Saat raksasa teknologi mulai berlomba-lomba menciptakan model AI untuk tujuan umum, revolusi lain, yang lebih tenang namun sama mendalamnya, sedang terjadi di pabrik. Di mana pun, hal ini memiliki bentuk yang sangat konkret: sistem yang mampu mengandalkan puluhan ribu dokumen teknis untuk memberikan respons yang andal kepada tim dalam beberapa detik. Revolusi ini tidak menyangkut kekuatan mentah dari algoritma, namun merupakan aset tak berwujud yang sulit untuk direproduksi: semua data dan pengetahuan di lapangan terakumulasi dengan sabar selama beberapa dekade. Bagi produsen, tantangannya sekarang adalah untuk mundur dari khayalan media yang lahir dari hadirnya AI generatif ke masyarakat umum pada akhir tahun 2022. Di balik label umum “AI” menyembunyikan teknologi pada tahap kematangan yang sangat berbeda, dan membingungkan mereka pada saat berinvestasi akan berisiko. Di sektor kita, kecerdasan buatan bukanlah hal yang baru: gangguan yang ada saat ini bukanlah sebuah kelahiran, namun percepatan dari sebuah kontinum digital yang telah kita jalani selama lebih dari dua puluh tahun. Untuk membuat keputusan yang tepat, Anda memerlukan kompas.
Dua poin utama pertama dari kompas ini sudah tertanam kuat dalam produk dan lini produksi kami. Keluarga-keluarga ini tidak kedap air; mereka sering kali digabungkan dalam sistem yang sama, tetapi membedakannya untuk membantu pengambilan keputusan. Yang pertama adalah sistem deterministik, berdasarkan hukum fisika dan aturan eksplisit. Sebenarnya, mereka lebih merupakan bagian dari teknik pengendalian dibandingkan AI, namun mereka adalah fondasi di mana segala sesuatunya dibangun. Mereka mengatur kontrol proses real-time (pengelasan, permesinan, pencetakan injeksi, proses kimia), secara instan menyesuaikan parameter untuk memastikan kualitas produk, terlepas dari operatornya. Berikutnya adalah pembelajaran yang diawasi, sebuah tuas kinerja yang kuat dan bijaksana, yang mendukung pemeliharaan prediktif dan visi mesin. Kekuatannya terletak pada margin kesalahan yang terukur dan tervalidasi secara statistik. Hal ini memungkinkan untuk mendeteksi anomali produksi dan memanfaatkan pengembalian purna jual untuk mengantisipasi kerusakan berulang.
Keluarga ketiga dalam kompas ini, AI generatif, adalah yang paling terlihat, namun juga termuda. Sifatnya memerlukan kehati-hatian: model-model ini tidak memperhitungkan suatu kebenaran, namun mengeksplorasi hal-hal yang masuk akal. Meskipun mereka adalah penyintesis yang sangat baik, mereka cenderung menciptakan sesuatu kapan pun ada informasi yang hilang. Saat ini, AI generatif, dalam banyak kasus, masih terlalu tidak stabil untuk dijadikan pusat pengambilan keputusan real-time yang kritis. Tempatnya yang sah, untuk saat ini, adalah di pinggiran: di antarmuka dan orkestrasi. Di sinilah pendekatan keempat berperan, yang bisa dibilang paling menjanjikan bagi sektor kita: sistem hibrida dan agen. Lebih dari sekedar keluarga teknologi yang berbeda, ini adalah arsitektur yang menempatkan AI generatif untuk melayani teknologi lainnya. Di sini dia tidak berperan sebagai dalang, melainkan konduktor. Ini memandu pengguna dan menghubungkan alat deterministik, kalkulator, atau database yang melakukan sendiri pekerjaan latar belakang.
Di sinilah letak nilai sebenarnya. Hal ini tidak terletak pada pilihan model modis tertentu, namun pada pekerjaan mendalam yang tidak glamor: memperkaya produknya, mendokumentasikan prosesnya, mengadaptasi arus informasinya, mengubah data historis menjadi korpus terstruktur yang dapat dipahami oleh AI saat ini dan masa depan. Inilah tantangan sesungguhnya. Bagi seorang pemimpin industri, keputusannya kini bergantung pada tiga pertanyaan: AI mana yang akan diterapkan, deterministik, diawasi, dan generatif atau hibrida? Untuk kegunaan apa, kritis atau periferal? Dan pada tahap rantai nilai yang mana, dan berapa biayanya?
Tidak ada yang tahu pendekatan mana yang akan mendominasi dalam sepuluh tahun ke depan, dan inilah sebabnya mengapa tidaklah bijaksana untuk mempertaruhkan segalanya pada teknologi terkini. Satu-satunya kepastian adalah bahwa semua, tanpa kecuali, harus diberikan data domain yang terdokumentasi dan terstruktur. Landasan inilah, bukan model tertentu, yang akan menentukan pemenangnya. Perusahaan industri yang saat ini berinvestasi pada bidang pengetahuannya tidak bertaruh pada teknologi: mereka sedang mempersiapkan bidang yang akan dikembangkan oleh setiap generasi AI, saat ini dan di masa depan.
Masuk dengan Bruno Bouygues di LinkedIn
Untuk informasi lebih lanjut, kunjungi GYS Perancis
Baca juga:-
10 Strategi Mengubah Data B2B menjadi Keputusan Bisnis yang Lebih Baik
Reed Hastings: visioner di balik revolusi streaming
Mark Zuckerberg: visioner di balik konektivitas sosial
