AI agen mengubah beban kerja TI
AI agen perusahaan adalah sistem yang menjalankan rangkaian tugas berulang—mengambil data, memanggil aplikasi, mengeksekusi kode, dan menerapkan kebijakan—hingga pekerjaan kompleks selesai. Berbeda dari AI konvensional yang memberi satu respons, agen bekerja lintas layanan dan sumber daya, sehingga menempatkan infrastruktur TI perusahaan di bawah tekanan baru.
Pada 28 Oktober, Intel mengumumkan hasil riset yang dilakukan bersama IDC, yang menyoroti pergeseran dari persoalan model AI menuju tantangan infrastruktur secara langsung. Dampaknya bukan sekadar kebutuhan komputasi lebih besar. Setiap langkah agen dapat menuntut akses data, pemrosesan, jaringan, dan pemeriksaan keamanan. Jika salah satu mata rantai tertinggal, penambahan model atau akselerator tidak otomatis membuat proses lebih cepat atau lebih andal.
Inilah alasan perusahaan perlu memperlakukan AI agen sebagai beban kerja sistem, bukan proyek perangkat lunak yang berdiri sendiri. Kapasitas jaringan, penyimpanan, orkestrasi, dan tata kelola harus direncanakan bersama. Tanpa pendekatan itu, perusahaan berisiko membeli perangkat keras secara terpisah tetapi tetap kesulitan menjalankan alur kerja agen secara efisien.
Prioritas tinggi, anggaran belum sepadan
Survei global dalam riset tersebut memperlihatkan jurang yang sulit diabaikan: 89% pengambil keputusan TI memperkirakan AI agen akan berperan penting dalam 12–24 bulan ke depan, tetapi hanya 56% organisasi yang menyatakan pendanaannya memadai. Dengan kata lain, banyak perusahaan menetapkan AI sebagai prioritas tanpa memastikan fondasi operasionalnya mendapat dukungan setara.
Kesenjangan ini membuat anggaran AI perusahaan perlu dinilai berdasarkan keseluruhan sistem, bukan hanya belanja untuk model atau GPU. Biaya perencanaan kapasitas mencakup jaringan, penyimpanan, integrasi aplikasi, keamanan, dan kemampuan mengatur sumber daya sesuai jenis pekerjaan. Jika anggaran hanya mengikuti komponen yang paling terlihat, investasi dapat menghasilkan infrastruktur yang timpang.
Bagi pemimpin TI, angka 89% bukan alasan untuk mempercepat pembelian tanpa arah. Itu adalah sinyal agar investasi dirancang sebelum beban kerja agen meluas. Rencana yang baik harus menghubungkan target pemakaian AI dengan kapasitas yang tersedia, kebutuhan kepatuhan, serta biaya operasional sepanjang siklus tugas. Tanpa hubungan tersebut, ambisi AI berisiko melampaui kemampuan sistem.
Kesiapan berarti menempatkan komputasi dekat data
Kesiapan infrastruktur AI tidak berarti memindahkan seluruh data ke satu lokasi atau memilih satu jenis prosesor sebagai jawaban universal. Survei mencatat 55% peserta mempertahankan pendekatan seimbang antara infrastruktur lokal dan cloud publik, sementara 38% memprioritaskan sistem lokal. Pola ini masuk akal karena data perusahaan tersebar, dan pemrosesannya harus mempertimbangkan latensi, bandwidth, keamanan, kepemilikan data, serta kepatuhan.
Model hibrida memberi perusahaan keleluasaan menjalankan tugas dekat sumber data, sambil memanfaatkan cloud ketika kebutuhan kapasitas berubah. Riset itu juga mencatat bahwa 45% responden menempatkan modernisasi atau konsolidasi pusat data sebagai prioritas TI utama pada 2026, bersama keamanan, kepatuhan, dan ketahanan. Ini menegaskan bahwa pembaruan fondasi pusat data bukan pekerjaan sampingan dari strategi AI.
Perencanaan kapasitas juga harus mengakui bahwa beban agen berganti-ganti: inferensi, pencarian basis data, pembuatan embedding, orkestrasi layanan, dan panggilan API. Karena itu, CPU, GPU, dan akselerator lain perlu dipadukan menurut tugas. Membeli lebih banyak satu jenis chip tanpa memeriksa hambatan jaringan, penyimpanan, atau orkestrasi hanya memindahkan kemacetan.
Investasi harus mengikuti operasi nyata
Riset tersebut memberi tiga arah yang lebih berguna daripada perlombaan membeli perangkat keras: penerapan fleksibel melalui model hibrida, ragam kemampuan komputasi, dan penyesuaian sumber daya secara berkelanjutan untuk setiap tugas. Ketiganya menuntut perusahaan menguji alur kerja nyata sebelum menetapkan prioritas investasi.
Uji coba sebaiknya mengukur waktu penyelesaian tugas, kebutuhan akses data, tekanan pada jaringan, serta kendali keamanan. Hasilnya dapat menunjukkan apakah hambatan berada pada pemrosesan atau pada komponen lain. Pendekatan berbasis bukti ini lebih masuk akal daripada membangun tumpukan AI terpisah, terutama bagi organisasi yang telah lama mengandalkan sistem dan aplikasi x86.
Pesan utama bagi perusahaan jelas: AI agen tidak akan berhasil hanya karena modelnya canggih. Perusahaan perlu menutup jarak antara prioritas dan anggaran dengan peta kapasitas yang mencakup data, komputasi, jaringan, keamanan, dan operasi. Investasi yang terarah—bukan belanja perangkat keras yang terfragmentasi—akan menentukan apakah infrastruktur TI perusahaan siap menghadapi skala kerja agen berikutnya.
