Membuka potensi bisnis dengan AI sumber terbuka dan multicloud hybrid

Kecerdasan buatan (AI) sumber terbuka adalah kata kunci saat ini, didorong oleh rilis model bahasa besar (LLM) berbiaya rendah baru-baru ini seperti DeepSeek-1 dan semakin menonjolnya model terbuka, seperti Llama dan Mistral AI.

Terobosan-terobosan ini menarik perhatian publik, namun ada pertanyaan serius yang dihadapi para pelaku bisnis: Bagaimana kita dapat mengubah gebrakan ini menjadi nilai bisnis yang nyata?

Teknologi sumber terbuka seperti Linux dan Kubernetes telah lama menjadi tulang punggung sistem penting, memberikan transparansi, stabilitas, dan keamanan. Sifat kolaboratif mereka mendorong inovasi cepat, yang sangat penting untuk evolusi model AI canggih, termasuk AI generatif. Namun, potensi bisnis yang sebenarnya terletak pada penggabungan AI sumber terbuka dan lingkungan multicloud hybrid. Pasangan yang kuat ini memberi bisnis hal-hal berikut:

• Integrasi yang mulus

• Fleksibilitas yang dapat diskalakan

• Keamanan yang ditingkatkan

• Solusi yang disesuaikan

• Inovasi melalui kolaborasi

Sebuah studi IBM mengungkapkan bahwa 62% organisasi berencana untuk meningkatkan investasi AI mereka pada tahun 2025, dengan hampir setengahnya berfokus pada memanfaatkan alat sumber terbuka untuk inisiatif AI mereka.

“Kami merancang AI untuk multicloud,” kata Shobhit Varshney, VP & Senior Partner, AI, Data & Automation Leader di IBM. “Ini berarti kami membutuhkan satu lapisan Otomatisasi, keamananFinOps, dan tata kelola yang melintasi setiap cloud.”

Menghindari vendor lock-in sangat penting bagi bisnis, dan sumber terbuka AI cocok secara alami dalam model multicloud hybrid. Solusi ini memungkinkan perusahaan untuk mengintegrasikan model AI berpemilik, seperti AWS SageMaker atau Google Vertex AI, dengan model terbuka seperti Granite IBM. Seri model Granite IBM, bersumber terbuka di bawah Apache 2.0, dirancang untuk integrasi ke dalam lingkungan multicloud hybrid, memberi organisasi lebih banyak kebebasan dan kontrol atas penerapan dan pengelolaan model AI di berbagai platform.

“Apa pun yang memungkinkan Anda mengelola model dalam infrastruktur Anda cocok dengan desain hibrid,” jelas Varshnay, “terutama ketika sistem dibangun untuk bekerja dengan lancar di beberapa lingkungan komputasi awan dan infrastruktur TI lokal sejak awal.”

Infrastruktur hybrid ini dirancang untuk memastikan model AI dapat pindah bebas di seluruh cloud, sehingga memungkinkan bisnis memilih lingkungan terbaik untuk kebutuhan mereka.

Model AI sumber terbuka menawarkan fleksibilitas yang tak tertandingi, terutama ketika menskalakan dan menerapkan model pada infrastruktur organisasi. Meskipun platform pihak ketiga seperti Claude dari Anthropic atau ChatGPT dari OpenAI mudah diterapkan, mereka sering kali mengunci bisnis ke dalam ekosistem tertentu dengan penyesuaian terbatas. Sebaliknya, model sumber terbuka memberikan kendali penuh kepada organisasi, memungkinkan mereka untuk menciptakan solusi khusus yang memenuhi kebutuhan bisnis yang unik.

Fleksibilitas ini sangat penting bagi bisnis yang beroperasi di berbagai lingkungan cloud. Misalnya, perusahaan yang menggunakan AWS untuk penyimpanan mungkin ingin menerapkan model dari Google atau OpenAI. Namun, model berpemilik sering datang dengan keterbatasan dalam kompatibilitas lintas cloud. Model sumber terbuka terintegrasi dengan lancar di berbagai platform, memungkinkan bisnis memilih penyedia cloud terbaik tanpa mengorbankan konsistensi atau kepatuhan.

Model AI sumber terbuka yang dihosting sendiri memastikan bahwa data sensitif tetap berada dalam infrastruktur TI organisasi yang aman, yang penting untuk bisnis dengan persyaratan privasi yang ketat. Dengan menghindari server pihak ketiga, perusahaan dapat mempertahankan kontrol atas data mereka dan mengurangi risiko terkait penanganan data eksternal, terutama ketika berhadapan dengan masalah keamanan internasional.

Keuntungan keamanan penting lainnya dari model sumber terbuka adalah kemampuan untuk mengontrol integritas model itu sendiri. Penelitian oleh Anthropic telah menyoroti potensi risiko manipulasi kode atau kerentanan yang tertanam dalam model AI. Aktor jahat dapat memperkenalkan ancaman tersembunyi bahkan dengan penyedia tepercaya seperti Meta atau Google.

Model sumber terbuka dan mandiri mengurangi risiko ini dengan memungkinkan organisasi untuk memeriksa, memvalidasi, dan memodifikasi kode, memastikan transparansi dan keamanan yang lebih besar.

“Dengan sumber terbuka, Anda mengendalikan nasib Anda sendiri,” kata Varshney. “Anda mengetahui apa yang ada di balik model tersebut, bagaimana model tersebut dilatih, dan Anda menyimpannya di lingkungan yang Anda percaya.”

Di luar fleksibilitas, kemampuan untuk penyempurnaan model AI sumber terbuka adalah pengubah permainan. Penyempurnaan memungkinkan bisnis untuk menyesuaikan model untuk memenuhi persyaratan industri tertentu, sehingga membuatnya lebih bernilai. Misalnya, menyempurnakan model sumber terbuka seperti Llama atau Granite di industri seperti perawatan kesehatan atau telekomunikasi membantu bisnis menambahkan pengetahuan khusus domain, meningkatkan akurasi dan kinerja.

Tidak seperti model proprietary, di mana penyesuaian sering kali membutuhkan pengiriman data proprietary ke server vendor, model sumber terbuka memungkinkan bisnis untuk mempertahankan kontrol penuh atas proses penyesuaian mereka.

Varshney menjelaskan, “Jika seseorang mengambil model kecil, seperti model Granite, mereka dapat menambahkan adaptor yang memahami terminologi perusahaan saya. Contoh, terminologi perawatan kesehatan berbeda dari telekomunikasi, jadi saya dapat melakukan penyempurnaan model untuk memahami lebih baik dan melayani domain unik itu.”

Menyesuaikan model sumber terbuka pada infrastruktur internal memberikan manfaat kinerja yang signifikan, terutama ketika model yang lebih kecil disetel dengan data eksklusif.

“Jika Anda menyempurnakan model yang lebih kecil dengan data milik Anda, maka model tersebut akan mengungguli model yang lebih besar dan tidak disetel,” kata Varshney. “Ini menciptakan keuntungan biaya-hingga-kinerja, karena model yang lebih kecil dan disesuaikan lebih efisien dan efektif untuk contoh penggunaan spesifik Anda.”

Misalnya, hasil bukti konsep awal model IBM Granite menunjukkan bahwa menggabungkan model Granite kecil dengan data perusahaan mencapai kinerja khusus tugas dengan biaya yang lebih murah—3 hingga 23 kali lebih murah daripada model perbatasan besar—sekaligus mengungguli atau mencocokkan pesaing berukuran sama pada tolok ukur utama.

Kemampuan ini sangat menguntungkan dalam skenario komputasi tepi, di mana model yang lebih kecil dan disesuaikan—seperti Granite—memungkinkan pemrosesan real-time pada perangkat dengan daya komputasi terbatas, menghilangkan kebutuhan akan infrastruktur cloud.

“Seseorang dapat menempatkan model kecil pada perangkat IoT jarak jauh dan buka contoh penggunaan yang sebelumnya tidak bisa kami lakukan,” tambah Varshney.

Pendekatan ini memberikan penghematan biaya dan peningkatan kemampuan, terutama untuk lingkungan yang terpencil atau memiliki sumber daya terbatas.

Sifat kolaboratif sumber terbuka AI mempercepat laju inovasinya. Dengan kontribusi dari komunitas pengembang global, model-model ini berkembang dengan cepat, dan tetap menjadi yang terdepan dalam pengembangan AI. Inovasi yang cepat ini sangat penting bagi bisnis yang berusaha mempertahankan keunggulan kompetitif dalam lingkungan berbasis AI.

Proyek InstructLab IBM, diluncurkan melalui kemitraan dengan Red Hat, bertujuan untuk mendemokratisasi akses ke penyempurnaan AI, membuat kustomisasi model bahasa yang besar lebih terjangkau dan mudah diakses.

Varshney mencatat, “Komunitas memainkan peran kunci dalam memperkuat model-model ini, membuatnya lebih tangguh.”

Konvergensi sumber terbuka AI dan hybrid multicloud adalah strategi utama bagi bisnis yang ingin memaksimalkan investasi AI mereka. Dengan mengintegrasikan model sumber terbuka dalam kerangka kerja multicloud yang fleksibel, perusahaan memastikan solusi AI mereka dapat diskalakan, dapat disesuaikan, dan dioptimalkan di seluruh platform apa pun, membuka nilai bisnis yang signifikan.

Sebuah studi IBM menunjukkan bahwa 51% perusahaan yang menggunakan AI sumber terbuka melaporkan pengembalian positif, menggarisbawahi dampak nyata dan terukur dari pendekatan ini. Merangkul kombinasi sumber terbuka dan hybrid multicloud ini merupakan kunci untuk mendorong pertumbuhan di masa depan yang didukung AI.

“Keterbukaan adalah masa depan AI,” ujar Varshney.

Dengan mengadopsi AI sumber terbuka dalam infrastruktur multicloud hybrid, bisnis tidak hanya dapat tetap berada di depan tren yang muncul tetapi juga memberikan nilai berkelanjutan di dunia yang berbasis AI.