Mobitekno – Generative AI (Gen AI) telah menjadi salah satu teknologi paling menarik dan menjanjikan dalam beberapa tahun terakhir. Tahun 2024 akan menjadi tahun yang penting bagi Gen AI, dengan banyak perusahaan yang mulai mengoperasionalkan dan mengadopsi teknologi ini secara luas.
Sekarang, perkembangan terbaru menunjukkan bahwa Generative AI (Gen AI) semakin mendekati puncak ekspektasi.
Gen AI menjanjikan keunggulan teknologi yang menarik dan aplikasi yang luas, diyakini akan memengaruhi setiap industri besar dan fungsi kerja. Laporan McKinsey tahun 2023 bahkan menyebutkan bahwa Gen AI dan teknologi serupa berpotensi mengotomatisasi aktivitas kerja yang menghabiskan 60 hingga 70 persen waktu karyawan saat ini.
Penelitian IDC juga menyoroti bagaimana dua pertiga organisasi di Asia Pasifik menjajaki atau berinvestasi di Gen AI pada tahun ini.
Daniel Hand, Field Chief Technology Officer for APJ, Cloudera, mengungkapkan, “Memasuki tahun 2024, perusahaan-perusahaan diproyeksikan akan memperkuat upaya mereka dalam mengadopsi dan meningkatkan Gen AI, sambil menyesuaikan pendekatan mereka terhadap volume data yang terus meningkat, terutama di lingkungan cloud, untuk mendorong fleksibilitas dan pertumbuhan,”
Berikut adalah beberapa tren menarik yang dapat kita saksikan tahun ini:
1. MLOPS yang Kuat dan Integrasi Data untuk Pengoperasian Gen AI
Sejak peluncuran ChatGPT v3.5 pada bulan November 2022, organisasi telah menghadapi tantangan dalam memperoleh manfaat maksimal dari teknologi ini sambil menyediakan data kontekstual yang cukup secara aman.
Teknologi seperti ChatGPT dan Large Language Models (LLM) berbasis software-as-a-service (SaaS) telah menimbulkan tantangan privasi data yang signifikan bagi organisasi. Namun, kemajuan pesat dalam LLM open source seperti Llama-v2 milik Meta telah memberikan alternatif yang patut dipertimbangkan. Di tahun 2024, fokus akan tertuju pada pengembangan Machine Learning Operations (MLOPS) yang kuat dan kemampuan integrasi data.
Daniel memperkirakan organisasi akan terus berfokus untuk mengembangkan Machine Learning Operations (MLOPS) yang kuat dan kemampuan integrasi data.
2. Pendekatan RAG dan Fine-tuning untuk Mengoptimalkan LLM
Organisasi akan menggandakan pendekatan Retrieval Augmented Generation (RAG) dan melakukan fine-tuning untuk mengoptimalkan Large Language Models (LLM). RAG telah terbukti sebagai pendekatan yang efektif karena memberikan hasil yang baik tanpa perlu pelatihan khusus, meskipun membutuhkan infrastruktur data yang kompleks.
Di sisi lain, fine-tuning seperti Performance Efficient Fine Tuning (PEFT) akan semakin banyak digunakan oleh organisasi untuk proyek baru dan menggantikan beberapa arsitektur RAG sebelumnya.
“Saya harap penyerapannya akan menjadi yang paling besar dalam organisasi dengan tim-tim data science yang lebih besar dan memiliki kemampuan lebih,” ungkap Daniel.
3. Perpindahan dari Cloud First ke Cloud Considered
Komputasi cloud tetap menjadi teknologi transformatif penting, namun beberapa bisnis mulai mengubah strategi mereka dari pendekatan “cloud first” menjadi sikap yang lebih penuh pertimbangan dan seimbang.
Arsitektur hybrid cloud native menjadi fokus utama, memungkinkan organisasi untuk memanfaatkan fleksibilitas, skalabilitas, dan efisiensi biaya cloud, sambil memperhitungkan perubahan kondisi ekonomi dan regulasi.
Daniel menilai data fabric yang dihasilkannya di public cloud dan private cloud menyediakan fondasi untuk pendekatan cerdas, terotomatisasi dan berbasis kebijakan ke manajemen data.
4. Otomatisasi Manajemen Data, Demokratisasi Data, dan Keamanan Zero-trust
Otomatisasi manajemen data akan semakin diperkuat, sementara demokratisasi data dan keamanan zero-trust akan menjadi perhatian utama. Observabilitas di seluruh infrastruktur dan platform data akan memainkan peran penting, sementara pendekatan seperti Performance Efficient Fine Tuning (PEFT) akan digunakan untuk meningkatkan efisiensi dan akurasi.
“Saya memperkirakan teknologi akan semakin menyederhanakan implementasi dan penerapan zero-trust, baik di dalam organisasi dan – terlebih lagi – di seluruh organisasi tersebut, karena data federation mendapatkan semakin banyak perhatian,” papar Daniel.
5. Migrasi ke Open Data Lakehouse
Migrasi ke arsitektur Open Data Lakehouse akan menjadi tren utama di tahun 2024, dengan peningkatan penggunaan teknologi terbuka seperti Apache Iceberg. Dengan perkiraan migrasi yang stabil, kita akan menyaksikan perubahan signifikan dalam manajemen data dan beban kerja menuju arsitektur yang lebih terbuka dan efisien.
Dengan demikian, tahun 2024 akan menjadi tahun yang menarik dalam perkembangan teknologi Gen AI dan transformasi data, di mana inovasi terus mendorong batas-batas kemungkinan di berbagai industri dan fungsi kerja.
Tags: Cloudera, data, Gen AI, generative AI, LLM, Machine Learning Operations
