Transformasi Digital Bergantung Pada Keragaman

Transformasi Digital Bergantung Pada Keragaman

Oleh Katia Walsh*

Addiction.id-Jakarta Di seluruh industri, bisnis perusahaan kini berpusat pada teknologi dan data. Semakin cepat mereka memahami dan mengoperasikan keduanya, semakin cepat mereka bisa memenuhi kebutuhan dan harapan pelanggan—yang mana hal ini akan meningkatkan nilai bisnis dan memuat perusahaan cepat tumbuh. Dengan demikian, semakin penting bagi perusahaan untuk memikirkan kembali bagaimana  berjalannya bisnis dan memanfaatkan teknologi digital, dalam menciptakan proses bisnis, budaya, pengalaman pelanggan, dan peluang baru.

Salah satu mitos tentang transformasi digital ialah semuanya memanfaatkan teknologi. Nyatanya, bukan demikian. Adapun, agar berhasil, transformasi digital membutuhkan dan bergantung pada keragaman. Kecerdasan buatan (AI) sendiri merupakan hasil dari kecerdasan manusia, yang diperluas kemampuannya, namun juga memiliki keterbatasan.

Oleh karena itu, sangat penting bagi organisasi dan tim untuk menjadikan keragaman sebagai prioritas dan memikirkannya di luar pengertian tradisional. Bagi saya, keragaman berpusat di tiga pilar utama.

Katie Walsh

Masyarakat

Masyarakat adalah bagian terpenting dari AI; faktanya manusialah yang menciptakan AI. Keragaman masyarakat—tim pembuat keputusan dalam pembuatan algoritme AI—harus mencerminkan keragaman populasi umum.

Ini lebih dari sekadar memastikan peluang bagi perempuan dalam peran AI dan teknologi. Pasalnya, ini juga mencakup dimensi seluruh gender, ras, etnis, keahlian, pengalaman, geografi, pendidikan, perspektif, minat, dan banyak lagi.

Mengapa? Saat Anda punya tim yang beragam sebagai peninjau dan penganalisis data untuk membuat keputusan, Anda menanggalkan individualitas dan pengalaman mereka yang unik, hak istimewa dan keterbatasan yang “membutakan” mereka terhadap pengalaman orang lain.

Secara kolektif, kami memiliki kesempatan menerapkan AI dan machine learning untuk mendorong masa depan dan agar semakin baik. Ini dimulai dengan tim dengan orang yang beragam, yang mencerminkan keragaman dan perspektif yang kaya dari dunia kita.

Adapun keragaman keterampilan, perspektif, pengalaman, dan geografi menjadi kunci dalam transformasi digital kita.

Di Levi Strauss & Co., strategi dan tim AI kami yang berkembang tak hanya mencakup data engineer dan machine learning. Kami baru-baru ini merekrut karyawan dari seluruh organisasi di seluruh dunia dan sengaja melatih orang-orang yang tak berpengalaman sebelumnya dalam pengkodean atau statistik. Kami membawa orang-orang dari operasi ritel, pusat distribusi, dan gudang, serta desain, kemudian menempatkan mereka di kamp pelatihan machine learning pertama kami. Ini guna membangun keterampilan dan melengkapi mereka dengan pengkodean dan statistik.

Kami tak membatasi latar belakang yang dibutuhkan; kami hanya mencari pemecah maslaah yang ingin tahu, analitis yang gigih dalam mencari cara untuk menyelesaikan masalah bisnis. Dengan pelatihan  machine learning, mereka yang lulus dari program tersebut jadi memiliki memiliki perspektif baru perihal bisnis. Inisiatif menggelar pelatihan ini membantu kami mengembangkan anggota tim yang berbakat dan beragam.

Data

Kemampuan AI dan machine learning bergantung data yang dimasukkan ke dalam sistem. Kita kerap kali membatasi bahwa data berbentuk tabel terstruktur—yakni angka dan angka, namun data sejatinya adalah segala sesuatu yang bisa didigitalisasi.

Gambar digital jeans dan jaket yang diproduksi perusahaan kami selama 168 tahun terakhir adalah data. Percakapan layanan pelanggan (hanya direkam dengan izin) adalah data. Peta yang memantau orang bergerak di toko kami adalah data. Ulasan dari konsumen kami adalah data. Saat ini, segala sesuatu yang bisa didigitalisasi menjadi data. Kami perlu memperluas cara kami memikirkan data dan memastikan kami terus memasukkan semua data ke dalam sistem AI.

Kebanyakan model prediktif mengandalkan data dari masa lalu untuk memprediksi masa depan. Namun,  mengingat industri pakaian masih dalam tahap awal adopsi digital, data dan AI, memiliki data masa lalu yang jadi masalah umum dalam hal referensi. Dalam mode, kami melihat ke depan untuk memprediksi tren dan permintaan produk baru, yang tak punya riwayat penjualan. Bagaimana kita melakukannya?

Kami menggunakan lebih banyak data daripada sebelumnya, misalnya, baik gambar produk baru maupun database produk kami di musim lalu. Kami lantas menerapkan algoritme untuk mendeteksi kesamaan antara produk fesyen masa lalu dan baru, yang membantu kami memprediksi permintaan untuk produk baru tersebut. Aplikasi ini memberi perkiraan yang jauh lebih akurat daripada pengalaman atau intuisi, melengkapi praktik sebelumnya dengan prediksi yang didukung data dan AI.

Di Levi Strauss & Co., kami juga menggunakan gambar digital dan aset 3D untuk mensimulasikan bagaimana pakaian terasa dan menciptakan mode baru. Misalnya, kami melatih jaringan saraf untuk memahami nuansa di sekitar berbagai gaya jean, seperti kaki runcing, pola kumis, dan tampilan tertekan, dan mendeteksi sifat fisik komponen yang mempengaruhi tirai, dan lipatan. Kami kemudian bisa menggabungkan ini dengan data pasar, di mana kami bisa menyesuaikan koleksi produk kami untuk memenuhi kebutuhan dan keinginan konsumen dinamis dan fokus pada inklusivitas merek kami di seluruh demografi. Selain itu, kami menggunakan AI untuk menciptakan gaya pakaian baru dengan tetap mempertahankan kreativitas dan inovasi para desainer kelas dunia kami.

Alat dan teknik

Selain orang dan data, kita perlu memastikan keragaman dalam alat dan teknik yang kita gunakan dalam pembuatan dan produksi algoritme. Beberapa sistem dan produk AI menggunakan teknik klasifikasi, yang bisa melanggengkan bias gender atau ras.

Misalnya, teknik klasifikasi umumnya menganggap gender adalah biner, menetapkan orang sebagai “laki-laki” atau “perempuan” berdasarkan penampilan fisik. Ini menihilkan identitas gender lainnya. Hal ini juga masalah, dan kita semua yang bekerja di ruang ini, di perusahaan atau industri mana pun, mesti bisa mencegah bias dan mencari teknik lain yang bisa mewadahi semuanya. Misalnya, dengan tak memasukkan data terkait ras dan membuat algoritma tanpa memandang ras guna mencegah bias.

Kami berkomitmen terhadap keragaman dalam produk dan sistem AI kami. Untuk itu, kami menggunakan alat sumber terbuka. Alat dan sumber terbuka yang lebih beragam, yang tersedia bagi semua orang di seluruh dunia. Pun melibatkan orang-orang dari semua latar belakang di sejumlah bidang pekerjaan dan meningkatkan, memajukannya, serta memperkaya pengalaman mereka. Dengan demikian, bias bisa dicegah.

Hal itu diwujudkan di Levi Strauss & Company pada program loyalitas Red Tab di Amerika Serikat.  Saat penggemar mengatur profil mereka, kami tak meminta mereka memilih jenis kelamin atau mengizinkan sistem AI untuk membuat asumsi. Sebagai gantinya, kami meminta mereka untuk memilih preferensi gaya mereka (Wanita, Pria, Keduanya, atau Tidak Tahu) untuk membantu sistem AI kami membangun pengalaman belanja yang disesuaikan dan rekomendasi produk yang lebih personal.

Keragaman orang, data, serta teknik dan alat membantu Levi Strauss & Co. merevolusi bisnisnya dan seluruh industri kami, mengubah manual menjadi otomatis, analog ke digital, dan intuitif menjadi prediktif. Kami juga membangun warisan nilai-nilai sosial perusahaan kami, yang hadir untuk kesetaraan, demokrasi, dan inklusivitas selama 168 tahun. Keragaman dalam AI adalah salah satu peluang terbaru untuk melanjutkan warisan ini dan membentuk masa depan mode.

*pemimpin strategi, data, analitik, dan kecerdasan buatan di Levi Strauss & Co.

Leave a Reply

Your email address will not be published. Required fields are marked *




Enter Captcha Here :