Komisi Komunikasi, Antariksa, dan Teknologi (CST) merilis edisi pertama Panduan Kesadaran untuk Adopsi AI di Perusahaan Teknologi pada Juli 2026. Panduan ini bersifat anjuran dan tidak mengikat, serta tidak menggantikan undang-undang atau peraturan apa pun yang sudah ada. Yang diberikannya adalah sesuatu yang selama ini belum dimiliki pasar Saudi: kerangka resmi dan bersama tentang bagaimana sebuah perusahaan beralih dari eksperimen AI yang tercerai-berai menuju adopsi terstruktur yang menghasilkan nilai terukur. Sasarannya adalah perusahaan teknologi dari semua ukuran, dari perusahaan rintisan hingga perusahaan besar, dan panduan ini terbit bersamaan dengan penetapan 2026 sebagai Tahun Kecerdasan Buatan oleh Dewan Menteri.

Gagasan inti: adopsi adalah kapabilitas organisasi, bukan seperangkat alat

Pesan pertama panduan ini sekaligus yang paling jelas: perlakukan AI sebagai komponen inti dalam arsitektur kelembagaan model bisnis Anda, bukan sebagai seperangkat alat teknis yang ditempelkan di pinggiran. Perbedaan ini bukan sekadar soal istilah. Perusahaan yang memperlakukan AI sebagai alat akan membeli langganan lalu menunggu hasil. Perusahaan yang memperlakukannya sebagai kapabilitas akan menata ulang data, alur kerja, izin akses, dan keterampilannya di sekitar AI.

Panduan ini juga mencatat sebuah pengamatan yang patut direnungkan: meskipun eksperimen sudah tersebar luas, nilai yang berkelanjutan dan dapat ditingkatkan skalanya sebagian besar masih terbatas pada organisasi yang mengadopsi model operasional terstruktur alih-alih berhenti di proyek percontohan. Dengan kata lain, kesenjangan saat ini bukan lagi soal akses ke model. Kesenjangannya ada pada kemampuan menjalankannya di dalam organisasi.

Lima dimensi kesiapan: dari mana sebenarnya harus memulai

Adopsi dimulai dengan penilaian kesiapan kelembagaan di lima dimensi yang saling terkait, sebagaimana dijabarkan dalam panduan:

  • Kesiapan konteks: apakah Anda tahu di mana AI benar-benar membuat perbedaan dalam bisnis spesifik Anda, atau Anda meniru kasus penggunaan dari perusahaan yang sama sekali tidak mirip dengan Anda?
  • Kesiapan data: apakah data Anda tersedia, bersih, terstruktur, dan dapat diakses, atau tersebar di lembar kerja, berkas, dan kepala orang-orang?
  • Kesiapan infrastruktur: apakah Anda memiliki lingkungan runtime, lapisan integrasi, dan pencatatan log yang memungkinkan penerapan dan pemantauan, atau setiap eksperimen merupakan proyek terpisah yang dimulai dari nol?
  • Kesiapan keterampilan dan keahlian: siapa yang mampu mengevaluasi dan mengoreksi hasilnya, bukan sekadar mengoperasikannya?
  • Kesiapan budaya organisasi: apakah tim memercayai alat ini dan menggunakannya dalam pekerjaan sehari-hari, atau menganggapnya sebagai ancaman atau sekadar hiasan?

Panduan ini menekankan bahwa literasi AI adalah faktor pendukung utama, baik di tingkat pimpinan maupun di tingkat operasional. Manfaat praktis penilaian ini adalah menggeser pertanyaan dari "model apa yang kita pakai?" menjadi "kesenjangan mana yang kita tutup lebih dulu?", pertanyaan yang lebih murah dan jauh lebih tepat.

Prinsip AI terlebih dahulu: strategi sebelum alat

Panduan ini mengusulkan prinsip operasional yang berlandaskan "AI terlebih dahulu", yang intinya adalah bahwa penetapan strategi mendahului pemilihan alat teknis. Dalam praktiknya, ini berarti menuntaskan tiga hal sebelum menandatangani langganan apa pun: di mana AI memberikan keunggulan yang terukur, di mana data milik Anda sendiri menciptakan keunggulan kompetitif yang sulit ditandingi pihak lain, dan tingkat otonomi apa yang dapat diterima di setiap kasus penggunaan.

Ada satu hal yang sering terlewat: keunggulan yang berkelanjutan jarang muncul hanya dari akses ke model, karena semua orang memiliki akses itu. Keunggulan muncul dari konteks spesifik yang dimiliki perusahaan, alur kerjanya yang sudah tertanam, perilaku dan masukan pelanggan, serta siklus umpan balik yang berkelanjutan. Model adalah komoditas yang tersedia bagi semua orang. Data dan operasional Anda tidak.

Tiga area penerapan, masing-masing dengan standar kematangan berbeda

Panduan ini membagi penerapan ke dalam tiga area dan mengurutkannya dengan cara yang layak dihargai:

  • Operasional internal: biasanya jalur tercepat dan paling rendah risikonya menuju nilai yang diharapkan. Kesalahan di sini merugikan waktu internal Anda, bukan reputasi.
  • Solusi yang berhadapan dengan pelanggan: peluang diferensiasi pasar yang lebih besar, tetapi menuntut kematangan yang lebih tinggi karena terlihat oleh pelanggan, langsung memengaruhi kepercayaan, dan memiliki sensitivitas regulasi.
  • Agen AI: model pelaksanaan tingkat lanjut. Panduan ini menyarankan untuk memulai secara bertahap dengan izin terbatas dan pengawasan manusia, lalu memperluasnya berdasarkan seberapa andal dan aman kinerjanya terbukti.

Urutan ini sejalan dengan apa yang kami sarankan dalam praktik saat membangun sistem apa pun: mulailah di tempat yang kesalahannya murah, dan baru beralih ke lapisan yang berhadapan dengan pelanggan setelah keandalan terbukti secara internal.

Membangun, bermitra, atau mengakuisisi?

Panduan ini menyajikan kerangka keputusan antara membangun, bermitra, atau mengakuisisi, dan mengaitkannya dengan persoalan yang lebih mendasar: risiko ketergantungan pada segelintir vendor. Rekomendasinya adalah mengatasi hal itu dengan arsitektur teknis yang modular, fleksibel, dan dapat diurai, didukung kejelasan kontrak, sehingga Anda dapat mengganti satu lapisan tanpa membongkar seluruh tumpukan teknologi. Panduan ini menambahkan satu unsur yang dilewatkan sebagian besar studi kelayakan: ekonomi inferensi, yaitu biaya menjalankan model per operasi, yang diperlakukan sebagai pendorong penting biaya operasional, bukan sekadar catatan kaki.

Selanjutnya, panduan ini merekomendasikan pelaksanaan bertahap: verifikasi kesiapan, lalu eksperimen yang terkelola, lalu integrasi di seluruh perusahaan, lalu perbaikan berkelanjutan.

Tata kelola sebagai model operasional berbasis risiko

Bagian yang kami harap dibaca dengan saksama adalah tata kelola. Panduan ini menggambarkannya sebagai model operasional berbasis risiko yang dimulai dari kedisiplinan dalam memilih kasus penggunaan, bukan dari kontrol yang diberlakukan setelah penerapan. Sistem AI yang tata kelolanya tidak memadai dapat menimbulkan risiko hukum, keuangan, dan reputasi.

Yang terpenting, tata kelola harus sebanding dengan tingkat risiko: dampak yang diharapkan, tingkat otonomi, sensitivitas data, dan tingkat pengaruhnya terhadap pelanggan. Asisten internal yang merangkum rapat tidak membutuhkan apa yang dibutuhkan agen yang mengeluarkan keputusan kredit.

Dimensi Saudi: data, bahasa Arab, dan kedaulatan

Panduan ini mengingatkan bahwa perusahaan di Kerajaan tidak boleh hanya mengandalkan indikator dan tren global saat menyusun rencana. Mereka harus menyelaraskan diri dengan regulasi setempat, persyaratan tata kelola data, serta pertimbangan seputar kedaulatan data dan transfer lintas batas. Panduan ini menambahkan satu poin yang sangat praktis: periksa tingkat dukungan bahasa Arab dalam kasus penggunaan yang berhadapan dengan pelanggan.

Ini bukan detail kosmetik. Perbedaan antara model yang memahami dialek Saudi dalam percakapan layanan pelanggan dan model yang menerjemahkan secara harfiah adalah perbedaan antara pelanggan yang terlayani dan pelanggan yang marah. Demikian pula, "di mana data Anda disimpan?" harus didahulukan daripada "model mana yang lebih pintar?" setiap kali datanya bersifat pribadi dan tunduk pada Undang-Undang Pelindungan Data Pribadi (PDPL).

Dari mana memulai minggu ini

Jika kami meringkas panduan ini menjadi langkah-langkah yang benar-benar akan Anda jalankan: nilai kesiapan Anda secara jujur di lima dimensi dan beri skor pada masing-masing; pilih satu kasus penggunaan internal dengan dampak terukur dan risiko rendah; tetapkan target berupa angka untuknya sebelum Anda mulai, bukan sesudahnya; jalankan dengan pengawasan manusia dan pencatatan hasil secara lengkap; lalu perluas setelah angkanya bertahan. Perusahaan yang saat ini meraih imbal hasil dari AI di Arab Saudi bukanlah yang paling banyak berbelanja, melainkan yang paling disiplin dalam memilih masalah yang akan ditangani.

Sumber

  • Komisi Komunikasi, Antariksa, dan Teknologi: Panduan Kesadaran untuk Adopsi AI di Perusahaan Teknologi, edisi pertama, Juli 2026: cst.gov.sa/ai-adoption-guide-ar
  • Komisi Komunikasi, Antariksa, dan Teknologi: cst.gov.sa
  • Otoritas Data dan Kecerdasan Buatan Saudi (SDAIA): Undang-Undang Pelindungan Data Pribadi: sdaia.gov.sa