[비즈한국] Pemerintah tengah mendorong kebijakan transformasi kecerdasan buatan (AX) di sektor manufaktur demi memperkuat daya saing industri. Namun, penerapan teknologi AI di lapangan, khususnya di sektor manufaktur skala kecil dan menengah (UKM) yang menjadi tulang punggung industri, ternyata masih berada di tahap awal.
Hal ini disebabkan oleh kombinasi antara tingkat adopsi pabrik pintar (smart factory) di sebagian besar UKM yang masih bersifat dasar, ketidakpastian mengenai efektivitas dibandingkan dengan biaya investasi, serta kekurangan tenaga ahli yang menyebabkan kapasitas penyerapan teknologi di lapangan belum memadai. Oleh karena itu, diperlukan perombakan sistem kebijakan yang tidak hanya berfokus pada perluasan jumlah perusahaan yang dibantu, tetapi juga secara bertahap meningkatkan infrastruktur lapangan dan mendorong hasil nyata melalui sinergi antar kementerian.
3 dari 4 Pabrik Pintar Masih di ‘Tahap Dasar’
Berdasarkan 'Survei Status Inovasi Manufaktur Cerdas Pertama' yang dirilis oleh Kementerian UKM dan Startup serta Satuan Tugas Inovasi Manufaktur Cerdas pada April tahun lalu, tingkat adopsi AI manufaktur di antara UKM domestik hanya mencapai 0,1% dari total perusahaan. Perusahaan yang memiliki rencana untuk mengadopsinya pun hanya sebesar 1,6%. Di antara 163.273 perusahaan manufaktur UKM yang memiliki pabrik, tingkat adopsi pabrik cerdas (smart factory), yang dapat dianggap sebagai tahap sebelum adopsi AI, hanya berada di angka 19,5%.
Situasinya tidak jauh berbeda jika cakupannya dipersempit hanya pada perusahaan yang sudah menerapkan pabrik pintar. Dari perusahaan yang telah mengadopsi pabrik pintar, hanya 5,2% yang telah atau berencana menerapkan AI manufaktur. Artinya, sebagian besar perusahaan terhenti sebelum mencapai langkah berikutnya, yakni transformasi AI. Selain itu, 75,5% dari perusahaan yang telah menerapkan pabrik pintar masih berada di tahap dasar, yang berarti masih ada satu hambatan lagi yang harus dilalui sebelum beralih ke AI.
Fenomena stagnasi adopsi ini juga berkaitan dengan kesenjangan berdasarkan ukuran perusahaan dan wilayah. Secara keseluruhan, tingkat pemanfaatan AI di perusahaan besar domestik mencapai 48,8%, sementara UKM hanya berada di level 28,7%. Berdasarkan sektor, pemanfaatan di sektor jasa mencapai 53,0%, sedangkan manufaktur relatif lebih rendah di angka 23,8%. Secara regional, terdapat kesenjangan lebih dari dua kali lipat antara wilayah ibu kota (40,4%) dan luar ibu kota (17,9%). Hal ini menunjukkan bahwa UKM di daerah dengan proporsi manufaktur tradisional yang tinggi mengalami kesulitan dalam mengintegrasikan teknologi digital secara nyata.
Investasi Rp 8,8 Miliar (750 Juta Won) Belum Menjamin Hasil, Tenaga Ahli pun Kurang
Faktor utama mengapa transformasi AI di lapangan manufaktur tidak berjalan cepat adalah 'lemahnya fondasi transformasi digital (DX)' yang mampu mengumpulkan dan mengendalikan data. Agar sistem AI dapat mempelajari data proses dan melakukan pemeriksaan kualitas atau pemeliharaan peralatan, diperlukan antarmuka peralatan dan jaringan komputer yang stabil. Namun, tingkat adopsi pabrik pintar di kalangan UKM manufaktur saat ini hanya mencapai 19,5%.
Bahkan jika menilik ke dalam perusahaan yang telah membangun pabrik pintar, peningkatan kualitasnya berjalan lambat. Sebanyak 75,5% dari perusahaan tersebut masih berada di 'level dasar', dan teknologi yang diterapkan pun mayoritas berupa Enterprise Resource Planning (ERP) untuk komputerisasi manajemen persediaan dan sumber daya (76,3%). Sementara itu, sistem kontrol proses real-time (MES, 14,4%), pengontrol (16,9%), serta penerapan robot otomatisasi proses dan model AI masih relatif rendah.
Metode pengelolaan data juga belum terorganisasi dengan baik. Banyak perusahaan yang mengklaim mengumpulkan data manufaktur masih mengandalkan cara input manual, di mana pekerja mencatat jumlah produksi atau detail kerusakan ke dalam log kerja. Data yang bersifat parsial seperti ini tidak memiliki kesinambungan waktu atau standar baku, sehingga sulit untuk langsung diterapkan pada model machine learning yang canggih. Tanpa infrastruktur data dasar seperti penggantian antarmuka lama pada peralatan dan pembangunan jaringan komunikasi, penerapan teknologi AI akan selalu menghadapi keterbatasan struktural.
Beban biaya dan ketidakpastian pengembalian investasi (ROI) juga menjadi hambatan utama. Berdasarkan survei, rata-rata biaya pembangunan pabrik pintar untuk UKM manufaktur tercatat sebesar 750 juta won (rata-rata keseluruhan 1,13 miliar won). Mengingat lebih dari separuh (56,9%) dana yang digunakan berasal dari modal sendiri, investasi awal itu sendiri menjadi penghalang bagi perusahaan untuk masuk ke sistem tersebut. Pejabat dari Bagian Inovasi Manufaktur Kementerian UKM dan Startup juga menyebutkan bahwa beban terbesar yang dirasakan perusahaan di lapangan adalah "ketidakjelasan mengenai manfaat dan hasil nyata yang akan didapatkan dibandingkan dengan biaya besar untuk membangun peralatan".
Kekurangan tenaga kerja menjadi faktor penghambat yang sama seriusnya dengan masalah biaya. Dalam survei yang dirilis oleh Federasi Bisnis Menengah Korea, kesulitan terbesar yang dihadapi perusahaan menengah dalam proses adopsi AI adalah 'kekurangan tenaga ahli (41,2%)'. Jawaban ini bahkan lebih dominan dibandingkan kurangnya teknologi/infrastruktur (20,6%) dan biaya investasi awal (11,8%). Di antara dukungan kebijakan yang dianggap perlu oleh perusahaan menengah untuk adopsi dan penyebaran AI, 'pelatihan tenaga ahli AI (21,3%)' juga menempati posisi teratas.
Struktur tenaga kerja di lapangan yang ditunjukkan oleh survei Kementerian UKM juga mendukung hal ini. Dari rata-rata 14,7 karyawan per perusahaan, hanya 5,4 orang yang menangani tugas terkait pabrik pintar. Perusahaan yang memiliki departemen atau personel khusus hanya berjumlah 19,5%, dan yang menyediakan anggaran khusus untuk pelatihan terkait hanya 6,6%. Perusahaan yang berencana menambah tenaga kerja hanya sebanyak 14,5%, dan alasan terbesar mengapa hal itu belum dilakukan adalah beban biaya (47,1%).
Daripada 'Berapa Banyak yang Disalurkan', Fokus Harus pada 'Seberapa Besar Perubahan di Lapangan'
Para ahli menunjukkan bahwa mengingat karakteristik industri domestik yang didominasi oleh manufaktur tradisional, kebijakan AX manufaktur perlu didukung oleh langkah dukungan bertahap yang memperkuat kondisi dasar, bukannya berorientasi pada hasil jangka pendek. Kebijakan harus sepenuhnya dirombak agar fokus pada indikator kinerja utama (KPI) yang dapat dirasakan langsung di lapangan, seperti pengurangan tingkat kerusakan, percepatan waktu pengiriman, dan pemangkasan biaya produksi, alih-alih hanya mengandalkan target kuantitatif jumlah penyaluran.
Park Jae-young, analis legislatif di National Assembly Research Service, mengatakan, "Arah pemerintah untuk memperluas proyek penyaluran memang tepat, tetapi sekarang kita tidak boleh lagi terpaku pada angka sederhana seperti jumlah pabrik pintar atau tingkat adopsi peralatan otomatisasi." Ia menambahkan, "Karena inti dari transformasi pabrik pintar adalah perbaikan kondisi nyata di lapangan, efektivitas kebijakan hanya bisa dijamin jika hasil diukur menggunakan indikator peningkatan kualitas yang benar-benar dapat dirasakan di area pabrik."