Daftar isi
Menurut Jay, menjalankan AI membutuhkan GPU, CPU, memori, dan kemampuan jaringan sekaligus. GPU adalah prosesor grafis yang kerap menjalankan perhitungan beban kerja AI.
“Sebanyak 63 persen organisasi di Indonesia saat ini mulai mempertimbangkan kebutuhan tersebut. Bahkan, faktor ini menjadi salah satu pendorong utama dalam menentukan pilihan infrastruktur teknologi mereka,” papar Jay.
Di tingkat kawasan, Jay menyebut adopsi AI generatif di Asia Tenggara terus berkembang, tetapi penerapannya di perusahaan masih menemui tantangan. Menurut Jay, hanya 16 persen perusahaan ASEAN yang sudah menjalankan aplikasi AI generatif di tahap produksi, sedangkan 84 persen sisanya masih menguji atau menyusun proof of concept (PoC).
| Tahap penerapan AI generatif di perusahaan ASEAN | Porsi menurut Jay |
|---|---|
| Sudah di tahap produksi | 16 persen |
| Masih menguji atau menyusun proof of concept | 84 persen |
PoC adalah uji coba awal untuk memastikan sebuah teknologi benar-benar bisa bekerja. Angka itu menunjukkan perusahaan mulai tertarik pada AI, tetapi pemakaiannya di operasional bisnis secara luas masih butuh persiapan tambahan.
AI generatif sendiri kini menjangkau lebih banyak jenis keluaran. Selain teks dari model bahasa besar (large language model/LLM), ada pula gambar, video, dokumen, dan kode pemrograman.
Sektor yang berpotensi memakai agen AI
Karena otonom, agen AI bisa masuk ke sistem perusahaan, mengelola alur kerja (workflow), dan memutuskan hal operasional dalam batas wewenang dari manusia. Kemampuan sebesar itu memunculkan keraguan, kata Jay, terutama soal risiko ketika AI mendapat otonomi lebih tinggi.
Sektor finansial, kata Jay, termasuk industri yang bisa menuai manfaat maksimal dari agentic AI, walau implementasinya masih menghadapi tantangan. Perusahaan e-commerce, katanya, juga mulai bereksperimen memakai AI untuk menghadirkan pengalaman pelanggan yang lebih baik.
Jay juga menyoroti ekosistem super app di Indonesia. Menurutnya, banyak alur kerja yang selama ini pengguna jalankan lewat super app berpotensi berjalan otomatis lewat agen AI.
“Indonesia juga memiliki sejumlah superapp yang sangat baik. Mengotomatisasi beberapa alur kerja yang biasanya dilakukan pengguna melalui superapp menggunakan agen AI tentu akan sangat bermanfaat,” kata Jay.
Lima tantangan adopsi AI di perusahaan
Jay merinci lima tantangan bagi perusahaan global yang mengadopsi AI. Ringkasannya ada pada tabel berikut, dan penjelasan tiap tantangan menyusul di bawahnya.
| Tantangan | Inti masalah |
|---|---|
| Keterbatasan infrastruktur komputasi | Ketersediaan GPU dan kapasitas pemrosesan terbatas |
| Latensi | Infrastruktur AI terpusat membuat pengguna yang jauh menerima respons lebih lambat |
| Kedaulatan data dan kepatuhan regulasi | Data sensitif berpindah lintas negara, termasuk soal UU PDP |
| Kesenjangan keamanan dan tata kelola AI | Risiko akses tanpa izin dan prompt injection, sementara alat pemantau belum mengimbangi |
| Biaya infrastruktur dan vendor lock-in | Biaya sewa GPU, inference, dan data egress, serta ketergantungan pada satu penyedia |
Aaf Afiatna (Aura Pet) adalah seorang WordPress Developer, Administrator IT, dan penggerak di balik infrastruktur berbagai portal media digital PT Arina Duta Sehati. Ia memiliki ketertarikan mendalam pada rekayasa sistem tingkat rendah, implementasi AI on-device, dan pengembangan proyek open-source seperti Neural Standby Kernel (NSK). Saat tidak sedang berurusan dengan server atau kode, ia aktif mengeksplorasi ekosistem Web3 dan berbagi wawasan melalui channel YouTube CryptoFansWorld.
Sumber: https://infotekno.net/adopsi-ai-di-perusahaan-agen-ai-akamai/
