Fitur Bersponsor Kecerdasan buatan (AI) telah mendominasi berita utama bisnis dan teknologi akhir-akhir ini. Anda tidak dapat memeriksa situs berita tanpa melihat cerita tentang bagaimana AI siap mengubah cara kita berbisnis.

Tentu saja, hampir setiap perusahaan berkeinginan untuk memulai atau memajukan perjalanan mereka menuju AI, namun sebagian besar tidak tahu bagaimana cara melanjutkannya.

AI sudah memberikan dampak besar pada bisnis modern. Faktanya, menurut statistik yang dikumpulkan oleh Peretas Otoritas, 35 persen bisnis telah mengadopsi AI, 77 persen perangkat menggunakan beberapa bentuk AI, dan sembilan dari 10 organisasi mendukung penggunaan AI untuk mendapatkan keunggulan kompetitif. AI diperkirakan akan menambah $15.7 triliun pada perekonomian global pada tahun 2030. Dan seperti halnya teknologi baru lainnya, akan ada lapangan kerja yang hilang dan lapangan kerja bertambah. AI berpotensi menghilangkan 85 juta lapangan kerja pada tahun 2025, namun di sisi lain, AI juga dapat menciptakan 97 juta lapangan kerja baru.

Perusahaan yang ingin mengadopsi AI untuk pertama kalinya, atau memperluas penggunaannya, menghadapi beberapa tantangan baik dari sisi kepegawaian maupun teknologi. Ada juga kekhawatiran peraturan dan etika tentang teknologi ini. Dan karena sistem AI didorong oleh data, perusahaan pasti menghadapi kekhawatiran dalam memastikan kualitas, relevansi, dan ketersediaan informasi yang mereka masukkan ke dalam algoritma AI. Memastikan kumpulan data tersebut akurat, terkini, dan sekomprehensif mungkin akan menghadirkan tantangan yang berkepanjangan. Hal yang sama juga berlaku ketika menangani kompleksitas perangkat keras yang diperlukan, penyediaan infrastruktur dan energi, serta biaya terkait.

Mengatasi tantangan untuk menuai hasilnya

Matt Armstrong-Barnes, Kepala Teknologi AI di HPE, percaya bahwa organisasi sering kali melakukan kesalahan dengan melakukan pendekatan AI tanpa rencana strategis. “Mereka menggunakan teknologi terlalu cepat. Mereka tidak memiliki strategi yang sama,” katanya. “Mereka menciptakan proyek sains yang menarik, namun tidak menambah nilai bisnis”.

Yang pertama dan terpenting, perusahaan perlu mengembangkan strategi AI yang mengidentifikasi dan memprioritaskan kasus penggunaan, dan memastikan mereka mengatasi masalah nyata dan tidak hanya membangun sesuatu yang akan hidup dan mati di laboratorium. Tentu saja ada pertanyaan praktis seputar proses ini: “Bagaimana Anda akan membangun platform AI ini? Bagaimana Anda akan memantaunya?” Armstrong-Barnes bertanya. “Bagaimana Anda memastikan mereka tetap beroperasi secara efisien? Bagaimana Anda akan menyadari bahwa Anda telah mencapai manfaat yang Anda pikir akan mereka capai? Bagaimana Anda mengalokasikan anggaran untuk mendanai inisiatif dengan cara yang benar?”

Tidak diragukan lagi bahwa mengajukan pertanyaan yang tepat dan memiliki rencana yang matang dapat membantu mengurangi waktu yang diperlukan untuk mewujudkan manfaat AI. Namun mengubah sistem AI dari model eksperimental menjadi model kerja sebenarnya juga menghadirkan tantangan besar. “Tantangan terbesar ada pada 'operasionalisasi', yaitu bagaimana Anda mendapatkan sistem AI mulai dari pengumpulan data awal hingga pembuatan model hingga penerapan produksi,” jelas Armstrong-Barnes.

Dan memastikan karyawan memiliki keterampilan yang tepat sangatlah penting. Menarik dan mempertahankan staf dengan atribut yang tepat, atau bermitra dengan organisasi yang dapat menyediakan keahlian tersebut, akan menjadi fokus utama. “Masih banyak kesalahpahaman mengenai manfaat teknologi, sehingga pendidikan tidak hanya membangun keterampilan, namun juga membangun penerimaan,” tambahnya.

Salah satu pendekatan yang dapat dilakukan perusahaan untuk menyelesaikan beberapa masalah keahlian dan infrastruktur adalah dengan mencari kemitraan, ia menyarankan: “Anda dapat bermitra untuk mendatangkan keterampilan tersebut; bermitra untuk mengakses infrastruktur, platform, dan layanan model.”

Arsitektur asli AI memiliki banyak lapisan. Komponen layanan infrastruktur AI misalnya dapat mencakup GPU dan akselerator, bersama dengan elemen komputasi, penyimpanan dan jaringan, container dan mesin virtual, serta perpustakaan AI. Demikian pula layanan platform AI dapat menggabungkan aplikasi ML, serta layanan data, pengembangan, dan penerapan. Dan jangan lupakan layanan model yang mencakup model dasar, penyesuaian, penyimpanan vektor, dan prompt, serta layanan bisnis AI yang dirancang untuk meningkatkan kepercayaan dengan menghilangkan bias dan penyimpangan untuk memberikan presentasi kasus penggunaan yang berharga.

HPE telah membangun kerangka kerja kuat yang berfokus pada manusia yang dapat diterapkan pada kebutuhan pelanggan, berpusat pada privasi, inklusivitas, dan tanggung jawab, kata perusahaan tersebut.

“Artinya Anda bisa fokus pada data dan masalah bisnis,” kata Armstrong-Barnes.

Ini semua tentang data

Berfokus pada data saat Anda merancang dan menerapkan sistem AI sangatlah penting. Organisasi dilanda tsunami data setiap hari. AI memungkinkan mereka untuk menemukan pola tersembunyi dalam data tersebut, yang membantu mempercepat kemampuan mereka untuk mendapatkan nilai dari data tersebut. Kemudian mereka dapat membuat keputusan yang jauh lebih baik mengenai aplikasi, proses, dan layanan yang ingin mereka bangun atau tingkatkan.

Komponen utama dari fokus data-sentris adalah memiliki strategi yang solid mengenai cara mengumpulkan, mengelola, dan memantau data – strategi yang selaras dengan bisnis, membangun budaya data dan mencakup elemen seputar tata kelola, kualitas data, privasi dan metadata, kata HPE.

“Anda perlu memahami apa yang coba dilakukan oleh bisnis ini,” jelas Armstrong-Barnes. “Anda perlu memahami bagaimana Anda meningkatkan kualitas data, siapa yang mengaksesnya, bagaimana Anda membuangnya, metadata apa yang Anda simpan.”

Masalah lain yang dapat ditimbulkan oleh data adalah silo. Ketika data terkunci, mengekstraksi dan mendapatkan nilai darinya bisa menjadi masalah. Dan setelah data tersebut dapat diakses dan tersedia, muncullah masalah dalam melatih data yang akan menginformasikan platform AI. Dalam hal membangun sistem AI, pada tingkat tinggi terdapat beberapa tahapan: pengumpulan data; menyempurnakan data agar siap untuk konstruksi model; membangun model; menyetel model; dan kemudian menyebarkannya. Masing-masing tahap ini menghadirkan tantangan tersendiri.

Namun menggunakan arsitektur asli AI dari HPE Greenlake dapat memberikan landasan yang tepat untuk mempercepat proses ini, kata HPE. Dan Lingkungan Pengembangan Pembelajaran Mesin (MLDE) perusahaan juga dirancang untuk membantu mengurangi kompleksitas dan biaya terkait pengembangan model pembelajaran mesin.

Melatih model AI ini juga memerlukan kekuatan pemrosesan yang signifikan. Ketika perusahaan mulai mengadopsi atau meningkatkan penggunaan AI, pertama-tama mereka harus memiliki kapasitas teknologi untuk menangani beban tersebut. Platform HPE GreenLake dapat menyediakan kapasitas tersebut dalam bentuk arsitektur pemrosesan berkinerja tinggi dan saluran data yang disederhanakan yang dibutuhkan organisasi untuk memastikan akses ke data relevan dan berkualitas tinggi untuk membangun dan menerapkan model dan beban kerja AI.

Proyek yang sukses bisa menerangi jalan

Seringkali bermanfaat untuk melihat perusahaan yang telah melakukan pekerjaan dengan baik dalam mengadopsi dan menerapkan AI sebagai panduan. Salah satunya adalah tim esports Evil Geniuses yang berbasis di Seattle, WA. Sepanjang 25 tahun sejarahnya, perusahaan ini telah memasukkan tim-tim di berbagai esports yang memainkan Call of Duty, Fortnite, Halo, Rocket League, dan VALROANT. Tim Evil Geniuses cukup sukses. Misalnya, tim Call of Duty: WWII perusahaan memenangkan Call of Duty Championship 2018, dan tim VALORANT memenangkan VALORANT Champions 2023.

“Kami di sini untuk mengubah wajah game,” kata Chris DeAppolonio, CEO Evil Geniuses. “Kami adalah organisasi esports dan hiburan game. Kami bermain game secara profesional di seluruh dunia. Teknologi dan data adalah tulang punggung dari semua yang kami lakukan. Game kami dibuat berdasarkan satu dan nol. Hal ini didasarkan pada data, dan bagaimana kita memprosesnya dan menciptakan wawasan dari data tersebut?”

Salah satu masalah mendesak yang dihadapi Evil Geniuses adalah mengidentifikasi calon gamer profesional. Perusahaan memproses data kompleks dalam jumlah besar untuk menemukan talenta di seluruh dunia, dan . “Kami ingin mencari data tentang para profesional di masa depan,” katanya. Dan tampaknya akan bekerja. “Kami ingin menang. Kami ingin menemukan talenta yang lebih baik. Kami ingin lebih efisien dengan pelatih dan pramuka. Kita dapat menggunakan wawasan untuk menemukan superstar berikutnya.”

Masa depan AI – baik dari sudut pandang produktivitas maupun manfaat bisnis – tampak menjanjikan. “AI adalah olahraga tim, ini tentang keterampilan,” kata Armstrong-Barnes dari HPE. “Dalam hal keberhasilan penerapan sistem AI, salah satu pendekatannya adalah bermitra dengan organisasi yang memiliki rekam jejak dalam membangun sistem AI yang skalabel, efisien, dan efektif. Dengan warisan AI yang mendalam selama beberapa dekade, HPE menawarkan alat, teknik, dan keterampilan untuk mempercepat inisiatif AI.”

Berbasis data dan memahami sepenuhnya data serta kegunaannya akan membantu organisasi mengambil pendekatan yang berpusat pada kasus penggunaan untuk membantu mengidentifikasi bagaimana data dapat digabungkan dengan teknik AI untuk mendorong nilai bisnis. Ketika pemahaman tersebut sudah ada, akan lebih mudah untuk memanfaatkan manfaatnya.  

Armstrong-Barnes menyarankan perusahaan untuk membangun platform yang memungkinkan mereka memulai dari hal yang kecil namun memiliki semua fondasi yang memungkinkan mereka untuk meningkatkan skalanya ketika diperlukan. Kemudian mereka tinggal menentukan apa yang ingin mereka lakukan dan bagaimana hal tersebut akan menambah nilai, serta berkembang seiring dengan kebutuhan mereka seiring berjalannya waktu. HPE menekankan kemampuannya untuk membangun 'pabrik AI' yang menggabungkan perangkat keras, perangkat lunak, dan layanan yang memberikan skalabilitas perusahaan, didukung oleh sistem terintegrasi yang membuat hidup lebih mudah bagi pengguna akhir.

“Anda ingin bersaing dengan pesaing Anda yang sudah berada dalam perjalanan AI,” katanya. “Menambahkan mitra ke dalam Tim AI merupakan faktor penentu keberhasilan dalam membangun arsitektur asli AI yang sesuai dengan kebutuhan Anda dan memungkinkan Anda fokus pada data dan tantangan bisnis, bukan pada kompleksitas fondasi yang mendasarinya.”

Disponsori oleh HPE.

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://go.theregister.com/feed/www.theregister.com/2024/04/18/getting_on_board_with_ai/