PENDAHULUAN Prospek Artificial Intelligence (AI) dalam bisnis dan perekonomian global sangat cerah. AI akan semakin menyamai bahkan melampaui kinerja manusia, mengambil peran kerja, mengubah fondasi operasional bisnis secara mendasar, dan mengganggu praktik manajemen memiliki potensi yang besar (Agrawal dkk., 2017;Lakhani dan Lansiti, 2020; von Krogh, 2018. Premis : AI akan meningkatkan kapasitas manusia, melakukan tugas atau menyelesaikan masalah dengan lebih cepat, memberikan hasil yang lebih baik, dan memberikan efisiensi yang lebih tinggi (Agrawal dkk., 2019; Wilson dan Daugherty, 2018). AI bukan hanya menghasilkan teknologi baru yang menghasilkan produk dan layanan tetapi juga mengubah proses yang ada menjadi lebih cepat, lebih murah, dan berkualitas lebih tinggi; (Brynjolfsson dan McAfee, 2017). AI diperkirakan akan mentransformasi setiap industri, seperti yang terjadi pada Internet 30 tahun lalu atau listrik 100 tahun lalu, dengan menciptakan perkiraan pertumbuhan PDB sebesar $13 triliun antara saat ini hingga tahun 2030 (Bughin dkk., 2018 ). AI akan mengubah cara kerja perusahaan secara mendasar – cara mereka beroperasi dan cara mereka bersaing (Lakhani dan Lansiti, 2020). AI juga akan menantang aksioma dan asumsi inti yang mendasari proses inovasi dan pengelolaannya (Benner dan Tushman, 2015) PENDAHULUAN Proposisi utamanya adalah AI mempunyai potensi untuk mengubah praktik manajemen inovasi dengan memungkinkan proses inovasi yang jauh lebih efektif dan efisien sehingga menandai era inovasi baru. Di sisi lain, pengetahuan kita tentang cara menerapkan AI untuk manajemen inovasi masih sedikit, dan para manajer kesulitan menemukan pendekatan yang paling tepat untuk menerapkan AI dalam upaya inovasi mereka. Fenomena Gap Tujuan penelitian adalah untuk mengisi kesenjangan tersebut dengan mengeksplorasi bagaimana para manajer memandang potensi AI untuk manajemen inovasi dan jenis dampak apa yang mereka harapkan pada pengaturan proses inovasi mereka. Dengan kata lain, peneliti mengeksplorasi perbedaan pandangan para manajer inovasi mengenai bagaimana AI dapat memengaruhi praktik manajemen inovasi mereka serta bagaimana mereka berencana menerapkan dan menggunakan AI untuk tugas-tugas inovasi tertentu dalam organisasi mereka. PENDAHULUAN Studi eksplorasi dengan 150 manajer inovasi yang memahami AI, mengungkapkan empat wawasan utama mengenai era manajemen inovasi berbasis AI yang akan datang melalui beberapa temuan (1) Sebagian besar manajer inovasi setuju dengan potensi besar AI untuk meningkatkan efektivitas dan efisiensi tugas inovasi tertentu secara signifikan. (2) Manajemen inovasi berbasis AI memerlukan perubahan teknis dan organisasi yang besar untuk mengatasi tantangan terkait; perbandingan kelompok menunjukkan bahwa inovator AI memiliki tantangan implementasi yang berbeda- beda, seperti kurangnya akses terhadap data atau kurangnya keahlian teknis. Dalam hal tantangan organisasi, mereka berbeda dalam hal pengalaman dan keahlian di bidang AI, serta ukuran perusahaan, yang mungkin membatasi sumber daya yang tersedia yang dapat dialokasikan untuk inisiatif inovasi berbasis AI. (3) Manajemen inovasi berbasis AI tidak dapat diterapkan dengan pendekatan yang universal. Organisasi jelas berbeda dalam preferensi mereka mengenai bagaimana mereka dapat menggunakan dan menerapkan manajemen inovasi berbasis AI. Membangun perspektif sistematis dari proses inovasi (Roberts, 2007), peneliti mengidentifikasi empat klaster penerapan utama: AI-Frontrunners (37,3%), AI-Practitioners (25,3%), AI-Occasional innovators (26%), dan Non-AI innovators (11,3%). (4) Manajemen inovasi berbasis AI memerlukan implementasi yang memadai untuk memanfaatkan potensi sepenuhnya. Manajer penerapan AI harus memastikan bahwa pemangku kepentingan internal dan mitra eksternal utama selaras dan mematuhi tujuan manajemen inovasi berbasis AI. PENDAHULUAN Empat Klaster Penerapan AI AI Frontrunners (Pelopor) Kelompok ini menerapkan strategi inovasi yang didominasi AI dengan menginvestasikan sejumlah besar anggaran inovasi mereka ke dalam teknologi AI. Sangat menghindari solusi mereka diterapkan oleh pesaing dan oleh karena itu mengelola kekayaan intelektual mereka dengan lebih protektif dibandingkan Praktisi AI. Kelompok ini tertarik untuk menjajaki peluang baru untuk menghasilkan model bisnis baru, dan juga mencoba memanfaatkan produk dan model bisnis yang ada dengan menerapkan teknologi AI. Mereka lebih memilih struktur organisasi baru untuk inisiatif AI mereka dan melengkapinya dengan praktik inovasi terbuka dari waktu ke waktu. Kelompok ini memperkuat dan mensistematisasikan AI dalam manajemen inovasi mereka dengan menyiapkan infrastruktur jangka panjang yang berkelanjutan dan memperkuat platform untuk bereksperimen dengan algoritma AI. Untuk membangun kemampuan baru, mereka mengikuti pendekatan ganda dalam penempatan staf dan pengembangan keterampilan dengan berinvestasi besar-besaran dalam mempekerjakan ahli eksternal serta PENDAHULUAN Empat Klaster Penerapan AI AI Practitioners (Praktisi) Kelompok ini mengambil pendekatan penerapan AI pragmatis dan berusaha mencapai efek yang solid dengan sumber daya yang terbatas. Daripada membangun semua pengetahuan itu sendiri, mereka ingin menerapkan pengetahuan, rutinitas, dan metode yang sudah ada. Mereka mengandalkan kolaborasi eksternal untuk memacu praktik inovasi berbasis AI, alih- alih membangun kemampuan internal yang diperlukan untuk menjadi ahli sejati. Pendekatan pragmatis yang dilakukan tercermin dalam terbatasnya investasi mereka dalam pelatihan staf yang ada, serta terbatasnya ambisi untuk merekrut talenta AI baru dari luar. PENDAHULUAN Empat Klaster Penerapan AI AI Occasional Innovator (Inovator Sesekali) Kelompok ini mengambil pendekatan implementasi tentatif dan sejauh ini tidak membuat komitmen apa pun terhadap manajemen inovasi berbasis AI. Menerapkan pendekatan upaya minimal sehubungan dengan relevansi manajemen inovasi berbasis AI, yang tercermin dalam strategi, struktur organisasi, dan pengembangan keterampilan mereka. Mereka mengandalkan proyek percontohan inovasi berbasis AI untuk bereksperimen dan mengenal penerapan teknologi AI untuk manajemen inovasi. AI-Inovator sesekali saat ini mendedikasikan sebagian kecil anggaran inovasi mereka untuk AI. Mereka menerapkan pendekatan gabungan dalam mengelola kekayaan intelektual dan memilih antara perlindungan melalui paten dan berbagi solusi dengan pihak lain. Praktik inovasi terbuka dan kolaborasi dengan mitra di bidang AI jarang terjadi. AI-Inovator sesekali mempertimbangkan struktur organisasi yang sudah ada dan berbasis proyek sebagai hal yang tepat untuk menyesuaikan dengan ambisi mereka saat ini dalam manajemen berbasis AI, yang belum menjadi landasan dalam strategi inovasi mereka. PENDAHULUAN Empat Klaster Penerapan AI AI Non AI (Innovator non AI) Kelompok ini belum mengadopsi AI untuk manajemen inovasi dan tidak berencana untuk menerapkannya di masa depan PENDAHULUAN Panduan dalam pembahasan artikel Memberikan latar belakang teoritis untuk penelitian dan memberikan gambaran umum tentang praktik manajemen inovasi saat ini. Mengonsep bagaimana AI dapat memengaruhi manajemen inovasi – bagaimana AI dapat mengubahnya dan membantu meningkatkan praktik inovasi saat ini. Berdasarkan latar belakang teoritis, studi empiris peneliti mengeksplorasi bagaimana para manajer dan praktisi inovasi memandang potensi AI untuk manajemen inovasi dan bagaimana mereka berencana menerapkan AI dalam proses inovasi mereka. Kemudian, mendiskusikan temuan penelitian, serta implikasi teoretis dan praktisnya. LATAR BELAKANG TEORITIS Memahami cara mengelola inovasi merupakan hal mendasar, terutama ketika inovasi sangat penting bagi pertumbuhan perusahaan dan keunggulan kompetitif (Ahmed dan Shepherd, 2010). Proses inovasi biasanya menggambarkan rangkaian berbagai aktivitas yang dilakukan untuk mewujudkan peluang dan membawa ide ke pasar (Ahmed dan Shepherd, 2010; Tidd dan Bessant, 2013). Dalam literatur manajemen inovasi,beragam pendekatan untuk mengelola inovasi atau proses penelitian dan pengembangan yang lebih luas telah dicoba, dengan berbagai tahapan mulai dari pembangkitan ide hingga proses pengembangan, implementasi dan peluncuran produk (Cooper, 1986; Rogers, 2003; Rothwell, 1994; Tidd dan Bessant, 2013) LATAR BELAKANG TEORITIS Roberts (2007, hal. 36), menyatakan bahwa ''inovasi terdiri atas dua bagian: (1) timbulnya suatu gagasan atau penemuan, dan (2) pengubahan penemuan itu menjadi suatu usaha atau penerapan lain yang bermanfaat, inovasi mencakup semua tahapan mulai dari penemuan teknis hingga komersialisasi akhir.” Tidd dan Bessant (2013) menggambarkan proses inovasi yang melibatkan empat fase: (1)Searching–menganalisis lingkungan internal dan eksternal, dan mengelola sinyal yang relevan tentang ancaman dan peluang inovasi; (2)Selecting –memutuskan berdasarkan strategi inovasi bagaimana organisasi dapat merespons sinyal; (3) Implementing–mengejar ide-ide yang relevan untuk mengembangkan produk dan layanan baru; (4)Learning –membangun basis pengetahuan dan terus meningkatkan proses inovasi melalui siklus ini. LATAR BELAKANG TEORITIS Roberts dan Frohman (1978), menjelaskan proses inovasi teknologi melalui tujuh tahap: pengenalan peluang, perumusan ide, penelitian dasar/terapan, pengembangan solusi prototipe, standardisasi, manufaktur, dan komersialisasi Kumar dkk. (1996). mendefinisikan lima tahap inovasi: proyeksi awal, evaluasi komersial, pengembangan, peluncuran manufaktur, dan komersialisasi awal. Tabel berikutnya menunjukkan evolusi model inovasi, dan fase-fase selanjutnya membantu menentukan arah kemajuan masa depan dalam pengelolaan inovasi (Rothwell, 1994;Ahmed dan Shepherd, 2010;Tidd dan Bessant, 2013 LATAR BELAKANG TEORITIS LATAR BELAKANG TEORITIS Meskipun proses inovasi sistematis memberikan jawaban atas pertanyaan-pertanyaan penting, misalnya bagaimana kita dapat mengidentifikasi peluang secara sistematis dan merealisasikannya (Tidd dkk., 2005), AI dapat memperkuat kemampuan inovasi dan mendukung keputusan yang berpusat pada manusia saat ini untuk merasakan peluang di lingkungan dan memperkirakan perubahan peluang. (Cockburn dkk., 2019). Bahan-bahan untuk terobosan dalam manajemen inovasi sudah ada seiring dengan semakin berkembangnya kekuatan komputasi, algoritma menjadi lebih tersedia dan efektif, dan sejumlah besar data dihasilkan setiap hari. LATAR BELAKANG TEORITIS Mesin yang didukung oleh AI saat ini sudah mampu menangani banyak tugas yang belum lama ini dianggap sebagai tugas "manusia" yang memerlukan kognisi manusia. Misalnya, mesin dapat mengidentifikasi pola yang kompleks, mensintesis informasi, menarik kesimpulan, memberikan prediksi, atau melaksanakan tugas pemecahan masalah (Agrawal dkk., 2019; Brynjolfsson dan McAfee, 2017). Bagaimana aplikasi berbasis AI ini mengubah cara kita berinovasi dan memungkinkan manajemen inovasi yang lebih baik dan efisien. LATAR BELAKANG TEORITIS Mesin yang didukung oleh AI saat ini sudah mampu menangani banyak tugas yang belum lama ini dianggap sebagai tugas "manusia" yang memerlukan kognisi manusia. Misalnya, mesin dapat mengidentifikasi pola yang kompleks, mensintesis informasi, menarik kesimpulan, memberikan prediksi, atau melaksanakan tugas pemecahan masalah (Agrawal dkk., 2019; Brynjolfsson dan McAfee, 2017). Bagaimana aplikasi berbasis AI ini mengubah cara kita berinovasi dan memungkinkan manajemen inovasi yang lebih baik dan efisien. LATAR BELAKANG TEORITIS Proses inovasi yang dikembangkan yang didefinisikan oleh Rogers (2003). Proses inovasi mengikuti empat fase, dan berikut ini, kami membahas contoh tugas terkait yang dapat didukung oleh AI: 1. identifikasi peluang dan pembangkitan ide – misalnya mengidentifikasi kebutuhan pengguna, mencari teknologi yang menjanjikan, menghasilkan ide; 2. evaluasi dan seleksi ide – misalnya penilaian ide, evaluasi; 3. pengembangan konsep dan solusi – misalnya pembuatan prototipe, pengujian konsep; 4. fase peluncuran komersialisasi – misalnya pemasaran, penjualan, penetapan harga. DESAIN PENELITIAN Konteks Organisasi : pengalaman organisasi dengan teknologi AI secara umum, penggunaan AI saat ini dalam manajemen inovasi mereka, keahlian AI dalam unit inovasi, ketidakpastian dalam orientasi mereka terhadap AI manajemen inovasi berbasis, kematangan digital, dan ukuran organisasi. Mayoritas dari 150 manajer yang memberikan respons sudah memiliki pengalaman menerapkan AI dalam keseluruhan operasi bisnis mereka ( n = 95; 63,3%), dan sebagian besar organisasi lainnya berencana menggunakannya dalam waktu dekat ( n = 47; 31,3%). Hanya sebagian kecil dari mereka yang menunjukkan bahwa organisasi mereka tidak memiliki pengalaman dan rencana sama sekali untuk menangani teknologi AI dalam keseluruhan operasi bisnis mereka ( n = 8; 5,3%). . HASIL PENELITIAN Potensi Manajemen Inovasi Berbasis AI “Saya berharap AI akan semakin baik dalam lima hingga sepuluh tahun ke depan.” Dianggap penting dalam tugas inovasi. HASIL PENELITIAN Pentingnya Metode Berbasis AI dalam Tugas Inovasi “Harap evaluasi pentingnya AI dalam tugas inovasi berikut untuk 5– 10 tahun ke depan.” 1=tidak penting, 5=sangat penting pada Likert 5 Poin. HASIL PENELITIAN Keterampilan Manusia vs. AI, Dalam 5–10 tahun ke depan, keterampilan apa yang menurut Anda lebih baik dimiliki manusia dan keterampilan apa yang menurut Anda lebih baik dimiliki mesin di unit inovasi? 1=Manusia dengan keterampilan lebih baik, 5= Mesin dengan keterampilan lebih baik pada Likert 5 Poin. HASIL PENELITIAN Tabel di samping lebih jauh menyoroti perbedaan dan persamaan antara AI- Frontrunners, AI-Practitioners, dan AI-Occasional innovators. HASIL PENELITIAN Grafik Cluster Implementasi AI dari Inovator berbasis AI, 1 Perbedaan berpasangan yang signifikan Uji Wilcoxon dua sisi: *** p < 0,01, ** p < 0,05, * p < 0,1. HASIL PENELITIAN Persepsi Potensi Manajemen Inovasi berbasis AI di seluruh Klaster, “Saya memperkirakan AI akan meningkat… sebesar…% dalam lima hingga sepuluh tahun ke depan.” Perbedaan berpasangan yang signifikan Uji Wilcoxon satu sisi: *** p < 0,01, ** p < 0,05, * p < 0,1. HASIL PENELITIAN Relevansi AI dalam Tugas Inovasi di Seluruh Klaster, “Harap evaluasi pentingnya AI dalam tugas inovasi berikut untuk 5–10 tahun ke depan.” 1=tidak penting, 5=sangat penting pada 5 Poin Likert, Perbedaan berpasangan signifikan Uji Wilcoxon satu sisi: *** p < 0,01, ** p < 0,05, * p < 0,1. HASIL PENELITIAN Pemahaman tentang Dampak dan Perubahan yang diperlukan di seluruh Klaster, “Kami memahami…” 1=sangat tidak setuju, 5=sangat setuju dengan 5 Poin Likert, Perbedaan berpasangan yang signifikan Uji Wilcoxon satu sisi: *** p < 0,01 , ** p < 0,05, * p < 0,1. HASIL PENELITIAN Memberi Peringkat Kendala Data di Seluruh Klaster, “Apa batasan terbesar pada kemampuan menerapkan algoritme AI dalam konteks inovasi? Tetapkan total 100 Poin”; perbedaan signifikan Uji Kruskal-Wallis: *** p < 0,01, **, p < 0,05, * p < 0,1. HASIL PENELITIAN Memberi Peringkat Kendala Organisasi di Seluruh Klaster, “Harap sebutkan tantangan organisasi secara umum mengenai kemampuan mengintegrasikan AI untuk inovasi. Tetapkan total 100 Poin.”; perbedaan signifikan Uji Kruskal-Wallis: *** p < 0,01, ** p < 0,05, * p < 0,1. HASIL PENELITIAN Konteks Organisasi di Seluruh Klaster, Perbedaan berpasangan yang signifikan Uji Wilcoxon satu sisi: *** p < 0,01, ** p < 0,05, * p < 0,1. KESIMPULAN (1) Manajemen inovasi berbasis AI memang berpotensi mengantarkan paradigma baru manajemen inovasi ketujuh ( Ahmed dan Shepherd, 2010 ; Tidd dan Bessant, 2013 ). Sementara saat ini kita masih mengandalkan jaringan dan ekosistem inovasi (misalnya Tidd dan Bessant 2013 ), temuan kami menunjukkan bahwa kita sedang menuju ekosistem inovasi berbasis AI. (2) Manajemen inovasi berbasis AI memerlukan perubahan teknis dan organisasi yang substantif agar dapat menangani dan berhasil mengatasi tantangan terkait. (3) Tidak ada pendekatan yang bisa diterapkan untuk semua orang dalam menerapkan manajemen inovasi berbasis AI.Meskipun sebagian besar manajer sepakat mengenai potensi dan persyaratan manajemen inovasi berbasis AI, temuan kami menunjukkan bahwa mereka sedikit berbeda mengenai pendekatan implementasi yang mereka pilih untuk memanfaatkan dan membiasakan manajemen inovasi berbasis AI. (4) Meskipun terdapat potensi manajemen inovasi berbasis AI, organisasi mungkin gagal mewujudkan manfaat yang diharapkan karena penerapan yang tidak memadai atau buruk. PENELITIAN SELANJUTNYA Penelitian lebih lanjut dapat mengeksplorasi dan belajar dari praktik terbaik dan terburuk serta menyelidiki hubungan sebab akibat antara prasyarat yang diperlukan dan pengaruhnya terhadap manajemen inovasi berbasis AI. Penelitian dapat mencoba mengidentifikasi berbagai resep untuk keberhasilan manajemen inovasi berbasis AI, dengan asumsi lebih dari satu jalur menuju kesuksesan tersebut. Jalan tambahan untuk penelitian di masa depan berkaitan dengan eksplorasi faktor penentu keberhasilan atau dampak sebenarnya dari manajemen inovasi berbasis AI terhadap hasil inovasi. Bidang lain yang lebih menarik dalam konteks perdebatan pekerjaan baru saat ini mencakup dampak manajemen inovasi berbasis AI terhadap pengembangan keterampilan dan kemampuan tim inovasi, kolaborasi lintas inovasi dan pakar AI, serta peran dan interaksi antara manusia dan mesin. REFERENCES Agrawal, A., Gans, J.S., Goldfarb, A., 2017. What to expect from artificial intelligence. MIT Sloan Manag. Rev. 58, 23–26. Lakhani, K.R., Iansiti, M., 2020. Competing in the Age of AI: strategy and Leadership When Algorithms and Networks Run the World,. Harvard Business School Press Books von Krogh, G., 2018. Artificial intelligence in organizations: new opportunities for phenomenon- based theorizing. Acad. Manag. Discov. https://doi.org/10.5465/ amd.2018.0084. Wilson, J.H., Daugherty, P.R., 2018. Collaborative intelligence: humans and AI are joining forces. Harv. Bus. Rev. 96, 114–123. Brynjolfsson, E., McAfee, A., 2017. The business of Artificial Intelligence : what it can — and cannot — do for your organization. Harvard Business Review. https://hbr.org/ 2017/07/the-business- of-artificial-intelligence. Bughin, J., Seong, J., Manyika, J., Chui, M., Joshi, R., 2018. Notes from the AI frontier: modeling the impact of. AI on the world economy, McKinsey Glob. Inst. REFERENCES Benner, M.J., Tushman, M.L., 2015. Reflections on the 2013 decade award – “exploitation, exploration, and process management: the productivity dilemma revisited” ten years later. Acad. Manag. Rev. 40, 497– 514. https://doi.org/10.5465/ amr.2015.0042. Cockburn, I.M., Henderson, R., Stern, S., Professor, H., 2019. The impact of artificial intelligence on innovation: an exploratory analysis. The Economics of Artificial Intelligence. University of Chicago Press,, pp. 115–146. Haefner, N., Wincent, J., Parida, V., Gassmann, O., 2021. Artificial intelligence and innovation management: a review, framework, and research agenda. Technol. Forecast. Soc. Chang. 162. https://doi.org/10.1016/j.techfore.2020.120392 Keding, C., 2021. Understanding the interplay of artificial intelligence and strategic management: four decades of research in review. Manag. Rev. Q. 71, 91–134. https://doi.org/10.1007/S11301-020-00181-X/TABLES/4. Nambisan, S., Lyytinen, K., Majchrzak, A., Song, M., 2017. Digital innovation management: reinventing innovation management research. MIS Q. 41, 223–238. https://doi.org/10.25300/MISQ/2017/41. REFERENCES Rothwell, R., 1994. Towards the fifth-generation innovation process. Int. Mark. Rev. 11, 7–31. https://doi.org/10.1108/02651339410057491. Tidd, J., Bessant, J., 2013. Managing Innovation: integrating Technological, Market and Organizational Change, 5th ed. Roberts, E.B., 2007. Managing invention and innovation. Res. Technol. Manag. 50, 35–54. https://doi.org/10.1080/08956308.2007.11657418 Roberts, E.B., Frohman, A.L., 1978. Strategies for improving research utilization. Technol. Rev. 80, 32–39. Kumar, V., Persaud, A.N.S., Kumar, U., 1996. To terminate or not an ongoing R&D project: a managerial dilemma. IEEE Trans. Eng. Manag. 43, 273–284. https://doi. org/10.1109/17.511838. Ahmed, P., Shepherd, C., 2010. Innovation Management: Context, Strategies, Systems and Processes. Financial Times Press REFERENCES Cooper, R.G., 1986. Winning at New Products. Addison-Wesley. Smith, P.G., 2007. Flexible Product Development: Building Agility for Changing Markets. John Wiley & Sons. O’Reilly, C.A., Tushman, M.L., 2011. Organizational ambidexterity in action: how managers explore and exploit. Calif. Manag. Rev. 53, 5–22. https://doi.org/ 10.1525/cmr.2011.53.4.5.