Cloudera memperluas ekosistem AI untuk kebutuhan perusahaan
Cloudera gandeng 4 perusahaan teknologi untuk memperkuat AI bisnis melalui perluasan Enterprise AI Ecosystem. Menurut Tek.ID, mitranya ialah Neo4j, Cartesia, Mistral AI, dan VAST Data. Ajang EVOLVE26 di New York, Amerika Serikat, disebut menjadi peluncuran kemitraan ini.
Arah Cloudera perkuat AI bisnis berfokus pada kebutuhan perusahaan untuk membangun sistem yang memahami data internal, menjalankan tugas otomatis, serta mendukung interaksi suara. Fokusnya bukan satu produk AI baru, melainkan penyatuan komponen yang diperlukan ketika AI bekerja dengan proses operasional, data perusahaan, infrastruktur, dan aturan akses.
Bagi tim bisnis, pertanyaan awalnya bukan model AI mana yang digunakan. Pertanyaan yang lebih berguna: data apa yang perlu dibaca AI, siapa yang boleh mengaksesnya, keputusan apa yang dapat direkomendasikan, serta tindakan mana yang tetap memerlukan persetujuan manusia.
Menurut Tek.ID, Cloudera memakai platform Cloudera Anywhere Cloud untuk membangun AI factory. Istilah tersebut menggambarkan ekosistem teknologi yang terus-menerus mengubah data menjadi informasi serta aksi otomatis. Platform tersebut dapat digunakan pada public cloud, private cloud, maupun infrastruktur on-premises perusahaan.
Pilihan lingkungan ini relevan bagi organisasi dengan data yang tersebar. Misalnya, data transaksi dapat tersimpan di pusat data internal, aplikasi pelanggan berada di cloud, sedangkan dokumen kebijakan ada dalam sistem terpisah. Sebelum membuat AI assistant, tim perlu memetakan lokasi data, pemilik data, hak akses, serta informasi yang tidak boleh dikirim ke layanan lain.
Peran empat mitra dalam ekosistem AI Cloudera
Keempat mitra membawa fungsi berbeda dalam pengelolaan AI perusahaan. Tek.ID menyebut Neo4j menyediakan teknologi knowledge graph, yaitu struktur data yang membantu sistem memahami hubungan antardata. Hubungan itu dapat mencakup pelanggan, produk, transaksi, dan proses bisnis.
Knowledge graph berbeda dari pencarian dokumen biasa. Pencarian dokumen membantu menemukan file berdasarkan kata atau frasa tertentu. Knowledge graph membantu sistem melihat keterkaitan antarentitas dalam data yang tersedia.
Sebagai ilustrasi (kasus rekaan), tim sales mencari informasi tentang calon pelanggan. Sistem dapat menghubungkan profil pelanggan dengan produk yang diminati, riwayat interaksi layanan, serta transaksi perusahaan terkait, selama data tersebut tersedia dan aksesnya diizinkan. Hasilnya tetap perlu ditinjau pengguna sebelum menjadi dasar tindakan bisnis.
Tek.ID juga menyebut Cartesia mendukung interaksi suara dalam perluasan ekosistem ini. Mistral AI berkaitan dengan pilihan model AI, sedangkan VAST Data melengkapi sisi pengelolaan data. Artikel sumber tidak merinci fitur teknis maupun skenario implementasi setiap produk.
Karena itu, perusahaan tidak perlu menganggap kemitraan ini sebagai jaminan seluruh integrasi tersedia untuk setiap kebutuhan. Evaluasi tetap diperlukan, terutama terkait arsitektur, kesiapan data, hak akses, dan workflow yang akan dijalankan.
Tek.ID melaporkan Cloudera mendukung perusahaan menentukan model AI, mengendalikan data, mengatur biaya komputasi sesuai operasi. Pemilihan teknologi sebaiknya mengikuti masalah kerja yang ingin diselesaikan, bukan sekadar daftar vendor atau model.
Mengapa konteks data menentukan kualitas AI bisnis
AI bisnis dapat memberi hasil keliru bila hanya menerima instruksi tanpa data relevan. Sistem mungkin dapat menyusun teks yang meyakinkan, tetapi belum tentu memahami status pelanggan, aturan harga, persediaan, atau kebijakan internal.
Menurut Tek.ID, knowledge graph Neo4j membantu AI memahami konteks dan keterkaitan data sebelum memberi rekomendasi atau menjalankan tugas. Kebutuhan ini muncul ketika informasi penting tersebar di beberapa sistem dan tidak seluruhnya dapat diakses oleh setiap pengguna atau aplikasi.
Bagaimana jika pelanggan menanyakan status pesanan? Jawaban yang berguna memerlukan nomor pesanan, status pembayaran, data pengiriman, aturan pengembalian, serta batas kewenangan agen. Model bahasa tidak cukup bila informasi tersebut terpisah atau tidak dapat diakses dengan aman.
Workflow yang lebih tertata dapat dimulai dari urutan berikut:
- Pertanyaan pelanggan masuk.
- Sistem memeriksa identitas atau nomor referensi.
- AI mengambil informasi dari sumber yang diizinkan.
- Sistem menyusun jawaban berdasarkan data.
- Kasus sensitif diteruskan kepada petugas manusia.
Pengembalian dana, perubahan alamat, atau permintaan yang memuat data sensitif perlu memiliki jalur persetujuan manusia. Kontrol ini membantu perusahaan membatasi risiko keputusan otomatis yang dibuat tanpa konteks lengkap.
Proses tersebut juga membedakan automation, AI, dan AI agent. Automation menjalankan aturan tetap, misalnya formulir masuk lalu data dicatat ke CRM. AI dapat membaca, merangkum, atau mengklasifikasikan isi formulir. AI agent dapat memakai konteks dan alat yang tersedia untuk menyelesaikan beberapa langkah menuju tujuan tertentu. Kemampuan menjalankan beberapa langkah tidak berarti sistem perlu diberi wewenang mengambil seluruh tindakan tanpa pengawasan.
Dari pengumuman ekosistem ke workflow yang dapat diuji
Bagi perusahaan, dampak praktis dari arah ekosistem ini adalah kebutuhan merancang workflow sebelum menghubungkan banyak teknologi. Pendekatan ini bertujuan mengubah data internal menjadi tindakan.
Pernyataan tersebut menempatkan data internal sebagai bahan kerja, bukan sekadar arsip. Data perlu memiliki konteks, akses yang jelas, serta proses validasi sebelum dipakai AI untuk memberi rekomendasi.
Andaikan tim pemasaran menerima prospek dari formulir situs. Workflow awal dapat mencatat prospek ke CRM, mengelompokkan kebutuhan berdasarkan jawaban formulir, lalu mengecek riwayat interaksi sebelumnya. Hasil klasifikasi dikirim kepada sales sebagai rekomendasi. Sales tetap meninjau data sebelum menghubungi prospek atau mengirim penawaran.
Uji workflow dengan ruang lingkup terbatas. Periksa ketepatan data yang dibaca, kesesuaian klasifikasi dengan penilaian tim, kemampuan menjelaskan rekomendasi, serta kemungkinan informasi sensitif terbawa ke output. Catat keluaran yang perlu dikoreksi, waktu peninjauan, dan jenis kesalahan yang paling sering muncul.
Pemilik proses juga perlu jelas. Satu pihak bertanggung jawab atas kualitas data. Pihak lain mengatur akses. Tim operasional menentukan kapan output AI dapat dipakai. Keputusan untuk mengubah data penting, mengirim penawaran final, atau membuka informasi sensitif sebaiknya tetap memerlukan persetujuan yang dapat ditelusuri.
Kesalahan awal yang membuat proyek AI sulit dipakai
Kesalahan pertama ialah memulai dari tools tanpa memetakan pekerjaan yang sedang dilakukan. Akibatnya, AI menerima tugas kabur, mengakses data tidak relevan, atau menghasilkan output yang justru menambah beban verifikasi.
Mulailah dari satu masalah operasional yang berulang dan dapat dijelaskan oleh orang yang menjalankannya setiap hari. Jangan langsung menargetkan “AI untuk seluruh customer service”. Pilih satu jenis pertanyaan, seperti permintaan status pesanan.
Tentukan sumber data yang dibutuhkan, format jawaban, kondisi yang harus dialihkan ke manusia, serta pihak yang memeriksa hasil uji coba. Ruang lingkup sempit membantu tim menemukan masalah kualitas data dan akses lebih awal.
Kesalahan berikutnya adalah menganggap semua data siap digunakan. Data duplikat, istilah berbeda antarunit, serta izin akses yang tidak terdokumentasi dapat membuat keluaran AI sulit dipercaya. Sebelum data masuk ke workflow, buat daftar singkat mengenai data yang tersedia, pemiliknya, kemutakhirannya, dan tindakan yang boleh dijalankan sistem berdasarkan data tersebut.
Untuk fondasi perencanaan, gunakan kerangka perencanaan AI bisnis yang relevan di situs ini. Pilih satu proses kerja terlebih dahulu, lalu petakan data dan kontrol manusia. Setelah itu, nilai apakah kebutuhan bisnis berkaitan dengan knowledge graph, model AI, integrasi suara, atau pengelolaan data.
Langkah berikutnya: pilih satu workflow manual, wawancarai pemilik prosesnya, lalu dokumentasikan pemicu, sumber data, keputusan, tindakan, dan titik persetujuan manusia. Dokumen ini dapat menjadi dasar diskusi yang lebih konkret dengan tim data, TI, maupun calon penyedia teknologi.
Frequently asked questions
Apa tujuan Cloudera menggandeng empat perusahaan teknologi?
Menurut Tek.ID, kolaborasi ini ditujukan untuk memperluas ekosistem AI perusahaan. Fokusnya mencakup pemahaman data bisnis, otomatisasi tugas, pengelolaan data, pilihan model AI, dan interaksi berbasis suara.
Siapa saja mitra Cloudera dalam perluasan ekosistem AI ini?
Tek.ID menyebut Neo4j, Cartesia, Mistral AI, dan VAST Data. Neo4j dikaitkan dengan knowledge graph, Cartesia dengan interaksi suara, Mistral AI dengan pilihan model, dan VAST Data dengan pengelolaan data.
Apa fungsi knowledge graph dalam AI bisnis?
Knowledge graph membantu AI membaca hubungan antardata, seperti pelanggan, produk, transaksi, dan proses bisnis. Menurut Tek.ID, konteks tersebut membantu sistem sebelum memberi rekomendasi atau menjalankan tugas.
Apakah pengumuman kemitraan berarti semua integrasi langsung siap digunakan?
Tidak selalu. Artikel Tek.ID menjelaskan arah ekosistem dan peran umum para mitra, tetapi tidak merinci kesiapan teknis untuk setiap kebutuhan perusahaan. Tim tetap perlu mengevaluasi integrasi, akses data, keamanan, dan workflow yang akan digunakan.
Dari mana perusahaan sebaiknya memulai penerapan AI bisnis?
Mulai dari satu workflow berulang yang memiliki pemilik proses jelas. Petakan pemicu, data sumber, keputusan yang dapat dibantu AI, tindakan yang boleh otomatis, serta kondisi yang harus disetujui manusia.
