Di NetApp, kami tidak hanya membicarakan tentang kecerdasan buatan (AI) — kami benar-benar menguji dan menerapkannya untuk memecahkan masalah bisnis nyata. Saat dunia ramai membahas generative AI (AI generatif), NetApp mengambil pendekatan yang lebih fokus: mengidentifikasi penggunaan AI yang berdampak besar dan memberikan hasil nyata di seluruh ekosistem data kami. Berikut cara tim IT NetApp menggunakan analitik AI dan apa yang telah kami pelajari.
Generative AI Bertemu dengan Data Terstruktur
Salah satu tantangan pertama kami adalah membuat sistem yang memungkinkan interaksi berbasis chat dengan dokumen melalui NetAIChat, alat AI internal kami. Pengguna dapat mengunggah file seperti Word, PowerPoint, dan Excel, lalu mengajukan pertanyaan tentang isi dokumen tersebut.
Fitur ini bekerja dengan baik untuk sebagian besar format, tetapi file Excel menjadi kendala — karena model AI generatif sulit memahami angka dan data tabel.
Kami tidak menyerah. Tim kami mengganti pendekatan natural language dengan teknologi baru bernama Text-to-SQL. Ketika pengguna mengunggah data terstruktur (seperti tabel Excel), sistem otomatis menerjemahkan pertanyaan mereka menjadi perintah SQL.
Hasilnya? Analitik yang akurat dan bisa ditindaklanjuti langsung dari spreadsheet—data yang sebelumnya sulit dimengerti oleh model AI besar (large language models atau LLM).
Akses Data Warehouse dengan AI
Langkah berikutnya adalah membuka wawasan dari data warehouse perusahaan kami yang disimpan di Snowflake. Biasanya, untuk mendapatkan laporan, tim harus meminta bantuan analis data. Kini kami sedang membangun sistem yang memungkinkan AI secara otomatis mencari data yang relevan dan menghasilkan jawaban secara instan.
Contohnya, pertanyaan seperti:
“Tunjukkan jumlah pemesanan di Jerman untuk Produk X selama tiga bulan terakhir.”
Biasanya membutuhkan tiket dan waktu tunggu untuk diproses. Dengan AI, permintaan seperti itu bisa dijawab dalam hitungan detik.
Tujuan kami bukan hanya kecepatan, tapi juga skalabilitas. Kami ingin membebaskan analis dari pekerjaan manual agar mereka bisa fokus pada analisis strategis.
Analitik Real-Time dan Batasan Dunia Nyata
Selain laporan historis, kini muncul kebutuhan akan wawasan real-time, terutama dari sistem transaksi seperti penjualan dan rantai pasokan (supply chain). Kami sedang mengeksplorasi cara menghubungkan AI dengan sistem ini tanpa mengorbankan keamanan dan kontrol akses.
Keamanan adalah hal yang sangat penting. Kami memastikan bahwa AI hanya bisa mengakses data yang diizinkan — sama seperti sistem perusahaan lainnya. Generative AI tidak boleh menjadi jalan pintas untuk melewati batasan keamanan atau mengakses data sensitif.
Menuju Kecerdasan Prediktif
Selain generative AI, NetApp juga berinvestasi dalam machine learning tradisional untuk berbagai keperluan, seperti perencanaan kapasitas dan deteksi ransomware.
Dengan menggunakan data historis, model ini bisa memprediksi perilaku di masa depan, misalnya mengenali tanda-tanda awal infeksi ransomware berdasarkan aktivitas sistem yang tidak normal.
Model AI jenis ini memang membutuhkan keahlian khusus dan pengawasan ketat, namun hasilnya melengkapi kemampuan AI generatif. Bersama-sama, keduanya membantu menjawab dua pertanyaan penting:
“Apa yang sudah terjadi?” dan “Apa yang mungkin akan terjadi selanjutnya?”
Pentingnya Tata Kelola (Governance) dan Sikap Realistis
Kami juga telah membentuk Komite Tata Kelola AI (AI Governance Committee) untuk memastikan bahwa teknologi ini digunakan secara bertanggung jawab. Komite ini bekerja sama dengan pimpinan eksekutif untuk memprioritaskan penggunaan AI yang memberikan nilai bisnis nyata, bukan sekadar eksperimen.
Salah satu tantangan terbesar adalah mengelola ekspektasi. Banyak eksekutif menginginkan hasil dari AI seakurat laporan buatan manusia. Namun kenyataannya, AI generatif tidak dirancang untuk 100% akurat. Teknologi ini lebih cocok untuk memberikan wawasan cepat, ide, dan dukungan keputusan, bukan untuk laporan keuangan resmi.
Oleh karena itu, tim kami terus berupaya meningkatkan kepercayaan terhadap hasil AI, sambil secara terbuka menjelaskan keterbatasannya.
AI Sebagai Pembeda Strategis
Kami percaya bahwa suatu hari nanti AI akan menjadi hal yang sama umumnya dengan internet — tetapi proses menuju ke sana membutuhkan waktu. Saat ini, NetApp sudah selangkah lebih maju, namun bidang AI terus berkembang sangat cepat.
Pada tahun fiskal FY26, fokus kami adalah menggandakan investasi pada proyek AI yang terbukti berhasil, mengoperasikannya secara luas, dan memastikan kami hanya berinvestasi pada hal-hal yang benar-benar memberikan nilai nyata.
CEO kami baru-baru ini menyampaikan pesan penting kepada seluruh karyawan:
“AI bukan sekadar tren. AI adalah strategi penting untuk meningkatkan efisiensi.”
Dan di NetApp IT, kami sedang mewujudkan visi itu menjadi kenyataan.
Untuk informasi lebih lanjut, kunjungi halaman NetApp AI Data Management for AI Applications.
Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan netapp indonesia, merupakan bagian dari PT. iLogo Infralogy 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!