Peran Kunci AI dan ML Mengatasi Tantangan Sektor Manufaktur Moderen di Indonesia

Akhir-akhir ini, pemanfaatan teknologi kecerdasan buatan (artificial intelligence/AI) dan pembelajaran mesin (machine learning/ML) di dalam proses manufaktur di Indonesia semakin meningkat. Hal ini diyakini dapat mendorong efisiensi, keamanan, dan efektivitas proses industri. Namun,kemudian muncul tantangan unik yang timbul akibat penerapan infrastruktur moderen, seperti volume data yang sangat besar yang pada akhirnya dapat berdampak pada pemrosesan data dan menghambat proses produksi secara keseluruhan.

Menjembatani permasalahan ini bukanlah perihal yang mudah dan memerlukan perhitungan yang matang dari perusahaan. Perusahaan perlu mempertimbangkan tantangan yang ada, bergantung pada platform berkemampuan tinggi untuk mengelola proyek AI/ML berskala besar dan proyek analisis data secara efektif. Selain itu, memilih mitra yang cocok untuk diajak berkolaborasi sangatlah penting untuk mewujudkan keseluruhan potensi dari teknologi ini dalam lanskap manufaktur Indonesia.

Nilai belanja penggunaan AI di Indonesia telah mencapai sekitar Rp1,38 triliun pada 2022. Angka ini diperkirakan akan meningkat hampir empat kali lipat selama tiga tahun ke depan hingga menjadi sekitar Rp5,36 triliun pada 2027. Meskipun penekanan utama pada awalnya adalah pada peningkatan layanan profesional bagi pekerja kerah putih dan kemajuan teknologi, dengan meningkatnya efisiensi, kini tenaga AI mulai berdampak juga pada pabrik-pabrik manufaktur. Para pelaku industri yang masih mempertimbangkan integrasi AI/ML ke dalam operasi mereka mungkin perlu mengejar ketertinggalan, mengingat pesatnya evolusi di bidang industrialisasi.

Secara statistik, terdapat bukti kuat meningkatnya penerimaan AI sebagai pendorong produktivitas. Secara khusus di Indonesia, penggunaan AI diproyeksiakan akan mendongkrak kontribuso PDB nasional sebesar 12% atau setara lebih dari Rp5.700 triliun pada tahun 2030. Data terkini dari Badan Penelitian Data Jurnalisme Kompas memaparkan nilai ekonomi yang dihasilkan dari penerapan AI di Indonesia bisa mencapai Rp5,299 triliun. Angka tersebut merupakan hasil peningkatan produktivitas setiap bidang industri di Indonesia yang dimungkinkan oleh adanya penerapan AI.

Mengungkap Tantangan dalam Adopsi AI/ML bagi Manufaktur

Perusahaan yang sudah mengeksplorasi batasan baru AI/ML menghadapi beberapa tantangan saat menerapkan teknologi ini dalam proses manufaktur mereka, antara lain penyebaran data, kinerja data dan duplikasi data.

Penyebaran Data. Pertumbuhan data secara eksponensial yang dihasilkan dari berbagai kegiatan operasional akibat menjamurnya perangkat IoT, menunjukkan bahwa perusahaan masih mempelajari cara memproses dan mengelola data. Laporan Hitachi Vantara tahun 2023 memperkirakan bahwa kebutuhan penyimpanan data akan meningkat dua kali lipat pada tahun 2025. Di Asia, 60% perusahaan merasa kewalahan dengan banyaknya data dan 73% mengkhawatirkan skalabilitas infrastruktur. Maka itu, penting untuk memiliki infrastruktur yang fleksibel, seperti cloud, untuk menangani pertumbuhan data yang cepat. Selain itu, banyaknya perusahaan manufaktur yang didirikan pada era pra-digital, dan mereka menyadari bahwa mereka juga perlu mengatasi data yang tidak terstruktur atau mendigitalkan data konvensional.

Kinerja Data. Perusahaan harus berinvestasi pada perangkat keras dan jaringan komputasi berkinerja tinggi untuk menyesuaikan kinerja data dengan kemampuan sistem mereka untuk memproses dan menganalisis data secara real-time. Selain itu, sejumlah besar data yang dihasilkan oleh sistem modern mungkin sulit diakses secara detail.

Duplikat Data. Perusahaan juga menghadapi tantangan dalam mendistribusikan data dengan banyaknya duplikat di berbagai sistem, yang mengakibatkan adanya inkonsistensi dalam kumpulan data yang dapat mempengaruhi pengambilan keputusan dan kinerja model. Lapisan kompleksitas tambahan ini menyebabkan peningkatan waktu dan upaya yang diperlukan untuk mempersiapkan data, sehingga biaya terkait dengan manajemen data, penyimpanan, dan persyaratan keamanan juga ikut meningkat.

Peningkatan Efisiensi Melalui Infrastruktur dan Tata Kelola Data Moderen

Perusahaan semakin mengintegrasikan solusi AI/ML ke dalam operasional sehari-hari dan membutuhkan pengelolaan yang efektif. Hal ini termasuk mengerahkan para ahli  infrastruktur data untuk membangun landasan bagi bisnis berbasis AI, mengoptimalkan alur kerja, dan menciptakan rantai pasokan yang tangguh. Platform data terpusat sangat penting bagi bisnis untuk mengumpulkan, menggabungkan, dan memproses data dari berbagai sumber dan menghubungkannya ke jaringan dengan bandwidth tinggi untuk pemrosesan secara real-time.

Anak perusahaan dari sebuah perusahaan elektronik mengalami kendala dalam mengelola data dalam jumlah besar yang dihasilkan oleh sensor IoT serta dalam proses kontrol kualitas dan analisis kesalahan yang memakan waktu. Melalui pengembangan platform data canggih yang mampu mengumpulkan data real-time dari sensor, memprosesnya melalui pemeriksaan khusus, menggabungkannya, dan menyimpannya dalam database, perusahaan mencapai kapasitas pemrosesan sebesar 160 GB per detik. Terobosan ini memfasilitasi pengambilan keputusan berdasarkan data dalam hitungan jam dan memungkinkan pemrosesan 200 juta data secara real-time.

Pada 2024, para pemimpin industri diperkirakan akan memprioritaskan peningkatan kemampuan infrastruktur data, dan melihatnya sebagai komponen penting dalam menavigasi lanskap transformasi berbasis data yang terus berkembang. Perusahaan dapat memperoleh keuntungan yang signifikan dari menerapkan platform data terpadu untuk mengelola, menggabungkan, dan menganalisis data secara efisien. Namun, penting untuk menggabungkan integrasi teknologi dengan keahlian manusia, memanfaatkan alat-alat penting dengan wawasan manusia untuk mencapai hasil yang dapat ditindaklanjuti. Untuk menghasilkan insight yang tepat yang menggunakan AI dan ML memerlukan platform terintegrasi dan keahlian manusia untuk berkolaborasi secara erat, menyederhanakan akses dan pengambilan data sekaligus meningkatkan kualitas dan konsistensi data.