28–30September 2027

BITEC, Bangkok, Thailand

Daftarkan Minat
Minat pendaftaran untuk tahun 2027

28–30September 2027

BITEC, Bangkok, Thailand

Daftarkan Minat
Minat pendaftaran untuk tahun 2027

28–30September 2027

BITEC, Bangkok, Thailand

Menu

Seri Wawancara

19 November 2026

Sebelum AI Dapat Diperluas, Perusahaan Utilitas Harus Siap Mendukungnya

Sebelum AI Dapat Diperluas, Perusahaan Utilitas Harus Siap Mendukungnya
"In Between the Lines" bersama Vijay Panpalia, Wakil Presiden Bidang Rekayasa Produk, SEW.AI

Ketika seorang pelanggan memotret meteran listrik dan mengirimkan pembacaan tersebut melalui platform digital, kesederhanaan yang tampak dari interaksi tersebut menyembunyikan serangkaian keputusan. Sistem harus memastikan keaslian gambar, menafsirkan pembacaan secara akurat, membandingkannya dengan riwayat konsumsi, dan menentukan apakah informasi tersebut dapat diterima untuk penagihan. Jika terdapat hal yang tampak tidak biasa, harus ada pula proses untuk memeriksa pengecualian tersebut dan memutuskan langkah selanjutnya. 

Bagi Vijay Panpalia, Wakil Presiden Bidang Rekayasa Produk di SEW.AI, hal ini menggambarkan peluang sekaligus tanggung jawab yang menyertai penerapan kecerdasan buatan dalam operasi perusahaan utilitas. Berbekal pengalaman lebih dari dua dekade di industri utilitas, termasuk bertahun-tahun bekerja di perusahaan listrik sebelum beralih ke pengembangan teknologi, ia memandang kesiapan organisasi sebagai faktor kunci dalam menentukan apakah AI dapat menjadi bagian yang dapat diandalkan dalam operasi sehari-hari. Seiring dengan investasi perusahaan utilitas dalam sistem yang lebih cerdas untuk pelanggan, tenaga kerja, dan jaringan listrik, pertanyaannya tidak lagi sekadar tentang apa yang dapat dilakukan oleh teknologi tersebut, melainkan apakah organisasi dapat mempertahankan kinerjanya dan tetap bertanggung jawab atas keputusan yang didukung oleh teknologi tersebut. 

Ketika Program Percontohan yang Berhasil Berpadu dengan Operasional Sehari-hari 

Perbedaan antara mendemonstrasikan suatu teknologi dan menjadikannya bagian dari operasi sehari-hari perusahaan utilitas sudah tidak asing lagi bagi Panpalia, yang telah mengamati perubahan dalam cara perusahaan utilitas memandang implementasi. Berdasarkan pengalamannya, organisasi semakin beralih dari proyek uji konsep yang terpisah-pisah menuju implementasi bertahap, di mana tujuannya adalah membangun fondasi operasional dan memperluas penggunaan teknologi seiring dengan kesiapan organisasi untuk mendukungnya. 

Hal ini mencerminkan kesadaran bahwa kinerja teknis suatu aplikasi, betapapun menjanjikannya, belum tentu menjamin apakah aplikasi tersebut dapat dipertahankan dalam lingkungan operasional suatu perusahaan utilitas. Penerapannya mungkin bergantung pada proses bisnis yang sudah mapan, sejumlah sistem informasi yang ada, serta karyawan yang tanggung jawabnya telah ditetapkan jauh sebelum teknologi tersebut diperkenalkan. Panpalia berpendapat bahwa kesulitan yang lebih mendasar sering kali terletak pada kesiapan sumber daya manusia, proses, dan data, bukan pada kemampuan teknis AI itu sendiri. 

Contoh pembacaan meter otomatis ini menggambarkan ketergantungan-ketergantungan tersebut. Panpalia menjelaskan bagaimana aplikasi SEW.AI memungkinkan pelanggan yang tidak memiliki infrastruktur pengukuran canggih untuk mengirimkan foto meteran mereka, yang kemudian diproses melalui validasi gambar, pengenalan karakter optik, dan perbandingan dengan pola konsumsi historis sebelum informasi tagihan dihasilkan. Bagi pelanggan, hal ini dapat mengurangi upaya yang diperlukan untuk mendapatkan tagihan, sementara perusahaan utilitas dapat mengotomatiskan aktivitas yang seharusnya memerlukan intervensi manual. Namun, di balik interaksi tersebut, organisasi harus menjaga keakuratan informasi, menetapkan parameter yang dapat diterima untuk pembacaan meter, dan memastikan bahwa sistem penagihan dapat memproses data yang dihasilkan. 

Panpalia menekankan bahwa akuntabilitas manusia tetap menjadi bagian dari proses ini. Apabila sistem mengidentifikasi anomali atau menolak suatu pembacaan, manusia tetap harus turun tangan untuk menentukan bagaimana pengecualian tersebut harus ditangani. Prinsip panduannya adalah “jangan pernah ada otomatisasi tanpa akuntabilitas”, sebuah pembedaan yang menempatkan tanggung jawab atas hasil sepenuhnya pada pihak penyedia layanan, terlepas dari seberapa besar proses tersebut telah diotomatisasi. Akurasi teknis dan efisiensi pemrosesan tetap menjadi ukuran yang penting, namun keduanya perlu dipertimbangkan bersamaan dengan kemampuan organisasi untuk memvalidasi hasil, menyelesaikan pengecualian, dan menjelaskan keputusan ketika dipertanyakan. 

Memahami Titik Awal Sebenarnya dari Organisasi 

Pengalaman Panpalia bekerja di sektor utilitas telah memperkuat pentingnya memahami kemampuan operasional yang ada sebelum menentukan teknologi mana yang sebaiknya diterapkan. Dalam wawancara Enlit Asia 365, ia menyampaikan sebuah prinsip yang mencerminkan sebagian besar pemikirannya: "Tingkat kematangan AI tidak bisa lebih tinggi daripada tingkat kematangan digital organisasi." 

Bagi Panpalia, hal ini berarti mengevaluasi apakah karyawan siap bekerja dengan sistem cerdas, apakah proses yang ada mampu mengumpulkan informasi yang diperlukan, dan apakah jaringan serta infrastruktur pendukung mampu menyediakan data yang andal. Kondisi-kondisi ini saling terkait erat, dan perbaikan di satu bidang mungkin hanya memberikan manfaat terbatas jika bidang-bidang lainnya masih belum cukup berkembang. Sebuah perusahaan utilitas, misalnya, mungkin mampu memperoleh aplikasi AI canggih, namun masih kekurangan informasi operasional atau pembagian tanggung jawab yang jelas yang diperlukan untuk memanfaatkan hasilnya secara konsisten. 

Ia mengenang pengalamannya bekerja sama dengan sebuah perusahaan utilitas di Mumbai untuk mengembangkan model kematangan yang dapat mengidentifikasi kesenjangan dalam kapabilitas yang sudah ada di organisasi tersebut. Kegiatan tersebut menjadi landasan untuk memahami hal-hal yang perlu diperhatikan dan menyusun rencana guna memenuhi kebutuhan-kebutuhan tersebut. Hal ini juga mencerminkan pelajaran yang lebih luas dari kariernya: pentingnya mengkaji kondisi di mana suatu teknologi akan beroperasi, alih-alih berasumsi bahwa penerapan teknologi tersebut akan menyelesaikan masalah-masalah yang sudah ada di dalam organisasi. 

Pertimbangan-pertimbangan ini menjadi semakin penting seiring dengan kemampuan jaringan listrik dalam menyesuaikan diri dengan pola konsumsi yang terus berubah serta sumber informasi yang semakin beragam. Panpalia menyoroti pertumbuhan infrastruktur pengukuran canggih, panel surya atap, kendaraan listrik, dan penyimpanan baterai sebagai perkembangan yang membuat operasional perusahaan utilitas semakin kompleks. Akses yang lebih luas terhadap informasi membuka peluang untuk peramalan yang lebih baik, keterlibatan pelanggan, dan pengambilan keputusan operasional; namun, nilai informasi tersebut tetap bergantung pada kemampuan untuk mengumpulkan, memelihara, dan menafsirkannya dalam proses bisnis yang tepat. 

Sistem digital yang ada saat ini juga dapat mempersulit tugas ini. Panpalia menjelaskan bahwa perusahaan utilitas sering kali mengelola platform pelanggan terpisah untuk akun prabayar dan pascabayar, meteran konvensional dan canggih, atau konsumen perumahan dan korporat. Pengaturan semacam itu mungkin telah dikembangkan untuk memenuhi persyaratan layanan yang sah, namun hal ini dapat mempersulit integrasi informasi dan pembentukan pemahaman yang konsisten mengenai interaksi pelanggan. Oleh karena itu, penekanannya pada fondasi digital yang terpadu sangat erat kaitannya dengan kebutuhan agar fungsi pelanggan, tenaga kerja, dan jaringan listrik dapat bertukar informasi secara andal, sambil tetap mendukung berbagai kebutuhan masyarakat dan operasi yang mereka layani. 

Bagi perusahaan utilitas di ASEAN, di mana organisasi-organisasi beroperasi dengan tingkat otomatisasi, infrastruktur, dan kemampuan kelembagaan yang berbeda-beda, implikasinya adalah bahwa investasi dalam AI tidak dapat dipandang terlepas dari tingkat kematangan digital. Sebuah aplikasi yang dapat didukung di satu organisasi mungkin memerlukan persiapan yang cukup besar di organisasi lain. Memahami perbedaan-perbedaan ini memberikan dasar yang lebih kuat bagi para pemimpin perusahaan utilitas untuk menentukan kemampuan mana yang sudah siap diterapkan dan mana yang bergantung pada perbaikan sistem, proses, atau keahlian tenaga kerja yang ada.

Membangun Kapasitas Seiring dengan Pelaksanaan 

Panpalia merekomendasikan agar rencana kematangan digital dan prioritas investasi AI dikembangkan secara bersamaan, sehingga keduanya dapat saling melengkapi seiring berjalannya proses implementasi. Salah satu bagian dari upaya ini meliputi penilaian terhadap kemampuan yang ada, identifikasi kesenjangan, serta penyusunan peta jalan untuk perbaikan pada sumber daya manusia, proses, data, dan infrastruktur. Secara paralel, perusahaan utilitas sebaiknya mengkaji aplikasi AI yang relevan dengan berbagai fungsi bisnis, menentukan tujuan perbaikan dari masing-masing aplikasi, serta menetapkan persyaratan informasi dan integrasi yang diperlukan untuk penerapan. 

Hubungan antara kegiatan-kegiatan ini penting karena setiap aplikasi AI dapat membantu mengungkap keterbatasan sistem yang menjadi dasarnya. Sebuah perusahaan utilitas yang ingin meningkatkan sistem penagihan pelanggan, misalnya, mungkin menemukan bahwa pekerjaan yang lebih menantang melibatkan pengintegrasian data meteran dengan catatan pelanggan, aturan penagihan, dan proses yang digunakan untuk menyelidiki pola konsumsi yang tidak biasa. Memahami ketergantungan ini sejak dini memungkinkan perencanaan perbaikan infrastruktur digital dan proses bisnis dilakukan bersamaan dengan pengembangan aplikasi itu sendiri, alih-alih ditangani hanya setelah munculnya kendala implementasi. 

Refleksi Panpalia mengenai kariernya sendiri memberikan pelajaran lain tentang mempersiapkan suatu organisasi untuk tahap implementasi. Selama wawancara, ia mengenang saat mendengar seorang pemimpin di sektor utilitas menantang praktik umum mendokumentasikan pelajaran yang dipetik di akhir proyek, padahal organisasi justru dapat memulai inisiatif baru dengan “pelajaran yang akan diterapkan sejak awal proyek”. Pengamatan tersebut terus membekas dalam benaknya, dan ia menjelaskan bagaimana kini ia mengintegrasikan pengalaman sebelumnya ke dalam perencanaan proyek teknologi baru, dengan menggunakan daftar periksa untuk mengidentifikasi dan mengatasi kesulitan yang pernah dihadapi tim sebelumnya. 

Disiplin ini menjadi semakin penting seiring dengan masuknya kecerdasan buatan (AI) ke dalam aktivitas-aktivitas yang semakin diandalkan oleh perusahaan utilitas dan pelanggannya. Tanggung jawab yang berkaitan dengan kualitas data, integrasi sistem, tata kelola, dan kesiapan tenaga kerja tidak berakhir begitu sebuah aplikasi mulai beroperasi. Tanggung jawab tersebut harus terus dijaga seiring dengan perkembangan teknologi, perubahan kondisi operasional, dan semakin eratnya keterkaitan sistem cerdas dengan fungsi-fungsi perusahaan utilitas yang sudah mapan. 

Pengalaman Panpalia menunjukkan bahwa organisasi akan lebih siap untuk mempertahankan penerapan AI jika mereka memandang implementasi tersebut sebagai tanggung jawab berkelanjutan, yang didukung oleh orang-orang yang memahami baik teknologi maupun lingkungan operasional tempat teknologi tersebut digunakan. Hal ini menuntut para pemimpin untuk tidak hanya mempertimbangkan kemampuan yang diharapkan dapat dihasilkan dari suatu investasi, tetapi juga bagaimana kemampuan tersebut akan diatur, dipelihara, dan diintegrasikan ke dalam pekerjaan organisasi seiring berjalannya waktu. 

Bagi para pemimpin perusahaan utilitas, keputusan yang diambil sebelum implementasi pada akhirnya dapat menentukan seberapa besar nilai yang dapat diwujudkan setelahnya. Seiring dengan semakin canggihnya aplikasi kecerdasan buatan (AI) dan semakin terintegrasinya aplikasi tersebut dengan layanan pelanggan, aktivitas tenaga kerja, serta operasi jaringan, akan muncul ekspektasi yang lebih besar bagi perusahaan utilitas untuk membuktikan bahwa informasi di balik sistem-sistem tersebut dapat diandalkan dan bahwa pertanggungjawaban atas keputusan yang diambil tetap jelas. 

Oleh karena itu, tahap selanjutnya dalam penerapan AI akan sangat menekankan pada upaya yang kurang terlihat, yaitu memperkuat kemampuan operasional dan mempersiapkan organisasi untuk menggunakan kecerdasan buatan secara bertanggung jawab. Menurut Panpalia, perusahaan utilitas yang paling mungkin berhasil adalah mereka yang memandang AI "bukan sebagai proyek TI, melainkan sebagai kemampuan organisasi jangka panjang". 

Lihat semua Seri Wawancara
Memuat

Bagian dari Enlit Asia

DC X Daya

Mitra & Sponsor 2026

Disahkan secara resmi oleh:

  • Kementerian Energi dan Sumber Daya Mineral
  • PLN

 

Sponsor Berlian


 

Sponsor Platinum


 

Sponsor Emas


 

Sponsor Perak

  • -
  • Yokogawa

 

Sponsor Perunggu


 

Sponsor Pendukung


 

Mitra Asosiasi


 

Sponsor Pusat Data


 

Bekerja Sama dengan


 

Asosiasi Pendukung

  • APROBI



 

Mitra Program Teknis




 

Mitra Teknologi Kecerdasan Buatan

  • Gevme



 

Mitra Maskapai Resmi


 

Mitra Mobilitas Resmi
Gojek