IBM Ungkap AI Skala Kecil bisa jadi Potensi Besar di 2025

Jakarta, Gizmologi – IBM sebagai perusahaan di industri teknologi melihat semakin banyaknya perusahaan yang beralih dari Large Language Models (LLM) ke Small Language Models (SLM) atau AI skala kecil. Apa beda kedua model tersebut?

Di ranah industri, LLM dikenal karena dilatih menggunakan kumpulan data dalam jumlah yang besar. Namun, proses pelatihannya dapat memakan waktu berbulan-bulan dan sering kali memerlukan bantuan penyempurnaan oleh manusia.

Sedangkan AI skala kecil hanya membutuhkan daya komputasi dan memori yang lebih rendah, sehingga hanya memerlukan dataset berukuran kecil. Karena dirancang untuk tugas-tugas spesifik, SLM tidak hanya lebih cepat untuk dilatih dan diimplementasikan, tetapi juga sudah mampu menyaingi atau bahkan dapat melampaui model lain dengan ukuran yang serupa.

Baca Juga: IBM Luncurkan Granite 3.2 untuk Efisiensi Teknologi AI dan Praktis untuk Bisnis

Keunggulan AI Skala Kecil bisa jadi Potensi Besar di 2025

IBM mengatakan, AI diperkirakan dapat meningkatkan dan menyederhanakan perencanaan bisnis dengan foundation model yang lebih cepat untuk meramalkan variabel yang beragam. Hal ini bisa terjadi karena AI skala kecil.

SLM membutuhkan parameter yang lebih sedikit dan dapat dibangun serta diadaptasi dari LLM yang sudah ada. Ukurannya yang lebih kecil memungkinkan SLM untuk dijalankan secara lokal (on-premise) tanpa bergantung pada penyimpanan cloud.

Jika bersifat open-source, SLM menjadi semakin ideal. Dengan pelatihan menggunakan dataset perusahaan yang dipilih secara selektif, SLM dapat menyaring konten yang tidak perlu atau pantas untuk membantu mengatasi isu-isu krusial seperti tata kelola, risiko, privasi, dan mitigasi terhadap bias, yang semakin krusial.

Menurut IBM, AI skala kecil ini sangat cocok untuk bisnis apa pun yang ingin mengadopsi AI, terutama bagi mereka yang memiliki keterbatasan dalam sumber daya, anggaran, atau waktu. Pasar SLM pun diperkirakan akan tumbuh secara stabil sebesar 15% dalam lima tahun ke depan.

Sebagai contoh, penggunaan AI skala kecil dikenal sebagai Tiny Time Mixers (TTM) mampu secara cepat menghasilkan output berbasis waktu, yang dapat memprediksi tren masa depan di berbagai bidang seperti kemacetan lalu lintas, konsumsi listrik, keuangan, dan ritel. Model ini bisa memprediksi secara cepat serta memanfaatkan kemampuan LLM dari Granite 3.2 untuk penalaran mendalam dan pemahaman kontekstual.

Hasil kolaborasi tersebut memungkinkan respons yang lebih cepat dan akurat, sekaligus menyempurnakan alur kerja dalam pemecahan masalah melalui chain-of-thought reasoning, sehingga mempercepat waktu penyelesaian dan meningkatkan kepuasan pelanggan. AI skala kecil bisa dikatakan menjadi solusi yang tepat dibandingkan LLM yang membutuhkan biaya yang sangat besar.

IBM prediksi di masa mendatang, SLM akan memainkan peran penting dalam evolusi agen AI dengan tingkat otonomi yang lebih tinggi, penalaran yang lebih canggih, dan kemampuan pemecahan masalah yang semakin kompleks. SLM dapat mendukung kemampuan agen yang krusial, seperti penalaran lanjutan dan pemanggilan dengan fungsi spesifik, yang sangat penting agar agen dapat terhubung dengan API eksternal, mengevaluasi ulang pendekatannya, serta melakukan koreksi diri jika diperlukan.

Artikel berjudul IBM Ungkap AI Skala Kecil bisa jadi Potensi Besar di 2025 yang ditulis oleh Zihan Fajrin pertama kali tampil di Gizmologi.id