Persoalan tersebut juga tidak berdiri sendiri. Enam dari 10 organisasi di Indonesia dilaporkan menghadapi sedikitnya lima tantangan data secara bersamaan ketika berupaya meningkatkan skala pemanfaatan AI.
Senior Vice President & General Manager APAC Confluent Greg Taylor mengatakan persoalan kualitas dan konsistensi data sebenarnya bukan hal baru. Namun, dampaknya menjadi jauh lebih besar ketika data tersebut digunakan untuk menjalankan sistem AI.
"Meski bukan masalah baru, dampaknya kini telah berubah secara signifikan. Dataset yang usang atau sumber data yang tidak konsisten dahulu mungkin hanya berujung pada laporan yang terlambat atau dasbor yang diperdebatkan. Kini, masalah yang sama dapat memengaruhi setiap rekomendasi, prediksi, atau keputusan otomatis yang dibuat sistem AI," ujar Greg dikutip Minggu (4/10/2026).
Menurutnya, perusahaan tidak cukup hanya menyediakan data dalam jumlah besar untuk AI. Data yang digunakan juga harus tersedia ketika dibutuhkan.
Setiap interaksi pelanggan, transaksi pembayaran, perubahan inventaris, maupun aktivitas operasional perlu dapat mengalir ke berbagai sistem secara cepat. Dengan demikian, aplikasi AI dapat bekerja menggunakan konteks bisnis terbaru, bukan informasi yang sudah tertinggal.
Kondisi ini juga menjadi salah satu alasan mengapa sejumlah proyek AI dapat berjalan baik dalam tahap pilot, tetapi menghadapi tantangan ketika diterapkan dalam skala operasional.
Model AI mungkin sudah mampu bekerja, tetapi aliran data yang menjadi fondasinya belum tentu siap mendukung kebutuhan bisnis secara real-time.
