Viorika / iStock / Getty Images Plus via Getty Images
Ikuti ZDNET: Tambahkan kami sebagai sumber pilihan di Google.
**Intisari ZDNET**
Mengelola kompleksitas masih di luar jangkauan AI. Untuk masa mendatang, manusia tetap esensial dalam infrastruktur dan arsitektur. Prinsip ‘otomatisasi terakhir’ harus menjadi pedoman dalam desain proses.
Sebuah hal yang lucu terjadi dalam perjalanan menuju kiamat lapangan kerja teknologi.
Perkembangan teknologi yang digerakkan AI membentur tembok — tembok kompleksitas. Seiring AI semakin menjadi bagian dari bisnis, hal itu mendorong permintaan akan infrastruktur yang dirancang baik, jaringan yang tangguh, dan tumpukan perangkat lunak canggih yang semuanya membutuhkan pengawasan dan intervensi manusia.
Demikian menurut Jon McNeill, CEO DVx Ventures, mantan Presiden Tesla, dan mantan COO Lyft. McNeill adalah penulis buku baru The Algorithm: The Hypergrowth Formula That Transformed Tesla, Lululemon, General Motors, and SpaceX. Saya baru-baru ini berkesempatan berbincang dengannya tentang hal yang perlu dipertimbangkan para profesional TI dalam lanskap baru ini.
Pertama-tama, katanya, “Saya seorang teknoptomis, bukan pesimis. Saya muak dengan semua ramalan suram di mana orang hanya setengahterinformasi.”
Peluang di infrastruktur dan jaringan
Bagi profesional teknologi, peluang kuat muncul dari demam AI, ujarnya. Peluang ini berbeda bagi profesional infrastruktur dan jaringan dibandingkan dengan ilmuwan komputer dan pengembang perangkat lunak.
Bagi profesional infrastruktur dan jaringan, permintaan akan sangat tinggi, prediksinya. “Kebutuhan akan komputasi, akan server, menciptakan permintaan besar untuk keahlian jaringan,” katanya. “Keahlian untuk menjaga server ini tetap berjalan dan tersinkronisasi, itu luar biasa.”
Baca juga: Akankah AI merebut pekerjaanmu? Survei baru mengungkap jawabannya rumit
Persentase signifikan GPU gagal setiap tahun, jadi “kita terus mengganti komponen itu,” jelas McNeill. “Saat menggantinya, Anda harus menyinkronkannya ulang, dan membuat perangkat lunak jaringan bekerja lagi dengan chip memori berbandwidth tinggi. Semua ini berujung pada permintaan besar akan SDM, dan saya tidak melihat itu akan hilang dalam waktu dekat — mengingat kompleksitas kluster dan server farm ini.”
Di samping itu, “permintaan untuk inferensi akan terus mendorong permintaan infrastruktur,” tambahnya. “Itu kabar sangat baik bagi profesional infrastruktur TI.”
Cerita berbeda untuk ilmu komputer dan perangkat lunak
Di sisi ilmu komputer dan perangkat lunak, cerita yang berbeda terbentang, dengan seruan bagi penulis kode, insinyur perangkat lunak, dan pengembang untuk naik ke tingkat keterampilan yang lebih tinggi, kata McNeill.
“Mereka memiliki lapisan-lapisan pendekatan arsitektural yang berbeda, dan ilmuwan komputer yang cerdas sedang memecahkannya,” catatnya. “Ya, saya bisa membuat kode untuk aplikasi di satu lapisan tunggal. Jika saya punya enam atau tujuh model berbeda yang bekerja bersama, saya bisa menjaga mereka tersinkronisasi secara agen. Tetapi penemuan arsitekturnya adalah manusia — mungkin hingga jauh ke masa depan.”
Perusahaan perangkat lunak paling tangguh yang kini muncul “dibuat dengan banyak lapisan,” ilustrasinya. “Mereka menyerang masalah yang sangat kompleks. Mereka akan berkata, ‘Hei, satu lapisan masalah ini bisa diselesaikan oleh indeks pencarian sederhana. Lapisan lain bisa diselesaikan oleh ML.’ Jadi saya tidak akan menghabiskan uang untuk token untuk menyelesaikan bagian masalah itu. Bagian lain bisa diselesaikan oleh model kecil, mungkin bagian lain oleh model besar.”
Baca juga: OS inilah yang mendukung semua AI — dan sebagian besar pekerjaan TI masa depan
Alhasil, orang-orang “naik ke rantai nilai arsitektural yang lebih tinggi,” tambahnya. “Mereka membiarkan pengkodean dasar dilakukan oleh agen dan model dalam QA, QC, dan deployment. Tetapi pekerjaan arsitektural yang lebih signifikan naik di rantai nilai itu.”
Prinsip pedoman ‘otomatisasi terakhir’
Dalam bukunya, McNeill menganjurkan untuk melangkah dengan AI — dan segala bentuk otomatisasi — dengan kehati-hatian dan pertimbangan matang. Dia bercerita bagaimana Tesla mengalami kelambatan dalam upaya otomasi pabrik awalnya, dan tidak dapat memenuhi permintaan mobil. Hal ini membuat timnya menyimpulkan bahwa “otomatisasi terakhir” perlu menjadi prinsip pedoman dalam desain proses. Perusahaan memutuskan untuk memulai dari nol dalam pemikirannya, mendirikan tenda panjang di lahannya dengan lini perakitan yang dioperasikan seluruhnya oleh manusia.
“Mesin kami tidak bisa merakit mobil yang sangat kami butuhkan untuk dijual…. Hanya setelah kami mempelajari seluk-beluk sistem manufaktur, kami akan tahu cukup untuk mulai mengoptimalkan prosesnya….. Prinsip ‘otomatisasi terakhir’ berlawanan dengan intuisi…. Jika perangkat lunak dibangun sebelum seluruh sistem disederhanakan dan dioptimalkan, maka kode akan sangat sulit diubah. Ini bisa dihindari. Tahan para pembuat kode hingga akhir, hingga Anda merancang proses baru yang disederhanakan, mengoptimalkannya, dan tahu persis apa yang Anda inginkan. Pengkodean akan berjalan jauh lebih cepat jika Anda memiliki disiplin untuk menunggu.”
Baca juga: Kepala petugas AI saja tidak cukup — mengapa bisnis Anda juga perlu ‘pesulap’
McNeill mendorong profesional teknologi untuk menolak jika manajemen menuntut AI atau solusi mahal tingkat tinggi, padahal pendekatan sederhana bisa berhasil. “Seringkali, logika itu kemudian meyakinkan orang-orang di manajemen senior.”