AI Enterprise di Indonesia Tak Cukup Canggih, Data Harus Bisa Dipercaya

Jakarta: Adopsi kecerdasan buatan (AI) di Indonesia terus meningkat dalam beberapa tahun terakhir. Namun di balik tingginya minat perusahaan untuk memanfaatkan teknologi tersebut, kualitas data dan ketersediaan talenta masih menjadi tantangan utama yang harus diselesaikan.
 
Isu tersebut menjadi salah satu sorotan dalam Cloudera Evlove Forum Jakarta yang digelar di The St. Regis Jakarta. 
 
Acara ini mempertemukan pelaku industri, praktisi teknologi, dan pemimpin bisnis untuk membahas fase baru implementasi AI di lingkungan enterprise, yakni pergeseran dari tahap eksperimen menuju penggunaan skala produksi.

Sherlie Karnidta, Country Manager Indonesia Cloudera, menilai Indonesia termasuk salah satu pasar dengan tingkat adopsi AI yang cukup progresif dibandingkan banyak negara lain. Namun menurutnya, keberhasilan implementasi AI tidak hanya ditentukan oleh teknologi yang digunakan.
 
"Tingkat pengadopsian AI di Indonesia sudah cukup maju dibandingkan banyak negara lain. Tapi tantangan utamanya adalah data dan talenta. AI membutuhkan data yang berkualitas dan memadai. Sementara Indonesia perlu terus mengembangkan sumber daya manusia yang memiliki kemampuan AI,” tuturnya.
 
“Di Cloudera, kami membantu pelanggan membangun fondasi AI yang kuat, yaitu tata kelola data, proses, dan tahapan implementasi yang matang, sebelum membangun berbagai use case AI mereka," ujar Sherlie.
 
Pernyataan tersebut sejalan dengan pesan utama yang diangkat Cloudera dalam EVOLVE Forum Jakarta. Di tengah maraknya penggunaan AI generatif dan large language model (LLM), perusahaan menilai fondasi data yang kuat, tata kelola yang baik, serta keamanan informasi menjadi faktor yang menentukan keberhasilan implementasi AI dalam jangka panjang.
 

AI Masuk Fase Produksi

 
Menurut Cloudera, banyak organisasi kini mulai bergerak dari tahap uji coba menuju implementasi AI yang digunakan langsung dalam proses bisnis sehari-hari. Perubahan ini membuat tantangan yang dihadapi perusahaan menjadi lebih kompleks dibanding sekadar memilih model AI terbaru.
 
Remus Lim, Senior Vice President Asia Pacific and Japan (APJ) Cloudera, mengatakan keberhasilan AI pada akhirnya bergantung pada kualitas data yang menjadi sumber informasi bagi model tersebut.
 
"Kalau ingin mempercayai AI, maka perusahaan harus lebih dulu mempercayai data yang dimilikinya. Jika data yang masuk tidak berkualitas, maka hasil yang diberikan AI juga tidak akan baik," kata Remus Lim.
 
Menurutnya, prinsip tersebut semakin penting karena AI kini tidak hanya digunakan untuk analisis internal, tetapi juga mulai berinteraksi langsung dengan pelanggan, membantu proses pengambilan keputusan, hingga menjalankan berbagai layanan berbasis otomatisasi.
 
Remus menilai banyak organisasi terlalu fokus mengejar teknologi AI terbaru, padahal fondasi data yang baik tetap menjadi faktor paling menentukan.
 
"Baik untuk pelaporan, analitik, predictive analytics, maupun AI, semuanya bergantung pada data. Jika fondasi datanya tidak baik, maka hasil yang diperoleh juga tidak akan optimal," ujarnya.
 

Data Tak Harus Keluar dari Perusahaan

Salah satu tantangan terbesar yang dihadapi perusahaan, terutama sektor perbankan, telekomunikasi, dan pemerintahan, adalah bagaimana memanfaatkan AI tanpa harus memindahkan data sensitif ke lingkungan eksternal.
 
Untuk menjawab kebutuhan tersebut, Cloudera mendorong pendekatan yang mereka sebut sebagai private AI.
 
Rudy Tanuwidjaja, Senior Sales Engineer Cloudera Indonesia, menjelaskan bahwa banyak organisasi saat ini ingin memanfaatkan AI generatif tanpa kehilangan kendali terhadap data yang mereka miliki.
 
"Customer tidak ingin data mereka keluar. Yang dilakukan adalah membawa model AI ke dalam lingkungan yang sudah aman, sehingga data tetap berada di data center milik organisasi," jelas Rudy Tanuwidjaja.
 
Pendekatan tersebut memungkinkan perusahaan menjalankan model AI di lingkungan on-premise, cloud, multi-cloud, maupun hybrid sesuai kebutuhan masing-masing organisasi.
 
Selain itu, Cloudera juga mengusung konsep platform terbuka sehingga pelanggan dapat memilih dan mengganti model AI yang digunakan tanpa bergantung pada satu vendor tertentu.
 

 
Forum ini juga menghadirkan sejumlah contoh implementasi nyata AI di Indonesia. BCA membagikan pengalaman transformasinya dalam meraih sertifikasi ISO/IEC 42001 Excellence in Banking melalui modernisasi proses machine learning dan tata kelola AI yang terintegrasi. 
 
Modernisasi tersebut membantu bank meningkatkan efisiensi operasional, mempercepat implementasi, dan memperkuat tata kelola model AI di tingkat perusahaan.
 
Sementara itu, Bank Negara Indonesia (BNI) memaparkan fokusnya dalam membangun data lineage dan tata kelola data yang lebih transparan guna mempercepat outcome bisnis secara aman. 
 
BNI juga menjadi implementasi global pertama layanan Cloudera AI Inference yang dibangun di atas NVIDIA NIM microservices untuk menjalankan large language model open-source di lingkungan cloud maupun data center internal.
 

Fokus pada Outcome Bisnis

Di tengah derasnya perkembangan AI, Cloudera menilai perusahaan tidak seharusnya mengadopsi teknologi hanya karena mengikuti tren.
 
Menurut Remus, tujuan utama implementasi AI tetap harus diarahkan pada hasil bisnis yang nyata, mulai dari peningkatan layanan pelanggan, deteksi fraud, efisiensi operasional, hingga optimalisasi proses bisnis.
 
"Teknologi pada dasarnya adalah alat untuk mencapai tujuan bisnis. Karena itu, tidak masuk akal jika organisasi berinvestasi pada teknologi hanya demi mengikuti tren tanpa menghasilkan manfaat yang nyata," kata Remus.
 
Saat ini Cloudera mengelola lebih dari 30 exabyte data secara global dan digunakan oleh berbagai organisasi besar di sektor keuangan, telekomunikasi, manufaktur, kesehatan, hingga pemerintahan.
 
Menurut perusahaan, perkembangan AI memang berlangsung sangat cepat, tetapi prinsip dasarnya tetap sama: AI hanya akan sebaik data yang menjadi fondasinya.
 
Karena itu, Cloudera menilai fase berikutnya AI enterprise bukan lagi soal siapa yang memiliki model paling canggih, melainkan siapa yang mampu membangun data yang tepercaya, aman, dan siap digunakan untuk menghasilkan keputusan bisnis yang akurat.
 
 
Cek Berita dan Artikel yang lain di

Google News