Kecerdasan Buatan Generatif Dapat Mengubah Dunia – Tetapi Hanya Jika Infrastruktur Data Mendukung

Meskipun ada banyak pembicaraan tentang 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 ya, apakah itu akan cukup berkelanjutan untuk mendukung inovasi radikal yang dijanjikan oleh Kecerdasan Buatan Generatif?

Alat Kecerdasan Buatan Generatif telah membangun reputasi yang cukup, dengan kemampuan menulis teks yang disintesis dengan baik hanya dengan satu klik tombol – tugas yang mungkin 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. Yang segera melebihi $76 miliar, biaya operasional Kecerdasan Buatan Generatif yang astronomis adalah bukti dari fakta ini, tetapi ada faktor-faktor lain yang bermain.

Perusahaan perlu fokus pada menciptakan dan menghubungkan alat-alat yang tepat untuk memanfaatkan Kecerdasan Buatan Generatif secara berkelanjutan dan harus berinvestasi pada infrastruktur data terpusat yang membuat semua data yang relevan dapat diakses dengan mudah oleh LLM mereka tanpa pipa yang didedikasikan. Dengan implementasi strategis alat-alat yang tepat, mereka akan dapat memberikan nilai bisnis yang mereka cari meskipun ada 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 kekhawatiran yang terkait. Konsensus seperti ini telah memicu tingkat adopsi yang tinggi di kalangan perusahaan – sekitar 70% organisasi Asia-Pasifik telah menyatakan niat mereka untuk berinvestasi pada teknologi ini atau telah memulai menjelajahi kasus penggunaan yang praktis.

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

Melihat Diluar ChatGPT

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

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

Memang, Kecerdasan Buatan Generatif dapat membantu menulis ringkasan dengan cepat dan, dalam banyak 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 memberikan nilai yang signifikan bagi bisnis karena kurangnya skalabilitas. Ini disebabkan oleh kenyataan bahwa pusat data memiliki keterbatasan kapasitas – infrastruktur mereka tidak dirancang untuk mendukung eksplorasi, orkestrasi, dan penyetelan model yang masif yang diperlukan oleh Model Bahasa Besar (LLM) untuk menjalankan beberapa siklus pelatihan dengan efisien.

Memetik nilai dari Kecerdasan Buatan Generatif therefore bergantung pada seberapa baik bisnis memanfaatkan data mereka sendiri, yang dapat ditingkatkan dengan mengembangkan 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 terlebih dahulu mengonsolidasikan data tersebut dalam cara yang seragam. Jika tidak, data yang ditinggalkan dalam struktur yang terisolasi kemungkinan akan menghasilkan bias dalam kemampuan belajar LLM.

Sistem Dukungan

Kecerdasan Buatan Generatif tidak muncul dari udara – telah dalam pekerjaan selama beberapa waktu, dan penggunaannya serta potensinya hanya akan tumbuh dalam dekade-dekade mendatang. Tetapi untuk sekarang, aplikasi bisnisnya sedang menabrak dinding yang tidak dapat diskalakan.

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