Manajemen proyek Sistem Informasi (IS) secara historis menghadapi tingkat kegagalan yang tinggi. Berdasarkan paparan Dr. Teoh Ai Ping dari Universitas Sains Malaysia (USM), salah satu pemicu utama kegagalan ini adalah keterbatasan informasi dan asimetri data selama siklus hidup proyek berjalan. Di Indonesia, tantangan ini semakin diperumit oleh dinamika lokal seperti jalur birokrasi yang kompleks, fragmentasi data antar-departemen, serta kesenjangan talenta digital yang merata.

Kehadiran Artificial Intelligence (AI) menawarkan paradigma baru untuk mengubah cara proyek dikelola. AI tidak lagi dipandang sekadar sebagai alat otomasi tingkat rendah, melainkan sebagai aset strategis yang mampu mengintegrasikan data berskala besar, memberikan visibilitas real-time, dan mempercepat pengambilan keputusan kritis demi meminimalkan risiko kegagalan.

Dr. Teoh Ai Ping memetakan implementasi AI ke dalam empat tingkat kapabilitas operasional yang terstruktur:

  • Automate: Tingkat dasar di mana AI mengambil alih tugas-tugas administratif rutin yang repetitif, seperti penyusunan jadwal, entri data, pembuatan notulensi rapat, dan pelaporan status proyek berkala.
  • Analyse: AI berfungsi menganalisis data proyek historis dan berjalan untuk mengidentifikasi pola tersembunyi, memetakan dependensi sistem yang rumit, serta melacak deviasi performa dari target awal.
  • Augment: AI bertindak sebagai asisten pintar yang memperluas kapabilitas manajer proyek, memberikan rekomendasi skenario alokasi sumber daya, serta mengoptimalkan estimasi biaya dan waktu kerja.
  • Advise: Tingkat tertinggi di mana AI berfungsi sebagai penasihat strategis yang mampu menyimulasikan dampak keputusan, mendeteksi risiko kritis sebelum terjadi (predictive risk mapping), dan memberikan arah tindakan korektif.

Implementasi AI di lapangan memberikan dampak yang sangat terukur. Sebagai contoh, dalam proyek integrasi kompleks seperti Tokopedia dan TikTok Shop, AI digunakan untuk memetakan dependensi sistem arsitektur berskala masif secara otomatis. Sementara itu, pada institusi besar seperti Bank Mandiri dan implementasi Sistem Pemerintahan Berbasis Elektronik (SPBE), pemanfaatan AI terbukti mampu memangkas beban administratif tim proyek hingga 30-40%. Efisiensi ini memungkinkan manajer proyek mengalihkan fokus mereka dari tugas klerikal ke resolusi masalah yang bersifat strategis.

Kendati menawarkan potensi efisiensi yang masif, Dr. Teoh mengingatkan adanya ‘jebakan otomatisasi’ (automation traps). Ketergantungan yang berlebihan pada keputusan AI tanpa validasi manusia dapat memicu bias akibat data historis yang cacat atau tidak relevan. Selain itu, resistensi dari tim internal terhadap perubahan budaya kerja menjadi tantangan non-teknis yang serius.

Dari aspek hukum dan etika, setiap implementasi AI wajib mematuhi regulasi lokal, khususnya Undang-Undang Perlindungan Data Pribadi (UU PDP) di Indonesia. Keamanan data tata kelola harus dijaga ketat agar inovasi tidak melanggar hak privasi atau menyebabkan kebocoran informasi rahasia perusahaan.

Sebagai langkah penutup, manajer proyek modern dituntut untuk terus memperbarui keahlian mereka (skill stack). Transformasi ini harus bergerak dari pemahaman tingkat fondasi menuju penguasaan AI tingkat lanjut. Penggabungan antara keahlian manajerial tradisional (soft skills) dan literasi teknologi AI menjadi kunci utama untuk menekan angka kegagalan proyek, meningkatkan efisiensi operasional, dan membangun keunggulan kompetitif yang berkelanjutan di era ekonomi digital.