Dengan kebijakan publik yang mendukung, Indonesia berada dalam pertumbuhan yang pesat dalam hal pengembangan pusat data. Permintaan yang terus meningkat ini membentuk kembali desain dan operasional pusat data. Sebanyak 55% responden Indonesia menyatakan bahwa mereka akan mendedikasikan 25% hingga 50% dari kapasitas pusat data mereka untuk beban kerja AI, sedangkan 10% responden Indonesia berencana untuk mendedikasikan lebih dari 75% dari pusat data mereka untuk beban kerja AI. Angka ini merupakan yang tertinggi kedua di dunia, setelah India.
Kami juga melihat adanya peralihan dari model statis dan terpusat menuju arsitektur yang lebih tersebar dan fleksibel, terlebih dengan rencana pemindahan ibu kota ke Ibu Kota Nusantara. Sebagai tambahan, menempatkan sumber daya komputasi lebih dekat dengan pengguna akhir adalah strategi utama untuk meminimalkan latensi dan memastikan jaringan yang lebih cepat.
4. Bagaimana dan mengapa AI menjadi pendorong permintaan bandwidth sekaligus bagian penting dalam membangun jaringan berkelanjutan untuk mendukung penggunaan AI?
Pelatihan LLM (large language model)), proses inference, dan feedback loop akan menghasilkan pergerakan data yang terus-menerus antara kluster komputasi. Hal ini menciptakan kebutuhan jaringan yang jauh lebih intens dibandingkan beban kerja cloud tradisional, yang umumnya bersifat transaksional atau berbasis batch.
Lalu lintas data AI juga sangat berbeda dari beban kerja tradisional. AI membutuhkan jaringan yang fleksibel dan dinamis, bahkan sering kali harus menangani lonjakan data besar dengan latensi rendah. Sebagai contoh, sistem AI mungkin dibutuhkan untuk secara otomatis mengubah lampu lalu lintas dari merah ke hijau atau menganalisis video buat keperluan keamanan secara real-time, keduanya memerlukan jaringan dengan jaminan kualitas layanan yang tinggi. Kebutuhan jaringan seperti ini memerlukan fleksibilitas untuk mengatur bandwidth secara dinamis.
AI bisa dimanfaatkan dalam berbagai cara untuk meningkatkan kinerja jaringan dan menciptakan efisiensi, antara lain:
- Analitik Jaringan. AI dan ML bisa menganalisis data jaringan dalam jumlah besar secara real-time. Ini membantu dalam mengidentifikasi pola, memprediksi perilaku jaringan, dan menyelesaikan masalah secara proaktif, sehingga kinerja jaringan menjadi lebih optimal.
- Otomatisasi Pintar. Otomatisasi berbasis AI bisa digunakan untuk menyederhanakan operasi jaringan untuk meningkatkan efisiensi operasional. Contohnya seperti mengotomatisasi tugas yang repetitif, pengaturan jaringan (provisioning), dan optimalisasi sumber daya.
- Optimisasi Layanan. AI digunakan untuk mengoptimalkan pengiriman dan kinerja layanan. Dengan memahami permintaan pelanggan dan kondisi jaringan, sistem berbasis AI bisa mengalokasikan sumber daya jaringan secara dinamis, memprioritaskan lalu lintas data, dan memastikan layanan dengan kualitas tinggi.
5. Bagaimana operator pusat data di Indonesia bisa mempersiapkan infrastruktur mereka agar tetap relevan menghadapi lonjakan data yang dipicu oleh AI pada masa depan?
Agar bisa mengikuti pesatnya adopsi AI di Indonesia, operator pusat data perlu membangun infrastruktur yang memiliki skalabilitas yang baik, efisien, dan berkelanjutan. Seiring dengan beban kerja AI yang memerlukan lebih banyak daya dan bandwidth, kemampuan untuk melakukan penskalaan dengan cepat sambil tetap mengendalikan biaya menjadi sangat penting. Faktanya, 50,5% pakar pusat data menyebutkan ketersediaan daya, skalabilitas, dan efisiensi biaya sebagai prioritas utama.
Selanjutnya, AI tidak hanya membutuhkan daya komputasi, tetapi juga konektivitas yang kuat dan bisa ditingkatkan. Sejalan dengan ini, 49,5% responden memperkirakan peningkatan kapasitas data sebesar enam hingga sepuluh kali lipat dalam 5 tahun ke depan. Lonjakan permintaan bandwidth ini menandakan pergeseran dari sistem terpusat dan menekankan pentingnya infrastruktur yang siap untuk edge computing serta koneksi regional yang lebih kuat, termasuk ekspansi kabel bawah laut.
Keberlanjutan menjadi faktor penting lainnya. Dengan terus meningkatnya lalu lintas data, 99% pakar menyadari pentingnya teknologi seperti pluggable optics dalam mengurangi konsumsi energi dan menghemat ruang. Menyeimbangkan antara performa dan efisiensi energi akan menjadi kunci agar tetap kompetitif pada era AI.
Dengan menggabungkan skalabilitas yang cerdas, jaringan yang gesit, dan solusi berkelanjutan, operator pusat data di Indonesia bisa membangun infrastruktur yang siap untuk masa depan dan mampu mengikuti laju pertumbuhan AI yang sangat cepat.