Oleh: Jemmy Ang, Direktur Regional Confluent Indonesia
Kemajuan teknologi yang dikenal sebagai Kecerdasan Buatan atau AI sedang mengubah dunia dengan kecepatan yang luar biasa, tetapi juga memakan sumber daya energi dalam jumlah yang mengkhawatirkan. Perkembangan pesat pada AI generatif telah menyebabkan lonjakan permintaan daya komputasi, sehingga memaksa pusat data mencapai batas kemampuannya. Data dari Statistia menunjukkan bahwa aktivitas terkait AI berkontribusi sekitar 8% terhadap penggunaan listrik pusat data global pada tahun 2023.Goldman Sachs Researchmemprediksi bahwa permintaan daya pusat data akan meningkat sebesar 160% hingga tahun 2030, dengan AI diperkirakan memberikan kontribusi sekitar 19% dari permintaan daya pusat data pada tahun 2028.
Biaya yang dimaksud tidak hanya bersifat finansial, tetapi juga lingkungan. Namun, bagaimana jika AI tidak memerlukan penggunaan energi dalam jumlah besar? Bagaimana jika cara kita mengelola data bisa membuat AI menjadi lebih ramah lingkungan?
Deepseek telah membuktikan bahwa pengembangan AI bisa dilakukan dengan pendekatan yang berbeda. Daripada mengandalkan sumber daya komputasi yang terus meningkat, Deepseek mengoptimalkan pemrosesan data agar lebih efisien tanpa pemborosan. MenurutpenelitianInternal DeepSeek, server mereka menggunakan 50% hingga 75% energi lebih sedikit dibandingkan unit GPU terbaru Nvidia. Perubahan paradigma ini menunjukkan fakta yang semakin jelas: bukan hanya jumlah data yang menentukan dampak AI—tetapi bagaimana data tersebut diatur.
Biaya Energi Tersembunyi dalam Pemrosesan Bertahap
Sebagian besar sistem kecerdasan buatan masih mengandalkan data yang diproses dengan metode batch processing, teknik yang telah digunakan selama beberapa dekade di mana data dikumpulkan, disimpan, dan diproses pada waktu tertentu yang sudah ditetapkan. Pendekatan ini memakan biaya tinggi, lambat, dan tidak efisien. Karena ketidakefisienan dari batch processing seringdiukurberdasarkan jumlah data dan durasi waktu, proses yang lebih lama mengakibatkan penggunaan energi yang lebih besar. Sebuahstudimengenai mesin pencari web menunjukkan bahwa waktu pemrosesan kueri yang lebih panjang mengakibatkan konsumsi energi yang lebih besar. Ketika perusahaan mengambil wawasan, sebagian besar data sudah tidak up-to-date dan pusat data yang boros daya, di mana pemrosesan batch sering terjadi, bekerja ekstra keras untuk memproses informasi yang tidak diperlukan. Permintaan penyimpanan meningkat tajam, dan perusahaan terjebak dalam siklus pemborosan.
Proses batch mirip dengan berkendara dalam kemacetan lalu lintas setiap kali memulai ulang, yang cenderung menghabiskan lebih banyak bahan bakar dibandingkan menjaga kecepatan tetap. AI yang berjalan pada proses batch menghabiskan energi secara sia-sia dengan cara yang sama, memaksa pusat data untuk memproses data dalam jumlah besar yang tidak efisien. Dampak lingkungan dari pendekatan ini semakin meningkat, khususnya di Asia, di mana pertumbuhan pesat penggunaan AI memberikan tekanan besar pada jaringan listrik yang sudah sangat sibuk.
Revolusi Real-Time
Pendekatan yang lebih ramah lingkungan mulai mengubah infrastruktur kecerdasan buatan. Proses pemrosesan data streaming real-time memproses informasi segera setelah data datang, menghilangkan kebutuhan penyimpanan yang tidak diperlukan, mengurangi latensi, serta mengurangi kebutuhan daya komputasi untuk menjaga kecerdasan buatan berjalan secara efisien. Perubahan ini—yang kami di Confluent sebut sebagai 'data in motion'—memungkinkan AI terus memproses data secara terus-menerus, bukan menyimpan dan memproses volume data besar pada interval tertentu.
Pemerintah di berbagai negara Asia telah menyadari pentingnya menciptakan AI yang lebih ramah lingkungan. Misalnya, di Singapura, pihak berwenang akan menerapkan rencana Hijau 2030 yang bertujuan meningkatkan pembangunan pusat data yang lebih hemat energi. Rencana Pengembangan AI Generasi Berikutnya di Tiongkok menekankan keseimbangan antara perkembangan teknologi dan keberlanjutan, sementara Taiwan sedang mempertimbangkan penggunaan energi nuklir untuk mendukung industri yang didorong oleh AI. Di Indonesia, pemerintah saat ini sedang mengembangkan kerja sama dengan sektor swasta (KPS) dalam membangun pusat data yang ramah lingkungan, dengan tujuan memperkuat kedaulatan nasional dalam bidang AI dan data. Perusahaan yang ingin tetap mematuhi peraturan serta komitmen keberlanjutannya sendiri perlu meninjau kembali cara mereka mengelola data.
Kemampuan dan Kecerdasan Buatan Bisa Bersamaan
Aliran data secara real-time bukan hanya menjadi solusi teoretis, tetapi telah mendorong keberlanjutan dalam berbagai sektor industri.PowerledgerAustralia memanfaatkan platform streaming data untuk mendukung perdagangan energi antar pengguna melalui teknologi blockchain, meningkatkan metode distribusi energi surya. Dengan menangani transaksi energi secara langsung, Powerledger mengurangi ketergantungan pada jaringan listrik konvensional dan meningkatkan efisiensi energi terbarukan.
Bisnis lain juga mengalami manfaat serupa, dengan memanfaatkan data streaming real-time untuk menekan biaya, meningkatkan respons AI, dan mengurangi konsumsi energi.Reworkdmenggunakan kecerdasan buatan generatif (GenAI) serta platform streaming data untuk mengotomatisasi dan memperluas pengumpulan data web secara langsung. Pendekatan ini telah mengubah proses yang sebelumnya manual dan memakan waktu menjadi sistem yang lebih efektif dan minim kesalahan.SunPower, perusahaan energi terbarukan, memanfaatkan sistem pemantauan waktu nyata untuk memberikan kekuatan kepada pelanggan dalam mengoptimalkan penggunaan energi serta meminimalkan pemborosan. Sistem ini juga mempermudah pengelolaan instalasi tenaga surya, mendukung pilihan yang lebih bijak dan ramah lingkungan bagi para pengguna maupun perusahaan. Contoh penerapan ini menunjukkan bagaimana perusahaan menerapkan AI sebagai alat untuk meningkatkan efisiensi dan keberlanjutan.
Mengeksplorasi Kembali Masa Depan Kecerdasan Buatan
Permintaan energi AI semakin sulit dipertahankan, namun perusahaan tidak harus memilih antara inovasi dan tanggung jawab. Aliran data real-time memberikan solusi yang sekaligus mengurangi dampak lingkungan dari AI, sekaligus membuatnya lebih kuat, cepat merespons, dan efisien. Perpindahan dari pemrosesan batch ke data yang bergerak bukan hanya peningkatan, tetapi merupakan satu-satunya jalan menuju masa depan AI.
Perusahaan yang tidak mampu beradaptasi akan menghadapi tekanan yang semakin meningkat dari pihak pengawas dan konsumen yang menginginkan solusi yang lebih ramah lingkungan. Perusahaan yang memanfaatkan aliran data real-time akan menjadi pemimpin dalam upaya menuju revolusi AI yang lebih canggih dan berkelanjutan. Teknologi ini sudah ada. Waktunya sekarang. Waktunya untuk mendorong perkembangan AI - tanpa merusak planet ini.
0 Please Share a Your Opinion.: