Setelah dua tahun model besar ngebut, para raksasa AI serempak berbalik arah untuk memperbaiki fondasi data
Mesinnya dipasang, tapi jalannya belum selesai
Babak pertama: semua orang berlari di pameran
Narasi AI dua tahun terakhir sangat seragam: model makin besar, parameter makin banyak, peringkat makin tinggi; tim open-source dan tim closed-source berebut sorotan. Skenario perusahaan juga sangat mirip: beli komputasi, rekrut algoritmuwan, deploy model—dan ketika default model dianggap cukup kuat untuk langsung diimplementasikan, semuanya berjalan
Namun kenyataan memberi pukulan. Kisah CIO dari salah satu BUMN besar adalah contoh tipikal: 17 sistem bisnis, 9 data warehouse, 3 cloud, format datanya beragam, dan banyak laporan kertas tidak terdigitalisasi. Akibatnya, aplikasi paling dasar seperti diagnosis gangguan perangkat bahkan tidak bisa dijalankan; model bahkan tidak sanggup membaca catatan perbaikan historis
Bottleneck-nya bukan karena model tidak mampu, melainkan karena data tidak bisa “diberi makan”
Babak kedua: mobil harus masuk ke jalanan nyata
Pabrik harus tetap beroperasi tanpa henti, rumah sakit harus aman, pemerintah harus patuh regulasi. Sehebat apa pun modelnya, jika jalur data belum diperbaiki, maka model hanya akan berputar di tempat
Aksi rantai industri global mulai menyatu polanya: model besar yang sama dijalankan mentah dengan data perusahaan, serta dengan sistem engineering data yang lengkap untuk akses. Perbedaan akurasi menjadi seperti jurang. Celahnya bukan pada “otak” model, melainkan pada apakah bisa memakan bahan yang tepat
Maka muncul arsitektur baru: di atas adalah model dan kapabilitas, di bawah adalah engineering data, audit akses, serta strategi tata kelola. Model dan data tidak lagi menjadi hilir-hulu pipeline yang satu arah, melainkan pasangan yang saling memberi makan
Tantangan di Tiongkok makin berlapis
Rantai pasok manufaktur lebih panjang, persyaratan kepatuhan lebih ketat, data non-terstruktur lebih banyak, sistem lebih terpecah-pecah, dan standarnya lebih beragam. Jembatan dari general intelligence ke industry intelligence memiliki jurang. Justru fondasi pendukungnya adalah infrastruktur data end-to-end
Bukan untuk memasang “otak” pada AI, melainkan untuk lebih dulu menyambungkan sistem sarafnya
Lalu apa yang benar-benar langka
Belokannya untuk memperbaiki fondasi kali ini pada dasarnya adalah koreksi cara berpikir. Nilai AI saat diskalakan tidak ditentukan oleh seberapa banyak poin yang diraih model hari ini, melainkan oleh apakah data bisa terus disuplai dengan kualitas yang baik, apakah tata kelolanya bisa terus dipercaya, dan apakah engineering bisa terus menjalankan siklus tertutup secara nyata
Tiongkok tidak kekurangan model open-source ke-101. Yang kurang adalah membersihkan “panci” data itu lebih dulu, lalu memasak hingga jadi sup berkualitas tinggi
Begitu hal ini berhasil dijalankan, AI akan berubah dari sekadar tren berita panas menjadi alat di meja kerja
DYOR bukan nasihat investasi
#AI