Indegene pakai agen AI untuk percepat tata kelola kualitas data life sciences
Indegene melaporkan penggunaan agen kualitas data berbasis LLM di platform NEXT UDP pada AWS untuk membuat, memvalidasi, dan mengelola aturan kualitas data. Menurut Indegene, proses onboarding dan penulisan rule menjadi jauh lebih cepat, tetapi tetap mengandalkan review manusia untuk rule kritikal.
Fakta berikut merujuk pada sumber asli. Klaim hasil dari penyedia atau pengguna merupakan laporan mereka, belum merupakan verifikasi independen oleh Borobudur Consulting.
Masalah bisnis
- Masalah utama adalah pembuatan rule manual, tata kelola terfragmentasi, dan definisi bisnis yang terus berubah sehingga kualitas data sulit diskalakan.
Penerapan AI
- Indegene membangun Data Quality Agent produksi di NEXT UDP yang menghasilkan rule kontekstual serta kode SQL dan Python dengan human-in-the-loop governance.
- Agen menggabungkan metadata, profiling, anomaly detection, rule aktif, dan dua knowledge base untuk menghasilkan rule teknis serta rule bisnis.
Bukti hasil
- Menurut Indegene, upaya mendefinisikan dan menerapkan rule turun dari sekitar 30 jam menjadi 4 jam per dataset, atau sekitar 85 persen lebih rendah.
Biaya dan kendala
- Rule bisnis kritikal tidak diotomatisasi penuh; hanya rule berisiko rendah yang bisa disetujui otomatis, sisanya wajib ditinjau SME.
Pelajaran untuk perusahaan Indonesia
Interpretasi berikut merupakan pertimbangan awal, bukan fakta tambahan atau bukti hasil penerapan di Indonesia.
Bagi perusahaan Indonesia di sektor teregulasi, kasus ini menunjukkan AI paling berguna saat dipasang di alur tata kelola data yang sudah jelas, bukan sekadar chatbot pembuat SQL. Nilai bisnisnya ada pada percepatan pembuatan rule, konsistensi governance, dan traceability.
Namun hasil kinerja yang disebutkan adalah estimasi dari deployment produksi Indegene dan perlu divalidasi di lingkungan sendiri. Sebelum adopsi, perusahaan perlu menguji akurasi rule, mekanisme review manusia, biaya model, dan kontrol keamanan data sensitif.
Pertanyaan sebelum menerapkan
- Apakah data governance, glossary, dan rule repository perusahaan sudah cukup rapi agar agen AI punya konteks yang dapat dipercaya?
- Rule mana yang aman untuk auto-approval, dan rule mana yang harus selalu melewati review SME atau fungsi kepatuhan?