Fokus Data: Tantangan Perusahaan di Indonesia – Kata Inixindo Jogja

Fokus Data: Tantangan Perusahaan di Indonesia – Kata Inixindo Jogja

Apr 5, 2024

Teknologi yang semakin canggih mendorong perusahaan di seluruh dunia tak terkecuali Indonesia untuk menyesuaikan diri. Tentu dorongan digitalisasi perusahaan ini menjadi tantangan tersendiri.

Salah satu tantangan yang dihadapi oleh perusahaan dalam digitalisasi adalah data.

Dari seluruh area fokus pengembangan IT perusahaan di Indonesia, data menempati presentase terkecil yakni hanya 22%  saja, jauh dibawah manajemen sebesar 46%, security sebesar 38% dan infrastruktur sebesar 37%.

Ada berbagai tantangan yang dihadapi untuk fokus pada pengembangan data.

Pelajari selengkapnya di Kata Inixindo Jogja edisi Februari: Fokus Data: Tantangan Perusahaan di Indonesia

Download Kata Inixindojogja
Apa Itu Perplexity AI dan Apa Saja Fiturnya

Apa Itu Perplexity AI dan Apa Saja Fiturnya

Apr 3, 2024

Perplexity AI adalah alat obrolan atau chat tool yang menggunakan teknologi kecerdasan buatan (AI) untuk menyediakan jawaban yang akurat dan komprehensif atas pertanyaan pengguna. Ia dirancang untuk mencari informasi secara real-time dan menawarkan informasi terkini tentang berbagai topik. Perplexity AI menggunakan teknologi Natural Language Processing (NLP) dan model bahasa yang serupa dengan ChatGPT, yaitu Generative Pre-training Transformer (GPT). Ia juga memiliki fitur Threads yang memungkinkan pengguna untuk membagikan threads dan berinteraksi dengan pengguna lainnya.

Beragam Fitur Perplexity AI 

Perplexity AI dilengkapi dengan berbagai fitur yang dapat membantu Anda meningkatkan kualitas dan produktivitas penulisan. Berikut beberapa contohnya:

Mesin Pencari Bergaya Chatbot

Fitur utama Perplexity AI adalah mesin pencari bergaya chatbot yang memungkinkan Anda mengajukan pertanyaan dalam bahasa alami. Cukup ketikkan pertanyaan atau topik yang ingin Anda tulis, dan Perplexity AI akan menjelajahi web untuk menemukan informasi yang relevan. Platform ini akan merangkum informasi tersebut dengan cara yang ringkas dan mudah dipahami, memberikan Anda fondasi yang kokoh untuk memulai penulisan Anda.

Contoh:

  • “Jelaskan tentang dampak perubahan iklim terhadap sektor pertanian.”
  • “Bagaimana cara menulis email lamaran pekerjaan yang menarik?”
  • “Apa saja tips untuk menulis artikel blog yang SEO-friendly?”

Penyuntingan Pertanyaan

Perplexity AI dilengkapi dengan fitur unik yang memungkinkan Anda mengedit pertanyaan Anda secara langsung di halaman hasil pencarian. Dengan cara ini, Anda dapat menyempurnakan pertanyaan Anda dengan lebih mudah dan mendapatkan hasil yang lebih sesuai dengan kebutuhan Anda. Fitur ini sangat membantu untuk menjelajahi topik yang kompleks dan mendapatkan berbagai sudut pandang.

Contoh:

  • Anda dapat mengubah pertanyaan “Jelaskan tentang dampak perubahan iklim terhadap sektor pertanian” menjadi “Jelaskan secara spesifik bagaimana perubahan iklim memengaruhi hasil panen padi di Indonesia.”

Kurasi Sumber:

Setiap sumber informasi yang digunakan oleh Perplexity AI untuk menjawab pertanyaan Anda akan ditampilkan di hasil pencarian. Hal ini memungkinkan Anda untuk menelusuri kredibilitas informasi dan memastikan bahwa Anda hanya menggunakan sumber yang terpercaya.

Contoh:

  • Ketika Anda mencari informasi tentang perubahan iklim, Perplexity AI akan menampilkan artikel dari jurnal ilmiah, situs web organisasi lingkungan, dan laporan pemerintah.

Fitur Threads memungkinkan Anda untuk mengelompokkan hasil pencarian Anda berdasarkan topik atau subtopik. Ini adalah cara yang fantastis untuk mengatur informasi Anda dan membuat alur logis untuk tulisan Anda.

Contoh:

  • Saat menulis artikel tentang dampak perubahan iklim, Anda dapat membuat Threads untuk membahas berbagai aspek topik, seperti dampak terhadap sektor pertanian, kesehatan manusia, dan ekonomi.

Ekstensi Chrome

Selain fitur-fitur utama yang disebutkan di atas, Perplexity AI juga menawarkan berbagai fitur lain yang bermanfaat, seperti:

  • Ringkasan teks: Ringkas teks panjang dengan cepat dan mudah.
  • Penerjemahan: Terjemahkan teks dari satu bahasa ke bahasa lain.
  • Penulisan kreatif: Bantu Anda menulis berbagai jenis konten kreatif, seperti puisi, naskah, dan cerita.
Tingkatan AI dari Lemah hingga Superintelligence

Tingkatan AI dari Lemah hingga Superintelligence

Apr 2, 2024

Di era digital ini, kecerdasan buatan (Artificial Intelligence atau AI) telah menjadi pusat perhatian dalam dunia teknologi. 

Teknologi ini telah berkembang pesat dan merambah ke berbagai aspek kehidupan kita, dari aplikasi bisnis hingga layanan kesehatan dan hiburan.

AI telah merambah ke berbagai aspek kehidupan kita, mengubah cara kita bekerja, berkomunikasi, dan berinteraksi dengan lingkungan sekitar. 

Namun, ketika kita berbicara tentang AI, seringkali kita mendengar tentang “tingkatan” atau “level” kecerdasan buatan.

Tingkatan Artificial Intelligence

Secara umum, Artificial Intelligence atau AI memiliki 3 tingkatan yakni lemah, sedang, dan superintelligence. 

Ketiga tingkatan ini memiliki kemampuan masing-masing dan digunakan untuk berbagai keperluan yang berbeda.

Berikut penjelasan tentang tingkatan AI dari paling lemah hingga paling kuat:

Ilustrasi AI

Tingkatan AI Lemah (Weak AI) atau Sistem AI Spesifik

Tingkat AI ini merujuk pada sistem yang dibuat untuk menangani tugas-tugas tertentu yang bersifat khusus. Contoh yang sering ditemui adalah chatbot, sebuah program komputer yang dibuat untuk berkomunikasi dengan manusia melalui teks atau suara. 

Chatbot biasa digunakan dalam layanan konsumen, di mana perusahaan-perusahaan e-commerce memanfaatkannya untuk memandu pelanggan dalam mencari produk, menjawab pertanyaan seputar kebijakan pengiriman, serta menangani aduan konsumen secara efektif dan efisien. 

Selain itu, AI jenis ini juga terdapat pada sistem rekomendasi yang dipakai oleh layanan streaming seperti Netflix dan Spotify, yang memanfaatkan algoritma machine learning untuk mempelajari kebiasaan pengguna dan memberikan saran konten yang sesuai dengan kesukaan mereka.

ilustrasi ai

Tingkatan AI yang Kuat (Strong AI) atau Sistem AI Umum

Pada tingkatan ini, AI memiliki kemampuan untuk menyelesaikan berbagai tugas dan belajar dari pengalaman mereka. Salah satu contoh yang paling terlihat dari strong AI adalah mobil otonom. 

Mobil otonom menggunakan teknologi AI yang canggih, seperti sensor radar dan kamera, untuk mengemudi tanpa bantuan manusia.

Mereka dapat mendeteksi dan menanggapi perubahan di lingkungan sekitarnya, seperti lampu lalu lintas, pejalan kaki, dan kendaraan lain di jalan. Selain itu, asisten virtual seperti Google Assistant dan Amazon Alexa juga merupakan contoh dari AI yang kuat. 

Mereka dapat menjawab pertanyaan, memberikan informasi, mengatur jadwal, dan bahkan mengeksekusi perintah suara dengan menggunakan pemahaman bahasa alami dan konteks pengguna.

ilustrasi AI

Superintelligence

superintelligence adalah tingkatan tertinggi AI yang mungkin akan melebihi kecerdasan manusia dalam segala hal. 

Meskipun masih merupakan konsep teoritis, beberapa contoh aplikasi potensial dari superintelligence termasuk pemecahan masalah kompleks dalam berbagai bidang, mulai dari penelitian ilmiah hingga pengembangan teknologi baru. 

Misalnya, dalam bidang kesehatan, superintelligence dapat digunakan untuk menganalisis data genomik dan memprediksi risiko penyakit genetik dengan tingkat akurasi yang tinggi. 

Dalam bidang finansial, superintelligence dapat digunakan untuk menganalisis pasar keuangan dan membuat prediksi investasi dengan akurasi yang lebih baik daripada manusia.

Pendapat Ahli IT Tentang AI Generatif, Benarkah Mengancam Manusia?

Pendapat Ahli IT Tentang AI Generatif, Benarkah Mengancam Manusia?

Apr 2, 2024

Artificial Intelligence kini berkembang semakin pesat. Banyak aplikasi yang sudah menggunakan teknologi AI untuk mempermudah pekerjaan manusia.

Salah satu model AI yang paling populer dan paling banyak digunakan adalah Generatif AI. Munculnya generatif AI ini semakin mempermudah pekerjaan manusia. 

Diawali dengan dirilisnya Chat GPT, kini generatif AI makin populer dan banyak digunakan. Tidak hanya ChatGPT, ada banyak pilihan AI generatif yang bisa digunakan seperti Gemini besutan google, Copilot, hingga IBM.

Namun kemunculan AI generatif ini juga sempat menjadi pro kontra, baik dikalangan pengguna maupun kalangan Ahli IT.

Kemunculan teknologi AI Generatif

Ketika teknologi AI generatif pertama kali muncul, pendapat tokoh-tokoh terkenal mungkin sangat bervariasi, tergantung pada latar belakang, pengetahuan, dan pandangan mereka tentang AI. 

Beberapa mungkin sangat antusias dan melihat potensi besar dalam penggunaan AI generatif untuk berbagai tujuan, seperti seni kreatif, desain produk, atau penelitian ilmiah. 

Mereka mungkin melihatnya sebagai langkah maju yang signifikan dalam pengembangan kecerdasan buatan.

Di sisi lain, ada yang mungkin merasa skeptis atau bahkan khawatir tentang konsekuensi dari teknologi ini. Mereka mungkin khawatir tentang potensi penyalahgunaan, seperti penipuan atau manipulasi media, serta dampaknya terhadap pekerjaan manusia atau bahkan privasi individu.

Pendapat tokoh tentang AI Generatif

elon musk

Elon Musk 

Pendiri SpaceX dan Tesla, Elon Musk seringkali mengekspresikan kekhawatiran tentang kemajuan kecerdasan buatan, termasuk AI generatif. 

Dia telah mengatakan bahwa pengembangan AI harus diawasi secara ketat agar tidak membahayakan manusia. Musk menganggap AI sebagai “ancaman eksistensial terbesar” bagi peradaban manusia jika tidak diatur dengan bijak.

Gary Vaynerchuk

Gary Vaynerchuk

Pengusaha dan investor, Gary Vaynerchuk, tampaknya lebih optimis tentang potensi AI generatif. 

Dia mungkin melihatnya sebagai alat yang kuat untuk meningkatkan kreativitas dan inovasi dalam berbagai bidang, terutama dalam konteks pemasaran dan bisnis.

Yann LeCun

Yann LeCun

Seorang ilmuwan komputer dan penerima Turing Award, Yann LeCun adalah salah satu tokoh utama dalam pengembangan deep learning dan AI generatif. 

Meskipun dia mungkin merasa optimis tentang potensi teknologi ini, dia juga menyadari tantangan dan risiko yang terkait dengannya, termasuk masalah privasi dan keadilan

Kate Crawford

Kate Crawford 

Seorang peneliti AI dan etika teknologi, Kate Crawford telah mengangkat beberapa kekhawatiran etika terkait AI generatif. 

Dia berbicara tentang risiko bias dan diskriminasi yang terkandung dalam dataset yang digunakan untuk melatih model AI generatif, serta tentang perlunya memperhitungkan implikasi sosial dari penggunaannya.

Jaron Lanier

Jaron Lanier

Ahli dalam bidang realitas virtual dan penulis buku “You Are Not a Gadget”, Jaron Lanier memiliki pandangan yang kompleks tentang teknologi, termasuk AI generatif. 

Dia mungkin menyoroti tantangan etis dan sosial yang terkait dengan perkembangan teknologi ini, serta potensi baik dan buruknya dalam membentuk masyarakat.

5 Tahapan Siklus Manajemen Layanan ITIL yang Perlu Kamu Ketahui

5 Tahapan Siklus Manajemen Layanan ITIL yang Perlu Kamu Ketahui

Mar 28, 2024

Manajemen layanan teknologi informasi menjadi hal yang sangat penting bagi sebuah organisasi. Pemanfaatan teknologi dalam sebuah organisasi perlu dikelola dengan baik.

Manajemen layanan teknologi informasi merupakan layanan yang memanfaatkan teknologi dan terpusat pada perspektif konsumen terhadap bisnis organisasi. Tujuan utama dari manajemen layanan ini adalah memaksimalkan pelayanan teknologi yang ada dan meningkatkan efektivitas dan efisiensi, tentunya untuk mencapai tujuan strategis dari sebuah bisnis perusahaan.

Information Technology Infrastructure Library atau ITIL menjadi salah satu konsep untuk menerapkan best practice dalam manajemen layanan IT. ITIL berfokus pada manajemen layanan IT karena mudah diadaptasi dan memenuhi standar. Manajemen layanan IT dengan ITIL merupakan konsep best practice yang diterapkan dalam layanan IT untuk meningkatkan kepuasan konsumen dengan strategi organisasi yang sudah ada.

Penerapan manajemen layanan IT dengan ITIL dilakukan dengan sebuah proses. Proses tersebut merupakan kegiatan yang dirancang untuk mencapai hasil yang spesifik. Dalam sebuah proses dibutuhkan sebuah peran, tanggung jawab, tools, dan kontrol yang baik agar memberikan hasil yang diinginkan.

Karakteristik sebuah proses yang berjalan dengan baik memiliki standar-standar yang perlu dipenuhi, seperti harus bisa diukur dan bisa memberikan hasil yang spesifik. Dalam proses tersebut terdapat beberapa peran dan tanggung jawab yang berbeda seperti Service Owner dan Process Owner. 

Tahapan Siklus Manajemen Layanan ITIL

ITIL memiliki 5 tahapan dalam Service Management, tahapan tersebut terdiri dari service strategy, service design, service transition, service operation, dan continual service improvement.

Service Strategy

Strategi Layanan merupakan langkah pertama dalam siklus manajemen layanan ITIL. Di tahap ini, organisasi menetapkan visi, tujuan, dan kebutuhan bisnis yang akan dicapai melalui layanan IT. 

Aktivitas utama dalam strategi layanan meliputi identifikasi kebutuhan pengguna, penentuan layanan yang akan disediakan, serta perencanaan sumber daya dan anggaran yang diperlukan. Pada akhirnya, tujuan dari tahap ini adalah untuk memastikan bahwa layanan IT yang disediakan dapat memberikan nilai tambah yang sejalan dengan strategi bisnis organisasi.

Service Design

Setelah strategi layanan ditetapkan, tahap berikutnya adalah Desain Layanan. Di sini, organisasi merancang infrastruktur, proses, dan kebijakan yang diperlukan untuk mendukung penyediaan layanan IT. 

Desain Layanan mencakup aspek seperti arsitektur teknis, manajemen kapasitas, keamanan informasi, dan manajemen kebutuhan. Fokus utama tahap ini adalah memastikan bahwa layanan yang akan disediakan memenuhi persyaratan bisnis dan teknis, serta dapat diimplementasikan dengan efisien.

Siklus manajemen layanan ITIL

Service Transition

Setelah perencanaan dan desain selesai, layanan IT harus dipindahkan dari tahap pengembangan ke tahap produksi. Ini terjadi di Transisi Layanan. 

Di tahap ini, organisasi melakukan pengujian, pelatihan, dan migrasi data untuk memastikan bahwa perubahan yang akan diterapkan pada layanan IT dapat dilakukan dengan lancar dan minimal gangguan terhadap operasi bisnis yang berjalan.

Service Operation

Operasi Layanan adalah tahap di mana layanan IT disediakan dan dijalankan secara rutin. Di sini, organisasi bertanggung jawab atas pengelolaan insiden, permintaan layanan, pemantauan kinerja, dan penanganan masalah. 

Fokus utama tahap ini adalah menjaga layanan IT tetap berjalan dengan lancar sesuai dengan yang dijanjikan kepada pengguna, serta merespons dengan cepat terhadap masalah atau kebutuhan yang muncul.

Continual Service Improvement

Tahap terakhir dalam siklus manajemen layanan ITIL adalah Perbaikan Layanan. Di sini, organisasi mengevaluasi kinerja layanan IT mereka secara terus-menerus, mengidentifikasi area perbaikan, dan menerapkan tindakan perbaikan untuk meningkatkan kualitas, efisiensi, dan nilai tambah yang diberikan kepada bisnis. 

Proses perbaikan layanan ini bersifat siklikal, sehingga organisasi dapat terus mengembangkan dan meningkatkan layanan mereka seiring waktu.

GPT-5 Akan Segera Dirilis, Diklaim Lebih Canggih dari Versi Sebelumnya

GPT-5 Akan Segera Dirilis, Diklaim Lebih Canggih dari Versi Sebelumnya

Mar 27, 2024

Perkembangan Artificial Intelligence atau AI kini sangatlah pesat. OpenAI akan memperkenalkan model AI terbaru GPT-5 yang rencananya akan dirilis pada musim panas tahun ini.

Akses awal sudah diberikan pada beberapa perusahaan pelanggan, dan indikasinya adalah GPT-5 memiliki kecanggihan dan perubahan yang signifikan.

Pelanggan perusahaan yang sudah menerima demo GPT-5 melaporkan pengalaman yang sangat positif, digambarkan bahwa GPT-5 lebih baik secara material dibandingkan dengan model sebelumnya. Selain itu presentasi OpenAI juga mengisyaratkan GPT-5 memiliki kemampuan seperti agen AI independen.

Seperti dilansir dari Business Insider, GPT-5 mendapatkan sejumlah perbaikan dan peningkatan yang signifikan dari versi sebelumnya. GPT-5 dirancang untuk meningkatkan konsistensi, kreativitas, dan responsivitas teks yang dihasilkan oleh ChatGPT. Dengan pembaruan ini, pengguna diharapkan akan mendapatkan pengalaman berinteraksi yang lebih alami dan mendapatkan hasil yang memuaskan.

Melalui laman resminya, GPT-5 disebut-sebut akan menjadi iterasi kelima dari model bahasa GPT (Generative Pre-Training Transformer) yang menunjukkan lompatan besar di bidang pemrosesan bahasa alami. Model GPT-5 memiliki kemampuan untuk memahami dan menghasilkan teks mirip manusia, memiliki potensi untuk merevolusi cara berinteraksi dengan mesin dan mengotomasi berbagai tugas berbasis bahasa.

GPT-5 juga disebut-sebut mampu memecahkan masalah sulit dengan akurasi yang lebih besar berkat pengetahuan umum dan kemampuan pemecahan masalah yang lebih luas.

Meskipun banyak spekulasi yang muncul terkait tanggal rilis pasti GPT-5, OpenAI masih tetap merahasiakannya. Namun laporan terbaru mengindikasikan bahwa pelatihan GPT-5 telah selesai pada tahun 2023 lalu, dan peluncurannya diharapkan akan terjadi pada 2024.

Sejarah versi GPT

GPT-1

Model pertama dari GPT ini diluncurkan pertama kali pada 11 Juni 2018. GPT-1 dilatih menggunakan pendekatan semi-supervised.  Tahap pertama adalah pre-training, di mana model dilatih pada dataset besar (dalam hal ini, BookCorpus) untuk memahami struktur bahasa. Tahap kedua, atau fine-tuning, kemudian menyesuaikan model yang telah dilatih sebelumnya untuk tugas spesifik.

GPT-1 terdiri dari 12 lapisan transformator dan menggunakan mekanisme self-attention yang di-mask. Hal ini meungkinkan model untuk mempertimbangkan konteks sekitar kata saat membuat prediksi.

Tujuan utama dari GPT-1 adalah untuk menghasilkan teks yang koheren dan relevan, dan dapat digunakan dalam berbagai aplikasi seperti penulisan otomatis, penyelesaian teks, dan lainnya.

Secara keseluruhan, GPT-1 adalah langkah penting dalam pengembangan model bahasa berbasis transformer dan telah membuka jalan bagi model-model lanjutan seperti GPT-2 dan GPT-3.

GPT-2

GPT-2 dirilis secara bertahap mulai Februari 2019 dan model dengan 1,5 miliar parameter dirilis pada November 2019. 

Dengan 1,5 miliar parameter, GPT-2 punya peningkatan yang signifikan dibandingkan GPT-1 yang hanya memiliki 117 juta parameter.

GPT-2 dilatih pada dataset yang terdiri dari 8 juta halaman website, dan memiliki skor kredibilitas 6.91 dari 10.

Secara keseluruhan, GPT-2 merupakan langkah besar dalam pengembangan model bahasa berbasis transformer dan telah membuka jalan bagi model-model lanjutan seperti GPT-3.

Ilustrasi OpenAI

GPT-3

Dengan 175 miliar parameter, GPT-3 merupakan model bahasa terbesar pada saat peluncurannya. Model ini dilatih pada dataset yang sangat besar yang mencakup sebagian besar internet. 

GPT-3 telah digunakan dalam berbagai aplikasi, mulai dari pencarian dan percakapan hingga penyelesaian teks, melalui API OpenAI. Salah satu implementasi paling populer dari GPT-3 adalah ChatGPT, yang dapat menghasilkan teks yang mirip dengan manusia berdasarkan konteks dan percakapan sebelumnya. 

Meskipun ada tantangan, GPT-3 telah membuka jalan bagi pengembangan lebih lanjut dalam bidang model bahasa berbasis transformer.

GPT-3.5

Diluncurkan pada 22 Agustus 20231, GPT-3.5 dirancang untuk membantu profesional di berbagai bidang. Model ini dapat memahami dan menghasilkan bahasa alami atau kode dan telah dioptimalkan untuk percakapan menggunakan API Chat Completions. 

GPT-3.5 juga memberikan pengembang kemampuan untuk menyesuaikan model agar lebih baik sesuai dengan kasus penggunaan mereka.

Misalnya, pengembang dapat menjalankan fine-tuning yang diawasi untuk membuat model lebih baik mengikuti instruksi, seperti membuat output menjadi ringkas atau selalu merespon dalam bahasa tertentu. 

Selain itu, fine-tuning juga memungkinkan bisnis untuk mempersingkat prompt mereka sambil memastikan kinerja yang serupa.