Implementasi AI juga sangat bergantung terhadap ketersediaan data untuk pemrosesan machine learning. Sebab, traditional programing dan machine learning memiliki hasil output yang berbeda.
“Machine learning itu akan memberikan hasil yang baik dengan memproses data mengalir dari berbagai sumber data, berbagai jenis data dalam jumlah yang besar, sehingga diperlukan manajemen data yang baik. Perlu diingat bahwa traditional programing dan machine learning programming itu outputnya berbeda. Traditional (programming) itu hasilnya sebuah nilai yang pasti , sedangkan machine (learning) itu (hasilnya) persentase terhadap sebuah algoritma yang kita inginkan (ML model),” ujar Arief.
Baca Juga: TikTok Pastikan Servernya Berbeda dengan Perusahaan Induk ByteDance
Selain menyediakan data, perusahaan juga perlu melakukan pengembangan dan pelatihan rutin terhadap machine learning model-nya. Prosesnya seperti mengajari bayi untuk mengenali lingkungan dan objek di sekitarnya.
Hal ini dilakukan mengingat pola kerja dan perhitungan/komputasi machine learning meniru komputasi otak manusia, sehingga perlu terus dilatih dan diisi informasi untuk dapat memberikan keputusan yang semakin akurat.
“Fungsi-fungsi dari algoritma AI (jika terus dilatih) nantinya bisa melakukan dengan sendiri fungsi-fungsi komputasi kognitif seperti klasifikasi/mencirikan data (Fraud Detection), regresi-data/mengumpulkan data yg memiliki hubungan sebab akibat (Ramalan atau prediksi), clustering/pengelompokan data (segmentasi pelanggan), reduksi dimensi/pengenalan pola data (face recognition) sampai algoritma penguatan/agen cerdas yang dapat menyesuaikan dengan lingkungan (gerakan robot pintar dan real-time decision)” lanjut Arief.
Oleh sebab itu, pengembangan algoritma machine learning dan manajemen data perlu diperhatikan serius oleh perusahaan.
Baca Juga: Ternyata, Harga Paket Data Internet di Indonesia Termasuk Murah
Terutama dalam akusisi data, pengaturan alur data (data pipeline), transformasi data, penyimpanan data, streaming data, hingga validasi data untuk dapat diproses oleh machine learning dan dapat menghasilkan output yang sesuai dengan kebutuhan bisnis perusahaan.
“Pada akhirnya, teknologi itu bukanlah masalahnya. Tetapi apakah IT mampu membawa teknologi ini menjadi business value dan business enabler bagi perusahaan,” kata Arief.
Terkait dengan manajemen data dan proses machine learning ini, Arief juga mengingatkan perusahaan agar memerhatikan platform yang digunakan. Apalagi jika proses terhadap data tersebut dijadikan real time-decision yang diproses dengan bantuan AI.
Arief menyebut, banyak kondisi perusahaan yang sumber dan proses datanya terjadi di lokasi cabang/remote area yang sering dikenal dengan istilah edge, seperti pabrik, gudang, toko-toko cabang, oil rig, tambang dan sebagainya. Sumber data dan proses jenis bisnis ini terjadi di edge, sehingga real time decision itu dibutuhkan di edge, bukan di pusat.