Grup energi · melalui Accenture · 2025
Tata Kelola AI yang Bertanggung Jawab & Asesmen Teknologi AI
Konsultan Tata Kelola AI
Proyek klien. Nama, data, dan detail identitas dirahasiakan; arsitektur dijelaskan secara umum.

Masalah
Use case AI menyebar di perusahaan induk dan anak perusahaannya tanpa standar tata kelola bersama, sehingga setiap tim memilih tool dan mengelola risiko dengan cara berbeda.
Pendekatan
Bersama pemangku kepentingan klien dan tim lintas negara, kami memadukan asesmen kesenjangan teknologi di seluruh siklus hidup AI dengan asesmen risiko mendalam untuk use case terpilih. Dalam asesmen risiko, penyaringan kualitatif pada delapan dimensi Responsible AI dilakukan lebih dulu, diikuti uji kuantitatif pada dimensi paling berisiko terhadap ambang yang disepakati.
Arsitektur
Arahkan kursor ke komponen untuk melihat koneksinya · geser untuk menggeser · gunakan + / − untuk zoom
- Sumber
- Pemrosesan
- Model
- Penyimpanan data
- Output
Cara Kerja
- PenemuanKuesioner dan workshop dengan pemilik use case di berbagai unit bisnis, dirangkum menjadi gambaran kondisi saat ini.
- Analisis kesenjanganSetiap use case dibandingkan dengan praktik terbaik pada tahap ideasi, data, pengembangan model, dan deployment, dinilai dari sisi orang, proses, dan teknologi.
- RekomendasiSetiap kesenjangan dipetakan ke prioritas dan kandidat tool; panduan pemilihan mencakup arsitektur referensi, build-versus-buy, pola RAG dan agen, benchmarking LLM, RAG versus fine-tuning, serta biaya.
- Penyaringan risikoUse case dinilai pada delapan dimensi: kepatuhan, keadilan, transparansi, akuntabilitas, keberlanjutan, privasi, kelayakan, dan ketahanan.
- Uji kuantitatifDengan toolkit pengujian: explainability SHAP pada model deteksi anomali, serta uji kebenaran jawaban, toksisitas, bias, dan PII pada chatbot RAG (Ragas, DeepEval, Detoxify, Presidio, LLM Guard).
- MitigasiTemuan dipetakan ke taksonomi risiko dan kontrol, dengan rencana mitigasi dan roadmap tata kelola 12 bulan.
Yang Saya Bangun
- Toolkit pengujian Responsible AI (Streamlit, Ragas, Presidio, Detoxify, LLM Guard) untuk menilai use case ML dan RAG dari sisi toksisitas, PII, bias, explainability (SHAP), dan kebenaran jawaban.
Dampak
Memberi klien acuan bersama untuk memilih teknologi AI dan cara yang dapat diulang untuk menguji sistem AI sebelum rilis. Pengujian juga menemukan chatbot dengan skor ketahanan di bawah ambang yang disepakati.