84% Perusahaan Belum Maksimalkan Adopsi AI: 6 Strategi untuk Keluar dari Jebakan Ini

Perusahaan Anda mungkin sudah punya akses ke Artificial Intelligence (AI). Namun, apakah itu berarti sudah memanfaatkan teknologi kecerdasan buatan ini secara maksimal? 

Atau apakah masih banyak proses bisnis yang terkendala dan implementasinya tidak sejalan dengan perkembangan AI yang pesat? Mengapa demikian?

Gap antara “akses” dan ”aktivasi” inilah yang memisahkan perusahaan yang sekadar mengikuti tren dari perusahaan yang benar-benar mengubah cara kerjanya. Selama gap ini tidak ditutup, investasi AI Anda tidak akan pernah mencapai potensi penuhnya.

Artikel ini merangkum kondisi adopsi AI enterprise global di 2026 beserta hambatan terbesarnya, mulai dari pilot fatigue, krisis governance, hingga kesenjangan skill, lengkap dengan enam strategi konkret yang bisa langsung diterapkan pemimpin bisnis Indonesia.

Baca Juga: 6 Tren Bisnis di 2026 dengan Data dan Strategi Implementasi

Kondisi Adopsi AI Enterprise Global di 2026: Angka yang Perlu Anda Ketahui

Angka ini memang terdengar menjanjikan. Namun di baliknya, ada realita yang jauh lebih kompleks.

Dari sisi akses dan investasi, angka adopsi AI di perusahaan memang positif:

Namun ketika dilihat lebih dalam, sebagian besar perusahaan belum benar-benar “running” AI, mereka masih “testing” teknologi kecerdasan buatan ini. Kondisi ini dapat dilihat dari berbagai data berikut:

Kedalaman transformasinya pun masih jauh dari merata:

Data ini bukan sekadar statistik global, melainkan cermin yang menunjukkan bahwa perusahaan-perusahaan Indonesia juga menghadapi tantangan yang sama. 

Akses ke AI memang semakin mudah, tetapi jarak antara “sudah punya tools-nya” dan “benar-benar menggunakannya” masih cukup lebar.

88% Perusahaan baru mengadopsi AI di level pilot project

Investasi AI memang terus naik, eksperimen pun terus berjalan. Tapi di banyak perusahaan, eksperimen terhadap kecerdasan artifisial itu tidak pernah benar-benar berkembang menjadi sesuatu yang lebih besar. 

Kondisi ini dikenal dengan istilah pilot fatigue, yakni kondisi di mana perusahaan terus meluncurkan pilot project baru tanpa roadmap yang jelas untuk membawanya ke skala produksi.

Data dari McKinsey tersebut diperkuat oleh temuan Deloitte dalam The State of AI in the Enterprise 2026, bahwa:

• Hanya 25% responden yang menyatakan organisasinya sudah memindahkan eksperimen AI ke tahap produksi.
• Mayoritas sisanya masih terjebak di fase percobaan, terus menambah pilot baru tanpa jalur scaling yang jelas

Survey yang sama dari Deloitte tersebut juga menunjukkan pola yang serupa di level profesional. Dari karyawan yang sudah memiliki akses ke AI tools, kurang dari 60% benar-benar menggunakannya dalam workflow harian mereka. Pola ini hampir tidak berubah dibanding tahun sebelumnya.

“If there is no coherent AI strategy in organizations, you are likely to see pilot fatigue.”

— Healthcare AI Leader, dikutip Deloitte State of AI in Enterprise 2026

Untuk keluar dari jebakan inik caranya bukan dengan menghentikan eksperimen penggunaan AI sama sekali, melainkan dengan mengubah cara pandang terhadapnya.

Pilot project seharusnya dirancang sejak awal sebagai stepping stone menuju produksi, bukan sekadar proof-of-concept yang berdiri sendiri.

Untuk itu, pemimpin perusahaan perlu membuat roadmap scaling sebelum pilot dimulai, bukan sebagai afterthought setelah hasilnya keluar.

Tiga gelombang AI yang mengubah cara kerja enterprise: agentic, physical, dan sovereign AI

Pilot fatigue bukan satu-satunya tantangan yang dihadapi perusahaan hari ini. Sebab di saat yang sama, lanskap teknologi AI itu sendiri sedang bergerak cepat ke arah yang baru. 

Ada tiga tren besar yang kini meredefinisi cara perusahaan-perusahaan terkemuka menggunakan AI. 

Memahami ketiga teknologi AI yang menjadi tren di tahun 2026 ini adalah prasyarat untuk bisa mengadopsi AI secara strategis, bukan sekadar reaktif.

1. Agentic AI — Agen yang Bekerja, Bukan Sekadar Menjawab

Agentic AI adalah sistem kecerdasan buatan yang mampu bekerja secara otonom untuk mencapai tujuan tertentu tanpa membutuhkan instruksi manusia di setiap tahapnya.

Berbeda dari chatbot AI atau AI generatif yang hanya merespons input, sistem AI agentik ini bisa menetapkan sasaran sendiri dan memecah tugas kompleks menjadi langkah-langkah yang terurut.

Sistem ini juga mampu menggunakan API serta berkoordinasi dengan agen lain maupun manusia untuk menyelesaikan pekerjaan secara end-to-end.

Kemampuan-kemampuan tersebut mendorong adopsi agentic AI bergerak cepat. 

Saat ini, 23% perusahaan sudah menggunakan agentic AI setidaknya secara moderat. Dalam dua tahun ke depan, angka tersebut diprediksi melonjak ke 74% (Deloitte, 2026). Beberapa contoh penerapannya di dunia nyata:

Penerapannya pun sudah sudah menyentuh berbagai usecase nyata di industri, seperti:

• Financial services: menangkap action items dari rekaman meeting secara otomatis, menyusun komunikasi tindak lanjut, dan melacak penyelesaiannya
• Maskapai penerbangan: membantu pelanggan menyelesaikan transaksi umum seperti rebook tiket dan reroute bagasi, sehingga staf manusia bisa fokus pada kasus yang lebih kompleks
• Manufaktur: mendukung pengembangan produk baru dengan mencari keseimbangan optimal antara biaya dan time-to-market
• Sektor publik: bermitra dengan pekerja manusia untuk menutup kekurangan tenaga kerja dan menyelesaikan proses-proses kunci

Baca Juga: Cara Membuat Aplikasi dengan AI & Use Case di Perusahaan

Namun di balik potensinya yang besar, ada celah governance yang mengkhawatirkan. Hanya 21% perusahaan yang memiliki model governance matang untuk autonomous agents, padahal adopsinya sedang meledak. 

Tanpa kerangka pengawasan yang jelas, skala yang lebih besar justru membawa risiko yang lebih besar pula.

“We thought we were going to automate jobs. The truth is, you’re not. You’re going to give existing workers force multipliers where they can be more effective.”

— Former VP Observability, Major Telecom Company

2. Sovereign AI — Di Mana AI Dibangun Sama Pentingnya dengan Apa yang Bisa Dilakukannya

Sovereign AI adalah kemampuan suatu negara atau organisasi untuk mengembangkan, men-deploy, dan mengelola sistem AI menggunakan infrastruktur, data, dan model yang berada di bawah kendali serta yurisdiksi mereka sendiri.

Dengan kata lain, sovereign AI bukan hanya tentang memiliki teknologi AI, melainkan tentang siapa yang mengontrolnya. 

Kontrol ini mencakup di mana data disimpan, siapa yang mengoperasikan sistemnya, hingga regulasi mana yang berlaku.

Relevansi sovereign AI di dunia bisnis pun semakin nyata. Dari perusahaan yang disurvei Deloitte pada 2026:

• 83% menganggap sovereign AI setidaknya cukup penting untuk perencanaan strategis mereka
• 77% menjadikan lokasi pengembangan AI sebagai faktor dalam pemilihan vendor
• 58% kini membangun AI stack mereka terutama dengan vendor lokal

Bagi perusahaan Indonesia, tren sovereign AI semakin relevan seiring menguatnya regulasi data lokal dan inisiatif kedaulatan digital nasional di kawasan Asia Tenggara.

Jadi, memilih vendor AI bukan lagi sekadar soal fitur atau harga, melainkan juga soal di mana data perusahaan Anda diproses dan siapa yang memiliki kendali atasnya.

“[Sovereign AI] is not about owning the technology. It’s about retaining full control over the entire AI life cycle—from the physical compute to the algorithmic logic.”

— Ali Ustun, McKinsey

3. Physical AI: Ketika Kecerdasan Buatan Merambah ke Dunia Fisik

Physical AI adalah sistem kecerdasan buatan yang dirancang untuk mempersepsi, memahami, dan mengambil tindakan di dunia nyata secara fisik melalui sensor, aktuator, dan kemampuan penalaran spasial.

Berbeda dari AI generatif yang beroperasi di ruang digital, sistem AI fisik ini mampu memahami gravitasi, gesekan, dinamika objek, dan interaksi spasial di lingkungan nyata yang tidak terstruktur. Inilah yang memungkinkan physical AI digunakan dalam robotika, kendaraan otonom, dan sistem manufaktur cerdas.

Adopsi sudah lebih luas dari yang banyak diasumsikan. Berikut beberapa data tentang pemanfaatan physical AI menurut survey Deloitte:

• 58% perusahaan sudah menggunakan Physical AI setidaknya dalam kapasitas terbatas
• Angka tersebut diprediksi mencapai 80% dalam dua tahun ke depan
• Asia Pacific memimpin adopsi AI fisik global dengan 71% responden yang sudah menggunakannya, dibandingkan 56% di Americas dan EMEA

Tak hanya adopsinya saja yang meluas, tetapi use case penerapan physical AI pun semakin beragam di berbagai industri, meliputi:

• Manufaktur: collaborative robots di lini perakitan yang beradaptasi dengan kondisi produksi secara real-time
• Logistik: autonomous forklifts dan sistem manajemen gudang cerdas
• Infrastruktur: drone inspeksi dan sistem monitoring berbasis sensor untuk aset industri
• Rekayasa: digital twins yang mensimulasikan kondisi fisik sebelum implementasi nyata

Meski demikian, kurva adopsinya memang lebih lambat dibanding agentic AI. Sebab, biaya penerapan physical AI cenderung lebih tinggi, siklus pengembangannya lebih panjang, kebutuhan hardwarenya lebih kompleks, dan regulasinya pun lebih ketat karena alasan keselamatan.

“The ChatGPT moment for physical AI is here — when machines begin to understand, reason and act in the real world.”

— Jensen Huang, CEO NVIDIA di CES 2026

Baca Juga: 7 Contoh Ide Perbaikan dan Inovasi di Pabrik

3 Gap Terbesar yang Menghambat Adopsi AI: Skill, Karier, dan Desain Ulang

Akses ke AI sudah meluas, investasi terus naik, dan tiga gelombang besar teknologi AI sedang membentuk ulang lanskap bisnis global. 

Namun di balik semua momentum itu, ada tiga kesenjangan fundamental yang membuat mayoritas perusahaan belum bisa beranjak dari eksperimen ke transformasi nyata.

1. Kesenjangan Skill Karyawan

Ketidaksiapan kemampuan karyawan adalah hambatan terbesar dalam mengintegrasikan AI ke dalam workflow yang ada. Namun, respons sebagian besar perusahaan terhadap masalah ini justru masih jauh dari memadai.

Ini dapat dilihat melalui data dari hasil survey Deloitte 2026: 

• Kurang dari 50% perusahaan melakukan penyesuaian signifikan pada talent strategy mereka
• 53% hanya fokus mendidik karyawan untuk meningkatkan AI fluency
• Jauh lebih sedikit yang benar-benar merancang ulang peran, workflow, dan jalur karier

Padahal mendorong adopsi AI bukan sekadar soal meningkatkan kemampuan teknis semata.

Kemampuan yang dibutuhkan pun spesifik, mulai dari mengidentifikasi masalah dalam alur kerja, mengevaluasi solusi, hingga menerapkan cara kerja baru secara konsisten.

Baca Juga: Digital Talent Landscape: Strategi Hadapi Perubahan di Era Digital

Sayangnya, kesiapan karyawan untuk sampai ke level penerapan AI itu pun masih beragam. 

Deloitte 2026 mencatat bahwa sentimen karyawan terhadap teknologi AI masih sangat berbeda-beda:

• 13% sangat antusias dan proaktif mencari penggunaan AI
• 55% terbuka untuk mengeksplorasi
• 21% lebih suka tidak menggunakan AI tapi akan melakukannya jika diharuskan
• 4% secara aktif tidak percaya dan menghindari AI

Selama perusahaan hanya fokus pada AI literacy training tanpa menyentuh cara kerja yang maksimal dan tanpa mendorong karyawan benar-benar melakukan eksplorasi, gap ini akan sulit tertutup.

Baca Juga: Apakah AI Bisa Dipercaya? Ini Pertimbangannya

2. Redesign Pekerjaan yang Belum Sempurna

Kesenjangan skill hanyalah satu sisi masalahnya. Sisi lainnya lebih fundamental, yakni 84% perusahaan belum mendesain ulang pekerjaan berdasarkan kemampuan AI (Deloitte, 2026).

Sebab, AI tidak sekadar mengaugmentasi proses yang ada. Teknologi ini seringkali membutuhkan pemikiran ulang fundamental tentang operating model dan cara kerja itu sendiri. 

Seorang loan officer yang selama ini mengandalkan judgment dan pengalaman untuk menyetujui pinjaman kini harus bekerja bersama sistem AI yang memberikan rekomendasi.

Pertanyaannya bukan lagi sekadar “bagaimana menggunakan AI,” melainkan “bagaimana cara mendefinisikan ulang peran ini agar dapat didukung penuh oleh teknologi AI?”

Implikasinya jelas, bahwa yang dibutuhkan bukan sekadar AI literacy training, melainkan AI-native work redesign, yaitu merancang ulang peran dan proses dari nol dengan mempertimbangkan kemampuan AI, bukan sekadar menempelkan AI ke proses lama.

3. Ancaman terhadap Pipeline Karier

Di balik angka adopsi yang terus naik, ada pertanyaan yang jarang dibahas secara terbuka: apa yang terjadi pada jalur karier ketika AI mulai mengambil alih pekerjaan entry-level?

Data Deloitte 2026 menunjukkan gambarannya:

• Dalam satu tahun, 36% perusahaan memperkirakan setidaknya 10% pekerjaan mereka akan sepenuhnya berjalan melalui otomatisasi
• Dalam tiga tahun, angka tersebut diproyeksikan akan melonjak ke 82%

Baca Juga: Contoh Penggunaan AI dalam Otomatisasi Dokumen dan Cara Kerja

Yang menjadi perhatian bukan hanya skala otomasi itu sendiri, melainkan jenisnya.

Pekerjaan yang diprioritaskan untuk otomasi adalah data entry, rekonsiliasi, dan customer support level pertama. Ini adalah pekerjaan entry-level yang selama ini menjadi titik awal bagi banyak profesional untuk membangun karier jangka panjang mereka.

Para pemimpin yang diwawancarai Deloitte mengungkapkan kekhawatiran yang sama.

Ketika pekerjaan-pekerjaan ini hilang, jalur pengembangan profesional yang selama ini berjalan secara organik ikut terganggu. 

Dengan demikian, perusahaan perlu merancang jalur karier alternatif yang memastikan karyawan tetap memiliki pemahaman tentang proses-proses fundamental, meski eksekusinya sudah dilakukan oleh AI.

Bagi perusahaan Indonesia, ketiga tantangan ini sama nyatanya. Memiliki akses ke tools AI bukan berarti transformasi sudah terjadi. 

Selama perusahaan hanya menempelkan AI ke proses lama tanpa merancang ulang cara kerja dan jalur karier di sekitarnya, jarak antara akses dan aktivasi akan terus melebar.

AI Governance: Bukan Hambatan, Melainkan Katalis untuk Pertumbuhan

Banyak perusahaan memandang governance sebagai rem yang memperlambat adopsi AI. Padahal perspektif ini keliru. Governance yang kuat justru adalah mekanisme yang memungkinkan scaling berlangsung cepat dan dengan penuh kepercayaan diri.

Risiko AI yang paling dikhawatirkan perusahaan saat ini semuanya bermuara pada lemahnya governance (Deloitte, 2026):

• Privasi data dan keamanan menjadi kekhawatiran terbesar, mencapai 73%.
• Kepatuhan hukum dan regulasi mengikuti di angka 50%.
• Kemampuan governance dan pengawasan serta kualitas dan konsistensi model masing-masing dikhawatirkan oleh 46% perusahaan.
• Dampak terhadap tenaga kerja pun masuk dalam daftar, mencapai 30%.

Kekhawatiran ini bukan tanpa dasar. Dari wawancara kualitatif Deloitte, sejumlah pemimpin AI menemukan bahwa model AI telah di-deploy ke produksi tanpa proses pengawasan atau monitoring formal. 

Bahkan, di beberapa organisasi tidak ada inventarisasi yang jelas tentang semua tools dan model AI yang sedang aktif berjalan.

Kesiapan organisasi pun masih tidak merata. Sebanyak 42% perusahaan merasa strategi mereka sudah siap untuk adopsi AI, dan 30% merasakan hal yang sama untuk risk dan governance. 

Namun kesiapan untuk infrastruktur teknis, manajemen data, dan talent justru menurun, mengungkap tantangan nyata yang masih belum terselesaikan.

Padahal, AI governance ini merupakan katalis agar pertumbuhan dan yang memungkinkan pertumbuhan dan adopsi AI yang lebih menyeluruh di perusahaan berjalan lebih cepat dan lebih aman.

6 Strategi Konkret untuk Memaksimalkan Potensi AI di Perusahaan Anda

Memahami kondisi adopsi AI global dan tantangan yang menyertainya adalah langkah pertama. Langkah berikutnya adalah bertindak. 

Ada enam area fokus yang membedakan perusahaan yang benar-benar berhasil mengadopsi AI dan mengkapitalisasinya secara maksimal dari yang hanya mengikuti tren.

1. Ubah Fokus dari Akses ke Aktivasi

Menyediakan tools AI saja belum cukup. Fokus seharusnya bukan hanya pada seberapa banyak karyawan yang punya akses terhadap teknologi AI, melainkan juga mendorong mereka agar benar-benar menggunakannya secara nyata dalam pekerjaan sehari-hari. 

Selain itu, berikan dukungan kepada karyawan yang bereksperimen dan apresiasi yang mencapai keberhasilan. Dengan begitu, adopsi AI bisa menjadi lebih dari sekadar arahan yang sifatnya top-down.

2. Desain Ulang Pekerjaan di Sekitar AI

Jangan hanya menambahkan teknologi AI di atas proses yang sudah ada. Ambil pendekatan AI-native dengan membangun ulang peran, workflow, dan jalur karier dari nol dengan mempertimbangkan kemampuan AI. 

Lalu, sederhanakan alur kerja yang bisa dieksekusi AI secara end-to-end. Sementara itu, manusia bisa fokus pada judgment, penanganan pengecualian, dan pengawasan strategis.

3. Bangun Governance Sebelum Scaling

Seperti yang sudah dibahas, governance adalah enabler sekaligus katalis, bukan penghambat. Oleh karena itu, perusahaan perlu membangun AI governance ini sebelum mulai scale-up adopsi AI dalam alur kerja.

Buat audit trails, sistem monitoring real-time, dan batas otonomi yang jelas untuk agen AI.

Tak hanya itu, jadikan pengawasan sebagai tanggung jawab semua orang melalui tim lintas fungsi yang mencakup IT, legal, compliance, dan business unit, dan bangun semua ini sebelum scaling dimulai, bukan setelahnya.

4. Tangani Kebutuhan Sovereign AI dengan Fokus

Sovereign AI bukan lagi hanya urusan pemerintah atau sektor publik. 

Setiap perusahaan yang menangani data sensitif atau beroperasi lintas negara kini perlu memikirkan di mana data mereka disimpan, di mana model mereka dilatih, dan regulasi mana yang berlaku. 

Langkah praktisnya adalah mengidentifikasi data dan workload mana yang harus tetap berada di dalam batas nasional atau regional. 

Setelah itu, perusahaan dapat membangun kebijakan penggunaan AI yang jelas untuk data residency, pelatihan ulang model, dan aliran data lintas batas.

5. Bangun Infrastruktur Teknologi dan Data yang “Hidup”

Arsitektur data dan infrastruktur lama umumnya tidak dirancang untuk mendukung AI yang real-time dan otonom. 

Oleh karena itu, perusahaan perlu beralih ke platform cloud-native yang modular, memecah silo data, dan menanamkan privasi, kedaulatan, serta keamanan sejak tahap desain awal. 

Infrastruktur yang “hidup” bukan sekadar upgrade teknis, melainkan sistem yang mampu beradaptasi secara dinamis mengikuti perubahan bisnis dan regulasi yang terus berkembang.

6. Kejar Reinvensi Strategis, Bukan Efisiensi Inkremental

Perusahaan yang paling berhasil dengan AI tidak menggunakannya untuk sekadar memangkas biaya atau mengefisienkan proses yang sudah ada. 

Mereka menggunakan teknologi kecerdasan buatan ini untuk menciptakan produk, layanan, dan model bisnis yang sebelumnya tidak mungkin ada. 

Intinya, pertanyaan yang perlu ditanyakan saat ingin mengadopsi AI bukanlah “bagaimana AI bisa membuat proses ini lebih efisien?” melainkan “jika kami membangun perusahaan ini dari awal dengan AI hari ini, bagaimana kami akan melakukannya?”

Pelajaran untuk Perusahaan Indonesia: Mengapa 2026 Adalah Tahun Kritis untuk Bertindak

Data dan tren yang dibahas sepanjang artikel ini bukan hanya cerminan kondisi global. Gap antara akses dan aktivasi AI, pilot fatigue, lemahnya governance, kesenjangan skill, dan lambatnya redesain pekerjaan adalah tantangan yang sama-sama dihadapi perusahaan Indonesia hari ini.

Memiliki ChatGPT Enterprise, Microsoft Copilot, atau Claude Enterprise bukan berarti transformasi sudah terjadi. Seperti yang ditunjukkan data Deloitte, mayoritas perusahaan global masih terjebak di fase eksperimen meski investasinya terus naik. Perusahaan Indonesia pun tidak kebal dari pola yang sama.

Ada beberapa hal yang perlu menjadi perhatian khusus bagi pemimpin bisnis Indonesia:

• Sovereign AI semakin relevan. Regulasi data Indonesia dan inisiatif kedaulatan digital nasional akan semakin membentuk cara perusahaan memilih dan men-deploy AI stack mereka. Ini bukan lagi isu teknis, melainkan isu strategis.
• Talent gap adalah tantangan nyata, tapi solusinya bukan hanya training. Yang dibutuhkan adalah redesign cara kerja itu sendiri, merancang ulang peran dan proses dari nol dengan AI sebagai pondasinya.
• Jarak dengan kompetitor global bisa melebar cepat. 74% perusahaan global berencana men-deploy agentic AI dalam dua tahun ke depan. Perusahaan Indonesia yang belum mulai bereksperimen sekarang berisiko tertinggal dari laju perubahan ini.
• Ini justru adalah peluang. Banyak perusahaan Indonesia masih di fase eksplorasi, dan itu berarti ruang untuk bergerak masih terbuka lebar. Mereka yang mau bertindak serius sekarang masih bisa mendapat keunggulan kompetitif yang sulit ditiru.

2026 adalah tahun di mana eksperimen AI harus mulai berbuah hasil nyata. Bukan tahun untuk menambah pilot project baru, melainkan tahun untuk memutuskan: seberapa serius perusahaan Anda ingin bertransformasi?

Mulai Perjalanan AI Anda dengan Partner yang Tepat

Memahami kondisi adopsi AI global, mengidentifikasi gap yang menghambat, dan mengetahui strategi yang tepat adalah langkah awal yang penting. 

Tapi pada akhirnya, transformasi AI yang nyata membutuhkan eksekusi, dan eksekusi membutuhkan sistem yang tepat.

Mekari adalah ekosistem software terpadu yang dapat menjadi partner dalam membantu bisnis, khususnya large enterprise, dan profesional di Indonesia untuk melakukan transformasi digital secara menyeluruh. 

Melalui platform SaaS terintegrasi, Mekari menghadirkan tiga keunggulan utama:

• Automasi operasional: mengurangi pekerjaan manual dan mempercepat proses bisnis yang berulang.
• Integrasi tanpa hambatan: menghubungkan seluruh fungsi bisnis melalui berbagai produk Mekari yang saling terhubung dalam satu ekosistem yang terpadu.
• Intelligent reporting: mengkonsolidasikan data dari berbagai produk Mekari dan mengubahnya menjadi laporan cerdas untuk pengambilan keputusan yang lebih baik.

Siap menutup gap antara akses dan aktivasi AI di perusahaan Anda? Mulai perjalanan transformasi digital perusahaan Anda bersama ekosistem software terpadu dari Mekari sekarang!

Referensi

Deloitte. “State of AI in the Enterprise: The untapped edge”

McKinsey. “The state of AI in 2025: Agents, innovation, and transformation”

Harvard Business Review. “Survey: How Executives Are Thinking About AI in 2026”