​Dunia korporasi di Asia Pasifik kini tengah memasuki babak baru dalam pemanfaatan kecerdasan buatan (AI).

Jika sebelumnya banyak organisasi masih berkutat pada tahap eksperimen dan proyek percontohan (pilot project), kini fokus utama bergeser ke arah implementasi AI dalam skala produksi yang nyata. Namun, transisi ini nyatanya menyimpan tantangan yang kompleks.

​Berdasarkan diskusi bersama para eksekutif NetApp, hambatan terbesar saat ini bukan lagi terletak pada teknologi AI itu sendiri, melainkan pada kesiapan infrastruktur, tata kelola, dan keamanan informasi.

​Beban Infrastruktur Warisan di Era Modern

​Dhruv Dhumatkar (Chief Technology Officer Asia Pacific & Japan NetApp) mengungkapkan bahwa banyak organisasi masih terjebak menggunakan infrastruktur lama. Arsitektur yang dirancang sebelum ledakan AI ini terbukti kewalahan menangani kebutuhan komputasi dan manajemen data modern. ​

Tantangan semakin rumit karena data perusahaan saat ini tersebar di berbagai lokasi, mulai dari pusat data internal, cloud publik, hingga sistem regional. Fragmentasi ini menyulitkan proses pencarian dan integrasi data yang krusial untuk melatih model AI.

​“Menemukan data yang tepat menjadi salah satu tantangan terbesar. Banyak perusahaan kesulitan menentukan data mana yang relevan untuk model AI mereka,” ungkap Dhruv.

​Kondisi ini sejalan dengan analisis Gartner yang memprediksi sekitar 60 persen proyek AI berpotensi gagal. Penyebab utamanya adalah ketidakmampuan organisasi mengoperasionalkan solusi dari tahap eksperimen ke skala produksi, yang sering kali dipicu oleh kekhawatiran atas risiko keamanan data sensitif.

​Menyatukan Privasi Data dan Keamanan Siber

​Elaine Chan (Director dan APAC Head of AI Sales & Go-To-Market NetApp) menegaskan bahwa privasi data dan keamanan siber adalah dua sisi mata uang yang tak terpisahkan di era AI. Menurutnya, tanpa sistem keamanan yang tangguh, volume data besar yang digunakan untuk melatih AI justru akan memperluas permukaan serangan (attack surface).

​“Ketika data digunakan untuk pelatihan AI, organisasi harus memastikan data yang digunakan memang layak dan aman. Jika tidak, risiko pelanggaran akan meningkat,” jelas Elaine.

​Ia menekankan pentingnya keamanan yang tertanam langsung dalam infrastruktur data, termasuk perlindungan terhadap ransomware dan mekanisme kontrol akses. Bagi perusahaan konglomerasi, fitur multi-tenancy menjadi vital agar data dapat dibagikan secara aman tanpa mencampuradukkan kepemilikan antar entitas bisnis.

​Tolok Ukur Keberhasilan dan Munculnya Agentic AI

​Meskipun tidak ada metrik universal untuk menilai keberhasilan transisi AI, Dhruv menunjukkan bahwa peningkatan produktivitas adalah indikator paling nyata.

Ia mencontohkan implementasi teknologi CoPilot di internal NetApp yang berawal dari proyek kecil sebelum akhirnya diperluas ke seluruh organisasi karena hasil yang signifikan.

​Kini, tren mulai bergeser ke arah Agentic AI, teknologi yang mampu mengotomatisasi alur kerja dan mengambil tindakan secara mandiri. Meski menawarkan efisiensi tinggi, Dhruv mengingatkan bahwa kualitas data tetap menjadi penentu utama.

​“Jika data yang digunakan tidak tepat, agen AI tidak akan menghasilkan output yang akurat. Semuanya kembali pada kualitas data,” tambahnya.

​Relevansi Zero Trust Berbasis Data

​Dalam menghadapi ancaman AI yang kian cerdas, model keamanan berbasis jaringan (network-centric) dianggap tidak lagi memadai. Elaine menilai pendekatan Zero Trust berbasis data kini semakin relevan.

​Penggunaan teknologi seperti Write Once Read Many (WORM) kembali mencuat karena kemampuannya mencegah modifikasi data. Jika dikombinasikan dengan sistem deteksi perilaku, organisasi dapat mengenali aktivitas abnormal sebelum serangan terjadi. Fokusnya kini bukan lagi sekadar mengamankan perimeter, melainkan memantau setiap interaksi terhadap informasi secara ketat.

​Menjadikan Platform Data sebagai Fondasi

​Sering kali, organisasi terlalu terpaku pada kekuatan komputasi AI dan mengabaikan fondasi terpenting: platform data. Padahal, arsitektur data yang mampu menggabungkan berbagai sumber informasi dengan tata kelola yang kuat adalah kunci sukses AI.

​“Banyak organisasi fokus pada komputasi, padahal kunci utama AI adalah data. Infrastruktur data yang tepat akan menentukan keberhasilan implementasi AI,” pungkas Dhruv.

​Tanpa fondasi data yang kokoh, ambisi transformasi AI di Asia Pasifik berisiko terhenti sebagai eksperimen mahal tanpa pernah memberikan dampak bisnis yang nyata.