Perpustakaan Digital ITB

Kecerdasan buatan (AI), khususnya GEN AI, telah mengakselerasi pengembangan usaha dan layanan, mendorong perusahaan untuk meningkatkan dan mengembangkan perbaikan layanan dan model bisnis baru. Pengembangan model bisnis telah mempengaruhi secara positif para pengguna dan peneliti, mempercepat proses bisnis, menghasilkan manfaat bagi manajemen, dan menciptakan nilai untuk kepuasan pelanggan. Pasar global AI memiliki valuasi sebesar USD 454,12 miliar pada tahun 2022 dan diperkirakan akan mencapai sekitar USD 2,575,16 miliar hingga tahun 2032, dengan tingkat pertumbuhan tahunan gabungan (CAGR) 19% dari 2023 hingga 2032. Amerika Utara menghasilkan lebih dari 36,84% dari pangsa pasar pada tahun 2022, dan pasar Asia-Pasifik diperkirakan akan berkembang dengan CAGR tertinggi 20,3% dari 2023 hingga 2032. AI diterapkan untuk meningkatkan bisnis model beberapa industri seperti kesehatan untuk membuat citra/gambar muskuloskeletal, otomotif, perbankan, keuangan, manufaktur, agrifood, aerospace, ritel, dan banyak lagi. Sebagian besar sektor bergantung pada terobosan teknologi. Implementasi AI di perusahaan energi terjadi pada berbagai segmen energi seperti transformasi energi, transformasi digital, integrasi, berbagai sektor sektor energi lainnya dan transportasi. PT PLN (Persero) dapat meningkatkan Customer Experience (CX) dengan meningkatkan kinerja operasional, produktivitas, kepuasan pelanggan, dan transformasi dengan memanfaatkan pertumbuhan teknologi AI, khususnya Gen AI. CX mendorong pertumbuhan, profit/laba, dan kesuksesan. Perusahaan berencana untuk memanfaatkan teknologi AI untuk meningkatkan CX di seluruh mata rantai jaringan, pelanggan, dan fungsi dukungan. Namun, terlepas dari rencana strategis yang sudah jelas, transisi ke CX yang lebih terintegrasi dengan AI menghadapi tantangan lapangan, terutama menindaklanjuti keluhan pelanggan dalam jumlah dan variasi cara berinteraksi yang terkadang berbeda pendekatannya. Saat ini, perusahaan sedang berjuang untuk menangani keluhan pelanggan. iv Perusahaan mengalami kinerja buruk dengan skor 89.16% dari maksimal 100% dan membuat pelanggan merasakan pengalaman negatif. Untuk memperbaiki kinerja buruk, penulis melakukan penelitian dan diskusi dalam bentuk grup (Focus Group Discussion/FGD) menggunakan metode eksploratif dan berhasil mengidentifikasi delapan area perbaikan untuk menerapkan AI. Penulis berfokus pada pengambilan keputusan terhadap pilihan area-area tersebut setelah mensintesisnya dengan faktor-faktor penentu keberhasilan yang paling penting dan berpengaruh (Critical Succes Factor/CSF) agar implementasi menjadi sukses. Dengan demikian, CSF harus disusun dengan baik dari awal untuk memastikan implementasi berhasil. Hal ini diperlukan karena CSF untuk meningkatkan CX pada perusahaan listrik di penelitian-penelitian sebelumnya belum menjelaskan dengan detail sehingga pemahaman penulis menjadi tidak memadai dan tidak cukup untuk membantu memperbaiki kinerja buruk perusahaan. Oleh karena itu, penulis menyerukan penelitian dan melakukan penelitian secara kualitatif untuk menilai apakah AI adalah solusi untuk mengatasi kinerja buruk dan penelitian secara kuantitatif untuk mengevaluasi CSF dan fokus pada area-area perbaikan untuk menerapkan AI. Dokumen ini menjawab seruan tersebut dimana penulis tidak hanya memvalidasi solusi AI, CSF, dan area perbaikan, tetapi juga membobot dan memprioritaskan secara matematis menggunakan Proses Hierarki Analisis (Analytical Hierarchy Process/AHP) dengan bantuan sepuluh ahli agar pembuat keputusan menjadi lebih mudah dalam memutuskan area perbaikan untuk implementasi AI. Hasil dari AHP tersebut dapat membimbing dan membantu pembuat keputusan untuk memprioritaskan tindakan, mengoptimalkan sumber daya, dan memastikan penyesuaian dengan tujuan strategis dari delapan area perbaikan. AHP mengategorikan, mengevaluasi, dan mengurutkan area-area tersebut dengan metode pembobotan, setelah sebelumnya mengujinya terhadap CSF yang mempengaruhi CX. Penulis mengidentifikasi tantangan kritis dan peluang strategis menggunakan diagram Fishbone/Ishikawa, grafik Pareto, analisis rantai nilai (Value Chain), analisis PESTEL, dan analisis SWOT. Integrative Strategy Framework (ISF) juga digunakan untuk menggabungkan analisis strategi internal dan eksternal. Akhirnya, penulis menggunakan AHP dan Likert untuk mengurutkan dan memprioritaskan area perbaikan untuk implementasi AI. Temuan yang paling signifikan dari penelitian ini adalah kriteria paling utama untuk implementasi AI dalam meningkatkan CX adalah kriteria AI berdampak secara langsung pada pelanggan (Direct Impact to Customer), dengan bobot sebesar 28,54% dibandingkan kriteria lainnya. Selain itu, dalam penelitian ini didapatkan bahwa Customer Service Support merupakan area perbaikan dengan dampak langsung tertinggi pada pelanggan dengan bobot 14,63% dibandingkan area lain, yang dapat meningkatkan pendapatan perusahaan listrik, kepuasan pelanggan, dan efisiensi operasional.