Sebuah penelitian global yang disponsori oleh WD menunjukkan bahwa seiring dengan akumulasi dan pertumbuhan majemuk data, model ekonomi infrastruktur AI sedang ditransformasi. Menurut survei terbaru IDC, AI tidak hanya mendorong pertumbuhan pesat volume data, tetapi juga memperpanjang masa retensi data dan mengaktifkan kembali permintaan terhadap data historis.
Pertumbuhan Data yang Didorong oleh AI
Penelitian yang dilakukan di Hong Kong ini menemukan bahwa AI sedang mendorong pertumbuhan struktural dalam kebutuhan penyimpanan data. Dari organisasi yang disurvei, 94,7% menyatakan bahwa dalam 12 bulan terakhir, karena penerapan AI dan AI generatif, jumlah data yang mereka simpan terus meningkat. 61% organisasi yang disurvei mencatat pertumbuhan data sebesar 25% atau lebih, dan mereka memperkirakan volume data akan terus meningkat dalam tiga tahun ke depan.
Selain itu, 85,4% organisasi yang disurvei menyatakan bahwa kapasitas data lake mereka terus berkembang dalam setahun terakhir, dan 59,4% organisasi yang disurvei menganggap data yang dihasilkan oleh AI sebagai faktor utama yang mendorong pertumbuhan kapasitas data lake.
Memperpanjang Masa Retensi Data
Survei juga menunjukkan bahwa hampir 95% organisasi yang disurvei menyatakan bahwa nilai data mereka meningkat setelah mengadopsi AI. 74,3% organisasi yang disurvei memperpanjang masa retensi data, dan 75,9% organisasi sedang mengaktifkan kembali lebih banyak data dingin yang telah diarsipkan untuk mendukung beban kerja AI.
Menurut penelitian, 96% organisasi yang disurvei memperkirakan bahwa mereka perlu mengambil data yang diarsipkan lebih cepat untuk mendukung inferensi AI dan aplikasi generasi yang ditingkatkan dengan pencarian.
Kebutuhan Desain Infrastruktur AI
Irving Tan, CEO WD, menyatakan bahwa operasi AI didasarkan pada data, dan kebutuhan organisasi untuk menyimpan, mengelola, dan mengakses data dalam skala besar akan terus meningkat. Fondasi data ini akan memainkan peran kunci dalam menentukan potensi perkembangan AI di masa depan.
Penelitian menunjukkan bahwa beban kerja AI menghasilkan data sepanjang siklus hidupnya, dan data ini akan tetap ada bahkan setelah beban kerja terkait selesai, serta dapat menjadi input untuk aplikasi AI di masa depan. Dengan meningkatnya volume data, perpanjangan masa retensi, dan pengaktifan kembali data historis, organisasi perlu menyeimbangkan antara kinerja, kapasitas, aksesibilitas, dan efisiensi biaya.
Kesimpulan
Kemampuan untuk mengelola data dalam skala besar dengan cara yang hemat biaya tidak lagi menjadi pertimbangan sekunder dalam infrastruktur, tetapi secara bertahap menjadi faktor kunci yang menentukan keberhasilan atau kegagalan AI. Desain siklus hidup data yang lengkap akan menjadi pertimbangan penting untuk infrastruktur AI di masa depan.