Cara BMW Group Mendorong Ketahanan Bisnis dengan AI Generatif

Matthias Patzak:
Selamat datang di podcast Wawasan Eksekutif, yang dipersembahkan oleh AWS. Saya Matthias Patzak. Saya adalah Enterprise Strategist di AWS.

Saya senang Marco Gorgmaier, Vice President, Enterprise Platforms and Services Data Artificial Intelligence di BMW Group, bergabung bersama saya. Marco, terima kasih telah bergabung.

Marco Gorgmaier:
Terima kasih telah mengundang saya.

Matthias Patzak:
Selamat datang di podcast Wawasan Eksekutif, yang dipersembahkan oleh AWS. Nama saya Matthias Patzak. Saya adalah Enterprise Strategist di AWS, dan senang Marco bergabung bersama saya hari ini.

Marco Gorgmaier:
Halo, Matthias. Terima kasih banyak telah mengundang saya.

Matthias Patzak:
Baik, Marco, selamat datang di podcast ini. Marco Gorgmaier adalah Vice President, Enterprise Platforms and Services Data Artificial Intelligence di BMW Group. Marco, silakan perkenalkan diri Anda dan beri tahu kami lebih banyak tentang peran Anda di BMW Group serta apa yang Anda kerjakan.

Marco Gorgmaier:
Ya, dengan senang hati. Dengan organisasi platform global, kami adalah organisasi yang sangat penting untuk meluncurkan dan menskalakan AI di seluruh organisasi ini, dan ekosistem platform yang kami sediakan untuk tim pada dasarnya menjadi tulang punggungnya. Kami berupaya memastikan bahwa kami melakukan peningkatan keterampilan, memastikan semua karyawan memahami ekosistem kami, memahami efisiensi yang bisa mereka tingkatkan, dan membawanya ke dalam organisasi.

Matthias Patzak:
Namun, hal tersebut bukan hanya satu platform untuk AI generatif data. Hal tersebut mencakup berbagai platform perusahaan.

Marco Gorgmaier:
Ya, tentunya. Sebenarnya, ada beberapa tumpukan platform. Salah satu bagian pentingnya, tentu saja, adalah platform ERP, seperti platform SAP. Kami juga memiliki tumpukan cloud tempat kami mengembangkan aplikasi, yaitu aplikasi yang dikembangkan sendiri, yang kami sebut sebagai platform cloud standar, dengan penggunaan yang intensif terhadap layanan terkelola di sana. Kami juga memiliki platform data dan AI, yang berkembang makin pesat bersama.

Kami memulai seluruh perjalanan ini dengan pusat data cloud pada tahun 2017. Saat itulah kami benar-benar memastikan untuk mengumpulkan semua data pada satu platform. Kami membangun sistem penyerapan untuk semua sistem dalam lanskap kami. Kami membentuk sebuah organisasi pada saat itu yang disebut dengan kantor transformasi data, tempat kami juga mengimplementasikan peran-peran baru ke dalam perusahaan, sehingga kami memiliki fungsi manajemen dan tata kelola data dalam bisnis, serta pengelola data yang memiliki pengetahuan domain, pengetahuan proses dari perspektif bisnis untuk mengendalikan semantik data. Tentu saja juga organisasi rekayasa kami, yaitu para rekayasawan data di seluruh pusat global kami. Kami ada di seluruh dunia, sebenarnya, di Amerika Serikat, Jerman, dan tentu saja kantor pusat kami, serta pusat pengembangan perangkat lunak di India, Portugal, serta Afrika Selatan. Jadi, memang organisasi yang sangat global. Kami membentuk tim rekayasa data, yang kemudian sangat membantu mempercepat integrasi lanskap yang sudah ada.

Matthias Patzak:
Seberapa besar kira-kira organisasi platform Anda?

Marco Gorgmaier:
Secara global, lebih dari 1.000 orang, termasuk yang bekerja di berbagai pusat.

Matthias Patzak:
Organisasi Anda, organisasi platform Anda?

Marco Gorgmaier:
Ya.

Matthias Patzak:
Wah.

Marco Gorgmaier:
Organisasi ini cukup besar, tetapi menjadi platform untuk seluruh perusahaan dan mencakup semua rekayasawan dalam grup kami.

Matthias Patzak:
Platform adalah istilah yang banyak digunakan di komunitas. Jadi, dalam penelitian terbaru Dora... Platform adalah istilah yang banyak digunakan. Dalam laporan penelitian Dora terbaru tentang DevOps, 84% dari survei organisasi mengatakan mereka menggunakan platform dari perspektif yang lebih luas, tetapi istilah ini tidak didefinisikan dengan baik. Dari sudut pandang Anda, apa itu platform dan apa yang membuat suatu platform berhasil?

Marco Gorgmaier:
Ya, saya pikir untuk kita, dan mungkin saya mulai dengan... Karena memang sangat bergantung pada jenis platformnya, tetapi jika dimulai dengan platform cloud standar, kami menyebutnya sebagai platform yang memungkinkan pengembangan, deployment, manajemen aplikasi kami, serta semua kebutuhan yang terkait dengan hal-hal tersebut. Anda menginginkan skalabilitas, efisiensi. Jadi, menurut saya, hal ini sangat sesuai dengan definisi standar yang biasa Anda temukan di mana pun.

Namun, saya pikir yang benar-benar penting adalah mengajukan pertanyaan, apa yang bukan termasuk platform di BMW Group, saya rasa yang terpenting adalah kami benar-benar menyertakan hal-hal spesifik yang kami miliki. Setiap organisasi besar memiliki kekhususan masing-masing, kebijakan khusus, serta kekhususan dalam pengaturan jaringan. Semua hal tersebut. Hal ini kami pastikan diimplementasikan pada platform kami karena secara signifikan mempercepat proses orientasi untuk semua tim baru yang menggunakan platform tersebut. Hal ini juga membuat platform tersebut lebih menarik untuk digunakan karena, misalnya, jika semua persyaratan tata kelola Anda sudah terpenuhi dan terverifikasi, maka Anda akan merasa lebih nyaman menggunakan platform tersebut.

Matthias Patzak:
Berapa jumlah pengguna yang ada di platform Anda, baik itu jumlah rekayasawan maupun jumlah tim?

Marco Gorgmaier:
Jumlah rekayasawannya lebih dari 10.000 orang di seluruh tumpukan platform yang menggunakan berbagai platform kami. Dalam ekosistem data dan AI kami, terdapat sekitar 40.000 pengguna yang menggunakan platform tersebut karena jelas ada banyak pengguna bisnis juga di sana. Jadi, kami memiliki skala yang cukup besar di perusahaan ini.

Matthias Patzak:
Jadi, perusahaan Anda berkembang menjadi organisasi pengembangan perangkat lunak dan teknologi berskala besar?

Marco Gorgmaier:
Ya, Anda tentu bisa mengatakan demikian. Menurut saya, tulang punggung yang krusial adalah pendekatan yang kami ambil untuk membangun pusat-pusat pengembangan perangkat lunak. Hal itu adalah upaya in-sourcing besar-besaran, ketika kami membangun tim rekayasawan selama beberapa tahun terakhir, kami juga terus berkembang, dan baru-baru ini menambahkan dua pusat baru di Rumania serta India, tahun lalu. Jadi, saya rasa kami akan berkembang lebih jauh.

Matthias Patzak:
Luar biasa. Dalam konteks data dan AI generatif, layanan apa saja yang disediakan oleh platform Anda?

Marco Gorgmaier:
Saya rasa berbagai macam layanan yang sangat luas. Tentu saja mencakup segala hal terkait manajemen data, analitik data, serta seluruh aspek tata kelola untuk data dan AI, misalnya, seperti yang ditetapkan dalam UEI Act, atau peraturan lainnya. Hal tersebut tentu saja merupakan hal yang sangat penting bagi kami. Kami harus patuh, dan lebih mempertimbangkan persyaratan regulasi untuk mobil. Jadi, kami harus sangat yakin bahwa kami memenuhi semua persyaratan tata kelola.

Matthias Patzak:
Jadi, apakah persyaratan tata kelola ini telah terintegrasi ke dalam layanan platform Anda?

Marco Gorgmaier:
Pasti.

Matthias Patzak:
Agar para pengguna platform dapat menggunakan layanan kami dengan cara yang sederhana, efisien, dan bebas stres, terutama dari perspektif regulasi serta keamanan.

Marco Gorgmaier:
Ya, tentunya. Mereka mendapatkan panduan langsung. Misalnya, untuk aplikasi AI, kami memiliki kerangka kerja AI, kerangka tata kelola, tempat mereka dipandu melalui penilaian risiko, dan tentu saja, dokumentasinya. Selain itu, kami memiliki pengembangan model AI, termasuk segala hal yang terkait, serta layanan-layanan yang Anda perlukan. Kami memiliki beberapa kasus penggunaan yang sangat menarik di pabrik dan tempat kami melakukan inspeksi kualitas pada mobil, seperti ukuran celah, goresan, hal-hal semacam itu. Lantas, tentu saja, GenAI hadir dan kami juga memiliki platform layanan mandiri GenAI. Plaform ini baru saja kami luncurkan, dengan fokus pada semua pengguna bisnis kami juga. Kami menyebutnya Group AI Assistant di BMW Group. Gagasannya adalah saya dapat dengan mudah membangun aplikasi layanan mandiri, aplikasi GenAI, untuk pekerjaan sehari-hari.

Matthias Patzak:
Luar biasa. Yang saya perhatikan di banyak organisasi adalah bahwa mereka membangun platform yang sebagian besar memiliki tujuan yang bersifat teknis. Sebagian besar tujuannya adalah meningkatkan efisiensi atau menekan biaya, tetapi jarang sekali yang benar-benar mendukung bisnis itu sendiri. Dari perspektif AI generatif data, dapatkah Anda berbagi sedikit tentang strategi bisnis BMW Group yang sebenarnya terkait dengan data dan AI generatif?

Marco Gorgmaier:
Ya, dengan senang hati. Jadi, saya rasa apa yang Anda sebutkan adalah poin yang sangat penting. Kami selalu berusaha memastikan... Karena setiap organisasi platform biasanya sangat menyukai teknologi, jadi mereka senang membangun platform dan fungsionalitas. Hal itulah yang menurut saya sangat penting untuk dilakukan sejak awal, yaitu menyelaraskan bisnis dan IT. Hal tersebut adalah sesuatu yang benar-benar kami pastikan juga dari perspektif organisasi. Seperti yang saya sebutkan sebelumnya, ketika memulai perjalanan dengan kantor transformasi data, kami memastikan bahwa, misalnya, untuk setiap aset data, itulah sebutan kami untuk set data yang benar-benar sudah siap untuk analisis data. Kami memastikan selalu ada pemilik bisnis, pengelola data, dan sisi rekayasa. Itulah saat kami memulai pengelolaan data dengan Hub data cloud.

Kini kami melakukan hal yang sama untuk AI generatif. Kami lebih memilih untuk memulai dari kasus penggunaan dan bertanya, "Oke, apa sebenarnya tujuan yang ingin saya capai dari perspektif bisnis?" Saya ingin memastikan kualitas dalam proses produksi, lalu melihat teknologi apa yang dapat digunakan untuk mencapai tujuan tersebut? Kemudian, data apa yang saya butuhkan?

Saya pikir hal yang juga baru saat ini mengenai GenAI, khususnya dalam melihat agen, adalah bahwa sebenarnya kami melihat gelombang berikutnya datang. Jadi, kini data sudah diserap ke dalam CDH, tetapi sekarang Anda memerlukan akses transaksional ke semua aplikasi dalam lanskap kami. Seperti yang Anda bayangkan, kami memiliki lanskap aplikasi yang sangat luas, mulai dari aplikasi warisan hingga aplikasi canggih yang dibangun cloud native, serta aplikasi siap pakai. Jadi, semua hal ada dalam tumpukan Anda. Sekarang, Anda perlu memastikan bahwa Anda dapat mengakses semua sistem ini dengan hak dan peran pengguna tertentu sehingga dapat memanfaatkan potensi penuh dari agen. Oleh karena itu, saya percaya, sangat penting untuk melibatkan bisnis dan prosesnya, serta pengetahuan utama sejak awal.

Matthias Patzak:
Saya kagum dengan jumlah developer perangkat lunak yang Anda miliki di tim platform Anda dan jumlah developer di tim pengguna. Dapatkah Anda membagikan beberapa fakta dan angka lainnya, terutama tentang data? Saya benar-benar tidak tahu tipe data ataupun jumlah data yang Anda buat dalam sehari atau per menit. Atau, tipe data apa yang Anda miliki?

Marco Gorgmaier:
Ya, seperti yang saya katakan, hal ini mencakup semua sistem, termasuk sistem ERP, sistem SAP, dan aplikasi yang dikembangkan sendiri. Saya pikir, di hub data cloud, kami memiliki 14.000 bucket S3 Kami mengelola lebih dari 7.000 set data dan mendukung lebih dari 1.500 kasus penggunaan. Jumlah tersebut adalah jumlah yang cukup besar yang kami dukung hingga saat ini.

Matthias Patzak:
Ya, kedengarannya sangat menarik. Bagaimana cara mengetahui bahwa platform Anda diadopsi oleh pengguna internal? Apakah penggunaan platform Anda bersifat wajib, atau apakah ada insentif?

Marco Gorgmaier:
Ya, tentu saja. Maksud saya, memang selalu menjadi tantangan besar dalam sebuah perusahaan saat Anda menggunakan platform. Saya yakin, Anda harus memiliki keseimbangan untuk dipertimbangkan antara standardisasi dan efisiensi. Hal itulah yang tentu saja Anda inginkan dari perspektif perusahaan, tetapi di sisi lain, Anda juga membutuhkan dan menginginkan kebebasan dalam sebuah perusahaan karena Anda menginginkan ruang untuk berinovasi dan bereksperimen.

Menurut saya, menemukan keseimbangan yang tepat menjadi tantangan tersendiri, dan hal tersebut merupakan proses yang berkelanjutan. Hal tersebut bukanlah sesuatu yang pernah benar-benar dapat Anda capai. Menurut saya, Anda selalu harus melangkah ke langkah berikutnya. Tantangan besar lainnya sebagai tim platform, menurut saya, adalah memastikan bahwa Anda tidak menjadi hambatan, terutama ketika melihat pertimbangan keseimbangan tersebut. Hal yang kami coba lakukan, tentu saja, adalah mewajibkan penggunaan platform di area yang sudah ditentukan dengan jelas, seperti yang saya sebutkan juga dari perspektif tata kelola, kami melakukan hal itu.

Hal tersebut salah satunya, tetapi saya rasa pendorong utamanya, dan itu sama seperti yang Anda alami di pasar, yaitu Anda mendapatkan momentum "pemenang mengambil semuanya". Jika melihat hub data cloud, hal tersebut adalah sesuatu yang kami kelola dengan sangat baik, karena orang-orang pada akhirnya menyadari, "Oke, sudah ada begitu banyak, sudah ada begitu banyak set data yang telah dikurasi. Saya dapat menggabungkannya dengan data lain yang benar-benar masuk akal untuk dihubungkan ke sini." Kami menyediakan konektor standar untuk menyerap, dengan kualitas yang bagus untuk kerangka kerja penyerapan. Jadi, semua itu pada akhirnya terkumpul sehingga menjadi sangat sentral. Hal ini sekarang juga memberi kami keunggulan awal untuk platform AI karena pada dasarnya kami melakukan hal yang sama. Kami sekarang memiliki dasar yang baik dan dapat menskalakan dalam hal tersebut juga.

Matthias Patzak:
Satu masalah yang sering saya amati pada platform data adalah bahwa banyak data yang tersimpan di dalamnya. Jadi, didorong oleh, Anda mungkin pernah mendengar istilah data adalah minyak baru, lalu semua orang mulai mengumpulkan segala tipe data. Bagaimana cara memastikan bahwa Anda hanya menyimpan data yang diperlukan?

Marco Gorgmaier:
Menurut saya, hal ini adalah tantangan yang besar, dan kami adalah perusahaan otomotif yang sangat berorientasi pada efisiensi. Itulah mengapa kami benar-benar berusaha untuk mengelola biaya, karena, seperti yang Anda katakan, hanya menyimpan sembarang data sangat memakan biaya. Terlebih lagi, saat kita sekarang melihat pada AI generatif dan data yang tidak terstruktur. Jadi, hal yang kami coba implementasikan adalah manajemen siklus hidup yang sangat ketat. Set data yang tidak digunakan akan mendapatkan notifikasi, dan pada titik tertentu, set data tersebut bahkan dihapus. Kami akan mengarsipkannya terlebih dahulu, lalu benar-benar menghapusnya, karena jika tidak, biaya akan meningkat secara drastis.

Aspek lainnya adalah dalam portal data dan AI, kami selalu menautkan kasus penggunaan ke aset data. Jadi, Anda tidak hanya memiliki downstream silsilah yang sangat jelas ke sistem, tetapi juga siapa yang menggunakan set data tersebut, dalam kasus penggunaan apa saja, dan apakah kasus penggunaan tersebut juga dikelola secara aktif. Di dalam portal kami, itulah dasar tempat kami memiliki semua statistik untuk mengelola data, dan jika Anda menambahkan kasus penggunaan baru, Anda tentu saja juga dapat menentukan bahwa Anda memerlukan sistem sumber baru yang ditambahkan dengan data baru untuk kasus penggunaan Anda.

Matthias Patzak:
Banyak organisasi merasa sangat kesulitan untuk menarik talenta di bidang data karena persaingan sangat ketat dan dibutuhkan banyak spesialisasi. Bagaimana cara Anda menarik talenta?

Marco Gorgmaier:
Saya pikir, tentu saja, salah satu hal yang penting adalah merek. BMW Group benar-benar memiliki merek yang sangat kuat, dan hal itu jelas sangat membantu. Hal tersebut adalah salah satunya. Aspek lainnya adalah, seperti yang saya sebutkan sebelumnya, sangat penting bagi kami untuk mulai mencari talenta kami secara global, sehingga tidak hanya bergantung pada satu pasar atau kantor pusat, tetapi memanfaatkan talenta dari seluruh dunia. Saya pikir itu adalah langkah yang sangat penting bagi kami untuk mendapatkan talenta yang tepat. Selain itu, ada banyak diskusi tentang ilmuwan data, dan tentu saja mereka sangat penting, tetapi kami menemukan bahwa sama pentingnya dengan memiliki tim rekayasa data karena jika sistem sumber Anda tidak terhubung dengan cara yang andal dan stabil, tidak ada yang bisa diteliti oleh para ilmuwan data.

Matthias Patzak:
Ada survei dari NewVantage Partners, yang sekarang menjadi bagian dari Wavestone, tentang big data. Perspektif dan data layanan mereka mengindikasikan bahwa masalah terbesar dalam adopsi data bisnis bukanlah teknologi, melainkan budaya. Apa pendapat Anda tentang hal ini?

Marco Gorgmaier:
Saya sependapat. Ya. Hal itu sangat sesuai dengan pengamatan saya. Hal ini memang sesuatu yang harus dimulai dari kepemimpinan. Saya pikir hal ini sangatlah penting, ya, saya sebenarnya kurang menyukai istilah pola pikir data atau perusahaan berbasis data. Menurut saya, kami masih sangat berbasis pada produk. Namun, sangat penting untuk menciptakan pola pikir bahwa setiap keputusan, dan segala hal yang Anda lakukan, harus didukung oleh data. Saya juga berpikir hal itu adalah sesuatu yang benar-benar berhasil kami kembangkan selama beberapa tahun terakhir, dan prosesnya membutuhkan waktu. Jadi, Anda harus memulai perjalanan lebih awal.

Selain itu, aspek lainnya adalah kami melakukan banyak upaya untuk memberdayakan semua karyawan kami. Menurut saya, hal itu sangat penting. Anda harus memberikan pelatihan dan menghilangkan rasa takut. Saya pikir, hal yang sama berlaku sekarang untuk AI. Anda hanya perlu memberikan lingkungan kepada orang-orang tempat mereka bisa bereksperimen, mencoba hal baru, dan merasa aman. Itulah yang kami coba lakukan dengan karyawan bisnis di satu sisi, dan tentu saja dengan organisasi rekayasa kami di sisi lainnya. Sebagai contoh, di semua pusat kami, ada sesuatu yang kami sebut dengan akademi platform. Di sana, Anda akan mendapatkan orientasi tentang semua detail khusus, dan kami bekerja sangat erat dengan AWS untuk tumpukan cloud terkait hal tersebut.

Matthias Patzak:
Menarik. Yang sering saya amati, hal ini sering kali terabaikan. Platform hanya membangun layanan, tetapi tidak sungguh-sungguh berinvestasi dalam memberdayakan dan melatih pengguna layanan platform tersebut, terutama orang-orang bisnis yang seharusnya mendorong tindakan berdasarkan data. Inilah alasan banyak organisasi gagal memanfaatkan semua investasi mereka pada data.

Matthias Patzak:
Apakah Anda berkenan untuk berbagi beberapa inovasi dan kasus penggunaan yang saat sedang dikerjakan oleh BMW Group saat ini?

Marco Gorgmaier:
Dengan senang hati, dan saya pikir beberapa di antaranya sangat khas untuk kasus penggunaan JNI. Jadi, kami baru saja meluncurkan asisten tender untuk... Ketika bekerja sama dengan partner eksternal, kami biasanya melakukan tender. Dengan menulis berbagai dokumen ini dengan cara sangat terstandar, kami membangun layanan JNI kecil yang memandu Anda melalui semuanya, sehingga memastikan semua paragraf hukum yang sesuai ada di dalamnya. Mungkin terdengar sangat sederhana, tetapi hal ini memberikan banyak efisiensi proses dalam pelaksanaannya. Hal yang sama juga berlaku untuk pembuatan teks pemasaran. Jadi, saya rasa ini adalah kasus penggunaan khas ketika kami melihat kekuatan GenAI saat ini. Banyak dari kasus penggunaan tersebut sudah diterapkan. Hal lain yang sedang kami perkenalkan adalah agen CIC, yaitu agen pusat interaksi pelanggan yang bekerja dengan AI generatif untuk memberikan jawaban yang tepat.

Hal yang sama kini diimplementasikan di situs web kami dan aplikasi MyBMW di ponsel Anda. Langkah berikutnya, kami juga akan menghadirkannya ke asisten pribadi cerdas di dalam mobil Anda. Saya pikir itu adalah contoh yang bagus terkait cara kerja platform. Anda membangun layanan sekali, lalu dapat menggunakannya kembali dalam berbagai konteks dan menggunakan kembali blok bangunan teknisnya untuk layanan tersebut. Saya pikir itu adalah kasus penggunaan yang sangat bagus, yang benar-benar meningkatkan kualitas dalam hal-

Matthias Patzak:
Ya, benar.

Marco Gorgmaier:
... layanan kami untuk pelanggan. Satu hal lagi yang kami kerjakan bersama AWS adalah kami sedang menguji coba kasus penggunaan untuk pra-pelatihan model fondasi yang berkelanjutan, tempat kami mengintegrasikan detail spesifik model BMW. Hal ini penting karena jika Anda menginginkan waktu respons yang sangat singkat, rak tidak akan berfungsi dalam kasus ini. Saya rasa itu akan menjadi hal yang sangat menarik, dan penting untuk diimplementasikan, misalnya di dalam mobil dan dalam konteks lainnya.

Matthias Patzak:
Jadi, itu terdengar seperti organisasi yang sangat besar, sangat terdistribusi dengan kasus penggunaan yang ditemukan di bidang-bidang yang sangat berbeda. Anda baru saja menyebutkan teknologi hukum, teknologi pemasaran, teknologi layanan pelanggan. Saya begitu penasaran tentang ketahanan dari pengaturan yang sangat terdistribusi ini. Bagaimana Anda mengatur arsitektur organisasi agar tangguh?

Marco Gorgmaier:
Saya pikir itu sebenarnya... Jadi, ini mencakup banyak proses. Ya, itu pengamatan yang sangat tepat. Jadi, mulai dari logistik produksi hingga penjualan merek pelanggan, kami mencakup semua proses internal. Saya pikir hal yang mengagumkan tentang itu adalah Anda dapat mengurai silo dengan baik dalam proses tersebut. Menjadi sebuah keuntungan besar ketika tidak hanya memiliki organisasi tunggal yang hanya mencakup proses khusus. Aspek lainnya adalah BMW Group, yang meskipun merupakan organisasi yang terdistribusi dari perspektif global, tetap dikelola secara sangat terpusat. Jadi, lebih mudah bagi kami untuk memastikan tata kelola dan implementasi standar. Hal itu jelas sangat membantu karena, secara keseluruhan, organisasi ini tidak terlalu terdesentralisasi.

Matthias Patzak:
Menarik. Tren apa saja yang Anda lihat akan datang di ruang industri otomotif, dalam ruang data? Ada yang ingin Anda bagikan dengan kami?

Marco Gorgmaier:
Apa yang saya lihat dan saya yakini sangat penting adalah memungkinkan agen-agen saat ini di dalam organisasi, agen AI. Bukan tren yang sangat spesifik untuk otomotif, tetapi hal ini sesuatu yang kami dapati memiliki potensi besar untuk memperoleh efisiensi lebih lanjut dalam organisasi. Tantangan besar yang tidak banyak dibicarakan adalah yang saya sebutkan sebelumnya, yaitu Anda perlu mempersiapkan lanskap aplikasi yang sudah ada untuk hal itu. Tentu saja jika Anda memiliki aplikasi modern yang sudah ada di cloud, hal tersebut memberi Anda keuntungan awal.

Namun, saya rasa, kenyataannya dalam setiap organisasi besar adalah bahwa akan selalu ada campuran antara aplikasi warisan dan aplikasi modern. Yang saya lihat, dan tempat kami memberikan banyak upaya, adalah memungkinkan aplikasi-aplikasi tersebut untuk API, API yang dijelaskan sedemikian rupa sehingga Anda dapat mengaksesnya dengan model bahasa besar. Apakah Anda memiliki peran dan hak di seluruh aplikasi sehingga Anda dapat mengaksesnya dengan hak pengguna individu? Di bidang tersebutlah kami banyak berinvestasi saat ini. Itulah kaitannya dengan platform layanan mandiri AI kami, Group AI Assistant, sehingga memungkinkan pada tingkat bisnis karyawan untuk mengembangkan agen kecil dan kasus penggunaan mereka sendiri.

Matthias Patzak:
Jadi, untuk menjadi lebih tangguh, Anda perlu memisahkan organisasi dan arsitektur melalui API. Apakah ini saran mereka?

Marco Gorgmaier:
Tentu. Ketahanan, menurut saya, jelas memiliki banyak dimensi, tetapi pasti merupakan sesuatu yang jika Anda tidak berhasil melakukan pemisahan tersebut, Anda tidak akan dapat menskalakannya.

Matthias Patzak:
Sebagai penutup, apakah Anda memiliki saran untuk rekan-rekan di industri tentang cara membangun strategi data yang tangguh?

Marco Gorgmaier:
Ya, saya percaya salah satu hal yang penting adalah berinvestasi dalam kualitas data dan metadata. Hal ini adalah hal yang sangat sederhana atau sesuatu yang sudah sering kita dengar, tetapi begitu penting. Saya pikir kualitas data, tidak hanya dalam kerangka kerja Anda, tetapi juga dari perspektif teknis, dan dari sisi proses bisnis, pastikan bahwa sejak awal dalam proses bisnis, kita mendapatkan data yang benar karena beberapa data tidak dapat dikoreksi dari perspektif rekayasa data.

Hal itu baru satu sisi. Di sisi lainnya, agar AI generatif berfungsi, Anda memerlukan metadata. Di situlah tempat kami juga berinvestasi saat ini untuk menaikkan skalanya. Lantas, saya akan mengatakan bahwa ketika berbicara tentang keterkaitan antara data saat ini dan agen AI, seperti yang saya sebutkan sebelumnya, berinvestasilah dalam lanskap Anda untuk kemungkinan dan peluang transaksional. Hal tersebut benar-benar sesuatu yang tidak boleh diremehkan dan menurut saya sangat penting. Kemudian, manfaatkan kekuatan AI generatif untuk mengurai silo dan meningkatkan efisiensi. Kami melakukan hal tersebut dalam organisasi rekayasa kami sendiri, sehingga kami menggunakannya secara intensif dalam pengembangan perangkat lunak. Kami menggunakannya untuk mengotomatiskan skrip penyerapan agar dapat memanfaatkan potensi yang diperoleh.

Saran terakhirnya mungkin adalah menemukan keseimbangan yang tepat antara membangun dan membeli. Serupa dengan mobil kami, ketika kami memberikan kebebasan memilih kepada pelanggan sehingga mereka dapat mengatakan, "Saya menginginkan mobil bermesin combustion. Saya ingin mobil elektrik full battery. Saya ingin mobil plug-in hybrid." Atau bahkan sekarang, Hidrogen juga akan kami produksi untuk pelanggan. Saya pikir, hal yang sama juga berlaku untuk organisasi perangkat lunak. Anda harus memilih waktu yang tepat untuk membeli, waktu yang tepat untuk membangun sendiri, dan tetap menjaga fleksibilitas sebagai sebuah organisasi-

Matthias Patzak:
Jadi, kapan Anda akan membeli dan kapan Anda akan membangun?

Marco Gorgmaier:
Hal ini bergantung pada biayanya. Hal itu baru satu sisi. Menurut saya, hal ini bergantung pada seberapa strategis hal tersebut menjadi pembeda bagi Anda di tingkat strategis. Salah satu pengamatan yang saya lihat adalah lisensi dalam tumpukan pembelian. Lisensi-lisensi tersebut meningkat pesat, dan saya percaya bahwa dengan AI, kami akan melihat konsolidasi, yang pada akhirnya dapat menyebabkan perang harga. Jadi, saya percaya bahwa hal yang baik bagi sebuah organisasi untuk memiliki kemampuan membangun sendiri ketika diperlukan.

Matthias Patzak:
Terima kasih banyak, Marco. Sungguh menyenangkan Anda hadir di podcast ini dan saya belajar banyak. Terima kasih banyak.

Marco Gorgmaier:
Terima kasih telah mengundang saya, Matthias. Senang bisa membantu.

Matthias Patzak:
Terima kasih.

Dengarkan sekarang

Dengarkan sekarang

Dengarkan sekarang