Bukitmakmur.id – Kumar Mitra, Executive Director untuk wilayah China, Asia Pasifik, serta Australia & Selandia Baru di Infrastructure Solutions Group Lenovo membawa pandangan krusial mengenai masa depan teknologi kecerdasan buatan (AI) di Indonesia. Per 2026, Indonesia tengah bergerak cepat dalam fase akselerasi penggunaan infrastruktur digital seiring dengan antusiasme perusahaan mengadopsi sistem tersebut.
Perkembangan teknologi kecerdasan buatan kini menjangkau berbagai sektor industri, namun aspek infrastruktur seringkali luput dari perhatian publik. Kumar Mitra menegaskan bahwa perusahaan perlu membangun pondasi operasional yang kuat untuk menjaga pertumbuhan yang berkelanjutan. Langkah ini memastikan bahwa setiap investasi perusahaan dalam teknologi AI mampu memberikan dampak bisnis nyata bagi pertumbuhan pendapatan dan profitabilitas.
Peralihan Infrastruktur AI di Indonesia
Penerapan teknologi kecerdasan buatan di Indonesia kini berkembang pesat dari tahap eksperimental menuju lingkungan produksi skala terdistribusi. Data Lenovo CIO Playbook 2026 menyoroti tiga pergeseran utama dalam transisi tersebut. Organisasi kini memprioritaskan produktivitas karyawan melalui ketersediaan perangkat pendukung AI, termasuk integrasi kemampuan AI on-device dan PC berbasis AI dalam strategi IT utama mereka.
Pergeseran ini menunjukkan kematangan ekosistem bisnis lokal. Sebanyak 96 persen organisasi di wilayah ASEAN+ merencanakan peningkatan investasi pada sektor AI untuk periode 12 bulan ke depan dengan rata-rata pertumbuhan anggaran sebesar 15 persen. Angka tersebut menjadi bukti bahwa teknologi AI telah masuk dalam perencanaan anggaran formal dan bukan lagi sekadar proyek uji coba terbatas.
Lebih lanjut, pelaku industri kini meninggalkan sekadar validasi nilai untuk beralih ke model berbasis hasil atau outcomes-led AI. Fokus utamanya menyasar pada peningkatan pengalaman pelanggan serta efisiensi operasional. Menariknya, 67 persen perusahaan telah melakukan uji coba atau mengadopsi AI secara sistematis, sebuah langkah besar yang menandai transisi dari fase eksplorasi menuju implementasi terstruktur.
Tantangan Skalabilitas dalam Implementasi AI
Meskipun terdapat komitmen investasi yang besar, Kumar Mitra menyoroti kesenjangan antara ambisi perusahaan dengan kemampuan teknis dalam melakukan skalabilitas. Faktualnya, hanya sekitar separuh dari total proof-of-concept AI yang berhasil menembus tahap produksi skala besar. Fenomena ini muncul karena kompleksitas integrasi teknologi dengan infrastruktur yang ada saat ini cukup menantang.
Selain itu, biaya operasional harian menjadi beban tambahan bagi perusahaan. Biaya untuk menjalankan AI dalam kegiatan operasional sehari-hari membutuhkan anggaran 15 kali lipat lebih tinggi dibandingkan proses pelatihan model awal. Berikut adalah ringkasan tantangan utama yang harus pelaku industri pertimbangkan per 2026:
| Aspek Tantangan | Keterangan |
|---|---|
| Skalabilitas Operasional | Biaya 15 kali lipat lebih besar dibanding pelatihan model. |
| Kesiapan Agentic AI | Hanya 10 persen organisasi merasa siap untuk implementasi skala besar. |
| Waktu Pengembangan | 41 persen membutuhkan waktu lebih dari 12 bulan untuk dampak nyata. |
Perusahaan harus memberi perhatian khusus pada tata kelola, keamanan, serta manajemen siklus hidup AI agar proyek tetap berjalan efektif. Tantangan pengembangan tidak sekadar pada ketersediaan dana, melainkan pada kemampuan organisasi dalam membangun kerangka operasional yang mendukung skala besar.
Model Infrastruktur Hybrid sebagai Standar Baru
Pergeseran infrastruktur AI kini menuju model hybrid yang mengombinasikan on-premise dengan edge computing. Model ini menawarkan keseimbangan performa, keamanan, dan kepatuhan terhadap regulasi yang ketat. Penggunaan model hybrid bukan lagi sekadar opsi pelengkap, melainkan sudah menjadi standar utama implementasi bagi banyak organisasi besar di Indonesia.
Proyeksi per 2030 menunjukkan bahwa 75 persen kapasitas komputasi AI akan berfokus pada kebutuhan operasional. Di sisi lain, 80 persen perusahaan akan mengandalkan infrastruktur edge yang tersebar luas guna mendukung aplikasi AI secara real-time. Strategi pusat data pun kini berkembang melampaui fasilitas hyperscale terpusat dengan meningkatkan investasi pada lokasi edge.
Bagi pasar Indonesia, pendekatan ini membuka peluang bagi aplikasi AI yang lebih responsif sesuai kebutuhan industri spesifik. Infrastruktur yang tersebar di titik penggunaan akan mempermudah beban kerja yang membutuhkan latensi rendah serta keamanan data yang tinggi. Langkah ini membuktikan bahwa masa depan AI bergantung pada ketepatan infrastruktur dalam mendukung fungsi operasional setiap harinya.
Keberhasilan adopsi AI di Indonesia sangat bergantung pada kemampuan organisasi dalam menjembatani ambisi digital dengan realitas operasional. Fokus pada pembangunan kerangka kerja yang matang akan membantu perusahaan keluar dari fase eksperimental menuju pencapaian hasil bisnis nyata yang terukur.