LintasBisnis.com – Bagi banyak perusahaan, pemanfaatan kecerdasan buatan (AI) kini telah bergerak melampaui tahap proyek percontohan dan proof of concept. Kemampuan AI untuk merangkum dokumen, menyusun email, hingga menjawab pertanyaan sudah menjadi fitur dasar.
Kini, perusahaan mulai menuntut kemampuan AI yang dapat bekerja lebih luas dan terintegrasi dengan aktivitas inti bisnis. Salah satu perkembangan yang mendorong perubahan tersebut adalah kemunculan AI agent dan agentic AI.
AI agent dapat dipahami sebagai bot yang mampu beroperasi secara mandiri di berbagai aplikasi atau layanan untuk mencapai tujuan tertentu. Berbeda dari chatbot generative AI yang umumnya merespons perintah pengguna, sistem agentic dirancang untuk menggunakan berbagai perangkat lunak dan sumber data dalam menjalankan tugas.
Sumber data tersebut dapat berupa catatan pelanggan, pustaka internal perusahaan, sistem ticketing, repositori kode, hingga aplikasi bisnis yang digunakan sehari-hari.
Agentic AI Membutuhkan Ekosistem Terbuka
Kemampuan untuk mengakses berbagai sumber data dan aplikasi membuat interoperabilitas menjadi faktor penting dalam pengembangan agentic AI. Namun, perusahaan yang ingin memperluas pemanfaatan AI menghadapi tantangan berupa vendor lock-in dan solusi perangkat lunak eksklusif yang hanya memiliki kompatibilitas terbatas.
Integrasi vertikal memang dapat mempermudah implementasi pada tahap awal. Namun, ketika perusahaan mulai memperluas penggunaan AI dan menambah berbagai perangkat lunak yang harus didukung, pendekatan tersebut berpotensi menjadi hambatan.
Saat ini, banyak AI agent dapat bekerja secara optimal dalam satu framework perangkat lunak, tetapi menghadapi kendala ketika harus berinteraksi dengan aplikasi atau sistem lain.
Kondisi tersebut menunjukkan pentingnya ekosistem AI yang terbuka dan fleksibel. Agent tidak hanya membutuhkan model AI yang kuat, tetapi juga akses terhadap infrastruktur, data, aplikasi, serta perangkat lunak yang beragam.
AMD Dorong Fleksibilitas Infrastruktur AI
AMD melihat kebutuhan tersebut sebagai bagian penting dari perkembangan industri AI. Perusahaan menyediakan rangkaian solusi AI end-to-end yang mencakup FPGA embedded, prosesor server AMD EPYC™, mobile workstation, hingga akselerator AMD Instinct™.
Rangkaian tersebut memberikan fleksibilitas bagi pelanggan untuk menyesuaikan beban kerja AI dengan kebutuhan daya dan sistem pendinginan di lingkungan tempat AI dijalankan.
Di sisi perangkat lunak, AMD ROCm™ dan HIP mendukung sejumlah framework industri seperti PyTorch dan TensorFlow, serta ONNX Runtime. Dukungan tersebut memungkinkan model dievaluasi, dipindahkan, dan diterapkan pada berbagai lingkungan tanpa harus melakukan pelatihan ulang atau mengubah format model.
Pendekatan ini memberikan ruang bagi perusahaan untuk merespons kebutuhan AI saat ini sekaligus mempertahankan pilihan teknologi untuk kebutuhan di masa mendatang.
AMD juga menyediakan layanan berbasis container, termasuk AMD Inference Microservices (AIMs), yang dirancang untuk membantu perusahaan mengelola beban kerja inferensi AI pada GPU AMD Instinct.
AIMs menyederhanakan proses inferensi dengan mengurangi kompleksitas implementasi, sekaligus memberikan jaminan layanan ketika diterapkan pada konfigurasi perangkat keras AMD tertentu.
Microservices tersebut merupakan bagian dari AMD Enterprise Reference Stack yang bersifat open source. Ekosistem ini dirancang agar dapat terhubung dengan lingkungan dan toolset perusahaan yang sudah digunakan, baik melalui mitra platform open source maupun closed source seperti Red Hat, SUSE, Canonical, VMware, dan Nutanix.
Tujuannya adalah memberikan ruang bagi fungsi agent dan konektor data untuk bekerja dengan berbagai sumber, mulai dari database terstruktur maupun tidak terstruktur, spreadsheet, hingga produk SaaS.
Kebebasan Memilih Jadi Faktor Penting
Seiring semakin matangnya teknologi agentic AI, fleksibilitas dan kebebasan memilih diperkirakan menjadi semakin penting bagi perusahaan.
Pada tahap awal, perusahaan mungkin menggunakan AI agent untuk mengotomatisasi tugas sederhana dalam satu aplikasi. Namun, manfaat yang lebih besar akan muncul ketika agent mampu mengakses berbagai sumber data, memilih perangkat yang tepat, menjalankan alur kerja, dan menghasilkan keluaran yang dapat digunakan oleh perangkat lunak lain.
Karena itu, perusahaan yang sejak awal membangun AI agar dapat terhubung dengan sistem dan alur kerja yang sudah digunakan karyawan memiliki peluang lebih besar untuk memaksimalkan manfaat agentic AI.
Pendekatan ekosistem terbuka seperti yang didorong AMD memberikan perusahaan jalur untuk memperluas penggunaan AI di seluruh organisasi tanpa harus mengunci pilihan pada satu vendor atau satu software stack.
Pada akhirnya, keberhasilan agentic AI tidak hanya ditentukan oleh seberapa canggih model AI yang digunakan, tetapi juga seberapa bebas teknologi tersebut berinteraksi dengan data, aplikasi, infrastruktur, dan alur kerja yang menjadi fondasi bisnis.
