Dukung Inovasi Bisnis Lintas Industri, Multipolar Technology Hadirkan Pendekatan Adaptif

Multipolar Technology memperkenalkan pendekatan Enterprise AI

Untuk mendukung inovasi bisnis lintas industri, Multipolar Technology memperkenalkan Nutanix Enterprise AI sebagai pendekatan untuk membantu perusahaan melakukan deployment dan pengelolaan model AI secara terpusat. Olenka menyebut solusi itu dipaparkan pada Simposium TI Hulu Migas 2026, Yogyakarta, terkait infrastruktur, keamanan, tata kelola internal.

Beritanya penting karena diskusi AI di perusahaan tidak berhenti pada pemilihan model. Sujanto Halim, Director Products & Technology Multipolar Technology, mengatakan kepada Majalah ICT bahwa tantangan adopsi AI mencakup cara model digunakan, pihak yang dapat mengaksesnya, dan perlindungan data sensitif. Artinya, organisasi perlu memperlakukan AI sebagai bagian dari proses kerja dan arsitektur TI, bukan aplikasi terpisah yang dipakai tanpa aturan.

Menurut Majalah ICT, Nutanix Enterprise AI menyediakan Agent Gateway bagi pengendalian akses serta interaksi AI terpusat, juga Private Inference untuk pengoperasian model secara privat dalam lingkungan yang dikendalikan perusahaan. Berdasarkan laporan tersebut, fokus pendekatannya berada pada pengelolaan penggunaan AI, bukan sekadar kemampuan sebuah model menghasilkan jawaban.

Mengapa akses dan lokasi pemrosesan data perlu diputuskan sejak awal

Akses dan lokasi pemrosesan data perlu diputuskan sejak awal agar perusahaan dapat membatasi pengguna, data, tindakan, serta lingkungan tempat data diproses. Kontrol akses menentukan siapa yang boleh menggunakan AI, data apa yang dapat dibaca, dan tindakan apa yang boleh dilakukan setelah sistem menghasilkan keluaran. Dalam workflow perusahaan, hak untuk membaca ringkasan dokumen tidak otomatis berarti seseorang boleh mengubah data pelanggan, mengirim pesan keluar, atau menyetujui transaksi.

Sebagai ilustrasi hipotetis, tim pengadaan menerima dokumen penawaran dari banyak pemasok. AI dapat membantu mengekstrak judul dokumen, kategori kebutuhan, dan poin yang perlu ditinjau. Staf pengadaan melihat hasil ringkasan tersebut, tetapi keputusan memilih pemasok tetap dilakukan pejabat yang memiliki kewenangan. Dokumen asli hanya tersedia bagi pengguna dengan hak akses yang sesuai. Alur ini membatasi penggunaan AI pada bantuan analisis awal, bukan pengambil keputusan otomatis.

Lokasi dan lingkungan pemrosesan juga perlu dipahami sebelum data internal dikirim ke model. Menurut Majalah ICT dan Olenka, Nutanix Enterprise AI mendukung pengaturan akses serta fleksibilitas deployment pada lingkungan Kubernetes yang didukung, sehingga penerapan dapat disesuaikan dengan infrastruktur, kebijakan keamanan, dan tata kelola internal perusahaan. Informasi ini bukan jaminan bahwa seluruh risiko data otomatis hilang. Tim tetap perlu memeriksa data yang diizinkan, pengguna yang terlibat, dan catatan aktivitas yang dibutuhkan organisasi.

Dari kebutuhan bisnis ke workflow AI yang dapat dikendalikan

Penerapan Enterprise AI sebaiknya dimulai dari masalah proses, lalu diterjemahkan menjadi workflow. Menurut Majalah ICT, AI mendukung penelusuran informasi, pemrosesan data, kajian dokumen bisnis, otomatisasi pekerjaan, pembuatan aplikasi. Cakupan itu luas, sehingga perusahaan perlu memilih satu proses dengan input, pemilik, dan keluaran yang jelas.

Misalnya, sebuah distributor ingin menangani permintaan mitra lebih rapi. Workflow awal dapat dipetakan sebagai berikut: formulir masuk, admin membaca isi permintaan, data dicatat ke CRM, permintaan diteruskan ke sales, lalu sales memberi respons. Dalam versi yang dibantu AI, formulir tetap masuk melalui kanal yang sama; AI mengelompokkan topik dan merangkum kebutuhan; data dicatat ke CRM; sales menerima notifikasi beserta ringkasannya. Jika AI tidak yakin dengan klasifikasinya, kasus ditandai untuk diperiksa admin sebelum diteruskan.

Perbedaan ini perlu dibaca dengan tepat. Otomatisasi berbasis aturan dapat menjalankan urutan seperti formulir masuk, pencatatan CRM, lalu pengiriman notifikasi. AI dapat membaca teks formulir dan membantu klasifikasi atau peringkasan. AI agent, bila digunakan, dapat menjalankan beberapa langkah menggunakan konteks dan alat untuk mencapai tujuan tertentu. Namun, cakupan tindakan agent harus dibatasi. Pengiriman komunikasi eksternal, perubahan data penting, dan keputusan yang berdampak pada pelanggan tetap memerlukan aturan persetujuan manusia.

Infrastruktur dan integrasi bukan pekerjaan tim TI saja

Menurut Majalah ICT, manfaat AI perlu didukung kesiapan infrastruktur, integrasi dengan sistem yang telah ada, serta tata kelola yang disesuaikan dengan kebutuhan dan risiko organisasi. Tiga unsur tersebut saling terkait. Model yang berguna tetapi tidak dapat terhubung aman ke sumber data perusahaan akan sulit dipakai dalam proses nyata. Sebaliknya, integrasi cepat tanpa pembatasan akses dapat memperluas risiko operasional.

Sebelum integrasi dimulai, pemilik proses perlu menjawab beberapa pertanyaan operasional. Data mana yang menjadi sumber rujukan? Siapa yang bertanggung jawab bila hasil AI keliru? Pada titik mana pekerjaan harus dialihkan ke manusia? Siapa yang boleh menonaktifkan workflow jika terjadi masalah? Jawaban ini sebaiknya dicatat bersama tim bisnis, TI, keamanan, dan pemilik data, bukan diserahkan seluruhnya kepada satu pihak.

Sebagai contoh hipotetis lain, tim layanan pelanggan dapat memakai AI untuk menyiapkan draf jawaban dari basis pengetahuan internal. Sistem boleh menyarankan respons untuk pertanyaan umum, seperti status prosedur atau panduan penggunaan produk. Namun, permintaan yang menyangkut perubahan akun, keluhan serius, atau data sensitif harus dialihkan ke petugas. Petugas kemudian memeriksa konteks sebelum jawaban dikirim. Pendekatan ini menjaga manusia tetap berada pada tindakan yang membawa konsekuensi lebih tinggi.

Cara menguji penerapan AI tanpa memperluas risiko terlalu cepat

Uji coba terbatas memberi perusahaan ruang untuk menemukan masalah pada data, integrasi, atau desain akses sebelum penggunaan diperluas. Pilih proses yang volumenya cukup untuk dievaluasi, tetapi tidak langsung memengaruhi keputusan berisiko tinggi. Tetapkan juga kondisi penghentian, misalnya ketika keluaran AI tidak dapat diperiksa atau ketika sistem mencoba mengakses data di luar kebutuhan workflow.

Ukuran evaluasi harus mengikuti tujuan proses. Untuk klasifikasi permintaan masuk, tim dapat meninjau ketepatan kategori, jumlah koreksi oleh staf, dan jumlah kasus yang harus dieskalasikan. Untuk peringkasan dokumen, tim dapat memeriksa apakah informasi penting tetap terbawa dan apakah pengguna dapat menelusuri dokumen sumbernya. Pengukuran seperti ini lebih berguna daripada menilai keberhasilan dari banyaknya fitur AI yang aktif.

Setelah uji terbatas, tinjau hasil bersama pemilik proses. Perbaiki instruksi, hak akses, sumber data, atau titik persetujuan yang terbukti tidak memadai. Baru kemudian pertimbangkan perluasan ke kelompok pengguna atau proses lain. Pendekatan bertahap ini selaras dengan penekanan Multipolar Technology, sebagaimana dilaporkan Majalah ICT dan Olenka, pada keamanan, privasi data, kontrol penggunaan AI, kesiapan infrastruktur, dan tata kelola.

Langkah yang dapat dilakukan tim bisnis sekarang

Pembaca yang sedang menilai AI tidak perlu memulai dari proyek besar. Ambil satu proses yang saat ini masih menuntut pembacaan dokumen, klasifikasi permintaan, atau pencarian informasi internal secara berulang. Gambarkan alurnya dari input sampai keputusan akhir. Tandai data sensitif, sistem yang terlibat, pemilik tiap tahap, dan tindakan yang tidak boleh dilakukan tanpa persetujuan.

Berikutnya, buat daftar akses sederhana: siapa dapat melihat input, siapa dapat memakai hasil AI, siapa boleh menyetujui tindakan, dan siapa menerima eskalasi bila sistem gagal. Gunakan daftar itu sebagai bahan diskusi dengan tim TI dan keamanan sebelum memilih bentuk deployment atau integrasi. Untuk konteks lebih luas tentang penyatuan AI dengan sistem perusahaan, pembaca dapat melihat artikel pilar berjudul “Multipolar Technology Dorong Orkestrasi AI di Sistem Perusahaan”.

Langkah praktis minggu ini adalah memilih satu workflow, mengadakan tinjauan singkat bersama pemilik proses dan pengelola data, lalu menyepakati satu uji coba dengan batas penggunaan yang jelas. Jangan perluas akses atau tindakan otomatis sebelum tim dapat menjawab siapa yang memantau hasilnya, siapa yang menghentikan proses ketika salah, dan bagaimana pengguna melaporkan masalah.