Teknologi Artificial Intelligence (AI) kini mulai menyedot perhatian. Beragam sektor industri pun akhirnya mengadopsi teknologi ini dalam proses operasional bisnisnya. Misalnya saja, e-commerce.
Jika memasuki laman e-commerce, Anda akan menemukan produk-produk rekomendasi. Biasanya rekomendasi tersebut sesuai dengan produk yang pernah Anda beli atau cari di situs tersebut. Nah, fitur tersebut merupakan salah satu contoh penggunaan AI di e-commerce.
Teknologi pintar ini menangkap perilaku pengunjung situs tersebut melalui pencarian dan pembelian sebelumnya.
Sesuai dengan namanya AI memiliki kecerdasan yang mampu meniru fungsi kognitif manusia seperti merekam, mengingat, dan memprediksi. Teknologi ini pun menjadi andalan di masa depan.
Baca Juga: Dibanderol 25 juta, Ini Teknologi Keren di Samsung Soundbar HW-Q950T
Survei Gartner (2018) menyebut AI marak digunakan karena menghemat waktu dengan persentase 58 persen, menghemat uang 53 persen, kemudahan akses terhadap data 47 persen dan alasan-alasan pendukung lainnya.
Meski begitu, masih banyak perusahaan di Indonesia yang belum mencoba mengimplementasikan AI secara maksimal dalam proses bisnisnya dengan berbagai alasan.
Beberapa diantaranya adalah kekhawatiran akan sulitnya development hingga sumber daya manusia, terutama dalam hal data science dan data engineering.
Padahal, perusahaan tidak perlu mengkhawatirkan hal tersebut saat mempertimbangkan implementasi AI di bisnisnya masing-masing.
Baca Juga: Peluncuran Samsung Galaxy S21 Diprediksi Lebih Cepat Januari 2021
Hal ini disampaikan oleh Technical Director Nutanix Arief Pribadi dalam webinar Infokomputer bertajuk Tech Gathering: Accelerating Your Artificial Intelligence Initiatives Confirmation pada Kamis, (08/10/2020).
Arief menyebut, implementasi AI dapat dilakukan perusahaan mulai dari proses yang kecil dengan nilai bisnis yang cepat (quick win) seperti sistem prediksi maintenance di pabrik atau pemanfaatan chatbot untuk peningkatan pengalaman pelanggan.
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.
Baca Juga: Begini Cara Mudah Tambah Impostor Lebih dari Satu di Among Us
Tidak adanya jembatan penghubung data dan model machine learning secara real time antara edge, pusat/private cloud, dan public cloud pada akhirnya akan menyebabkan kegagalan implementasi pada sistem.
“Keputusan yang diambil harusnya berdasarkan hasil analisa AI terhadap data yang jumlah, sumber dan varian-nya cukup besar dan lebar. Sehingga dalam proses analisanya pasti melibatkan berbagai platform didalam perusahaan mulai dari edge (gudang, pabrik, dll), private (kantor pusat), atau di public cloud (social media analytic, geospasial mapping, dll),” ujar Arief.
Selain itu, perusahaan juga perlu memahami adanya kebutuhan hardware untuk memaksimalkan pengembangan AI. Misalnya saja graphics processing unit (GPU) yang mumpuni.
“Pada prinsipnya semua proses di dalam AI dan machine learning itu sangat multitasking prosesnya, sehingga perlu menggunakan GPU karena core processornya sangat banyak dibandingkan prosesor biasa,” lanjut Arief.
Baca Juga: Wow! Game Among Us Sabet Posisi Teratas App Store dan Google Play
Di akhir sesi, Arief turut menyimpulkan jika pada akhirnya pengembangan AI menjadi solusi bisnis yang menjanjikan.
Untuk itu, perusahaan perlu mempertimbangkan bantuan software platform terintegrasi seperti Nutanix yang tak hanya bisa menjadi jembatan untuk akusisi, pemrosesan, pengiriman, penyimpanan, transformasi dan pengaturan alur data, tetapi juga melakukan inferensi model dan pelatihan model machine learning secara real-time dan berkesinambungan, serta menjamin keamanan datanya.
“Nutanix dapat membantu dari sisi teknologi dan keamanan untuk perusahaan, sehingga para pemegang keputusan bisa fokus di proses dan people yang ada di dalamnya,” tutup Arief.
Untuk mempelajari lebih lanjut tentang teknologi ini dan implementasi AI, Anda juga dapat mengunjungi laman resmi Nutanix.