Teknologi Data Streaming untuk Mempercepat Pengembangan AI Real-Time
Rabu, 27 September 2023 - 14:54 WIB
loading...
A
A
A
Meskipun kecanggihan AI sudah terdengar selama beberapa tahun ini, belakangan hal tersebut mulai digemari lagi berkat terobosan di seluruh reusable large language models (LLM), model pembelajaran mesin yang lebih mudah diakses dan kemampuan GPU yang lebih kuat.
Dampaknya, mendorong berbagai organisasi untuk mempercepat investasi AI mereka. Namun, tantangan mendasar dalam AI modern adalah kurangnya akses ke data real-time yang relevan yang dibutuhkan aplikasi AI secara tepat waktu, aman, dan dapat diskalakan.
Selama satu dekade terakhir, AI sangat bergantung pada data historis, diintegrasikan dengan pipeline point-to-point berbasis batch yang lambat yang membuat data menjadi basi dan tidak akurat pada saat data tiba.
Hal tersebut tidak lagi memadai untuk penggunaan AI real-time yang sedang dijalankan oleh bisnis saat ini, seperti deteksi penipuan prediktif, asisten perjalanan AI generatif, atau rekomendasi yang dipersonalisasi. Masalah yang lebih parah lagi adalah masalah tata kelola data dan skalabilitas yang buruk.
Akibatnya, laju kemajuan AI terhambat karena pengembang terus-menerus mengatasi masalah dengan hasil yang sudah ketinggalan zaman dan gambaran AI yang tidak dapat dipercaya. Ini bukan hanya rintangan teknis tetapi ini adalah penghalang bagi inovasi AI.
"Meskipun ada pertumbuhan yang signifikan dalam jumlah perusahaan yang bereksperimen dengan AI generatif, banyak yang menghadapi hambatan dari infrastruktur data yang tidak valid dan tidak memiliki ketersediaan data real-time dan kepercayaan," kata Stewart Bond, Data Intelligence and Integration Software, IDC.
Dampaknya, mendorong berbagai organisasi untuk mempercepat investasi AI mereka. Namun, tantangan mendasar dalam AI modern adalah kurangnya akses ke data real-time yang relevan yang dibutuhkan aplikasi AI secara tepat waktu, aman, dan dapat diskalakan.
Selama satu dekade terakhir, AI sangat bergantung pada data historis, diintegrasikan dengan pipeline point-to-point berbasis batch yang lambat yang membuat data menjadi basi dan tidak akurat pada saat data tiba.
Hal tersebut tidak lagi memadai untuk penggunaan AI real-time yang sedang dijalankan oleh bisnis saat ini, seperti deteksi penipuan prediktif, asisten perjalanan AI generatif, atau rekomendasi yang dipersonalisasi. Masalah yang lebih parah lagi adalah masalah tata kelola data dan skalabilitas yang buruk.
Akibatnya, laju kemajuan AI terhambat karena pengembang terus-menerus mengatasi masalah dengan hasil yang sudah ketinggalan zaman dan gambaran AI yang tidak dapat dipercaya. Ini bukan hanya rintangan teknis tetapi ini adalah penghalang bagi inovasi AI.
"Meskipun ada pertumbuhan yang signifikan dalam jumlah perusahaan yang bereksperimen dengan AI generatif, banyak yang menghadapi hambatan dari infrastruktur data yang tidak valid dan tidak memiliki ketersediaan data real-time dan kepercayaan," kata Stewart Bond, Data Intelligence and Integration Software, IDC.
Lihat Juga :
