Bos LG CNS Ungkap Tantangan AI Indonesia, GPU hingga SDM
CEO LG CNS menyoroti sejumlah tantangan yang harus dihadapi Indonesia dalam mengembangkan kecerdasan artifisial atau AI. Tantangan itu tidak hanya menyangkut ketersediaan unit pemrosesan grafis atau GPU sebagai komponen utama infrastruktur komputasi, tetapi juga kesiapan sumber daya manusia, data, regulasi, hingga kemampuan industri dalam mengadopsi teknologi secara berkelanjutan. Pandangan tersebut memberi gambaran bahwa pengembangan AI di Indonesia memerlukan pendekatan menyeluruh, bukan sekadar pengadaan perangkat keras.
LG CNS sebagai perusahaan penyedia layanan teknologi informasi asal Korea Selatan menilai AI akan menjadi bagian penting dari transformasi digital di berbagai sektor. Namun, ambisi tersebut akan sulit direalisasikan tanpa dukungan infrastruktur yang memadai. GPU menjadi salah satu kebutuhan paling mendesak karena menjadi tulang punggung dalam pelatihan model AI berskala besar, inferensi, dan pengolahan data dalam volume tinggi. Ketersediaan GPU yang terbatas, harga yang mahal, serta ketergantungan pada rantai pasok global menjadi persoalan yang perlu diantisipasi.
GPU dan Kesiapan Infrastruktur Komputasi
Dalam konteks Indonesia, kebutuhan GPU tidak dapat dipisahkan dari kesiapan pusat data, jaringan konektivitas, dan pasokan listrik. AI membutuhkan daya komputasi besar dan stabil. Jika infrastruktur dasar belum merata, pemanfaatan GPU berperforma tinggi berpotensi terkonsentrasi di wilayah tertentu saja. Kondisi itu dapat memperlebar kesenjangan digital antara daerah yang memiliki fasilitas memadai dan wilayah yang masih tertinggal. Karena itu, perencanaan infrastruktur AI perlu memperhitungkan sebaran geografis, kapasitas energi, dan kebutuhan industri di masa depan.
Selain itu, pengadaan GPU bukan pekerjaan sekali selesai. Perangkat keras perlu diperbarui secara berkala agar tetap kompetitif. Biaya operasional pusat data juga menjadi pertimbangan penting. Tanpa model pembiayaan yang jelas, investasi infrastruktur AI berisiko tidak berkelanjutan. LG CNS menilai kolaborasi antara pemerintah, operator pusat data, penyedia layanan cloud, dan industri pengguna menjadi kunci untuk membangun kapasitas komputasi yang lebih efisien dan terjangkau.
SDM Menjadi Penentu Daya Saing
Tantangan berikutnya adalah sumber daya manusia. Teknologi AI membutuhkan talenta yang mampu memahami pengembangan model, pengelolaan data, keamanan siber, hingga integrasi sistem. Kebutuhan itu tidak hanya mencakup ilmuwan data atau insinyur AI, tetapi juga tenaga kerja di tingkat pengguna yang perlu memiliki literasi digital memadai. Kesenjangan keterampilan menjadi hambatan nyata ketika perusahaan ingin mengadopsi AI tetapi belum memiliki tim internal yang siap.
LG CNS menekankan pentingnya pendidikan, pelatihan vokasi, dan kerja sama dengan perguruan tinggi. Program pelatihan perlu dirancang agar selaras dengan kebutuhan industri. Selain keterampilan teknis, pemahaman mengenai etika AI, perlindungan data pribadi, dan tata kelola teknologi juga perlu ditanamkan. Tanpa SDM yang kompeten, investasi pada GPU dan pusat data berpotensi tidak memberikan hasil optimal karena teknologi tidak dapat dioperasikan dan dikembangkan secara mandiri.
Data, Regulasi, dan Tata Kelola
Pengembangan AI juga bergantung pada kualitas dan keterbukaan data. Indonesia memiliki volume data yang besar, tetapi tantangan muncul dalam hal standardisasi, interoperabilitas, dan kepatuhan terhadap aturan perlindungan data. Sektor publik dan swasta perlu membangun tata kelola data yang jelas agar pemanfaatan AI tidak menimbulkan risiko hukum maupun pelanggaran privasi. Regulasi yang adaptif dibutuhkan agar inovasi tetap berjalan tanpa mengabaikan kepentingan masyarakat.
Menurut pandangan LG CNS, kerangka regulasi sebaiknya memberikan kepastian bagi pelaku usaha sekaligus menjaga hak pengguna. Pendekatan yang terlalu kaku dapat menghambat uji coba dan inovasi, sedangkan pengawasan yang terlalu longgar berisiko membuka celah penyalahgunaan. Karena itu, dialog antara regulator, industri, akademisi, dan masyarakat sipil menjadi penting. Tata kelola AI tidak cukup hanya mengatur teknologi, tetapi juga harus mempertimbangkan dampak sosial dan ekonomi.
Adopsi Industri dan Kesenjangan Kapasitas
Di tingkat industri, tantangan AI terletak pada kemampuan mengintegrasikan teknologi ke dalam proses bisnis. Banyak perusahaan memahami manfaat AI, tetapi belum memiliki peta jalan yang jelas. Biaya implementasi, keterbatasan talenta, dan kekhawatiran terhadap keamanan data menjadi faktor penghambat. Usaha kecil dan menengah menghadapi beban lebih besar karena sumber daya terbatas. Tanpa dukungan berupa layanan bersama, pendampingan, dan akses terhadap infrastruktur komputasi, adopsi AI berpotensi hanya dinikmati perusahaan besar.
LG CNS menilai pendekatan berbasis layanan dapat membantu mempercepat adopsi. Penyediaan platform AI sebagai layanan, misalnya, memungkinkan perusahaan mengurangi investasi awal dan lebih fokus pada pengembangan use case. Namun, model tersebut tetap memerlukan jaminan keamanan, transparansi biaya, dan kepatuhan terhadap regulasi lokal. Interoperabilitas juga menjadi syarat agar solusi yang dibangun tidak terkunci pada satu penyedia teknologi.
Energi, Keamanan, dan Kedaulatan Digital
Infrastruktur AI berhubungan erat dengan kebutuhan energi. Pusat data berperforma tinggi membutuhkan pasokan listrik yang besar dan stabil. Jika tidak dikelola dengan baik, pertumbuhan komputasi AI dapat menambah tekanan pada sistem energi. Karena itu, efisiensi energi, pemanfaatan sumber daya terbarukan, dan desain pusat data yang ramah lingkungan perlu menjadi bagian dari perencanaan. Isu keberlanjutan tidak dapat dipisahkan dari pengembangan AI jangka panjang.
Aspek keamanan juga menjadi perhatian. Semakin besar ketergantungan pada AI, semakin besar pula risiko serangan siber, kebocoran data, dan penyalahgunaan model. Kedaulatan digital menjadi penting agar data strategis dan proses komputasi vital tetap terlindungi. LG CNS menilai Indonesia perlu membangun kapasitas lokal dalam pengelolaan infrastruktur, audit sistem, dan respons insiden. Kerja sama internasional tetap dibutuhkan, tetapi harus disertai penguatan kemampuan domestik.
Secara keseluruhan, tantangan AI di Indonesia bersifat multidimensi. GPU, pusat data, energi, SDM, data, regulasi, dan keamanan saling terkait. Kemajuan pada satu aspek tidak cukup jika aspek lain tertinggal. Diperlukan koordinasi lintas kementerian, lembaga, industri, dan akademisi agar pengembangan AI berjalan terarah. LG CNS menegaskan bahwa keberhasilan AI tidak hanya diukur dari kecanggihan teknologi, tetapi juga dari kemampuan ekosistem menyerap, mengelola, dan memanfaatkannya secara bertanggung jawab.
Komentar (0)