AI Memberikan Dampak Besar pada Infrastruktur Data: Panduan tentang Bagaimana Kita Sampai di Sini
Pada November 2024, saya rasa dapat dikatakan bahwa AI kini benar-benar ada di mana-mana. Orang-orang membicarakannya di kafe-kafe di seluruh dunia. Begitu juga anak-anak Anda, orang tua Anda, atau kakek nenek Anda. Mungkin teknologi ini sudah menjadi bagian integral dari pengalaman membeli mobil Anda yang terakhir dan telah digunakan sebagai mesin rekomendasi oleh perangkat di rumah atau perangkat yang terhubung yang mendengarkan Anda dan berusaha meningkatkan hidup Anda dengan merekomendasikan produk yang mereka kira Anda butuhkan. Teknologi ini sudah sangat meluas dan semakin berkembang setiap harinya. Itulah mengapa saya ingin menulis blog ini. Pertama, sebagai pengingat tentang dari mana asal AI. Kedua, untuk menjelaskan bagaimana AI digunakan saat ini. Dan terakhir, untuk berbagi wawasan tentang ke mana arah pasar berdasarkan riset yang tersedia bagi saya.
Saya akan mulai dengan menjelajahi inovasi terdepan dalam manajemen data dan infrastruktur, yang lebih akrab dikenal dengan sebutan Kecerdasan Buatan (AI). Selama dua dekade terakhir, teknologi-teknologi transformatif telah mengubah cara perusahaan menyimpan, memproses, menganalisis, dan menciptakan nilai dari data. Kemudian saya akan menyelami terdepan dari kemajuan ini, termasuk munculnya AI generatif (GenAI) dan peran penting GPU (unit pemrosesan grafis) dalam mendukung teknologi-teknologi ini.
Apakah Anda seorang pemimpin bisnis atau IT, atau hanya penasaran dengan masa depan, ini akan memberikan wawasan yang Anda butuhkan untuk menavigasi lanskap AI yang terus berkembang.
Terobosan AI
Selama ini menjadi kata kunci, kini AI benar-benar mewujudkan potensi komersialnya melalui GenAI – sebuah bidang yang fokus pada penciptaan konten yang meniru kreativitas manusia dalam skala yang belum pernah ada sebelumnya. Revolusi ini mendorong inovasi pada tingkat yang baru, mengubah cara perusahaan beroperasi, dan membuka solusi kreatif untuk tantangan yang kompleks.
Kemajuan-kemajuan ini hanya mungkin terjadi berkat evolusi perangkat keras, terutama GPU. Dulu digunakan terutama untuk grafis, kini GPU menjadi sangat penting untuk AI, memungkinkan pelatihan dan inferensi model yang efisien berkat kemampuan komputasinya yang sangat kuat.
AI dan AI generatif adalah dua teknologi disruptif terbaru, mengikuti jejak teknologi lainnya seperti penyimpanan terhubung jaringan (NAS), virtualisasi, dan solid-state drive (SSD). Masing-masing inovasi ini mendefinisikan ulang cara kita mengelola data dan operasi TI. AI diperkirakan akan melakukan hal yang sama, membawa kita ke era baru produktivitas dan kreativitas.
Dari Mana Semua Ini Bermula…
Alan Turing, seorang pelopor dalam ilmu komputer teoretis dan kecerdasan buatan, meletakkan dasar untuk komputasi modern pada 1930-an dengan konsep “mesin universal”-nya, yang kini dikenal dengan Mesin Turing. Makalah revolusionernya pada 1950 memperkenalkan Tes Turing, yang hingga kini tetap menjadi alat dasar dalam mengevaluasi kecerdasan mesin dan membentuk pertimbangan etis AI hingga hari ini.
AI sebagai bidang ilmiah terbentuk pada 1956 di Konferensi Dartmouth, di mana John McCarthy dan para pelopor seperti Marvin Minsky dan Herbert A. Simon secara resmi memperkenalkan istilah Kecerdasan Buatan. Penelitian AI awal berfokus pada metode simbolik untuk pemecahan masalah, namun pada akhir abad ke-20 terjadi pergeseran menuju pembelajaran mesin (machine learning), didorong oleh kemajuan dalam daya komputasi dan ketersediaan data.
Ledakan baru-baru ini dari pembelajaran mendalam (deep learning) – sebuah cabang dari pembelajaran mesin yang menggunakan jaringan saraf yang kompleks – telah merevolusi AI, membuat kemajuan dalam pengenalan gambar dan suara, pemrosesan bahasa alami (NLP), dan sistem otonom. Berkat perkembangan ini dan lainnya, AI dengan cepat bergerak melampaui dunia akademis menjadi kekuatan transformatif di berbagai industri, mendorong inovasi dan efisiensi.
Munculnya GPU dalam AI
Evolusi AI sangat erat kaitannya dengan munculnya GPU. Pada awal 2000-an, para peneliti Stanford Ian Buck dan Pat Hanrahan mempelopori penggunaan GPU untuk komputasi tujuan umum dengan BrookGPU. Pekerjaan ini meletakkan dasar bagi platform CUDA milik NVIDIA pada 2006, mengubah GPU dari alat fokus grafis menjadi perangkat kuat yang mampu mempercepat berbagai tugas ilmiah dan teknis.
Momen penting datang pada 2012 ketika Alex Krizhevsky, Ilya Sutskever, dan Geoffrey Hinton menggunakan GPU untuk melatih AlexNet, sebuah jaringan saraf dalam yang mendominasi kompetisi ImageNet. Kemenangan ini menyoroti potensi besar GPU dalam pembelajaran mendalam, yang kemudian mendorong adopsi luas dalam penelitian dan aplikasi AI.
AI, pembelajaran mesin (ML), dan AI generatif (GenAI) adalah tiga teknologi disruptif yang dengan cepat membantu membentuk ulang dunia kita. Meskipun dua yang terakhir adalah cabang dari AI, masing-masing memainkan peran unik dalam mendorong inovasi.
Kecerdasan Buatan (AI): AI adalah bidang luas yang didedikasikan untuk menciptakan sistem yang melakukan tugas-tugas yang memerlukan kecerdasan manusia, seperti pembelajaran, pengambilan keputusan, dan pemahaman bahasa alami. Ini disruptif karena mengubah industri dengan mengotomatisasi tugas kognitif dan manual, meningkatkan efisiensi, dan memperkenalkan metode pemecahan masalah baru. Sebagai contoh, AI memprediksi diagnosis pasien lebih cepat dan lebih akurat di bidang kesehatan dibandingkan dengan metode tradisional.
Pembelajaran Mesin (ML): Sebuah cabang dari AI, ML berfokus pada sistem yang belajar dari data dan meningkatkan seiring waktu tanpa pemrograman eksplisit. Pembelajaran Mesin sangat disruptif karena aplikasinya yang banyak, mulai dari analitik prediktif dalam bisnis hingga rekomendasi yang dipersonalisasi di layanan streaming. Kemampuannya untuk mengungkap wawasan dari set data besar meningkatkan efisiensi, akurasi, dan produktivitas di berbagai sektor.
AI Generatif (GenAI): Sistem GenAI menciptakan konten baru – teks, gambar, musik, bahkan kode – yang mirip dengan output yang dihasilkan manusia. Teknologi seperti GPT untuk teks dan DALL·E untuk gambar bersifat disruptif karena membuka kemungkinan baru dalam kreativitas dan otomasi. Mereka mengurangi waktu dan biaya pembuatan konten, memungkinkan konten yang dipersonalisasi dalam skala besar, dan mendorong inovasi dalam hiburan, desain, dan pendidikan.
Bagaimana GenAI Mempengaruhi Bisnis Saat Ini
Sifat disruptif dari teknologi-teknologi ini berasal dari potensi mereka untuk mengubah bagaimana perusahaan beroperasi secara fundamental, mempengaruhi pasar tenaga kerja, menciptakan kategori produk baru, dan mengubah lanskap persaingan. Aplikasinya dapat menghasilkan peningkatan efisiensi, pengurangan biaya, model bisnis baru, dan bahkan industri baru yang sama sekali, menantang perusahaan yang ada untuk beradaptasi atau menghadapi risiko kehilangan relevansi.
Menurut studi terbaru dari Hitachi Vantara bersama Enterprise Strategy Group (ESG) yang mengeksplorasi wawasan pembeli AI, 97% organisasi dengan proyek GenAI yang sedang berjalan menyebutkan bahwa ini adalah prioritas 5 besar bagi organisasi mereka. Dibandingkan dengan 63% organisasi yang telah mengidentifikasi setidaknya satu use case untuk GenAI dalam organisasi mereka. Angka-angka ini menunjukkan peluang transformasional teknologi ini bagi bisnis yang ingin menciptakan keunggulan kompetitif, memperluas penawaran layanan, atau membuat keputusan yang lebih baik dan lebih berdampak dengan data mereka.
Wawasan dari riset ini menyoroti bagaimana AI generatif mendorong inovasi dan efisiensi di berbagai industri, menawarkan solusi yang dapat diskalakan yang meningkatkan personalisasi, pengambilan keputusan, dan efektivitas operasional.
Berikut adalah lima area utama di mana perusahaan meraih kesuksesan dengan GenAI sebagai bagian dari model bisnis baru mereka:
- Generasi Konten dan Laporan Otomatis: AI generatif mengubah cara organisasi menangani pembuatan konten di berbagai industri. Apakah itu menghasilkan laporan keuangan, ringkasan medis, atau tanggapan pelanggan, AI dapat mengotomatiskan pembuatan konten yang akurat, sesuai aturan, dan dipersonalisasi dalam skala besar, secara signifikan mengurangi upaya manual dan meningkatkan konsistensi.
- Personalisasi dan Keterlibatan Pelanggan: Memberikan pengalaman yang dipersonalisasi sangat penting di pasar mana pun. GenAI memungkinkan organisasi menyesuaikan layanan, saran, dan komunikasi dengan preferensi dan kebutuhan individu, meningkatkan kepuasan pelanggan dan loyalitas.
- Pembuatan Data Sintetik dan Pelestarian Privasi: GenAI semakin digunakan untuk membuat set data sintetik untuk pelatihan model, terutama di industri sensitif seperti keuangan dan kesehatan. Ini memungkinkan organisasi untuk menjaga privasi sembari meningkatkan akurasi dan ketahanan solusi berbasis AI, seperti deteksi penipuan, diagnosis, dan layanan perawatan pelanggan/pasien.
- Manajemen Risiko dan Analitik Prediktif: GenAI adalah alat pemodelan dan analisis skenario yang kuat yang membantu organisasi mengantisipasi dan mengelola risiko. Di bidang keuangan, ia dapat mensimulasikan kondisi pasar untuk berbagai strategi perdagangan. Di bidang kesehatan, ia membantu memprediksi hasil pasien, dan dalam perawatan pelanggan/pasien, ia membantu menangani masalah potensial sebelumnya.
- Asisten Virtual dan Dukungan Otomatis: Asisten virtual dan chatbot bertenaga AI sedang merevolusi interaksi pelanggan di berbagai sektor. Alat ini memberikan dukungan waktu nyata, menangani pertanyaan rutin, dan membimbing pengguna melalui proses yang kompleks, membebaskan agen manusia untuk fokus pada tugas tingkat tinggi dan meningkatkan efisiensi layanan secara keseluruhan.
Tantangan dan Pertimbangan Implementasi
Meskipun ada manfaat besar, perusahaan Fortune 2000 mengalami tantangan dalam adopsi AI, termasuk masalah privasi data, pertimbangan etis, kebutuhan akan tenaga ahli, dan integrasi AI dengan sistem legasi. Keberhasilan penerapan sering membutuhkan pendekatan strategis, investasi signifikan dalam bakat dan teknologi, serta budaya yang mendukung inovasi dan pembelajaran terus-menerus. Bahkan, dalam riset ESG yang disebutkan sebelumnya, kami diberitahu bahwa keamanan adalah kekhawatiran utama (38%), diikuti dengan biaya/hutang teknis (27%), ketersediaan dan kualitas data (27%), dan tantangan integrasi (25%).
Mulai Lebih Awal dengan Layanan Penemuan AI untuk Hitachi iQ
Layanan Penemuan AI untuk Hitachi iQ adalah solusi konsultasi dari Hitachi Vantara Professional Services, yang dirancang untuk membantu organisasi mengintegrasikan teknologi AI dengan lancar ke dalam operasi mereka. Dan yang lebih penting, untuk memanfaatkan AI untuk menciptakan nilai. Sebagai bagian dari portofolio Hitachi iQ, layanan ini membantu bisnis mengidentifikasi use case AI utama, mengevaluasi infrastruktur data mereka saat ini, dan memperkirakan potensi ROI dari inisiatif AI.
Disesuaikan untuk memenuhi kebutuhan unik masing-masing organisasi, layanan ini menawarkan peta jalan strategis untuk menavigasi kompleksitas adopsi AI. Ini mencakup penilaian teknologi yang diperlukan, menjalankan uji coba proof-of-concept (POC), dan merencanakan untuk penerapan skala penuh. Dengan opsi fleksibel yang bervariasi mulai dari keterlibatan jangka pendek hingga dukungan konsultasi dan implementasi yang lebih mendalam, Layanan Penemuan AI kami dapat disesuaikan dengan berbagai kebutuhan bisnis. Dipasangkan dengan portofolio solusi Hitachi iQ – yang menampilkan infrastruktur siap AI yang telah mencapai sertifikasi penyimpanan NVIDIA DGX BasePODTM – layanan ini menyediakan fondasi yang kuat dan skalabel yang dibutuhkan untuk mendukung beban kerja AI canggih dan mendorong transformasi digital.
Tetap terhubung dalam beberapa minggu dan bulan mendatang untuk lebih lanjut mengenai Hitachi iQ serta kelanjutan dari seri panduan ini dengan latar belakang dan wawasan yang berguna tentang ruang AI. Selanjutnya, perspektif tentang pengambilan kembali informasi berbasis generasi (RAG). Informasi yang bermanfaat dan penting bagi siapa saja yang ingin memanfaatkan AI untuk membangun keunggulan kompetitif dan mencapai keunggulan operasional. Sampai jumpa lagi di sini segera.
