GlobalData mengungkap potensi data sintetik yang dihasilkan AI generatif untuk mengatasi kekurangan data untuk melatih algoritma artificial intelligence (AI) canggih.
Menurut GlobalData, data sintetik adalah alternatif yang efisien dan scalable untuk mendukung pengembangan AI maupun mendorong inovasi dan efisiensi operasional di berbagai industri, dengan tetap menjaga kepatuhan regulasi privasi data.
Laporan terbaru dari GlobalData,“Synthetic Data is the Often-Overlooked Application of Generative AI About to Take the World by Storm,” memperlihatkan bahwa AI generatif menyederhanakan proses pembuatan yang menghasilkan data berkualitas tinggi. Selain itu, AI generatif juga memiliki kemampuan untuk menciptakan data dalam jumlah besar secara efisien dan data tersebut dapat digunakan dalam berbagai aplikasi. Hal ini menunjukkan potensi besar dari penggunaan AI generatif untuk mendukung berbagai kebutuhan data di berbagai sektor industri.
Rena Bhattacharyya, Chief Analyst & Practice Lead for Enterprise Technology and Services, GlobalData, menyoroti potensi kekurangan data di masa depan dalam konteks pengembangan AI. Menurutnya, meskipun jumlah informasi yang dihasilkan dan dikumpulkan di seluruh dunia terus meningkat, para akademisi dan investor, memperingatkan bahwa dalam beberapa tahun ke depan, jumlah data yang tersedia mungkin tidak cukup untuk memenuhi permintaan yang semakin besar untuk melatih algoritma machine learning baru.
Menurut database Innovation Explorer dari GlobalData, penggunaan data sintetik memiliki cakupan yang luas dan dapat diterapkan di berbagai industri. Data sintetik bisa digunakan dalam hampir semua skenario yang membutuhkan volume data besar. Hal ini menunjukkan fleksibilitas dan relevansi data sintetik di berbagai konteks industri.
Rena Bhattacharyya menjelaskan, data sintetik, yang awalnya banyak digunakan untuk pengujian perangkat lunak di lingkungan pra-produksi, kini telah meluas penggunaannya ke berbagai sektor. Selain pengujian perangkat lunak, data sintetik kini dimanfaatkan untuk evaluasi risiko, pencegahan penipuan, penilaian dampak strategi bisnis, penemuan obat, validasi model keuangan, pemeliharaan prediktif, kontrol kualitas, hingga peramalan permintaan. Hal ini menegaskan bahwa data sintetik memiliki potensi yang sangat luas untuk diterapkan di berbagai bidang, menjadikannya aset penting dalam pengembangan teknologi dan bisnis.
Selanjutnya, Rena memberikan contoh-contoh penggunaan data sintetik di berbagai industri. Di sektor kesehatan, data sintetik digunakan untuk mengatasi masalah privasi dan mempercepat penelitian. Pelaku manufaktur memanfaatkannya untuk melatih model inspeksi optik, yang meningkatkan kontrol kualitas. Di sektor otomotif, gambar sintetik digunakan untuk pemantauan kabin yang canggih, sementara perusahaan asuransi menggunakannya untuk memproses klaim dengan lebih akurat. Lembaga keuangan mengadopsi data sintetik untuk mencegah penipuan, dan sektor teknologi mengujinya untuk meningkatkan model machine learning. Berbagai contoh Ini menunjukkan betapa luasnya aplikasi dan potensi transformatif dari data sintetik.
Data sintetik juga dapat membantu perusahaan menjaga kepatuhan terhadap aturan privasi dan kedaulatan data. Menggunakan data sintetik, perusahaan dapat menghindari penggunaan data asli yang mungkin terikat oleh regulasi ketat, sehingga tetap bisa menjalankan operasionalnya tanpa melanggar hukum terkait perlindungan data pribadi dan aturan yang mengatur di mana data tersebut harus disimpan atau diproses.
“Dengan memanfaatkan data sintetik, organisasi tidak perlu mengumpulkan dan menyimpan informasi yang bersifat sensitif dan terikat aturan privasi. Ini hal yang penting bagi perusahaan dan organisasi di sektor keuangan dan kesehatan yang mengumpulkan dan berharap dapat memanfaatkan informasi/data pelanggan atau pasien,” pungkas Rena Bhattacharyya.
Baca juga: GlobalData: Badai PHK di Q2 2024, Perekrutan Talenta AI Meningkat
Baca juga: NTT DATA Ignite 2024 Ungkap Kunci Sukses Implementasi Generative AI