Studi kasus ini meninjau strategi untuk menggantikan proses validasi kualitas yang sangat bergantung pada tenaga manusia di laboratorium analisis medis dengan validasi yang didukung AI. Kami melacak langkah-langkah implementasi spesifik dan menunjukkan bagaimana implementasi AI ditangani pada tingkat strategis—melalui pengenalan kontrol yang diperlukan serta keselarasan dengan kebutuhan pemangku kepentingan.
Studi kasus tentang strategi implementasi AI ini dipresentasikan pada konferensi OOP 2026 di Munich. Hubungi tim kami untuk mempelajari bagaimana platform BSC Designer membantu organisasi mengelola strategi AI dan menyelaraskannya dengan tujuan bisnis secara keseluruhan.
Profil Perusahaan
Studi kasus ini menelaah sebuah laboratorium swasta yang mengkhususkan diri dalam analisis medis, dengan jaringan nasional laboratorium afiliasi.
- Laboratorium tersebut memproses sekitar 80.000 tes per hari di seluruh jaringannya.
- Laboratorium tersebut mengoperasikan sistem TI sendiri yang menghubungkan berbagai instrumen laboratorium, termasuk yang digunakan untuk diagnostik dan pengujian klinis.
Analisis Awal
Analisis awal mencakup identifikasi pemangku kepentingan, pemetaan biaya, penetapan tolok ukur kualitas, dan penilaian kesenjangan kemampuan.
Analisis Pemangku Kepentingan
Titik awalnya melibatkan identifikasi pemangku kepentingan dan kebutuhan mereka:
- Tantangan validasi kualitas terutama mempengaruhi spesialis kualitas internal. Kebutuhan mereka diukur dalam hal rata-rata jam bulanan yang dihabiskan untuk analisis kualitas manual.
- Pemangku kepentingan lain diidentifikasi karena kewajiban hukum. Kepentingan mereka termasuk keberlanjutan adanya proses validasi yang terdokumentasi dan dapat dilacak. Terkait pemrosesan AI, peraturan mengharuskan data medis diproses dalam negara operasi.
- Pemangku kepentingan senior mengharapkan peningkatan kecepatan, pengurangan biaya, dan tingkat kesalahan yang sesuai atau lebih baik dari tingkat saat ini.
Pemetaan Biaya
Setelah analisis pemangku kepentingan, biaya langsung dan tidak langsung dipetakan. Ini termasuk gaji spesialis kualitas (berdasarkan waktu yang dihabiskan untuk validasi) dan overhead manajerial terkait.
Ruang Lingkup Implementasi
Ruang lingkup implementasi ditetapkan untuk secara jelas membedakan area di mana implementasi AI dapat dilakukan, dan di mana, sebaliknya, otomatisasi perangkat lunak tradisional adalah pilihan yang lebih disukai.
Tolok Ukur Kualitas
Untuk melacak peningkatan, tolok ukur kualitas telah ditentukan. Garis dasar adalah tingkat kesalahan saat ini dari validasi yang dipimpin manusia, untuk dibandingkan dengan kinerja bertenaga AI di masa depan.
Kesenjangan Kapabilitas dan Infrastruktur
Kesenjangan kapabilitas diidentifikasi baik dalam tim pengembangan maupun di antara pengendali kualitas manusia.
Infrastruktur IT yang ada telah ditinjau dan divalidasi untuk kesesuaiannya dalam mendukung tugas otomasi bertenaga AI.
Strategi Implementasi
Tantangan yang diidentifikasi, kriteria keberhasilan, dan arah tindakan dipetakan menggunakan peta strategi gaya Kartu Skor Berimbang.
Implementasi
Platform untuk Pengawasan Strategis
Mengingat ketidakpastian teknologi baru, penerapan AI mengikuti pendekatan strategis dan eksperimental daripada rencana tetap. Platform BSC Designer, yang sudah digunakan untuk penerapan strategi umum, diadopsi sebagai alat utama untuk melacak keberhasilan penerapan AI.
Definisi Aturan Keselamatan
Persyaratan mendasar dari sistem validasi AI adalah penyertaan aturan keselamatan yang membatasi AI dari membahas topik yang memerlukan konfirmasi manusia.
Untuk memvalidasi fungsionalitas dasar AI, pengujian mandiri menggunakan kasus yang sudah diketahui diperkenalkan.
Fase Implementasi
Untuk memastikan pengiriman nilai yang terkontrol kepada pemangku kepentingan, implementasi dibagi menjadi langkah-langkah ini.
Fase Uji Coba
- Mempersiapkan data dan menganonimkannya; ini melibatkan konversi norma ambang batas yang ada dan unit pengukuran ke dalam format JSON yang terstruktur.
- Membangun loop pembelajaran awal di mana pengembang membandingkan validasi AI (tidak terlihat oleh pengguna) dengan validasi manusia.
- Merancang kontrol untuk memungkinkan operator manusia memperbarui instruksi AI.
- Menciptakan loop pembelajaran kedua, memungkinkan penyesuaian prompt langsung oleh operator manusia.
Fase Skala
- Memperluas cakupan data untuk memungkinkan AI mendeteksi cakupan anomali yang lebih luas.
- Mengoptimalkan kecepatan AI dengan mengidentifikasi tugas terlebih dahulu dan memuat hanya pengetahuan yang relevan dengan tugas tersebut.
- Merefaktor proses dengan pola pikir AI-first, beralih dari analisis data saat ini untuk memasukkan data historis.
Tata Kelola AI dan Keselarasan Strategis
Untuk memastikan tata kelola AI yang tepat, beberapa kontrol tambahan diperkenalkan:
- Output terukur dari pengawasan manusia dan pengujian otomatis secara otomatis dialihkan ke dasbor AI.
- Tinjauan bulanan dan refaktorisasi prompt AI yang dimodifikasi oleh operator manusia.
- Tinjauan kuartalan atas pola kesalahan umum dan kesalahpahaman untuk meningkatkan proses pembelajaran AI.
Hasil
Sistem AI mengurangi tingkat kesalahan keseluruhan sebanyak 10 kali lipat dibandingkan dengan validasi manusia.
Hasil Operasional
- Dalam 90% kasus, validasi hampir instan, menghilangkan rata-rata waktu tunggu 5 jam yang terkait dengan validasi manusia.
- Kira-kira 5 dokter setara penuh waktu (FTE) dibebaskan dari analisis rutin di laboratorium utama, dan 2 FTE di setiap cabang.
Inovasi
- Memperluas konteks AI dengan data analitis dan riwayat klinis memungkinkan deteksi kasus yang sebelumnya tidak dapat diidentifikasi, beberapa di antaranya kemudian dirujuk dalam literatur ilmiah.
- Upaya pembelajaran berkelanjutan organisasi didukung oleh siklus pembelajaran terstruktur dengan KPI yang terukur.
Ketakutan Kehilangan Pekerjaan
Meskipun beberapa persepsi negatif diantisipasi karena ketakutan kehilangan pekerjaan, tidak ada kasus nyata yang terjadi. Hal ini mungkin disebabkan oleh sifat rutin dari tugas validasi. Penilaian kreatif dan keputusan akhir tetap berada di tangan manusia, karena kasus yang tidak jelas masih memerlukan pengawasan manusia.
Tata Kelola AI
- Pengendalian yang ditetapkan membantu mengkuantifikasi risiko dan memastikan mitigasi yang efektif.
- Pelaporan kinerja diotomatisasi melalui laporan terjadwal.
- Pemangku kepentingan memiliki visibilitas yang jelas ke dalam implementasi dan operasi AI.
Keselarasan Strategis
Output dari tujuan spesifik digunakan sebagai indikator terkemuka dalam kartu skor lainnya. Sebagai contoh, data tingkat kesalahan diintegrasikan ke dalam kartu skor jaminan kualitas, sementara kinerja siklus pembelajaran dimasukkan ke dalam kartu skor SDM.
Dampak Merek
Penerapan yang sukses, keselarasan strategis, dan deteksi anomali yang didorong oleh AI memposisikan manajemen laboratorium sebagai pemimpin dalam inovasi di bidang mereka.
Kesimpulan
Implementasi AI merupakan contoh transformasi digital melalui adopsi teknologi disruptif. Keberhasilannya bergantung pada pemahaman yang mendalam terhadap kebutuhan pemangku kepentingan serta penetapan kontrol yang tepat untuk memastikan pemantauan kualitas dan pembelajaran yang berkelanjutan.
- Tim BSC Designer memberikan nilai tambah dengan menyediakan advis strategis – menyelaraskan persyaratan implementasi teknis dengan praktik terbaik dalam tata kelola AI dan keselarasan strategis secara keseluruhan.
- Kontrol pengawasan tertentu diotomatisasi melalui platform BSC Designer, guna mendukung pemantauan dan pembelajaran berkelanjutan.
Untuk melihat bagaimana kasus AI pengendalian mutu ini sesuai dalam sistem manajemen yang lebih luas, tinjau kerangka kerja untuk pengawasan implementasi AI, termasuk tata kelola, kontrol, dan pelacakan kinerja.
Alexis Savkin adalah seorang Arsitek Strategi dan pendiri BSC Designer, sebuah platform perangkat lunak pelaksanaan strategi dengan Kartu Skor Berimbang sebagai inti utamanya. Ia membantu organisasi menerjemahkan strategi menjadi tujuan yang terukur, KPI, dan inisiatif. Alexis adalah pencipta Kanvas Pelaksanaan Strategi, penulis lebih dari 100 artikel tentang strategi dan pengukuran kinerja, serta pembicara tetap.