Fokus perusahaan kini tidak lagi semata membangun kapasitas, melainkan memastikan infrastruktur digital benar-benar siap menopang beban kerja AI yang kompleks dan kritikal.
“AI mengubah cara perusahaan memandang infrastruktur. Isunya bukan hanya soal skala, tetapi juga ketahanan, kedaulatan data, dan kemampuan terhubung dengan ekosistem regional,” ujar Managing Director, Equinix Indonesia Haris Izmee.
Sebagai ekonomi digital terbesar di Asia Tenggara, Indonesia mencatat nilai gross merchandise value (GMV) sekitar USD90 miliar pada 2024 dan diperkirakan terus tumbuh hingga akhir dekade ini. Di saat yang sama, kerangka regulasi melalui Undang-Undang Pelindungan Data Pribadi (UU PDP) dan PP 71 mendorong perusahaan meninjau ulang desain arsitektur digital mereka.
Salah satu perubahan mendasar yang dibawa AI adalah pergeseran dari pemeliharaan preventif ke pemeliharaan prediktif. Jika sebelumnya perawatan dilakukan secara berkala untuk mencegah kerusakan, kini AI memungkinkan organisasi memprediksi potensi kegagalan bahkan sebelum masalah benar-benar terjadi.
“Pendekatan ini juga kami terapkan di pusat data,” ujar Director of Product and Solution Marketing, APAC, Equinix Anthony Ho.
Menurutnya, praktik ini menunjukkan AI tidak hanya digunakan di level aplikasi, tetapi telah meresap hingga ke lapisan operasional paling dasar. Dia menjelaskan seiring berkembangnya AI, industri juga memasuki fase baru. Setelah era pelatihan model bahasa besar, fokus kini bergeser ke inferensi yakni penggunaan AI untuk aplikasi yang lebih spesifik dan kontekstual.
“Kapasitas pelatihan model besar saat ini sudah banyak tersedia. Sekarang kita memasuki dunia inferensi,” kata Anthony.
Data dan aplikasi kini tersebar lintas wilayah, dari Jakarta hingga Asia Selatan dan Australia. Isu privasi dan kedaulatan data menjadi semakin krusial, terutama ketika organisasi menggunakan vendor berbeda di berbagai negara. Di sisi lain, banyak infrastruktur lama tidak dirancang untuk mendukung kebutuhan AI.
“Dibandingkan beban kerja tradisional seperti berbagi file atau penagihan, beban kerja AI jauh lebih kompleks,” ujarnya.
AI membutuhkan pemrosesan data besar, kecepatan tinggi, latensi sangat rendah, serta daya listrik yang jauh lebih besar. Untuk beban kerja seperti AR, kebutuhan daya per kabinet bahkan bisa mencapai empat hingga sepuluh kali lipat dibandingkan sistem konvensional.
Selain itu, AI tidak dapat berjalan secara terisolasi. AI membutuhkan ekosistem. Ia harus terhubung ke berbagai cloud dan layanan digital, seiring dunia bergerak menuju arsitektur multi-cloud modern.
Berikut lima tren utama yang mendorong perubahan arsitektur AI di Indonesia menuju 2026.
1. Infrastruktur Siap AI Menggantikan Rak Berdensitas Rendah
Selama bertahun-tahun, sebagian besar beban kerja perusahaan di Indonesia dijalankan pada rak berdensitas rendah, sekitar 2–5 kW. Namun, model ini dinilai tidak lagi memadai untuk kebutuhan AI.“Beban kerja AI, analitik lanjutan, dan pemrosesan real-time mendorong kebutuhan daya ke level yang jauh lebih tinggi, mulai dari 10–12 kW per rak, bahkan bisa melampaui 30 kW untuk AI dan HPC,” ujar Haris.
Lonjakan tersebut mendorong kebutuhan akan pusat data berdensitas tinggi dan solusi pendinginan generasi berikutnya, termasuk desain yang siap untuk liquid cooling. Menurut Haris, roadmap densifikasi menjadi krusial agar organisasi dapat menskalakan AI secara aman dan berkelanjutan.
2. Ketahanan Digital Menjadi Standar Dasar
Ekspektasi layanan digital di Indonesia semakin mengarah ke always-on. Downtime tidak lagi dapat ditoleransi, terutama di sektor e-commerce, fintech, gim, dan layanan real-time.“Ketahanan digital sekarang bukan lagi nilai tambah, tapi kebutuhan dasar,” kata Haris.
Ia menilai, tren ini tercermin dari meningkatnya investasi pusat data di Asia Tenggara, yang diperkirakan tumbuh dari sedikit di atas USD10 miliar pada 2023 menjadi hampir USD18 miliar menjelang akhir dekade ini.
Di dalam negeri, perusahaan mulai mengadopsi arsitektur multi-lokasi, menghubungkan Jakarta dengan kota-kota lain seperti Batam dan Surabaya, serta memanfaatkan lokasi regional seperti Singapura dan Malaysia untuk disaster recovery.
“Interkoneksi privat menjadi kunci untuk mencapai target RTO dan RPO yang lebih ketat dengan risiko keamanan yang lebih rendah,” ujarnya.
3. Kedaulatan Data
Dengan UU PDP yang telah berlaku penuh, kedaulatan data kini menjadi persyaratan arsitektural, bukan sekadar isu kebijakan.“Arah regulasinya jelas. Data sensitif harus diproses di dalam negeri, sementara konektivitas lintas negara tetap dibutuhkan untuk skala dan kolaborasi,” ujar Haris.
Sebagai respons, banyak organisasi mulai mengadopsi pendekatan local compute, global interconnect. Dalam model ini, data yang diatur tetap berada di Indonesia, sementara sistem tetap terhubung secara aman ke cloud regional dan mitra global melalui koneksi privat.
“Pendekatan ini tidak hanya membantu kepatuhan, tetapi juga mempermudah audit dan mengurangi risiko jangka panjang,” katanya.
4. AI Terdistribusi Bergerak ke Edge
Adopsi IoT dan penerapan awal 5G di sektor logistik, manufaktur, ritel, dan fasilitas pintar mendorong kebutuhan pengambilan keputusan secara real-time.“Kita melihat pergeseran dari model terpusat ke arsitektur yang lebih terdistribusi, di mana inferensi dilakukan di edge, dekat dengan sumber data,” kata Haris.
Dalam pendekatan ini, beban kerja ringan dan sensitif terhadap latensi diproses di edge, sementara komputasi berat tetap dilakukan di tingkat regional. Tren global menuju AI agents juga memperkuat kebutuhan akan sistem yang lebih otonom dan terdistribusi.
“Arsitektur yang mengombinasikan edge, komputasi regional, dan interkoneksi privat akan menjadi fondasi penting untuk inovasi AI yang bertanggung jawab,” ujarnya.
5. Hybrid Multi-Cloud Menjadi Model Operasional Standar
Sebagian besar perusahaan di Indonesia kini beroperasi di berbagai platform cloud, berdampingan dengan infrastruktur on-premises dan edge. Hybrid multi-cloud tidak lagi dipandang sebagai fase transisi.“Hybrid multi-cloud sudah menjadi model operasional standar, terutama untuk AI,” kata Haris.
Pendekatan ini memungkinkan organisasi menempatkan beban kerja sesuai kebutuhan kinerja, biaya, dan kepatuhan, sekaligus menghindari ketergantungan pada satu penyedia. Perusahaan yang mampu merancang arsitektur hybrid multi-cloud dengan interkoneksi privat dan tata kelola yang kuat akan lebih siap menghadapi gelombang adopsi AI berikutnya.
Cek Berita dan Artikel yang lain di
Google News
