Seiring perkembangan teknologi dan adopsi machine learning saat ini, contoh penggunaannya pun kian beragam di berbagai sektor industri. Inilah cara para pelanggan AWS berinovasi dengan machine learning.
Head of Technology South East Asia, AWS, Santanu Dutt, memaparkan contoh penerapan machine learning dalam beberapa layanan AWS.
Santanu menegaskan bahwa pemanfaatan machine learning sesungguhnya sangat luas, tidak sebatas untuk membuat prediksi dan prakiraan saja. Machine learning dapat digunakan di bidang automasi dan robotika, gaming, natural languange understanding dan voice recognition, computer vision, dan predictions & forecasting.
Dalam kesempatan konferensi pers virtual, Santanu Dutt memaparkan cara beberapa pelanggannya berinovasi dengan machine learning. Maxis, penyedia layanan telekomunikasi Malaysia memanfaatkan layanan machine learning AWS maupun AWS Cloud di toko digitalnya yang baru dibuka di Kuala Lumpur beberapa waktu lalu.
Toko tersebut menyediakan layar yang menyediakan kemampuan self service dan self interaction bagi pelanggan. Saat tiba di toko, pelanggan yang ingin berkonsultasi dengan petugas customer service dapat memindai QR Code pada sebuah layar LCD yang dilengkapi Avatar yang dikembangkan dengan Amazon Sumerian, misalnya untuk mendapatkan nomor antrean.
“Saat ini Maxis sedang dalam proses mengintegrasikan Avatar dengan conversational interface seperti chatbot. Sebelum berhadapan langsung dengan agen customer service, ketika pelanggan menscan QR code, ia bisa langsung melihat data historis dan masalah yang mungkin dialami pelanggan. Dan mungkin separuh masalah itu sudah terselesaikan sebelum berinteraksi langsung dengan customer service,” jelas Santanu.
Kumho Petrochemical yang beroperasi di Seoul, Korea Selatan, mewajibkan para pekerjanya untuk mengenakan pelindung keselamatan secara lengkap. Untuk memastikan kewajiban itu dipatuhi karyawannya, Kumho memanfaatkan TensorFlow untuk mendeteksi apakah setiap karyawan telah mengenakan helm secara benar atau tidak; AWS Rekognition untuk mengenali wajah tiap-tiap karyawan; dan Amazon Polly untuk mengeluarkan peringatan agar karyawan dengan nama yang disebutkan segera mengenakan helmnya.
Satu peritel besar di Filipina memanfaatkan machine learning untuk mengoptimalisasi proses penambahan barang di rak-rak toko. Solusi AWS, berbekal kamera, melatih model machine learning untuk bisa membedakan bagian rak yang kosong dan penuh. Menurut Santanu, tidak hanya untuk mengoptimalkan replenishment, data-data dari model machine learning ini juga dapat dianalisis untuk mengetahui mana rak atau lorong yang lebih cepat kosong dan yang tidak sehingga peritel dapat mengoptimalkan penempatan produk di rak.
Machine learning pun dapat membantu modernisasi di bidang pertanian. Santanu memberi contoh Hara, startup Indonesia memiliki visi menjangkau satu juta petani dan membantu mereka terkoneksi ke pihak-pihak yang dapat membantu meningkatkan hasil pertanian mereka.
Untuk mewujudkan misinya, Hara memanfaatkan AWS antara lain untuk mengembangkan platform data exchange. Menurut Hara, hal itu sulit dilakukan di data center on premises karena mereka harus memiliki kemampuan scaling dengan cepat. Saat ini saja Hara sudah menjangkau 32 ribu petani di 741 desa. Menurut Santanu, menggunkan cloud, Hara dapat mengurangi biaya ITI hingga 60-70%.
Santanu Dutt juga memaparkan potensi pemanfaatan machine learning untuk mengotomatisasi proses klaim asuransi, sehingga nasabah tidak menghabiskan waktu lama untuk mengurus klaim.
Perusahaan asuransi dapat membangun portal di mana backend-nya dilengkapi oleh machine learning yang sudah dilatih dengan gambar-gambar kerusakan kendaraan. Nasabah dapat mengirimkan gambar kerusakan kendaraannya melalui fitur damage car assessment, kemudian meminta machine learning model untuk melakukan assessment. Machine learning akan mendeteksi posisi kerusakan dan tingkat kerusakan (severity). Dengan lebih banyak latihan, machine learning akan bisa memberikan lebih banyak informasi.
| Penulis | : | Liana Threestayanti |
| Editor | : | Liana Threestayanti |
KOMENTAR