Studi: Adopsi GenAI Melesat, Tapi Keamanan Data Jadi Ancaman Serius

Liputan6.com, Jakarta - Penerapan aplikasi Generative Artificial Intelligence (GenAI) di berbagai organisasi menunjukkan tren peningkatan yang signifikan.

Namun, laporan Enterprise Cloud Index (ECI) terbaru dari Nutanix mengungkapkan bahwa implementasi GenAI tidak selalu berjalan mulus.

Perusahaan atau organisasi menghadapi tantangan besar, terutama terkait keamanan data, kepatuhan, dan modernisasi infrastruktur teknologi informasi (TI).

Meskipun antusiasme terhadap GenAI tinggi, dengan harapan dapat meningkatkan produktivitas, otomatisasi, dan inovasi--realitas di lapangan menunjukkan adanya hambatan serius.

Salah satu temuan utama dari ECI adalah proyeksi peningkatan biaya TI akibat implementasi GenAI dan aplikasi modern. Sebanyak 90% responden memperkirakan adanya kenaikan biaya dalam dua hingga tiga tahun ke depan.

"Banyak organisasi telah mencapai titik balik dalam implementasi dan penerapan GenAI," ujar Lee Caswell selaku SVP, Product and Solutions Marketing Nutanix, melalui keterangan tertulisnya, Rabu (5/3/2025).

Ia menjelaskan, ECI tahun ini mengungkapkan tren-tren utama yang juga perusahaan dengar dari para pelanggan, termasuk berbagai tantangan akibat meningkatnya beban kerja GenAI dari pengembangan hingga produksi, persyaratan baru yang diciptakan GenAI untuk tata kelola, privasi dan visibilitas, serta integrasi dengan infrastruktur TI yang sudah ada.

Namun, di tengah tantangan tersebut, terdapat optimisme mengenai potensi pengembalian investasi (ROI) dari proyek-proyek GenAI. Sekitar 70% organisasi meyakini bahwa mereka akan mencapai ROI dalam kurun waktu dua hingga tiga tahun.

Caswell menekankan pentingnya pendekatan holistik dalam modernisasi aplikasi dan infrastruktur, serta penerapan kontainerisasi untuk memastikan keberhasilan proyek aplikasi GenAI.

"Agar proyek-proyek GenAI berhasil meraih ROI, berbagai organisasi harus melakukan pendekatan holistik dalam modernisasi aplikasi dan infrastruktur, serta menerapkan kontainerisasi," ia memungkaskan.

Temuan-temuan utama dalam laporan Enterprise Cloud Index (ECI) tahun ini antara lain:

1. Kontainerisasi aplikasi (Application containerization) 

Hampir 90% organisasi melaporkan bahwa setidaknya beberapa dari aplikasi mereka sekarang di kontainerisasi (containerized) dan jumlah ini diperkirakan akan terus bertambah seiring dengan pesatnya pengadopsian beban kerja aplikasi baru seperti GenAI.

2. Pengadopsian dan implementasi aplikasi GenAI berlanjut dengan cepat

Lebih dari 80% organisasi telah menerapkan strategi GenAI dengan hanya 2% organisasi yang mengakui bahwa mereka belum mulai merencanakan strategi GenAI. Meskipun demikian, target implementasinya sangat bervariasi.

3. Pengadopsian GenAI akan menantang norma-norma tradisional 

Sebanyak 95% responden setuju bahwa GenAI mengubah prioritas organisasi mereka, dimana keamanan dan privasi kini menjadi perhatian utama. Lebih dari 90% organisasi mengatakan privasi data adalah prioritas organisasi mereka ketika menerapkan solusi-solusi GenAI.

Jadi organisasi-organisasi memahami bahwa keamanan dan privasi adalah komponen yang sangat penting dari keberhasilan penerapan GenAI.

4. Modernisasi infrastruktur untuk mendukung GenAI dalam skala besar

Menjalankan aplikasi cloud native dalam skala enterprise membutuhkan infrastruktur yang bisa mendukung persyaratan yang diperlukan, termasuk keamanan, integritas data, dan ketahanan (resilience). Aplikasi GenAI yang sedang berkembang juga tidak terkecuali.

Hampir semua responden (98%) menghadapi tantangan dalam peningkatan beban kerja GenAI dari pengembangan hingga produksi.

5. Pengadopsi solusi GenAI membutuhkan perubahan pada teknologi dan manusia

Sebanyak 52% responden mengatakan bahwa organisasi mereka perlu berinvestasi dalam pelatihan IT untuk mendukung GenAI. Demikian pula dengan 48% responden yang yakin bahwa organisasi mereka perlu merekrut talenta-talenta IT baru untuk mendukung GenAI.

Tidak disangkal bahwa berbagai organisasi menghadapi kekurangan keterampilan yang akut dan persaingan untuk mendapatkan talenta yang menguasai GenAI.

Generative AI (GenAI) sedang menjadi pusat perhatian dunia teknologi. Teknologi ini, cabang dari kecerdasan buatan, mampu menghasilkan berbagai jenis konten baru, mulai dari teks dan gambar hingga audio dan video.

Berbeda dengan AI tradisional yang menganalisis data yang sudah ada, GenAI menciptakan data baru berdasarkan pola yang dipelajarinya dari data pelatihan yang sangat besar.

Kemampuannya menghasilkan keluaran yang menyerupai karya manusia bahkan terkadang melampaui kreativitas manusia, menjadikannya teknologi yang sangat menjanjikan.

Bagaimana GenAI bekerja? GenAI menggunakan algoritma pembelajaran mesin, khususnya deep learning, untuk mempelajari pola dan hubungan dalam data pelatihan.

Setelah pelatihan, model GenAI menerima input (teks, gambar, atau audio) dan menghasilkan keluaran baru yang relevan. Contohnya, input berupa deskripsi teks dapat menghasilkan gambar yang sesuai, atau sebaliknya.

Banyak model GenAI populer menggunakan arsitektur transformer, yang memanfaatkan mekanisme self-attention untuk memproses informasi secara efisien.

Potensi GenAI sangat luas dan beragam. Kemampuannya untuk meningkatkan kreativitas dan produktivitas sangat signifikan.

Seniman, desainer, dan penulis dapat menggunakan GenAI untuk menghasilkan ide-ide baru dan mempercepat proses kreatif. Selain itu, GenAI juga mampu mengotomatiskan berbagai tugas, seperti pembuatan konten pemasaran dan laporan, serta meningkatkan pengalaman pelanggan melalui asisten virtual yang lebih personal dan responsif.

Tantangan dan Risiko GenAI

Meskipun menawarkan banyak manfaat, GenAI juga menghadirkan beberapa tantangan dan risiko. Salah satu yang paling utama adalah potensi penyebaran konten palsu atau deepfake yang sulit dibedakan dari konten asli. Hal ini dapat menyebabkan penipuan, manipulasi informasi, dan penyebaran berita hoaks.

Masalah etika dan privasi juga menjadi perhatian. Pertanyaan terkait hak cipta, bias algoritma, dan privasi data perlu dipertimbangkan dengan serius.

Kualitas keluaran GenAI juga bergantung pada kualitas data pelatihannya; data yang bias dapat menghasilkan keluaran yang bias pula.

Beberapa contoh aplikasi GenAI yang populer antara lain ChatGPT, model bahasa besar yang mampu menghasilkan teks menyerupai tulisan manusia; DALL-E 3.0, yang menghasilkan gambar berkualitas tinggi dari deskripsi teks; Runway Gen-2, platform pengeditan video berbasis AI; dan DeepSeek, model bahasa besar dari China.

Selain itu, asisten virtual berbasis GenAI, seperti Veronika dari Telkomsel, juga memberikan layanan pelanggan yang lebih personal.

Kesimpulannya, GenAI adalah teknologi yang sangat menjanjikan dengan potensi besar untuk mengubah berbagai aspek kehidupan kita.

Namun, kita perlu mempertimbangkan tantangan dan risiko yang terkait dengan penggunaannya dan mengembangkan regulasi yang tepat untuk memastikan pengembangan dan penggunaan GenAI yang bertanggung jawab dan etis.