Perkembangan teknologi Generative AI membuka kemungkinan bagi setiap perusahaan untuk memanfaatkan AI. Akan tetapi, data menjadi bagian sentral dari transformasi AI tersebut.
Itulah kesimpulan utama yang dapat disarikan dari webinar InfoKomputer TechTalk dengan tema “Data, Kunci Sukses Implementasi AI”. Webinar yang didukung oleh Snowflake ini membahas potensi AI bagi perusahaan Indonesia, dan bagaimana data memegang peranan penting dalam transformasi AI tersebut.
Potensi Pemanfaatan AI
Saat ini, teknologi AI sendiri semakin banyak diadopsi perusahaan di seluruh dunia. Hal ini tercermin dari survei IBM di tahun 2022 yang menunjukkan, 35% perusahaan telah menggunakan AI, sementara 42% sedang menjajaki implementasi AI. Untuk area implementasinya sendiri, yang paling besar di optimalisasi operasional, lalu produk baru berbasis AI, serta terkait marketing, seperti customer service dan customer segmentation.
Salah satu yang telah aktif memanfaatkan AI adalah Astra International. Seperti diungkap I Wayan Wisnu Anantawijaya (Div. Head Venture Building, Academy, and Technology, Group Digital Strategy, Astra), saat ini Astra International sudah menggunakan AI di beberapa area. Contohnya pada pembuatan konten, ads optimization, sales planning, dan copilot proses coding. “Salah satu iklan mobil kami telah menggunakan Generative AI,” ungkap Wisnu mencontohkan.
“Data tidak perlu sempurna, namun setidaknya cukup representatif untuk proses selanjutnya,” I Wayan Wisnu Anantawijaya (Div. Head Venture Building, Academy, and Technology, Group Digital Strategy, Astra)
Bagi Astra International yang bergerak di tujuh sektor industri melalui 260 unit bisnis, potensi pemanfaatan AI memang terbuka luas. Namun agar manfaatnya optimal, ada tiga pedoman utama dalam mengidentifikasi proses bisnis yang cocok ditambahkan AI. “Tiga pedoman itu adalah apakah inisiatif tersebut dapat meningkatkan produktifitas, meningkatkan revenue, atau meningkatkan customer experience,” tambah Wisnu.
Astra Digital sendiri berperan dalam membantu unit bisnis dalam mengidentifikasi hal-hal penting tersebut. “Jadi biasanya kami duduk bareng dengan bisnis, memahami apa yang mereka butuhkan, lalu kami buatkan set of bisnis impact [jika implementasi tersebut dijalankan]," tambah Wisnu.
Salah satu faktor penting dalam proses ini adalah mengevaluasi data yang dimiliki. “Data tidak perlu sempurna, namun setidaknya cukup representatif untuk proses selanjutnya,” tambah Wisnu.
Peran Penting Data dalam Implementasi AI
Pentingnya data juga dikemukakan oleh Irzan Raditya (CEO Kata.ai). “Pertarungan sebenarnya dari transformasi AI adalah memastikan adanya data yang berkualitas,” ungkap Irzan. Agar transformasi AI bisa dilakukan, perusahaan harus memiliki data yang terstruktur, terintegrasi, serta memiliki regulasi data security yang baik.
Kemajuan teknologi LLM sebenarnya membuka peluang bagi setiap organisasi untuk memanfaatkan AI. Di satu sisi, teknologi LLM akan memudahkan proses pengumpulan dan pembersihan data. Irzan mencontohkan, saat ini Kata.ai bisa membuat chatbot untuk sebuah perusahaan dengan melakukan crawling situs, memindai dokumen PDF, dan lain sebagainya. Teknologi LLM juga bisa digunakan untuk membersihkan data yang ada, seperti menyeragamkan penggunaan nama sebuah parameter.
"Teknologi LLM pada dasarnya telah mendemokratisasi teknologi AI sehingga semua organisasi bisa memanfaatkannya," Irzan Raditya (CEO Kata.ai)
Di sisi lain, solusi berbasis LLM seperti ChatGPT dapat dijadikan pondasi dalam mengembangkan AI yang lebih kontekstual. “Teknologi LLM ini boleh dibilang knowledge base yang membawa seluruh isi internet,” tambah Irzan. Namun agar memahami konteks sesuai kebutuhan perusahaan, teknologi LLM ini bisa dipadukan dengan data internal perusahaan (seperti data industri, target industri, performa bisnis, dan lain sebagainya). Dengan begitu, akan tercipta AI yang memahami konteks bisnis.
Implementasi hal tersebut bisa dilihat dari chatbot salah satu perusahaan kosmetik. Chatbot ini memiliki kemampuan memahami bahasa percakapan sehari-sehari sekaligus seluruh lini produk perusahaan kosmetik tersebut.
Dengan begitu, chatbot ini bisa melayani konsultasi dengan pelanggan menggunakan bahasa sehari-hari. Karena paham seluruh lini produk kosmetik, ini dapat memberikan informasi dan rekomendasi produk yang sesuai. “Chatbot ini bisa menanggapi pertanyaan, merespon balik, bahkan bisa menjawab harga setiap produk,” ungkap Irzan.
Mempersiapkan Data untuk Implementasi AI
Sementara menurut Herman Santoso (Senior Sales Engineer, Snowflake), implementasi AI sebenarnya adalah hasil formulasi dari tiga komponen utama, yaitu infrastruktur, data, serta algoritma. Infrastruktur ini adalah hardware yang digunakan untuk memproses data, sementara data adalah kumpulan informasi yang kita miliki. “Dari infrastruktur dan data, kita sebenarnya sudah bisa melakukan analisis, namun sifatnya historical analysis,” ungkap Herman.
“Infra dan algoritma relatif tidak jauh berbeda, hanya data yang membuat kita unik,” Herman Santoso (Senior Sales Engineer, Snowflake)
Agar data menjadi prediksi, dibutuhkan algoritma yang menggunakan persamaan matematika untuk mengkonversi data yang ada. “Jadi AI memungkinkan kita membuat prediksi, seperti berapa kira-kira proyeksi penjualan ke depan, atau apakah sebuah transaksi itu fraud atau tidak,” ungkap Herman.
Jika melihat tiga komponen tersebut, faktor terbesar yang membedakan tiap organisasi adalah data. “Infra dan algoritma relatif tidak jauh berbeda, hanya data yang membuat kita unik,” tambah Herman. Karena itu, penting bagi setiap organisasi untuk mengelola data dengan baik.
Solusi Snowflake sendiri akan memudahkan perusahaan mengorganisir data serta mengimplementasikan AI. Salah satunya adalah mengatasi masalah data silo (atau data yang tersebar di banyak tempat) yang umum dialami organisasi. Data perusahaan dari berbagai sumber dan berbagai format (termasuk unstructured data), dapat dikonsolidasi dalam satu platform. “Snowflake menyediakan platform untuk mengintegrasikan dan mengkonsolidasikan semua tipe data yang bervariasi, sehingga tercipta single source of truth,” ungkap Herman.
Ketika data sudah terintegrasi, berbagai aksi pun bisa dilakukan di atasnya. Kelebihan solusi Snowflake adalah data dapat dimanfaatkan tanpa harus menduplikasi data tersebut. Contohnya untuk membagi insight dengan pemangku kepentingan lain, data bisa langsung diakses tanpa melalui proses ETL (Extract, Transform, Load). Jika tim aplikasi ingin membangun aplikasi berbasis AI, mereka juga bisa melakukan di atas data yang sama tanpa harus memindahkan data itu keluar dari platform Snowflake.
Hal lain yang unik, Snowflake juga menggunakan AI di dalam platformnya untuk memudahkan bagian non-teknis dalam memanfaatkan data. Menggunakan API dari OpenAI, karyawan non-teknis bisa menggunakan bahasa sehari-hari untuk mendapatkan insight dari data. Seperti didemonstrasikan Herman, kita bisa mengetikkan “Institusi mana yang menghasilkan revenue paling tinggi di tahun 2020?”, dan platform Snowflake akan menjawab berdasarkan dataset yang ada.
Demonstrasi ini menunjukkan, kombinasi tools Generative AI yang ada di pasar dapat dikombinasikan dengan data internal untuk membuka berbagai kemungkinan baru pemanfaatan AI.
Kesimpulan: Peran Penting Data dalam Implementasi AI
Melalui penuturan narasumber di acara InfoKomputer TechTalk ini, terlihat potensi AI yang bisa dimanfaatkan semua perusahaan atau organisasi. Apalagi saat ini telah terjadi demokratisasi teknologi AI, dengan adanya tools serta platform siap pakai yang memudahkan implementasi AI.
Akan tetapi, implementasi AI akan optimal jika kita mengkombinasikannya dengan data yang kita miliki. Karena dengan kombinasi itu, akan tercipta AI yang memahami konteks bisnis secara spesifik dan mendalam.Karena itulah, manajemen data menjadi krusial dalam implementasi AI. Data yang kita miliki harus terintegrasi, konsisten, dan dapat diakses dengan mudah.
Perlu dicatat, kita tidak perlu memiliki data yang sempurna untuk memulai inisiatif berbasis AI. Namun setidaknya datanya sudah cukup representatif sebagai basis untuk langkah awal transformasi AI. Setelah proses transformasi AI berjalan, kita tinggal melakukan proses iterasi untuk meningkatkan kualitas dari AI modelling yang kita miliki.
Karena itu, siapkan data agar siap bersaing di era AI!