DeepSeek Distractions: Mengapa Infrastruktur AI-Native, Bukan Model, yang Menentukan Kesuksesan Perusahaan

Bayangkan mencoba mengemudi Ferrari di jalan yang rusak. Tidak peduli seberapa cepat mobil itu, potensi penuhnya terbuang jika tidak ada fondasi yang solid untuk mendukungnya. Analogi itu menjelaskan lanskap AI perusahaan saat ini. Banyak perusahaan terlalu fokus pada model AI baru seperti DeepSeek-R1 atau OpenAI o1, sementara mengabaikan pentingnya infrastruktur untuk mendapatkan nilai dari mereka. Alih-alih hanya fokus pada siapa yang membangun model paling canggih, perusahaan perlu mulai berinvestasi pada infrastruktur yang kuat, fleksibel, dan aman yang memungkinkan mereka bekerja efektif dengan model AI apa pun, beradaptasi dengan kemajuan teknologi, dan melindungi data mereka.

Dengan dirilisnya DeepSeek, model bahasa besar (LLM) yang sangat canggih dengan asal-usul yang kontroversial, industri saat ini dikuasai oleh dua pertanyaan:

• Apakah DeepSeek nyata atau hanya asap dan cermin?
• Apakah kita telah berinvestasi terlalu banyak pada perusahaan seperti OpenAI dan NVIDIA?

Komentar Twitter yang santai menyiratkan bahwa DeepSeek melakukan apa yang teknologi Cina lakukan dengan baik: “hampir sama bagus, tetapi jauh lebih murah.” Yang lain menyiratkan bahwa itu terlalu baik untuk dipercaya. Sebulan setelah dirilis, pasar NVIDIA (NVDA ) turun hampir $600 Miliar dan Axios menyaran bahwa ini bisa menjadi peristiwa tingkat kepunahan bagi perusahaan modal ventura. Suara besar mulai mempertanyakan apakah komitmen $500 Miliar Proyek Stargate untuk investasi infrastruktur AI fisik diperlukan, hanya 7 hari setelah pengumumannya.

Dan hari ini, Alibaba baru saja mengumumkan model yang diklaim melebihi DeepSeek!

Model AI hanya satu bagian dari persamaan. Ini adalah objek baru yang mengkilap, bukan paket lengkap untuk Perusahaan. Yang hilang adalah infrastruktur AI-native.

Model dasar hanyalah teknologi – itu membutuhkan alat yang mampu dan AI-native untuk bertransformasi menjadi aset bisnis yang kuat. Ketika AI berkembang dengan kecepatan kilat, model yang Anda adopsi hari ini mungkin sudah usang besok. Apa yang bisnis benar-benar butuhkan bukan hanya “terbaik” atau “terbaru” model AI – tetapi alat dan infrastruktur untuk beradaptasi dengan model baru dan menggunakannya secara efektif.

Apakah DeepSeek mewakili inovasi yang mengganggu atau hiper yang dilebih-lebihkan bukanlah pertanyaan yang sebenarnya. Sebaliknya, organisasi harus menyisihkan skeptisisme mereka dan bertanya pada diri sendiri apakah mereka memiliki infrastruktur AI yang tepat untuk tetap tangguh ketika model meningkat dan berubah. Dan apakah mereka dapat beralih di antara model dengan mudah untuk mencapai tujuan bisnis mereka tanpa merekayasa semuanya?

Model vs. Infrastruktur vs. Aplikasi

Untuk lebih memahami peran infrastruktur, pertimbangkan tiga komponen untuk menggunakan AI:

1. Model: Ini adalah mesin AI Anda – Model Bahasa Besar (LLM) seperti ChatGPT, Gemini, dan DeepSeek. Mereka melakukan tugas seperti pemahaman bahasa, klasifikasi data, prediksi, dan lain-lain.
2. Infrastruktur: Ini adalah fondasi tempat model AI beroperasi. Ini termasuk alat, teknologi, dan layanan yang dikelola yang diperlukan untuk mengintegrasikan, mengelola, dan menskalakan model sambil menyelaraskannya dengan kebutuhan bisnis. Ini umumnya mencakup teknologi yang fokus pada Komputasi, Data, Orkestrasi, dan Integrasi. Perusahaan seperti Amazon dan Google menyediakan infrastruktur untuk menjalankan model, dan alat untuk mengintegrasikannya ke dalam tumpukan teknologi perusahaan.
3. Aplikasi/Kasus Penggunaan: Ini adalah aplikasi yang pengguna akhir lihat yang menggunakan model AI untuk mencapai hasil bisnis. Ratusan penawaran memasuki pasar dari pendatang baru yang memasang AI ke aplikasi yang ada (misalnya, Adobe, Microsoft Office dengan Copilot) dan tantangan AI-asli mereka (Numeric, Clay, Captions).

Sementara model dan aplikasi sering mencuri perhatian, infrastruktur secara diam-diam memungkinkan semuanya bekerja bersama dengan lancar dan menetapkan fondasi untuk bagaimana model dan aplikasi beroperasi di masa depan. Ini memastikan organisasi dapat beralih di antara model dan membuka nilai sebenarnya dari AI – tanpa menghabiskan biaya atau mengganggu operasi.

Mengapa Infrastruktur AI-Native Sangat Kritis

Setiap LLM unggul dalam tugas yang berbeda. Misalnya, ChatGPT sangat baik untuk AI percakapan, sedangkan Med-PaLM dirancang untuk menjawab pertanyaan medis. Lanskap AI sangat kompetitif sehingga model teratas hari ini bisa dilampaui oleh pesaing yang lebih murah dan lebih baik besok.

Tanpa infrastruktur yang fleksibel, perusahaan mungkin menemukan diri mereka terkunci pada satu model, tidak dapat beralih tanpa membangun kembali tumpukan teknologi mereka. Itu adalah posisi yang mahal dan tidak efisien. Dengan berinvestasi pada infrastruktur yang netral model, bisnis dapat mengintegrasikan alat terbaik untuk kebutuhan mereka – apakah itu beralih dari ChatGPT ke DeepSeek, atau mengadopsi model baru yang diluncurkan bulan depan.

Model AI yang canggih hari ini mungkin sudah usang dalam beberapa minggu. Pertimbangkan kemajuan perangkat keras seperti GPU – bisnis tidak akan mengganti seluruh sistem komputasi mereka untuk GPU terbaru; sebaliknya, mereka akan memastikan sistem mereka dapat beradaptasi dengan GPU yang lebih baru secara lancar. Model AI memerlukan fleksibilitas yang sama. Infrastruktur yang tepat memastikan perusahaan dapat secara konsisten meningkatkan atau beralih model mereka tanpa merekayasa ulang alur kerja seluruhnya.

Sebagian besar alat perusahaan saat ini tidak dibangun dengan AI dalam pikiran. Sebagian besar alat data – seperti yang merupakan bagian dari tumpukan analitik tradisional – dirancang untuk manipulasi data manual yang berat. Mengintegrasikan AI ke dalam alat yang ada sering kali menciptakan ketidakefisienan dan membatasi potensi model canggih.

Alat AI-native, di sisi lain, dirancang untuk berinteraksi secara lancar dengan model AI. Mereka menyederhanakan proses, mengurangi ketergantungan pada pengguna teknis, dan memanfaatkan kemampuan AI untuk tidak hanya memproses data tetapi juga mengekstrak wawasan yang dapat ditindaklanjuti. Solusi AI-native dapat mengabstraksi data kompleks dan membuatnya dapat digunakan oleh AI untuk keperluan pengqueryan atau visualisasi.

Tiang-Tiang Utama Kesuksesan Infrastruktur AI

Untuk memastikan bisnis Anda di masa depan, prioritaskan elemen-elemen dasar berikut untuk infrastruktur AI:

Lapisan Abstraksi Data

Bayangkan AI sebagai “bayi superkuat”. Ini sangat mampu tetapi membutuhkan batasan yang jelas dan akses yang terkontrol ke data Anda. Lapisan abstraksi data AI-native bertindak sebagai gerbang yang terkendali, memastikan LLM Anda hanya mengakses informasi yang relevan dan mengikuti protokol keamanan yang tepat. Ini juga dapat memungkinkan akses konsisten ke metadata dan konteks apa pun model yang Anda gunakan.

Penjelasan dan Kepercayaan

Keluaran AI sering terasa seperti kotak hitam – berguna, tetapi sulit dipercaya. Misalnya, jika model Anda merangkum enam bulan keluhan pelanggan, Anda perlu memahami tidak hanya bagaimana kesimpulan ini dicapai, tetapi juga data spesifik yang mempengaruhi kesimpulan ini.

Infrastruktur AI-native harus mencakup alat yang menyediakan penjelasan dan alasan – memungkinkan manusia untuk melacak keluaran model kembali ke sumbernya, dan memahami alasan di balik keluaran. Ini meningkatkan kepercayaan dan memastikan hasil yang konsisten dan dapat diulang.

Lapisan Semantik

Lapisan semantik mengatur data sehingga baik manusia maupun AI dapat berinteraksi dengannya secara intuitif. Ini mengabstraksi kompleksitas teknis data mentah dan menyajikan informasi bisnis yang bermakna sebagai konteks kepada LLM sambil menjawab pertanyaan bisnis. Lapisan semantik yang seimbang dapat secara signifikan mengurangi halusinasi LLM.

Misalnya, aplikasi LLM dengan lapisan semantik yang kuat dapat menganalisis tingkat churn pelanggan Anda dan menjelaskan mengapa pelanggan pergi, berdasarkan sentimen yang ditandai dalam ulasan pelanggan.

Fleksibilitas dan Kelincahan

Infrastruktur Anda perlu memungkinkan kelincahan – memungkinkan organisasi untuk beralih model atau alat berdasarkan kebutuhan yang berkembang. Platform dengan arsitektur modular atau pipa dapat menyediakan kelincahan ini. Alat seperti itu memungkinkan bisnis untuk menguji dan mengirimkan beberapa model secara bersamaan dan kemudian menskalakan solusi yang menunjukkan ROI terbaik.

Lapisan Tata Kelola untuk Akuntabilitas AI

Tata kelola AI adalah tulang punggung penggunaan AI yang bertanggung jawab. Perusahaan memerlukan lapisan tata kelola yang kuat untuk memastikan model digunakan secara etis, aman, dan dalam kerangka regulasi. Tata kelola AI mengelola tiga hal.

• Kontrol Akses: Siapa yang dapat menggunakan model dan apa data yang dapat diaksesnya?
• Transparansi: Bagaimana keluaran dihasilkan dan apakah rekomendasi AI dapat diaudit?
• Mitigasi Risiko: Mencegah AI membuat keputusan yang tidak sah atau menggunakan data sensitif secara tidak tepat.

Bayangkan skenario di mana model open-source seperti DeepSeek diberi akses ke perpustakaan dokumen SharePoint. Tanpa tata kelola yang tepat, DeepSeek dapat menjawab pertanyaan yang mungkin termasuk data perusahaan yang sensitif, berpotensi menyebabkan pelanggaran atau analisis yang salah yang merusak bisnis. Lapisan tata kelola mengurangi risiko ini, memastikan AI diterapkan secara strategis dan aman di seluruh organisasi.

Mengapa Infrastruktur Sangat Kritis Sekarang

Mari kita ulangi DeepSeek. Sementara dampak jangka panjangnya masih tidak pasti, jelas bahwa persaingan AI global sedang memanas. Perusahaan yang beroperasi di ruang ini tidak lagi dapat mengandalkan asumsi bahwa satu negara, vendor, atau teknologi akan mempertahankan dominasi selamanya.

Tanpa infrastruktur yang kuat:

• Perusahaan berisiko lebih tinggi untuk terjebak dengan model yang ketinggalan zaman atau tidak efisien.
• Mengalihkan antara alat menjadi proses yang memakan waktu dan mahal.
• Tim kekurangan kemampuan untuk memeriksa, mempercayai, dan memahami keluaran sistem AI dengan jelas.

Infrastruktur tidak hanya membuat adopsi AI lebih mudah – itu membuka potensi penuh AI.

Mem bangun Jalan daripada Membeli Mesin

Model seperti DeepSeek, ChatGPT, atau Gemini mungkin mendapatkan perhatian, tetapi mereka hanya satu bagian dari teka-teki AI yang lebih besar. Kesuksesan perusahaan sejati di era ini bergantung pada infrastruktur AI yang kuat, yang memungkinkan adaptasi dan skalabilitas.

Jangan terganggu oleh “Ferrari” model AI. Fokus pada membangun “jalan” – infrastruktur – untuk memastikan perusahaan Anda berkembang sekarang dan di masa depan.

Untuk mulai menggunakan AI dengan infrastruktur yang fleksibel dan scalable, disesuaikan dengan bisnis Anda, saatnya untuk bertindak. Tetap di depan kurva dan pastikan organisasi Anda siap untuk apa pun yang dilakukan lanskap AI selanjutnya.