Platform Algobash Terintegrasi dengan AI Generatif dari IBM watsonx

Bagikan:

“Dengan watsonx dan model Granite, kami dapat dengan mudah mengintegrasikan Gen AI ke dalam platform Software-as-a-service kita sehingga dapat berinovasi dan menawarkan produk baru kepada para pelanggan," kata CTO Algobash Elfino Sitompul. 

Elfino menambahkan bahwa integrasi ini membantu mereka dalam memasuki industri di pasar Indonesia maupun internasional. Selama memanfaatkan AI, Algobash berkomitmen untuk terus mengikuti protokol tata Kelola AI yang etis. 

Sementara itu, Drektur Utama IBM Indonesia Roy Kosasih mengatakan bahwa perusahaan berusaha untuk membantu industri dalam mencapai efisiensi baru melalui pemanfaatan AI yang tepat. 

“Solusi kami dirancang untuk mendukung organisasi di berbagai industri dalam mengintegrasikan AI secara mulus dengan model atau platform teknologi informasi mana pun, serta mematuhi kinerja yang bersifat terbuka dan terpercaya," ujar Roy. 

Dalam mengembangkan platform Algobash yang didukung oleh AI generatif dari watsonx, IBM menghadapi beberapa tantangan. Berikut kelemahan yang mungkin muncul dari metode yang digunakan:

1. Risiko Halusinasi Digital

   AI generatif, terutama yang berbasis model bahasa besar (LLM), kerap menghasilkan informasi yang tidak akurat atau halusinatif. Meskipun Algobash telah mengintegrasikan RAG untuk memperbaiki hal ini, risiko halusinasi tetap dapat terjadi, terutama pada data yang belum pernah dipelajari AI sebelumnya.

2. Ketergantungan pada Model yang Masih Berkembang

   Model bahasa besar dan teknologi RAG masih dalam tahap pengembangan dan terus diperbarui. Artinya, ketergantungan Algobash pada model ini bisa menyebabkan keterbatasan jika model mengalami kegagalan atau perlu pembaruan yang signifikan, yang dapat mengganggu stabilitas layanan.

3. Waktu On-boarding yang Lama

   Waktu on-boarding yang lama merupakan tantangan bagi pengguna baru yang mengharapkan pengalaman cepat dan efisien. Ini dapat membatasi pengalaman pengguna, apalagi bagi perusahaan yang membutuhkan penyesuaian cepat. Meski model Granite dari IBM diharapkan dapat meningkatkan kecepatan dan akurasi, proses ini masih bisa memerlukan waktu.

4. Keterbatasan dalam Pemrosesan Multibahasa

   Meski memiliki kemampuan multibahasa, efektivitas AI dalam memahami nuansa atau istilah khusus bahasa tertentu masih bisa terbatas. Hal ini mungkin berdampak pada akurasi dalam memahami konteks atau idiom dalam bahasa yang lebih jarang digunakan.

5. Kompleksitas Protokol Tata Kelola AI

   Komitmen Algobash dalam menjalankan tata kelola AI yang etis bisa menjadi tantangan dalam pelaksanaannya. Mengikuti protokol etis membutuhkan pemantauan yang konsisten, yang bisa meningkatkan beban operasional serta memerlukan penyesuaian yang cukup kompleks terhadap peraturan setempat atau internasional.

Upaya integrasi model RAG dan Granite memang telah membantu Algobash dalam mengatasi beberapa kelemahan ini, tetapi tantangan di atas tetap perlu diantisipasi demi menjaga kinerja platform dan kualitas layanan yang diberikan kepada pengguna.