Jakarta – Dalam beberapa tahun terakhir, Silicon Valley dan para raksasa teknologi dunia telah menggelontorkan miliaran dolar untuk membangun model AI raksasa. Namun, hingga kini, nilai pengembalian investasi (ROI) dari proyek-proyek tersebut masih dipertanyakan. Di tengah hype besar ini, muncul alternatif yang semakin banyak diperbincangkan: small AI.
Berbeda dengan big AI yang berambisi mencakup segala hal, small AI menitikberatkan pada solusi spesifik dengan model yang lebih ringan. Pendekatan ini dinilai lebih realistis, karena fokus pada kasus penggunaan tertentu yang relevan dengan kebutuhan bisnis maupun konsumen. Dengan kebutuhan parameter, data, dan daya komputasi yang lebih rendah, biaya pengembangan juga menjadi lebih terkendali.
Kegagalan banyak proyek AI sebenarnya berakar pada kualitas data dan kompleksitas implementasi. Data yang tidak terkelola dengan baik seringkali membuat model tidak efektif, bahkan ketika model tersebut berukuran sangat besar. Dengan mengurangi ruang lingkup dan memusatkan perhatian pada satu masalah, small AI lebih mudah dilatih, lebih cepat dioperasikan, dan hasilnya lebih dapat diprediksi.
Contoh konkret terlihat pada sektor pertanian. Perusahaan seperti Bonsai Robotics mengembangkan model AI dengan fokus pada otomasi pemetikan di lingkungan ekstrem. Alih-alih membangun model raksasa serbaguna, mereka menargetkan satu tantangan spesifik. Hasilnya, teknologi lebih tangguh, efisien, dan mendapatkan pengakuan industri seperti penghargaan Precision Agriculture Solution of the Year.
Raksasa teknologi pun kini mulai menyesuaikan arah. Microsoft, misalnya, memanfaatkan teknologi GPT dari OpenAI untuk menghadirkan Copilot—sekumpulan small AI tools yang tertanam di produk mereka. Dengan fokus pada produktivitas, coding, serta otomasi berbasis pola, Copilot lebih mudah disesuaikan dan memberikan nilai tambah yang lebih langsung bagi pengguna dibandingkan model serbaguna.
Meski demikian, visi jangka panjang tetap mengarah pada agen AI pribadi yang mampu bertindak otomatis berdasarkan data individu. Namun, sebelum visi ambisius itu tercapai, langkah bertahap melalui small AI dinilai lebih aman, efisien, dan mengurangi risiko kegagalan investasi besar-besaran.
Dari sisi bisnis, small AI juga menawarkan infrastruktur komputasi yang lebih ringan, sehingga menurunkan biaya sekaligus dampak lingkungan. Di tengah tekanan investor untuk melihat hasil nyata dari investasi AI, model yang lebih fokus ini memberikan harapan ROI yang lebih jelas.
Sejarah inovasi teknologi menunjukkan bahwa kemajuan besar biasanya lahir dari langkah-langkah praktis dan inkremental. Jika tren small AI terus berkembang, bukan tidak mungkin inilah yang akan menyelamatkan industri AI dari risiko gelembung yang bisa pecah kapan saja.
