Ketika Pemanfaatan AI Makin Serius, Apakah Semua Workload Harus Dibawa ke Cloud?

Rabu 26-08-2026,14:04 WIB

Reporter: Marieska Harya Virdhani |

Editor: Marieska Harya Virdhani

Ketika Pemanfaatan AI Makin Serius, Apakah Semua Workload Harus Dibawa ke Cloud?

Ilustrasi Cloud: ketika AI mulai menjadi bagian penting dari operasional perusahaan, muncul pertanyaan yang lebih kompleks: di mana seharusnya AI workload dijalankan?--Dibuat dengan AI

Pertumbuhan AI pada akhirnya tidak hanya mengubah cara perusahaan mengelola software dan data, tetapi juga kebutuhan terhadap fasilitas fisik.

Server AI, terutama yang menggunakan GPU dalam jumlah besar, membutuhkan kapasitas listrik dan sistem pendinginan yang berbeda dibandingkan infrastruktur komputasi konvensional.

Artinya, data center generasi baru harus mampu menangani compute density yang lebih tinggi sekaligus menjaga reliability dan efisiensi energi.

Perubahan kebutuhan tersebut terjadi ketika industri data center Indonesia sendiri terus berkembang.

JLL mencatat kapasitas data center di Greater Jakarta telah meningkat lebih dari dua kali lipat sejak akhir 2020, seiring ekspansi pemain lokal, regional, dan global.

Bagi LGSM, perkembangan tersebut menunjukkan bahwa infrastruktur AI tidak dapat dipisahkan dari kesiapan data center.

LGSM mengembangkan SMX01 di Jakarta sebagai fasilitas data center yang diposisikan untuk mendukung kebutuhan enterprise dan AI, dengan mengandalkan pengalaman lebih dari 30 tahun dalam IT solutions serta desain, pembangunan, dan pengoperasian data center yang berasal dari pengalaman di Korea Selatan.

Jangan “Membeli Mesin Sebelum Membangun Jalannya”

Dengan semakin banyaknya perusahaan yang mulai bereksperimen dan berinvestasi dalam AI, kesalahan dalam menentukan infrastruktur dapat menjadi mahal.

Ariawan menyebut salah satu kesalahan paling umum adalah perusahaan membeli kapasitas atau hardware terlebih dahulu sebelum memastikan kesiapan arsitektur datanya.

“Ibaratnya, membeli mesinnya sebelum membangun jalannya,” ujarnya.

Perusahaan dapat berinvestasi pada hardware mahal atau platform AI premium, tetapi pemanfaatannya tidak optimal karena data internal belum tertata, sistem belum terintegrasi, atau fasilitas pendukung seperti power dan cooling belum siap.

Karena itu, strategi AI perlu dilihat secara end-to-end.