Gartner memprediksi bahwa hingga tahun 2026, sekitar 60% proyek AI akan ditinggalkan karena tidak didukung oleh data yang siap untuk AI. Salah satu penyebab terbesar—dan sebenarnya bisa dicegah—adalah data yang tidak dikelola dengan baik (ungoverned data).
Banyak perusahaan berlomba-lomba menerapkan AI, namun mereka menemukan kenyataan pahit: tata kelola (governance) tidak bisa ditambahkan di akhir proses AI. Ketika data sudah masuk ke alur kerja AI, sering kali sudah terlambat untuk memastikan kepatuhan regulasi, keamanan, dan keterlacakan data. Pendekatan yang paling aman adalah menerapkan tata kelola sejak awal, langsung di lapisan penyimpanan data, sebelum data digunakan oleh sistem AI.
Kesenjangan Tata Kelola yang Menggagalkan Proyek AI
Alur kerja AI modern memproses data dengan sangat cepat. Data melewati berbagai tahap seperti pencarian, persiapan, penyaringan, pelatihan model, pembuatan vektor, hingga digunakan di aplikasi produksi. Setiap tahap ini meningkatkan risiko kepatuhan dan keamanan.
Data pribadi sensitif (PII) bisa ikut tersimpan dalam database vektor. Hak akses data menjadi tidak konsisten di lingkungan hybrid dan multi-cloud. Riwayat asal-usul data (data lineage) sulit dilacak. Jejak audit menghilang. Semua ini membuat tim keamanan dan kepatuhan kesulitan menjawab pertanyaan penting: data apa digunakan, oleh siapa, dan untuk tujuan apa?
Masalahnya semakin besar karena alat tata kelola lama tidak dirancang untuk era AI. Alat-alat ini dibuat untuk data terstruktur di lingkungan yang sederhana. Akibatnya, manajemen data dan tata kelola AI sering terpisah, menciptakan silo operasional. Di lingkungan hybrid dan multi-cloud, alat ini juga gagal menemukan semua data dan menerapkan kebijakan secara konsisten.
Selain itu, mayoritas data perusahaan saat ini adalah data tidak terstruktur (dokumen, gambar, video, log, email). Data inilah yang menjadi “bahan bakar” AI, tetapi juga paling sulit diatur, diklasifikasikan, dan diamankan.
Tata Kelola di Lapisan Penyimpanan Mengubah Segalanya
Tata kelola seharusnya menjadi bagian bawaan sejak data pertama kali disimpan, bukan pemeriksaan tambahan di tahap akhir. Jika tidak dilakukan sejak awal, proyek AI berisiko gagal.
Dengan menerapkan tata kelola langsung di lapisan penyimpanan, perusahaan mendapatkan tiga keuntungan utama:
-
Audit lengkap sepanjang siklus data
Setiap akses, perubahan, dan turunan data dapat dilacak dari sumber awal. Tidak ada data “gelap” atau celah kepatuhan. -
Kebijakan konsisten di semua lingkungan
Baik di on-premises, hybrid cloud, maupun multi-cloud, aturan tata kelola mengikuti data—bukan infrastruktur. -
Perlindungan sebelum data terekspos
Data sensitif sudah diklasifikasikan, dikendalikan aksesnya, dan dilindungi sebelum masuk ke proses AI, sehingga risiko kebocoran dapat dikurangi sejak awal.
Pendekatan ini sangat penting untuk memenuhi regulasi seperti GDPR, HIPAA, PCI DSS, dan EU AI Act, yang menuntut transparansi, versi data yang jelas, serta deteksi akses secara real-time.
NetApp: Tata Kelola Data AI Terpadu di Tempat Data Anda Berada
NetApp mengelola hampir setengah dari data tidak terstruktur di dunia, baik di lingkungan private cloud, public cloud, maupun hybrid. Posisi ini memungkinkan NetApp menghadirkan tata kelola data yang menyeluruh, terpadu, dan cerdas, sesuatu yang sulit dicapai oleh alat yang terpisah-pisah.
Pendekatan NetApp menghadirkan tata kelola data AI secara otomatis dan berkelanjutan melalui kemampuan berikut:
-
Katalog dan klasifikasi data menyeluruh
Data ditemukan dan diberi label secara otomatis, termasuk data pribadi dan data yang diatur regulasi. Klasifikasi berbasis machine learning membantu memenuhi standar seperti GDPR, HIPAA, PCI DSS, dan EU AI Act. -
Audit data dari ujung ke ujung
Semua aktivitas akses dan penggunaan data tercatat, sehingga siap untuk audit kapan saja. -
Data lineage dan versioning
Riwayat data dapat ditelusuri dari sumber hingga turunan. Perusahaan dapat mengetahui data mana yang digunakan untuk melatih model AI tertentu dan kapan digunakan. -
Kebijakan cerdas dan guardrails otomatis
Aturan diterapkan secara real-time di berbagai lingkungan. Akses berbasis peran dan atribut dikombinasikan dengan deteksi anomali untuk mencegah akses yang tidak sesuai sebelum terjadi. -
Integritas AI untuk RAG dan LLM
Riwayat data dari sumber hingga embedding tetap terlacak, memastikan sistem AI tetap patuh dan aman dari perubahan izin yang tidak terkontrol. -
Knowledge Graph sebagai fondasi tata kelola
Semua hubungan antara data, pengguna, aktivitas, dan kebijakan dipetakan secara dinamis, memungkinkan analisis risiko dan simulasi dampak secara real-time. -
Data selalu mutakhir
Teknologi NetApp ONTAP SnapMirror dan SnapDiff memastikan data AI selalu diperbarui tanpa harus memindahkan data dalam jumlah besar.
Langkah ke Depan
Tata kelola AI bukan fitur tambahan—ini adalah fondasi utama. Banyak proyek AI gagal bukan karena teknologinya, tetapi karena keputusan yang salah tentang di mana tata kelola diterapkan.
Pertanyaannya bukan lagi apakah data AI perlu diatur, melainkan apakah tata kelola diterapkan sejak di lapisan penyimpanan atau baru setelah data digunakan—saat semuanya sudah terlambat.
Pendekatan NetApp sederhana: atur dari sumbernya, aman sejak desain, dan siap berkembang dengan percaya diri.
Karena di era AI, yang memperlambat bisnis bukan tata kelola—melainkan data yang tidak dikelola dengan baik.
Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan netapp indonesia, merupakan bagian dari PT. iLogo Indonesia, yang merupakan mitra terpercaya dalam solusi Infrastruktur IT dan Cybersecurity terbaik di Indonesia.
Hubungi kami sekarang atau kunjungi netapp.ilogoindonesia.id untuk informasi lebih lanjut!