GoTo merilis model bahasa besar atau large language model (LLM) berukuran 27 miliar parameter yang dirancang untuk memahami Bahasa Indonesia dan sejumlah bahasa daerah. Langkah ini menempatkan perusahaan teknologi nasional itu dalam peta pengembangan kecerdasan artifisial berbahasa Indonesia, sekaligus menandai upaya memperluas cakupan teknologi bahasa di luar model global yang selama ini dominan.
Model berukuran 27B, atau 27 miliar parameter, merupakan LLM kelas menengah hingga besar. Parameter adalah bagian internal model yang menyimpan pola bahasa dan pengetahuan hasil pelatihan. Semakin besar jumlah parameter, model umumnya memiliki kapasitas lebih tinggi dalam memahami konteks, tetapi juga menuntut daya komputasi, data, dan biaya operasional yang lebih besar. Karena itu, ukuran 27 miliar parameter dipandang sebagai titik keseimbangan antara kemampuan dan efisiensi penerapan.
Fokus pada Bahasa Indonesia dan Bahasa Daerah
Yang menjadi sorotan dari peluncuran ini adalah penekanan pada Bahasa Indonesia hingga bahasa daerah. Selama ini, banyak model bahasa besar global lebih kuat dalam bahasa Inggris dan sejumlah bahasa besar dunia. Kualitasnya dalam Bahasa Indonesia sering kali bergantung pada data pelatihan yang tersedia, dan kemampuannya dalam bahasa daerah masih terbatas. Kehadiran model yang secara khusus diarahkan pada konteks lokal berpotensi memperbaiki layanan digital bagi pengguna yang tidak sepenuhnya nyaman dengan istilah berbahasa Inggris.
Penguasaan bahasa daerah memiliki nilai praktis. Di Indonesia, interaksi sehari-hari tidak selalu berlangsung dalam Bahasa Indonesia baku. Masyarakat di berbagai wilayah menggunakan bahasa daerah, campuran bahasa, serta ungkapan lokal yang sarat konteks. Model yang mampu memahami variasi tersebut dapat membantu layanan pelanggan, penerjemahan, pencarian informasi, hingga pendidikan berbasis bahasa ibu. Namun, kemampuan itu perlu dibuktikan melalui evaluasi yang terbuka, bukan hanya melalui klaim cakupan bahasa.
Peluang di Ekosistem Digital
GoTo memiliki ekosistem layanan digital yang luas, mulai dari transportasi, perdagangan elektronik, hingga layanan keuangan. Model bahasa berukuran 27B dapat dimanfaatkan untuk meningkatkan kualitas antarmuka dan layanan bagi pengguna maupun mitra usaha. Contohnya, asisten digital yang memahami pertanyaan dalam Bahasa Indonesia sehari-hari, ringkasan ulasan pelanggan, bantuan penulisan deskripsi produk, serta dukungan bagi pelaku usaha mikro, kecil, dan menengah dalam mengelola informasi.
Penerapan semacam itu tidak otomatis terjadi. Perusahaan perlu memastikan model tidak memberikan informasi keliru, menjaga data pribadi pengguna, dan menempatkan manusia dalam pengawasan. Untuk layanan yang menyangkut transaksi atau keputusan penting, keluaran model bahasa sebaiknya tidak dijadikan satu-satunya dasar. Prinsip kehati-hatian itu penting agar adopsi LLM tidak menimbulkan risiko baru bagi konsumen dan mitra.
Tantangan Data dan Tata Kelola
Pengembangan LLM berbahasa Indonesia dan bahasa daerah menghadapi tantangan data yang tidak ringan. Bahasa daerah sering memiliki penutur lebih sedikit, variasi dialek yang luas, dan tradisi lisan yang belum banyak terdokumentasi dalam bentuk digital. Kualitas data menjadi penentu. Data yang tidak representatif dapat membuat model kurang akurat bagi kelompok pengguna tertentu, sementara data yang dikumpulkan tanpa izin menimbulkan persoalan etika dan hukum.
Karena itu, peluncuran model perlu disertai penjelasan mengenai sumber data, metode pelatihan, dan mekanisme evaluasi. Pengujian sebaiknya mencakup berbagai konteks lokal, termasuk percakapan sehari-hari, istilah daerah, dan nuansa budaya. Uji coba juga perlu melibatkan penutur asli serta pakar bahasa agar hasilnya tidak hanya mengandalkan metrik otomatis. Tanpa proses itu, klaim pemahaman bahasa daerah sulit diverifikasi secara memadai.
Dampak bagi Industri
Langkah GoTo memperlihatkan bahwa pengembangan LLM tidak lagi sepenuhnya menjadi wilayah perusahaan teknologi global. Perusahaan di Indonesia mulai membangun model yang disesuaikan dengan kebutuhan pasar domestik. Jika dikelola dengan baik, model lokal dapat mempercepat digitalisasi layanan publik dan swasta, terutama di daerah yang belum mendapat perhatian penuh dari produk global. Model lokal juga dapat menjadi fondasi bagi pengembang lain untuk menciptakan aplikasi berbahasa Indonesia dan bahasa daerah.
Meski demikian, kehadiran model 27B tidak serta-merta menempatkan GoTo sebagai pemimpin tunggal. Persaingan di bidang kecerdasan artifisial bergerak cepat, dan model global terus diperbarui. Keunggulan model lokal akan sangat bergantung pada kualitas data, kemampuan tim pengembang, ekosistem mitra, serta kecepatan iterasi. Pengguna juga akan menilai berdasarkan manfaat nyata, bukan sekadar ukuran parameter.
Langkah Berikutnya
Setelah peluncuran, publik akan menantikan bagaimana model ini diuji, digunakan, dan dievaluasi. Transparansi mengenai kemampuan dan keterbatasan model menjadi penting agar ekspektasi tidak berlebihan. Perusahaan juga perlu menjelaskan kebijakan penggunaan, perlindungan data, dan mekanisme penanganan kesalahan. Bagi industri, peluncuran ini dapat menjadi pendorong tumbuhnya riset dan pengembangan AI berbahasa Indonesia yang lebih serius.
Pada akhirnya, nilai sebuah LLM tidak hanya ditentukan oleh jumlah parameter atau cakupan bahasa yang diklaim. Nilai itu ditentukan oleh sejauh mana model dapat membantu masyarakat memperoleh informasi, layanan, dan peluang secara lebih adil, aman, dan bermakna. Peluncuran model 27B oleh GoTo menjadi langkah awal yang penting, tetapi kualitas implementasi dan tata kelolanya akan menjadi penentu dampak jangka panjang.
Komentar (0)