualitas, dan nilai bisnis.

Koreksinya satu: tetapkan batas data lebih dulu, lalu pilih model yang boleh berada di dalam batas itu.

Urutan keputusan yang benar

Pemilihan model adalah hasil akhir dari proses risk-based architecture, bukan langkah pertama.

Langkah Pertanyaan yang dijawab Pemilik jawaban
1. Data Data apa yang masuk, dari mana, siapa pemiliknya Data owner unit
2. Classification Seberapa sensitif data itu menurut kebijakan perusahaan Data owner dan security
3. Risk Apa konsekuensi bila data bocor atau jawaban salah CISO dan risk
4. Use case Pekerjaan apa yang dibantu dan berapa nilainya Business owner
5. Architecture Batas dan kontrol apa yang dibutuhkan Arsitek dan security
6. Model Model dan environment mana yang memenuhi batas itu CIO dan procurement

Kesalahan yang paling mahal adalah membeli lisensi untuk seluruh karyawan sebelum klasifikasi data selesai. Biaya yang muncul kemudian bukan hanya biaya lisensi, melainkan biaya menata ulang proses yang terlanjur berjalan di atas asumsi yang salah.

Klasifikasi data menentukan batas AI

Skema berikut adalah reference scheme, bukan klasifikasi hukum universal. Selaraskan penamaannya dengan kebijakan keamanan informasi yang sudah berlaku di perusahaan.

Kelas Contoh isi Pola arsitektur default
Public Website, brosur publik, regulasi yang sudah terbit Frontier atau enterprise AI yang sudah disetujui
Internal SOP umum, manual kerja, materi pelatihan Enterprise-controlled AI environment
Confidential Kontrak, data keuangan, data pelanggan Private atau tightly controlled environment
Restricted Workload sangat sensitif atau diatur regulator On-prem atau isolated bila terjustifikasi

Klasifikasi bukan deployment rule otomatis. Rute akhir tetap memerlukan review legal dan compliance, security architecture review, pengecekan kewajiban kontraktual, serta persyaratan khusus sektor.

Kasus batas yang selalu muncul: dokumen campuran. Satu proposal dapat berisi profil perusahaan yang publik sekaligus struktur harga yang rahasia. Aturan praktis: kelas dokumen mengikuti bagian paling sensitif di dalamnya, kecuali dokumen dipecah lebih dulu.

Corporate AI sebagai sistem kontrol

Bukan satu chatbot, dan bukan satu model untuk semua jenis data. Enam lapisan berikut selalu ada. Yang berbeda hanya seberapa banyak lapisan dikelola sendiri dan seberapa banyak diserahkan ke penyedia.