Tanggal 24 Oktober kepungkur, kanthi undhangan saka Asosiasi Intelijensifikasi Industri Korea (KOIIA), CLEVI melu ing 'Akademi Pangembangan Talenta Utama Perusahaan Menengah 2025, Seminar Strategi Ngadhepi Industri Masa Depan', lan CEO CLEVI, Lee Hwan-ho, menehi pidato utama.
Ing sesi 'Conto Panggunaan Teknologi AI lan Strategi Praktis DX', CLEVI melu kanthi topik 'Conto Panggunaan Physical AI lan Faktor Kegagalan uga Strategi Dandan sajrone Proses Nerapake Agen RAG'.
Saperangan wektu iki, amarga minat marang agen AI saya dhuwur, saya akeh uga perusahaan sing nimbang-nimbang kanggo nerapake AI. Kita ngerti manawa wis akeh lembaga lan perusahaan sing nyoba nerapake lan ngoperasikake AI.
Nanging, sayangé, asil panaliten nuduhake manawa ing akeh perusahaan lan lembaga, ROI sing dikarepake ora bisa digayuh, utawa fungsi sing bisa mlaku ing PoC ora bisa menehi jawaban sing bener utawa ora bisa mlaku kanthi becik ing proyek utama lan lapangan.
Amarga informasi kasebut, akeh perusahaan dadi wegah nerapake AI kanthi kesusu.
Ing ceramah kasebut, CEO CLEVI, Lee Hwan-ho, nerangake kanthi rinci babagan watesan sistem RAG lan model open source utawa Small LLM (SLM), sing dadi salah siji panyebab utama kegagalan penerapan AI kanthi kesusu, uga nerangake sebabe conto penerapan sadurunge gagal.
Pungkasane, sebab nggunakake AI yaiku amarga kita ngarepake AI bisa ngganteni pakaryan manungsa utawa nuduhake kinerja sing luwih apik tinimbang manungsa.
Nanging, para praktisi ing perusahaan sing saiki wis nerapake AI ora percaya marang kualitas jawaban AI, mula akeh keluhan amarga pakaryane malah tambah akeh amarga kudu mriksa isi jawaban AI siji-siji.
Alesane yaiku umume perusahaan nggunakake model SLM open source sing wis di-fine-tuning minangka solusi.
Sacara intuisi, kita mikir manawa AI bakal dadi luwih pinter yen sinau bab anyar, nanging nyatane, nalika AI diwulangake kawruh anyar, AI bisa kelangan memori saka jaman kepungkur, yaiku bobot parameter sing acak.
Masalah sing luwih serius yaiku ora ana sing ngerti informasi utawa kawruh apa sing wis ilang.
Adopsi AI dudu perkara sing mung mbutuhake sumber daya cilik, mula mesthine panjenengan wis nindakake akèh validasi wiwit tahap PoC.
Napa masalah kaya mangkono ora katon nalika kuwi? Mesthi wae amarga model kasebut dilatih maneh nganggo informasi target.
AI sing sadurunge mung ngerti angka diwulangake alfabet, banjur mung diwenehi pitakon babagan alfabet, mula wangsulane mesthi apik. Nanging ing lapangan, apa mung model sing khusus kanggo domain tartamtu kaya ngene iki sing dibutuhake?
Ing lapangan, kita saben dina ngadhepi lingkungan lan data anyar. Nanging AI sing dilatih kanthi ngrusak kawruh sing wis ana kanthi acak ora bisa njamin generalisasi, uga akurasi.
Mula, dibutuhake teknologi kanggo nduwèni utawa nggawe model basa gedhé From-scratch Foundation.
Amarga model-model iki ngemot meh kabèh kawruh ing donya, kualitas wangsulan lan akurasine uga dhuwur.
Kanggo domain khusus, kekurangan SLM sing wis di-fine-tuning bisa diatasi kanthi nggunakake teknologi SFT(Supervised Fine-Tuning), utawa kanggo data sing jumlahé sithik, nggunakake sistem RAG utawa teknologi basis data semantik, yaiku sistem basis data intelijensi sing dikembangaké déning CLEVI.
Amarga pamaréntah uga ngerti pentinge model foundation kaya iki, dhukungan gedhé terus diwenehake.
Yaiku proyek 국가대표AI. Tujuan paling gedhé saka proyek iki mesthine kanggo ngamanake kedaulatan digital.
Amarga CLEVI uga wis ngerti kekurangan fatal nalika nggunakake model open-source, CLEVI ngembangaké kanthi mandiri wiwit saka pangumpulan data nganti desain arsitektur, banjur nglatih model-model CLEVI.
Saiki, model-model CLEVI nduwèni performa sing ora kalah saingan sanajan dibandhingake karo AI unggulan saka saindenging donya.
Utamane amarga nduwèni model dhewe, CLEVI uga ora kena masalah ketergantungan sing bisa muncul nalika nggunakake model eksternal.
Saiki, adopsi AI saya dadi kabutuhan, dudu maneh pilihan. Nanging, mung nggunakake teknologi paling anyar ora cukup kanggo entuk asil sing dikarepake.
Inovasi sejati mung diwiwiti nalika kita ngerti kanthi tepat watesan teknologi lan nyusun strategi optimal sing cocog karo lingkungan lan tujuan organisasi kita.
Kanthi kapabilitas teknologi sing béda, kayata model basa gedhé lan basis data semantik sing dikembangaké kanthi mandiri, CLEVI nyuda trial and error lan risiko sing dialami perusahaan sajrone proses adopsi AI.
Ing mangsa ngarep, kita bakal terus ngrungokake swara saka lapangan lan ngupayakake sing paling apik supaya dadi mitra AI sing bisa dipercaya kanggo luwih akeh perusahaan. Muga-muga kasuksesan sejati ing adopsi AI bisa kita wujudake bebarengan karo CLEVI.