Kecerdasan Buatan Generatif Dapat Mengubah Dunia – Tetapi Hanya jika Infrastruktur Data Mengikuti

Meskipun ada gembar-gembor seputar Kecerdasan Buatan Generatif, sebagian besar ahli industri belum menangani pertanyaan signifikan: Apakah ada platform infrastruktur yang dapat mendukung teknologi ini dalam jangka panjang, dan jika demikian, apakah akan cukup berkelanjutan untuk mendukung inovasi radikal yang dijanjikan Kecerdasan Buatan Generatif?

Alat Kecerdasan Buatan Generatif telah membangun reputasi yang cukup, dengan kemampuan mereka untuk menulis teks yang disintesis dengan baik dengan sekali klik – tugas yang mungkin lainnya memerlukan jam, hari, minggu, atau bulan untuk diselesaikan secara manual.

Itu semua baik dan baik, tetapi tanpa infrastruktur yang tepat, alat-alat ini tidak memiliki skalabilitas untuk benar-benar mengubah dunia. Segera melebihi $76 miliar, biaya operasional Kecerdasan Buatan Generatif yang astronomis adalah bukti dari fakta ini sudah, tetapi ada faktor-faktor lain yang bermain.

Perusahaan perlu fokus pada menciptakan dan menghubungkan alat-alat yang tepat untuk memanfaatkan secara berkelanjutan dan harus berinvestasi pada infrastruktur data terpusat yang membuat semua data relevan dapat diakses secara lancar oleh LLM mereka tanpa pipa yang didedikasikan. Dengan implementasi strategis alat-alat yang tepat, mereka akan dapat mengirimkan nilai bisnis yang mereka cari meskipun keterbatasan kapasitas pusat data saat ini – hanya kemudian revolusi Kecerdasan Buatan akan benar-benar maju.

Polanya yang Familiar

Menurut laporan baru dari Capgemini Research Institute, 74% eksekutif percaya bahwa manfaat Kecerdasan Buatan Generatif melebihi kekhawatirannya. Konsensus seperti ini telah memicu tingkat adopsi yang tinggi di antara perusahaan – sekitar 70% organisasi Asia-Pasifik telah menyatakan niat mereka untuk berinvestasi pada teknologi ini atau telah memulai menjelajahi studi kasus yang praktis.

Tapi dunia telah melewati jalan ini sebelumnya. Ambil internet, misalnya, yang secara bertahap menarik lebih banyak perhatian sebelum melebihi harapan melalui berbagai aplikasi yang luar biasa. Tapi meskipun kemampuan yang mengesankan, itu hanya benar-benar lepas landas ketika aplikasinya mulai mengirimkan nilai yang nyata bagi bisnis dalam skala besar.

Melihat Diluar ChatGPT

Kecerdasan Buatan jatuh ke dalam siklus yang sama. Bisnis telah dengan cepat membeli teknologi ini, dengan perkiraan 93% perusahaan sudah terlibat dalam beberapa studi kasus penggunaan Kecerdasan Buatan/Mesin. Tapi terlepas dari tingkat adopsi yang tinggi, banyak perusahaan masih bergelut dengan penerapan – tanda yang jelas dari infrastruktur data yang tidak kompatibel.

Dengan infrastruktur yang tepat, perusahaan dapat melihat diluar tingkat permukaan kemampuan Kecerdasan Buatan Generatif yang menggoda dan memanfaatkan potensinya untuk mengubah lanskap bisnis mereka.

Memang, Kecerdasan Buatan Generatif dapat membantu menulis ringkasan dengan cepat dan, dalam sebagian besar kasus, cukup efektif, tetapi potensinya jauh melampaui itu. Dari penemuan obat potensial hingga perawatan kesehatan hingga optimasi rantai pasokan, tidak ada terobosan ini yang mungkin jika pusat data yang mendukung dan menggerakkan aplikasi Kecerdasan Buatan tidak cukup kuat untuk mengelola beban kerjanya.

Mengatasi Hambatan untuk Skalabilitas

Kecerdasan Buatan Generatif belum benar-benar mengirimkan nilai yang signifikan bagi bisnis karena kurangnya skalabilitas. Ini disebabkan oleh kenyataan bahwa pusat data memiliki keterbatasan kapasitas – infrastruktur mereka tidak awalnya dibuat untuk mendukung eksplorasi, orkestrasi, dan penyetelan model yang masif yang diperlukan Model Bahasa Besar (LLM) untuk menjalankan beberapa siklus pelatihan secara efisien.

Memanen nilai dari Kecerdasan Buatan Generatif oleh karena itu bergantung pada seberapa baik bisnis memanfaatkan data mereka sendiri, yang dapat ditingkatkan melalui pengembangan arsitektur data yang kuat. Ini dapat dicapai dengan menghubungkan sumber data terstruktur dan tidak terstruktur ke LLM atau dengan meningkatkan throughput perangkat keras yang ada.

Sangat penting bahwa perusahaan yang ingin melatih LLM mereka pada data organisasi dapat pertama-tama mengonsolidasikan data tersebut dalam cara yang seragam. Jika tidak, data yang ditinggalkan dalam struktur yang terisolasi kemungkinan akan menghasilkan bias dalam kekuatan pembelajaran LLM.

Sistem Dukungan

Kecerdasan Buatan Generatif tidak muncul dari udara tipis – telah dalam karya selama waktu yang cukup lama, dan penggunaan serta potensinya hanya akan tumbuh dalam dekade-dekade mendatang. Tapi untuk sekarang, aplikasi bisnisnya menghantam dinding yang tidak dapat diskalakan.

Kenyataannya adalah bahwa berbagai alat ini hanya sekuat infrastruktur pemrosesan data yang mendukungnya. Oleh karena itu, sangat penting bahwa pemimpin bisnis memanfaatkan platform yang dapat memproses petabytes data yang diperlukan alat-alat ini untuk mengirimkan nilai yang signifikan yang mereka janjikan.