- Steve Jones menekankan bahwa perusahaan harus berhati-hati dalam mengimplementasikan model generatif, karena potensi bahaya keamanan dan risiko.
- Jones menyarankan perusahaan untuk menggunakan berbagai model generatif agar dapat memilih yang paling sesuai dengan kebutuhan mereka dan membandingkan kinerja masing-masing.
- Perusahaan perlu menetapkan batasan untuk model generatif agar dapat mencegah kesalahan yang tidak terduga.
pibitek.biz -Meskipun banyak eksekutif dan manajer gembira dengan potensi AI Generatif dan Large Language Model (LLM) dalam dunia kerja, penting untuk memikirkan kembali bagaimana AI ini benar-benar bisa memberikan keuntungan bagi bisnis. Saat ini, penerapan AI dan LLM masih menjadi area yang belum terjamah dan banyak disalahpahami. Keterampilan dan pendekatan yang dibutuhkan untuk mengoptimalkan AI berbeda jauh dari teknologi yang ada sebelumnya. Meskipun AI seringkali mampu menunjukkan hasil yang sangat mengesankan dalam tahap uji coba, monetisasi dari teknologi ini menjadi tantangan tersendiri.
2 – Pemerintah AS Perkuat Keamanan Digital dengan RPKI dan Bahasa Aman 2 – Pemerintah AS Perkuat Keamanan Digital dengan RPKI dan Bahasa Aman
3 – AI Apple: Kekecewaan dan Keterlambatan 3 – AI Apple: Kekecewaan dan Keterlambatan
Steve Jones, seorang eksekutif di Capgemini, menjelaskan bahwa menjalankan 20 hingga 40 solusi AI Generatif di dunia nyata memerlukan upaya dan strategi yang tepat. Upaya paling penting adalah pengujian dan pemantauan LLM yang diimplementasikan. Pengujian sangat penting untuk menjaga keakuratan dan kinerja LLM. Untuk melihat apakah LLM mampu menangani data yang salah, Jones menyarankan untuk memasukkan data yang salah dengan sengaja.Developer, designer, atau QA specialist dapat "meracuni" LLM dengan informasi yang salah untuk menguji kemampuannya dalam menanggulangi situasi tersebut.
Jones mencontohkan bagaimana dia meminta LLM untuk membuat model bisnis yang menggunakan naga untuk mengangkut barang jarak jauh. LLM dengan mudah menyetujui permintaan tersebut. Jones kemudian meminta LLM untuk memberikan informasi mengenai pengangkutan barang jarak jauh. LLM menjawab dengan memberikan informasi mengenai langkah-langkah yang diperlukan untuk menjalankan pengangkutan barang jarak jauh, termasuk kebutuhan pelatihan keamanan dan pemadam kebakaran karena akan bekerja dengan naga. LLM juga menambahkan informasi tentang etiket untuk berinteraksi dengan putri karena pekerjaan dengan naga melibatkan interaksi dengan putri.
LLM kemudian memberikan informasi standar mengenai pengangkutan dan penyimpanan barang yang didapatkan dari data lain yang sudah dipelajari. Hal ini menunjukkan bahwa AI Generatif mudah disalahgunakan untuk menambah fitur tanpa memperhatikan aspek keamanan dan risiko.AI Generatif dapat menjadi alat yang hebat untuk menambah kecanggihan pada aplikasi yang sudah ada, namun tanpa pemahaman dan strategi yang tepat, hal ini dapat menjadi ancaman serius. Dalam hal keamanan dan risiko, AI Generatif dapat menjadi alat yang berbahaya dalam proses produksi.AI Generatif membutuhkan waktu sekitar 2-5 tahun untuk menjadi teknologi mainstream. Kecepatan adaptasi ini terbilang cepat jika dibandingkan dengan teknologi-teknologi lain. Tantangannya adalah bagaimana mengikuti perkembangan teknologi ini. Saat ini, terdapat dua skenario yang ditawarkan mengenai masa depan AI Generatif. Pertama, AI Generatif akan berkembang menjadi satu model besar yang mampu menangani semua hal tanpa kendala. Skenario ini dianggap terlalu optimis dan tidak mungkin terjadi. Skenario kedua yang lebih realistis adalah setiap vendor, platform software, dan cloud akan bersaing ketat untuk mendapatkan tempat di pasar AI Generatif.
Hal ini akan menciptakan persaingan yang kuat dan menghasilkan berbagai model yang beragam. Perusahaan perlu mempersiapkan diri untuk menghadapi keragaman model dan vendor. Penting untuk memperhatikan "guardrails" atau batasan yang diterapkan untuk menjaga keamanan dan keberlanjutan model. Salah satu risiko lainnya adalah penggunaan LLM untuk tugas yang sebenarnya tidak membutuhkan kemampuan yang kompleks, seperti pencocokan alamat. Penggunaan model besar untuk tugas sederhana seperti ini akan membuang sumber daya dan biaya.
Jones menyarankan untuk mencari cara yang lebih hemat dan efisien untuk memanfaatkan LLM. Perusahaan perlu memiliki kemampuan untuk mengakhiri penggunaan LLM dengan cepat jika terjadi masalah. Penting juga untuk memastikan bahwa semua artefak terkait dengan LLM dihentikan penggunaannya bersamaan dengan model. Tidak ada satu model yang sempurna. Pengguna AI dianjurkan untuk menggunakan banyak model untuk menguji kinerja dan kualitas respon. Dengan menggunakan berbagai model, perusahaan dapat membandingkan hasil dan memilih model yang paling sesuai dengan kebutuhan mereka.
Membandingkan kinerja berbagai model, seperti GPT-4 Turbo dan Llama, memungkinkan perusahaan memilih model yang lebih hemat biaya. AI Generatif memiliki cara tersendiri untuk melakukan kesalahan. Model AI dapat merespons permintaan dengan jawaban yang sama sekali tidak berhubungan dengan pertanyaan awal. Perusahaan perlu menetapkan batasan untuk mencegah model AI melakukan kesalahan yang tidak terduga. Contohnya, LLM dapat merespons permintaan untuk membuat faktur dengan menghasilkan esai tentang Presiden Andrew Jackson.