Tentu banyak pendapat mengenai seberapa jauh perkembangan AI saat ini untuk mencapai General Artificial Intelligence (AGI). Bloomberg dalam salah satu artikelnya membahas mengenai 5 tahapan yg dibuat oleh OpenAI untuk mencapai AGI. 

Sebelum itu, apa definisi dari AGI? AGI merupakan Bentuk Kecerdasan Buatan yg dapat melakukan tugas-tugas kompleks yg biasa dilakukan oleh manusia secara jauh lebih baik. AGI akan memiliki pemahaman yg sangat luas tentang dunia dan dapat berpikir secara logis sehingga AGI dapat melakukan berbagai macam hal tanpa perlu supervisi manusia.

Beberapa kegunaan AGI misalnya adalah Kendaraan Tanpa Sopir (Driverless Vehicle) atau robot yg dapat bekerja dalam lingkungan tertentu tanpa perintah khusus dan AI model yg dapat bertindak sebagai personal assistant atau bahkan teman. 

Seperti yg dilaporkan oleh Bloomberg, OpenAI menggunakan Framework 5 tahap untuk mengukur progress mereka dalam mencapai Artificial General Intelligence (AGI)

5 Tahap untuk mencapai AGI

Level 1 – Chatbots

Level 1 adalah conversational AI, AI yg dapat diajak bercakap – cakap, ini sudah dicapai oleh GPT – 3.5 yg adalah versi awal dari Chat GPT

Level 2 – Reasoners

AI yg memiliki kemampuan untuk memecahkan masalah dari berbagai area (bukan hanya dalam tugas-tugas tertentu yg spesifik). Menurut Bloomberg, Reasoners adalah sistem yg dapat melakukan “Basic Problem-Solving task” yg dapat dilakukan oleh manusia dengan pendidikan selevel Doctorate/S3. Awal dari Level 2 ini dikabarkan sudah dapat dicapai dengan Mid TIer Model dari OpenAI. OpenAI juga dikabarkan akan meluncurkan GPT-4.5 (GPT dengan versi lebih baru di akhir tahun 2024 dengan peningkatan dari sisi “Reasoning”

Level 3 – Agents

AI System yg dapat melakukan tugas-tugas mewakili pengguna dalam periode waktu tertentu. System ini dapat berjalan secara mandiri tanpa intervensi manusia dan memiliki potensi untuk merevolusi business operations dan secara efisien dapat melakukan berbagai jenis tugas di berbagai domain

Level 4 – Innovators, AI yg dapat membantu dalam penemuan

Pada tahap ini, AI menjadi lebih inovatif dan mampu untuk membantu menciptakan penemuan baru, bukan hanya menyampaikan berdasarkan data yg diberikan sewaktu AI tersebut dilatih. Contoh: AI di tahap ini dapat menciptakan sesuatu yg baru dari 0. 

Level 5 – Organizations

Di tahap akhir ini, AI dapat melakukan pekerjaan dari seluruh organisasi secara mandiri bahkan tanpa masukan dari manusia. Ai di level ini perlu memiliki semua kemampuan dari level-level sebelumnya dan ditambah dengan kemampuan intelegensi yg sangat luas. Untuk dapat menjalankan organisasi, diperlukan pemahaman menyeluruh terhadap setiap bagian organisasi dan bagaimana sinergi antara setiap bagian. 

Stages of Artificial Intelligence

Seberapa jauh OpenAI untuk mencapai AGI? Sam Altman sebelumnya mengatakan bahwa AGI akan dapat dicapai dalam satu dekade ini. Mari kita lihat apakah di akhir dekade ini, AGI betul akan bisa dicapai

The post Berapa Jauh kita dari General Artificial Intelligence? appeared first on Rendipeterson.

Menurut Laporan Work Trend Index 2024 dari Microsoft & Linkedin , penggunaan Generative AI telah meningkat hampir dua kali lipat dalam enam bulan terakhir. Saat ini, sekitar 75% pekerja profesional global sudah menggunakan AI untuk membantu pekerjaan mereka, didorong oleh tuntutan untuk bekerja lebih cepat dan efisien.

Dari sudut pandang para pemimpin perusahaan, banyak yang mengakui pentingnya penerapan AI ini. Sebanyak 79% pemimpin perusahaan setuju bahwa Generative AI adalah kunci untuk tetap kompetitif. Namun, masih ada 59% di antaranya yang bingung bagaimana cara mengukur hasil nyata dari implementasi Generative AI tersebut.

Tidak hanya itu, 60% pemimpin perusahaan juga khawatir karena merasa belum memiliki rencana dan visi yang jelas dalam menjalankan strategi AI mereka. Tekanan untuk menunjukkan ROI dalam waktu singkat sering menjadi batu sandungan. Mereka tidak hanya diharuskan merencanakan, tetapi juga perlu membuktikan hasil dari implementasi Generative AI dengan cepat.

Saat ini, banyak pemimpin dihadapkan pada tantangan: mereka harus segera beralih dari eksperimen menuju transformasi bisnis melalui AI. Namun, langkah ini bukan tanpa risiko. Diperlukan perencanaan yang matang untuk menghindari kesalahan dalam penerapan Generative AI.

Tantangan Implementasi: Kenapa Banyak Proyek AI Gagal?

Faktanya, tidak semua proyek AI memberikan hasil yang memuaskan. Gartner bahkan memprediksi bahwa pada akhir 2025, sekitar 30% proyek Generative AI akan dihentikan setelah tahap Proof of Concept (POC). Beberapa faktor penyebabnya antara lain:

– Kualitas Data yang Buruk
– Kontrol Risiko yang Kurang Memadai
– Biaya yang Membengkak
– Nilai Bisnis yang Tidak Jelas

Menurut Rita Sallam, VP Analyst di Gartner, setelah hype besar di tahun sebelumnya, para eksekutif kini ingin segera melihat hasil nyata dari investasi mereka dalam AI. Namun, banyak organisasi masih berjuang untuk membuktikan dan mendapatkan nilai yang diharapkan. Dengan semakin luasnya cakupan proyek AI, beban finansial untuk mengembangkan dan menerapkan model Generative AI pun kian terasa.

Bagaimana Menjustifikasi Investasi Generative AI?

Salah satu tantangan terbesar bagi perusahaan adalah bagaimana menjustifikasi investasi mereka di AI, khususnya untuk meningkatkan produktivitas. Terkadang, peningkatan produktivitas tidak selalu langsung berdampak pada keuntungan finansial.

Contoh perkiraan biaya implementasi Generative AI untuk beberapa use case dapat sangat bervariasi, tergantung pada skala proyek dan tujuannya.

Cost of GenAI Deployment

Oleh karena itu, penting untuk menghitung dampak bisnis dari AI dengan mempertimbangkan Immediate Return Of Investment serta Future Value Impact. Dengan metode ini, Pemimpin Perusahaan dapat lebih bijak dalam memutuskan apakah akan meningkatkan investasi di Generative AI atau mencari alternatif lainnya.

Tantangan Utama di Masa Depan

Perusahaan yang ingin berhasil dalam penerapan Generative AI di masa depan perlu mengatasi beberapa tantangan utama, seperti:

1. Membuat Rencana & Visi yang jelas untuk AI.
2. Memilih Inisiatif AI yang dapat benar-benar meningkatkan produktivitas atau nilai bisnis.
3. Menarik dan mengembangkan Talenta AI di dalam perusahaan.
4. Menentukan Skala implementasi Generative AI atau temukan solusi alternatif jika diperlukan.

Menghadapi tantangan-tantangan ini dengan perencanaan yang baik akan membantu perusahaan Anda tetap kompetitif di era AI yang semakin maju.

The post Prediksi Masa Depan Generative AI di Perusahaan: Tantangan ROI dan Strategi Sukses 2025 appeared first on Rendipeterson.