Laporan IDC baru: Bagaimana AI membentuk kembali jaringan perusahaan

Ketika organisasi pindah inisiatif AI dari fase pengujian cloud publik ke penerapan produksi di pusat data lokal, mereka menghadapi tuntutan baru untuk kecepatan, skala, ketahanan, dan keamanan.

Namun riset terbaru IDC menunjukkan bahwa jaringan saat ini, sering dibangun di atas desain tiga‑tingkat lama, mengalami kendalam dalam memenuhi persyaratan ini. Situasi ini membuat organisasi terpapar pada kompleksitas operasional, hambatan kinerja, kekurangan keterampilan, dan peningkatan risiko keamanan.

Organisasi harus memikirkan kembali arsitektur jaringan dan operasi—and berkolaborasi dengan penyedia yang berpengalaman—untuk merencanakan, merancang, dan membangun platform modern yang aman, yang mampu mengurangi waktu henti, mempercepat penerapan, dan menekan risiko operasional.

Beban kerja AI memiliki karakteristik yang tidak sama dengan aplikasi bisnis konvensional.

IDC menyoroti bahwa AI bergantung pada lalu lintas timur-barat yang masif, peralihan berkecepatan‑tinggi (400–800 GbE), dan jalur latensi‑rendah yang dapat diprediksi untuk mendukung komunikasi GPU‑ke‑GPU dan GPU‑ke‑penyimpanan yang digabungkan secara erat—persyaratan yang tidak dapat dipenuhi oleh arsitektur lama.

IDC percaya bahwa dalam waktu dekat, pusat data perusahaan akan menjadi model “hybrid” yang mengoperasikan kombinasi arsitektur jaringan tradisional tiga tingkat (front end) dan leaf-spinal (back end struktur AI). Model hybrid ini mendukung kebutuhan kinerja AI tetapi juga memperkenalkan kompleksitas operasional, karena tim harus mengelola beberapa topologi jaringan, peningkatan daya dan pendinginan, dan persyaratan pemasangan kabel padat yang terkait dengan sistem AI.

Pengalaman pembeli membuahkan empat hasil:

• Peningkatan kinerja AI dan kecepatan pelatihan melalui jalur data latensi rendah
• Mengurangi kemacetan dari lapisan inti dan agregasi lama
• Mempercepat time‑to‑value untuk inisiatif AI dengan memastikan jaringan tetap mengimbangi kecepatannya
• Peningkatan keandalan selama pelatihan model dan inferensi

IBM® TLS membantu organisasi memodernisasi dengan metodologi standar, insight berbasis AI, dan keahlian multivendor untuk merancang dan menerapkan arsitektur jaringan hybrid. TLS mengurangi risiko dengan memungkinkan jaringan mendukung beban kerja AI dalam skala besar dan selanjutnya mengurangi kesalahan konfigurasi dan waktu henti yang tidak direncanakan.

IBM® TLS juga bekerja sama dengan penyedia jaringan terkemuka seperti Cisco dan Juniper. Solusi ini menggabungkan strategi dukungan pusat data yang terintegrasi dengan kekuatan portofolio IBM® Infrastructure untuk memastikan integrasi dan dukungan yang mulus di berbagai lingkungan jaringan yang heterogen. Pendekatan ini membantu klien mempercepat modernisasi dengan teknologi OEM tepercaya.

IDC mengidentifikasi kesiapan operasional, postur keamanan, dan kekurangan keterampilan sebagai hambatan utama untuk adopsi AI di seluruh jaringan. Seiring bertambahnya beban kerja AI, data pindah melintasi lebih banyak lingkungan—pusat data, interconnect, edge, dan multicloud, memperluas permukaan serangan dan meningkatkan kebutuhan akan desain jaringan yang mengutamakan keamanan.

Pada saat yang sama, tim NetOps harus mengoperasikan lingkungan hybrid dengan alat, proses, dan kerangka kerja otomatisasi baru seperti AIOps atau infrastructure‑as‑code. Tanpa kesiapan ini, organisasi berisiko salah konfigurasi, waktu penyelesaian insiden yang lebih lama, dan beban operasional yang lebih tinggi.

Lima hasil dari pengalaman pembeli

• Mengurangi waktu henti dan penalti SLA melalui insight proaktif dan prediktif
• Mengurangi risiko operasional dan keamanan melalui arsitektur yang diperkuat dan dikelola sepanjang siklus hidupnya
• Siklus penerapan yang lebih cepat dengan otomatisasi, proses berulang, dan runbook baru
• Efisiensi operasional yang lebih tinggi melalui visibilitas terpadu di seluruh ekosistem multivendor
• Meningkatkan kecepatan inovasi dengan mengalihkan tim dari tugas reaktif ke pekerjaan strategis

IBM® TLS menyediakan:

• Jaringan multivendor dan dukungan keamanan melalui satu titik kontak
• Mitigasi risiko berbasis siklus hidup, termasuk patching proaktif dan insight
• Layanan keamanan, termasuk penerapan dan dukungan firewall generasi berikutnya (NGFW)
• Modernisasi SD‑WAN, SDN, dan jaringan perusahaan untuk meningkatkan kinerja dan ketahanan
• Logistik global dan rekayasa lapangan untuk menjaga waktu aktif dan kesinambungan operasional

Kombinasi AI, otomatisasi, dan keahlian manusia ini memungkinkan klien membangun jaringan yang tangguh dan aman di seluruh lingkungan pusat data.

Adopsi AI semakin cepat, menempatkan tuntutan baru pada jaringan perusahaan. Arsitektur tradisional tidak dapat mempertahankan persyaratan volume, kecepatan, dan keamanan beban kerja AI modern.

Menurut studi IDC, “Organisasi perlu memikirkan kembali desain jaringan pusat data untuk mendukung beban kerja AI. Pergeseran ini memerlukan migrasi dari model tiga tingkat lama ke arsitektur leaf-spine yang lebih modern, agar dapat mengakomodasi lalu lintas data masif untuk training, fine-tuning, dan proses inferensi AI. Selain itu, organisasi harus hati-hati mengevaluasi sakelar berkecepatan tinggi baru yang memasuki pasar (400-800 GbE).”

IBM® Technology Lifecycle Services siap membantu Anda menavigasi transisi AI ini dengan menghadirkan pusat data tangguh yang diaktifkan oleh AI, otomatisasi, dan keahlian manusia. Pendekatan ini memungkinkan Anda untuk fokus pada pertumbuhan bisnis dan mencapai hasil yang terukur.

IBM® diakui sebagai pemimpin dalam IDC MarketScape: Worldwide Hardware Support Services 2025 Vendor Assessment (#US53830325, Oktober 2025). Pencapaian ini menggarisbawahi kemampuan global, skala, dan metodologi kami yang telah terbukti untuk mendukung infrastruktur yang kompleks dan sangat penting.

Lihat panduan lengkap IDC tentang bagaimana AI membentuk kembali desain jaringan, operasi, dan keamanan.

Unduh ringkasan eksekutif IDC: Dampak Beban Kerja AI pada Jaringan dan Operasinya