Find Us On Social Media :

Empat Langkah Strategis untuk Akselerasi Adopsi Machine Learning

By Liana Threestayanti, Kamis, 24 September 2020 | 15:45 WIB

Sejumlah pemimpin TI menanggapi positif rencana AWS menghadirkan AWS Region di Indonesia.

Penulis: Swami Sivasubramanian, Vice President of Amazon Machine Learning, AWS

Pertanyaan di seputar machine learning bukan lagi diperlukan atau tidak, tapi bagaimana teknologi ini dapat diadopsi dengan cepat dan efektif. AWS menyarankan agar perusahaan/organisasi mempertimbangkan empat hal ini ketika mulai mengaplikasikan machine learning.

Masa keemasan teknologi machine learning (ML) telah tiba. Dulu dinomorduakan, kini machine learning telah menjadi salah satu strategi inti (core strategies)  bisnis bagi perusahaan-perusahaan di seluruh dunia. Kehadiran machine learning begitu menjanjikan bagi perusahaan/organisasi mulai dari penyedia layanan kesehatan hingga pertanian, perusahaan fintech hingga media dan hiburan.

Cerner, perusahaan penyedia layanan kesehatan dan teknologi terkemuka di kancah global, memanfaatkan machine learning untuk meningkatkan penyajian layanan kepada pasien. Mereka mulai beralih dari model perawatan pasien yang bersifat reaktif menjadi proaktif. Bahkan, kini mereka bisa memprediksi potensi kegagalan jantung kongestif 15 bulan sebelum dilakukan diagnosa klinis.

Kemudian ada Intuit, perusahaan peranti lunak di bidang bisnis dan finansial. Mereka berhasil mengidentifikasi transaksi palsu berkat bantuan teknologi machine learning. Bahkan, dengan teknologi machine learning yang dibangun di atas AWS, NFL mampu menyusun insight baru untuk selalu terbarui dengan informasi mengenai cedera yang dialami oleh pemain, aturan-aturan pertandingan terkait, peranti pendukung, proses rehabilitasi, hingga pemulihan.

Memulai pengembangan proyek machine learning di sebuah organisasi mungkin terasa pelik, tapi penting bagi perusahaan untuk mulai membangun pola pikir machine learning masa depan di lingkungan kerjanya. Menurut laporan Deloitte Insights State of AI in Enterprise di tahun 2018, sekira 63 persen perusahaan telah berinvestasi pada teknologi machine learning agar tetap kompetitif. IDC bahkan memperkirakan bahwa belanja AI dan teknologi-teknologi kognitif lainnya akan melampaui angka US$50 miliar secara global di tahun 2021.

Kini, pertanyannya bukan lagi apakah perusahaan perlu menerapkan strategi machine learning atau tidak. Namun lebih pada bagaimana perusahaan dapat menerapkan machine learning tersebut secepatnya dan seefektif mungkin?

Di Amazon sendiri, penerapan teknologi machine learning sudah berjalan sejak 20 tahun lalu, mulai dari penerapan machine learning di area-area seperti, personalisasi, manajemen supply chain, hingga sistem prakiraan untuk proses tata laksana di perusahaan. Hari ini, machine learning punya peranan penting dalam meningkatkan fungsi dari tiap-tiap lini bisnis di perusahaan. Ini tentu tidak mungkin terwujud dalam waktu semalaman. Perlu adanya perubahan kultur dan teknologi sedemikian rupa. Kami menggali banyak hal-hal mengenai bagaimana meraih sukses dalam menghadirkan machine learning.

Terlepas apakah perusahaan Anda baru akan mengenal machine learning atau sudah dalam fase implementasi tahap awal, inilah empat langkah yang bisa Anda pertimbangkan sebagai pegangan agar berhasil dalam melalui perjalanan transformatif pemanfaatan teknologi machine learning di perusahaan.

Atur Data Anda

Saat mulai mengadopsi machine learning, data kerap dianggap sebagai kendala nomor satu oleh banyak perusahaan. Bila menilik dari pengalaman kami bersama-sama dengan pelanggan dalam pengembangan model machine learning, lebih dari separuh dari seluruh waktu yang dibutuhkan untuk pengembangan dihabiskan untuk hal-hal, seperti data wrangling, data cleanup, dan tahapan-tahapan pra pemrosesan data. Siapa pun SDM yang ditugaskan dalam adopsi machine learning di perusahaan, apabila Anda tidak berinvestasi pada pembangunan strategi data yang kuat, maka akan banyak waktu yang terbuang untuk tugas-tugas yang berkenaan dengan data cleanup dan manajemen data, alih-alih untuk tugas-tugas krusial, seperti pengembangan algoritma-algoritma baru.

Ada tiga pertanyaan yang penting untuk diutarakan ketika hendak memulainya: Apakah data tersedia saat ini? Data apa saja yang tersedia? Dalam kurun setahun ke depan, data apa sajakah yang kira-kira akan kita butuhkan dan perlu dikumpulkan mulai dari sekarang?