IND | ENG
Menyiapkan Pabrik AI Hadapi Kompetisi Era Digital

Ilustrasi | Foto: pixy.org

RESENSI BUKU
Menyiapkan Pabrik AI Hadapi Kompetisi Era Digital
Tenri Gobel Diposting : Jumat, 08 Januari 2021 - 11:30 WIB

TEKNOLOGI kecerdasan buatan (AI) telah menjadi komponen yang digunakan oleh banyak sektor, termasuk kesehatan, keuangan, manufaktur, dan transportasi.

"Tidak ada bidang usaha manusia yang akan tetap independen dari kecerdasan buatan," ujar Marco Iansiti dan Karim Lakhani, keduanya profesor Harvard Business School, dalam bukunya "Competing in the Age of AI: Strategy and Leadership When Algorithms and Networks Run the World" seperti dikutip dari The Next Web, diakses Jumat (8 Januari 2021).

Mereka berdua juga mengingatkan, AI bagai pisau bermata dua, dapat bermanfaat tetapi juga bisa berbahaya.

Dari sisi berbahaya, AI yang seperti digambarkan oleh media dan film “dapat menimbulkan pengangguran massal serta kemungkinan pemberontakan oleh robot”. Bahkan, AI dapat digunakan peretas sebagai senjatanya dalam melakukan aksinya.

Di sisi lain, ada pula gambaran AI yang lemah dan tidak mampu melakukan banyak fungsi dasar dari pikiran manusia.

Kenyataannya sekarang, kata mereka, AI telah “menguasai” perusahaan besar seperti Google, Amazon, Microsoft, dan Facebook yang mempengaruhi kehidupan miliaran orang di seluruh dunia.

“Kita tidak butuh replika manusia yang sempurna untuk memprioritaskan konten di jejaring sosial, membuat cappucino yang sempurna, atau menganalisis perilaku pelanggan. AI yang tidak sempurna dan lemah sudah cukup untuk mengubah sifat perusahaan," tulis Iansiti dan Lakhni.

Kesuksesan perusahaan besar memanfaatkan algoritma AI tersebut akhirnya dicontoh oleh banyak startup. Pasar baru pun tercipta dan mengganggu industri tradisional. Tidak ada lagi perusahaan yang ketinggalan zaman atau kalah dari perusahaan yang telah memanfaatkan kekuatan AI.

Namun, ada komponen terpenting atau utama yang memungkinkan perusahaan bersaing dan tumbuh di era AI ini yakni “AI factory”. Apa itu?

Jika diterjemahkan ke Indonesia menjadi “Pabrik AI”. Sama halnya dengan pabrik-pabrik pada umumnya, yaitu ada proses produksi di dalam pabrik itu.

Jika pabrik baju butuh kain, karyawan, mesin penjahit, dan sebagainya, pabrik AI butuh komponen utama, seperti sumber data, eksperimen, perangkat lunak, algoritma pembelajaran mesin yang dapat mengumpulkan pola dari pengamatan dan memprediksi hasil baru.

Cara kerja pabrik AI yakni data diperoleh dari sumber internal dan eksternal. Lalu, dijadikan sebagai bahan untuk melatih algoritma pembelajaran mesin agar dapat membuat prediksi pada tugas tertentu.

Data itu penting karena pengambilan keputusan ini berdasarkan data-data tersebut. Dalam beberapa kasus, seperti diagnosis dan pengobatan penyakit, prediksi ini dapat membantu ahli manusia dalam mengambil keputusan.

Model yang digerakkan oleh algoritma dan data dari pabrik AI memungkinkan organisasi untuk menguji hipotesis baru dan membuat perubahan yang dapat meningkatkan sistem mereka.

"Intinya, pabrik AI menciptakan siklus yang baik antara keterlibatan pengguna, pengumpulan data, desain algoritme, prediksi, dan peningkatan,” tulis Iansiti dan Lakhani.

Salah satu contoh penggunaan pabrik AI yang dibahas dalam buku mereka ialah Ant Financial (sekarang dikenal sebagai Ant Grup), perusahaan China milik Jack Ma yang didirikan pada 2014, memiliki 9 ribu karyawan, dan menyediakan berbagai layanan keuangan kepada lebih dari 700 juta pelanggan dengan bantuan pabrik AI.

Sebagai gambaran perbedaan imbas penetrasi perangkat lunak yang begitu terbatas di era sebelumnya, yakni Bank of America. Bank ini berdiri pada 1924 dan mempekerjakan 209.000 orang, tapi hanya mampu melayani 67 juta nasabah dengan penawaran yang lebih terbatas.

Terlihat jelas bukan efek dari pabrik AI ini?

Infrastruktur pabrik AI

Algoritma pembelajaran mesin sangat bergantung pada jumlah data yang massal. Namun, ternyata data yang massal atau banyak itu tidak menjamin algoritma AI menjadi baik.

Iansiti dan Lakhani mengatakan, banyak perusahaan hanya sekadar menyimpan data sangat besar, tetapi manajemennya buruk seperti data dan perangkat lunak berada dalam tempat penyimpanan terpisah, disimpan dengan cara tidak konsisten dan dalam model dan kerangka kerja tidak kompatibel.

“Meskipun pelanggan memandang perusahaan sebagai entitas yang bersatu, secara internal sistem dan data di seluruh unit dan fungsi biasanya terfragmentasi, sehingga mencegah agregasi data, dan membuatnya tidak mungkin untuk memanfaatkan kekuatan analitik dan AI,” tulis mereka.

Bahkan jika berurusan dengan data terstruktur, kemungkinan ada celah, informasi hilang, dan ketidakakuratan lainnya juga sehingga perlu diselesaikan. Ketika data berasal dari banyak sumber, maka perlu digabungkan dengan cara yang tidak menyebabkan ketidakakuratan. Ini semua merupakan pra-proses. Karena tanpa ini, data berkualitas rendah lah yang akan terpakai melatih model pembelajaran mesin.

Dengan kata lain, hasilnya atau sistem AI akan buruk.

Sumber data internal mungkin tidak cukup sehingga perlu data sumber eksternal seperti dari media sosial, pasar saham, sumber berita dan lainnya.

Contoh BlueDot, perusahaan yang menggunakan pembelajaran mesin untuk memprediksi penyebaran penyakit menular.

Untuk melatih dan menjalankan sistem AI-nya, BlueDot secara otomatis mengumpulkan informasi dari ratusan sumber, termasuk pernyataan dari organisasi kesehatan, penerbangan komersial, laporan kesehatan ternak, data iklim dari satelit, dan laporan berita.

Segala upaya dan perangkat lunak dirancang oleh perusahaan untuk mengumpulkan dan menyatukan data.

Iansiti dan Lakhani di bukunya mengenalkan konsep "jalur data” (data pipeline) yaitu serangkaian komponen dan proses yang menggabungkan data dari berbagai sumber internal dan eksternal, membersihkan data, mengintegrasikannya, memprosesnya, dan menyimpannya untuk digunakan dalam sistem AI yang berbeda.

Jalur data berfungsi dengan cara sistematis, berkelanjutan, dan skalabel. Singkatnya, hanya sedikit upaya manual yang dilakukan mencegah mogoknya di pabrik AI.

“Jika datanya adalah bahan bakar yang menggerakkan pabrik AI, maka infrastruktur membentuk pipa yang mengirimkan bahan bakar, dan algoritma adalah mesin yang melakukan pekerjaan tersebut. Platform eksperimen, pada gilirannya, mengontrol katup yang menghubungkan bahan bakar baru, pipa, dan mesin ke sistem operasional yang ada,” tulis mereka.

Menjadi perusahaan AI

Untuk menjadi sebuah perusahaan berbasis AI hanya perlu fokus kepada AI-nya, bukan infrastruktur lain. Tidak peduli itu perusahaan lama atau baru (startup).

“Ini tentang mengubah inti perusahaan secara fundamental dengan membangun arsitektur operasi yang berpusat pada data yang didukung oleh organisasi yang gesit yang memungkinkan perubahan berkelanjutan," kata Iansiti dan Lakhani.

Seperti yang telah diamati oleh ahli lainnya, kemajuan penggunaan AI tidak hanya akan memberi dampak pada perusahaan yang mengembangkannya, tetapi semua orang yang menjalankan organisasi.

Untuk itulah, menurut Iansiti dan Lakhani, manajer perusahaan perlu mempelajari banyak hal seperti layaknya AI yang terus belajar.[]

Redaktur: Andi Nugroho

#ancamansiber   #serangansiber   #keamanansiber   #cybersecurity   #AI   #kecerdasanbuatan

Share:




BACA JUGA
Demokratisasi AI dan Privasi
Seni Menjaga Identitas Non-Manusia
Indonesia Dorong Terapkan Tata Kelola AI yang Adil dan Inklusif
Wamenkominfo Apresiasi Kolaborasi Tingkatkan Kapasitas Talenta AI Aceh
SiCat: Inovasi Alat Keamanan Siber Open Source untuk Perlindungan Optimal