3 Prediksi Tren AI dan Machine Learning 2023

Berbagai perusahaan di semua industri sedang dalam proses mewujudkan upaya transformasi digital. Mereka juga ingin semakin mengerahkan teknologi baru seperti kecerdasan buatan (artificial intelligence/AI) dan machine learning untuk meningkatkan efisiensi operasional dan mengurangi biaya.

Evolusi AI dan algoritma machine learning yang berkelanjutan telah mendorong pengadopsian machine learning dan pemrosesan. Dari lembaga keuangan hingga telekomunikasi, manufaktur hingga retail, kita sedang melihat banyak organisasi memanfaatkan teknologi ini dengan cara yang inovatif untuk mentransformasi bisnis mereka.

Karena semakin banyak industri yang matang secara digital dan mengadopsi teknologi ini, 2023 akan menjadi tahun yang sangat penting bagi organisasi yang ingin mengaplikasikan solusi teknologi baru di seluruh fungsi bisnis mereka. Berikut adalah tiga tren yang kemungkinan akan mendominasi prioritas bisnis pada tahun depan.

1. Memperlakukan data sebagai aset bisnis
Pada tahun-tahun terakhir ini, berbagai organisasi/perusahaan menghasilkan volume data dalam jumlah yang belum pernah terjadi sebelumnya, sebagai hasil sampingan dari aktivitas digital mereka, dan meningkatnya touch point pelanggan digital.

Ini terutama terjadi di industri seperti telekomunikasi, retail, layanan kesehatan, manufaktur, asuransi, dan layanan keuangan. Dan dengan kemungkinan terjadinya perluasan jaringan 5G di seluruh wilayah, volume data ini akan meningkat secara signifikan.

Di Asia Pasifik, banyak organisasi melakukan, atau berencana melakukan lebih banyak dengan data mereka, dan memperpendek waktu untuk mendapatkan nilai dari data. Data memiliki insight berharga untuk pengambilan keputusan bisnis yang penting, dan organisasi yang paling inovatif dan sukses mene

mpatkan data sebagai sumber daya strategis yang harus memiliki strateginya sendiri. Bentuk strategi ini tergantung pada kebutuhan unik organisasi, karena satu hal akan mempengaruhi hal lainnya. Tidak ada pendekatan yang seragam untuk semua perusahaan; strategi harus terus berkembang sesuai dengan prioritas bisnis.

Satu hal yang pasti adalah, memiliki strategi data enterprise yang selaras dengan strategi cloud organisasi dan prioritas bisnis akan membantu organisasi mendorong value bisnis yang lebih besar dengan meningkatkan efisiensi operasional dan membuka aliran pendapatan baru.

Menurut temuan dari penelitian Enterprise Data Maturity, sebanyak 5,97 persen enterprise di Asia Pasifik yang memiliki strategi data yang matang melaporkan mengalami pertumbuhan keuntungan yang lebih tinggi.

Dengan tool yang tepat, memilih insight yang bisa ditindaklanjuti dari data untuk meraih objektif bisnis atau membuka aliran pendapatan baru, bisa dicapai dengan mudah oleh organisasi dari semua skala di seluruh industri, terutama dengan ketersediaan fungsi layanan mandiri yang tidak membutuhkan keahlian ops atau cloud tertentu.

2. Operasional sistem AI adaptif untuk keputusan bisnis lebih cepat
Dengan meningkatnya permintaan akan pemrosesan data, streaming dan sharing secara real-time untuk mendukung organisasi bertransformasi menjadi organisasi yang data-driven, akan ada lebih banyak perusahaan yang berinvestasi dalam membangun sistem AI adaptif yang bisa ‘mencerna’ data dalam jumlah dengan interval yang tinggi, dan beradaptasi terhadap perubahan dan variasi secara cepat.

Yang membedakan antara pemenang dan mereka yang lamban adalah kecepatan mengeksekusi analitik prediktif (predictive analytic), dan rasio biaya yang dikeluarkan dengan manfaat yang diperoleh (cost-benefit) terkait dengan paradigma algoritmik tersebut.

Kemampuan organisasi dalam menciptakan kepercayaan terhadap AI yang bisa digunakan dan dijelaskan untuk pengambilan keputusan yang lebih cepat dan fleksibel akan membedakan antara pemimpin dan yang tertinggal.

Organisasi/perusahaan mengubah fokus ke luar algoritma, yakni ke hal-hal seperti dashboard prediktif yang business-ready, visualisasi, dan aplikasi yang menyederhanakan penggunaan sistem AI untuk mencapai kesimpulan. Ini akan membantu bisnis dengan cepat memahami dampaknya ke bisnis mereka dan bergerak dengan percaya diri.

Kami sudah bekerja sama dengan berbagai organisasi di Asia Pasifik untuk mengoperasionalkan data analytic dan solusi AI untuk membuka kunci pengambilan keputusan yang data-driven dan efisiensi operasional, dan dengan cepat melihat keuntungan bisnis.

Sebagai contoh, Bank BRI di Indonesia membangun lima layer arsitektur IT untuk meningkatkan efisiensi operasional dan memungkinkan developer untuk memanfaatkan teknologi AI dan ML. Arsitektur IT baru ini memungkinkan BRI untuk menyimpan, mengonsolidasi dan memproses informasi dari beberapa aliran data di satu platform.

Ini meningkatan kemampuan bank dalam mendeteksi fraud dan credit scoring, serta pengembangan produk microfinancing digital yang baru. Dengan pendeteksian fraud secara real time melalui BRIForce.

Bank ini bisa mengotomatisasi proses yang dapat menemukan anomali dalam event streaming yang muncul dari beberapa touch point nasabah, dari jangka waktu dua bulan, menjadi beberapa detik saja. 

3. Perpindahan berkelanjutan ke public cloud dan hybrid cloud
Pengeluaran untuk public cloud dan volume beban kerja di berbagai organisasi dari semua skala terus mengalami akselerasi karena kebijakan mengedepankan cloud (cloud-first) dan migrasi cloud menjadi agenda utama para pemimpin IT senior.

Namun, biaya untuk melakukan ini terbuang sia-sia dalam jumlah yang signifikan karena organisasi kesulitan untuk mengoptimalkan biaya secara efektif.

Menurut 2022 State of the Cloud Report dari Flexera, responden memperkirakan organisasi mereka memboroskan 32 persen pengeluaran cloud pada 2021, naik dari 30 persen pada tahun sebelumnya.

Karena optimalisasi biaya masih menjadi iniasitif cloud paling utama bagi organisasi pada enam tahun ke depan, kemungkinan besar kita akan melihat organisasi memilih strategi yang lebih hemat biaya namun dapat memberikan hasil dengan cepat dan efisien. k

Di sinilah pemanfaatan arsitektur data modern seperti data lakehouse, data fabric dan data mesh, menjadi sangat penting untuk mendorong efisiensi bisnis di seluruh operasional yang beragam.

Selain untuk mengelola data on-premise dan di public cloud atau private cloud, arsitektur data modern ini juga secara intrinsik didesain untuk mengatasi kerumitan seperti masalah keamanan dan tata kelola. Ini juga menjawab kekhawatiran tim IT dalam membuka akses ke data organisasi.

Organisasi/perusahaan bisa mempertimbangkan untuk pindah ke platform data hybrid yang bisa mengelola seluruh siklus hidup analitik data dan machine learning. Platform tersebut harus memiliki fitur keterbukaan dan interoperasionalitas yang memudahkan untuk berbagi dan memungkinkan fungsi layanan mandiri.