Di episode Techdogs Discover Dialogues: AI in Networking, Beyond Automation, kita membahas bagaimana Artificial Intelligence (AI) dalam dunia jaringan (networking) sudah berkembang jauh melampaui sekadar otomatisasi biasa. Jika dulu AI hanya digunakan untuk menjalankan tugas berulang secara otomatis, kini AI mulai bergerak menuju sistem yang lebih cerdas, bahkan berbasis multi-agent (beberapa agen AI yang bekerja sama).
Artikel ini akan menjelaskan secara sederhana apa maksudnya, mengapa ini penting, dan bagaimana organisasi bisa mempersiapkan diri tanpa terjebak hype teknologi.
Dari Otomatisasi ke Sistem yang Lebih Cerdas
Banyak orang mengira AI dalam networking hanya berarti “otomatis”. Misalnya:
-
Otomatis mendeteksi gangguan jaringan
-
Otomatis memperbaiki konfigurasi
-
Otomatis mengirim notifikasi jika ada masalah
Itu memang benar, tetapi sekarang AI sudah melangkah lebih jauh.
Konsep terbaru adalah sistem multi-agent. Artinya, bukan hanya satu sistem AI yang bekerja, melainkan beberapa agen AI dengan tugas berbeda yang saling berkolaborasi. Misalnya:
-
Agen pertama memantau performa jaringan.
-
Agen kedua menganalisis ancaman keamanan.
-
Agen ketiga memberikan rekomendasi perbaikan.
-
Agen keempat mengeksekusi tindakan secara otomatis (dengan pengawasan manusia).
Pendekatan ini membuat sistem jaringan menjadi lebih adaptif, proaktif, dan cerdas.
Framework “Outcome First, Form Follows Function”
Salah satu konsep penting yang dibahas adalah pendekatan:
“Outcome First, Form Follows Function.”
Artinya:
Mulai dari hasil yang ingin dicapai, bukan dari teknologi yang ingin dipakai.
Banyak perusahaan terjebak pada pertanyaan seperti:
-
“AI model apa yang paling canggih?”
-
“Server GPU apa yang harus kita beli?”
-
“Platform AI mana yang sedang tren?”
Padahal seharusnya pertanyaannya adalah:
-
Masalah apa yang ingin kita selesaikan?
-
Hasil operasional apa yang ingin kita capai?
Contohnya:
Jika tujuan Anda adalah mengurangi downtime jaringan sebesar 50%, maka:
-
Tentukan dulu indikator keberhasilan (misalnya MTTR – Mean Time to Repair).
-
Lihat data apa yang dibutuhkan.
-
Gunakan model AI sekecil dan seefisien mungkin yang bisa mencapai hasil tersebut.
Tidak selalu perlu model besar dan mahal. Kadang solusi sederhana, jika dirancang dengan benar, sudah cukup.
Apa Itu AI Readiness Sebenarnya?
Banyak organisasi berpikir bahwa kesiapan AI (AI readiness) berarti:
-
Membeli hardware baru
-
Upgrade server
-
Investasi GPU mahal
Padahal, kesiapan AI yang sesungguhnya lebih tentang:
1. Struktur Tim
Apakah tim network dan security bisa bekerja bersama?
Apakah ada kolaborasi antara engineer dan data analyst?
2. Data Pipeline
AI membutuhkan data yang bersih, terstruktur, dan konsisten. Jika data jaringan berantakan, AI tidak akan bisa bekerja optimal.
3. Budaya Engineering
Apakah tim mau belajar?
Apakah ada budaya eksperimen?
Apakah upskilling menjadi prioritas?
Dalam banyak kasus, meningkatkan kemampuan tim jauh lebih penting daripada membeli perangkat keras baru.
Contoh Arsitektur: Platform ONE dan ExtremeCloud IQ
Sebagai contoh implementasi nyata, dibahas arsitektur Platform ONE dari Extreme Networks. Platform ini dirancang sebagai sistem terpadu untuk NetOps (Network Operations) dan SecOps (Security Operations).
Tujuannya adalah:
-
Mengelola jaringan dan keamanan dalam satu platform
-
Menggunakan AI untuk analisis dan rekomendasi
-
Dapat diskalakan secara global
Salah satu produk mereka, ExtremeCloud IQ, sudah mengelola jutaan endpoint di lingkungan produksi. Ini membuktikan bahwa AI dalam networking bukan lagi teori — tetapi sudah digunakan secara nyata.
Multi-Agent Akan Datang Lebih Cepat dari yang Kita Kira
Teknologi multi-agent AI berkembang sangat cepat. Dalam beberapa tahun ke depan, kemungkinan besar sistem jaringan akan:
-
Mengambil keputusan secara semi-otonom
-
Melakukan troubleshooting otomatis
-
Menyesuaikan kebijakan keamanan secara real-time
-
Berkolaborasi lintas sistem (network, security, cloud)
Namun, ada satu faktor penting yang tidak boleh dilupakan: kepercayaan (trust).
Organisasi yang akan sukses adalah yang:
-
Transparan dalam penggunaan AI
-
Menjelaskan bagaimana AI mengambil keputusan (explainability)
-
Menjaga keamanan dan privasi data
-
Tetap melibatkan manusia dalam pengawasan
AI bukan pengganti manusia sepenuhnya, tetapi alat untuk memperkuat kemampuan tim.
Kesimpulan: Fokus pada Hasil, Bukan Hype
AI dalam networking bukan lagi sekadar otomatisasi. Kita sedang menuju era sistem cerdas yang terdiri dari beberapa agen AI yang bekerja sama.
Namun untuk berhasil, organisasi harus:
-
Fokus pada hasil (outcome), bukan tren teknologi.
-
Memperbaiki kualitas data dan struktur tim.
-
Berinvestasi pada pengembangan skill.
-
Membangun kepercayaan dan transparansi.
Teknologi akan terus berkembang. Tetapi organisasi yang sukses bukan yang paling cepat membeli teknologi baru — melainkan yang paling jelas dalam menentukan tujuan dan paling siap dalam membangun fondasi yang kuat.
Jika dilakukan dengan benar, AI dalam networking bukan hanya tentang efisiensi, tetapi tentang menciptakan sistem yang lebih tangguh, aman, dan siap menghadapi masa depan.
Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan extreme networks indonesia, merupakan bagian dari PT. iLogo Indonesia, yang merupakan mitra terpercaya dalam solusi Infrastruktur IT dan Cybersecurity terbaik di Indonesia.
Hubungi kami sekarang atau kunjungi extremenetworks.ilogoindonesia.id untuk informasi lebih lanjut!