Endoxa Asia – Pengembangan kecerdasan buatan (AI) tidak berhenti pada kemampuan menjawab pertanyaan atau menjalankan perintah. Di dunia kerja, model AI juga dituntut memahami kebutuhan spesifik sebuah profesi dan semakin baik dalam mengerjakan tugas seiring waktu. Namun, proses penyesuaian tersebut selama ini kerap membutuhkan tenaga ahli dan biaya yang tidak sedikit.
Peluang itulah yang ingin digarap Trajectory, startup teknologi yang mengembangkan platform untuk membantu perusahaan melatih ulang model AI berdasarkan umpan balik dari penggunaan sehari-hari. Perusahaan yang berbasis di Amerika Serikat ini mengumumkan pendanaan Seri A sebesar US$45 juta atau sekitar Rp742,5 miliar, dengan valuasi mencapai US$300 juta atau sekitar Rp4,95 triliun.
Pendanaan tersebut dipimpin Sequoia, dengan partisipasi Nvidia, Bessemer Venture Partners, dan Bain Capital Ventures. Bersamaan dengan pengumuman pendanaan, Trajectory juga mulai membuka platform post-training miliknya untuk publik.
Mengapa Model AI Masih Perlu Dilatih Setelah Diluncurkan?
Model AI generatif seperti yang dikembangkan OpenAI dan Anthropic memiliki kemampuan luas karena dilatih menggunakan kumpulan data dalam skala besar. Meski demikian, kemampuan umum tersebut tidak otomatis membuat model memahami seluruh kebutuhan khusus di setiap organisasi.
Dalam bidang hukum, misalnya, sebuah perusahaan mungkin membutuhkan AI yang mampu meninjau jenis kontrak tertentu berdasarkan standar internal. Sementara di sektor keuangan, model perlu memahami metodologi khusus ketika melakukan analisis atau penilaian perusahaan.
Model AI yang sudah digunakan tidak serta-merta belajar dari setiap kesalahan dalam pekerjaannya. Untuk meningkatkan kemampuannya pada tugas tertentu, perusahaan biasanya perlu melakukan proses tambahan seperti fine-tuning atau post-training.
Pekerjaan tersebut sering kali membutuhkan tim riset internal yang memahami machine learning atau bantuan konsultan teknis yang dikenal sebagai forward-deployed engineers (FDE). Kebutuhan tenaga ahli inilah yang ingin dikurangi Trajectory.
Salah satu pendirinya, Ronak Malde, menggambarkan model AI dasar seperti mahasiswa doktoral yang sangat pintar, tetapi selalu harus memulai pekerjaan baru dari awal. Menurutnya, dunia usaha justru membutuhkan sistem yang memiliki pengalaman mendalam dalam pekerjaan tertentu.
Cara Trajectory Membantu Model AI Belajar dari Umpan Balik
Trajectory mengembangkan pendekatan yang disebut continual learning. Melalui platform ini, perusahaan dapat menggunakan model AI open source, kemudian menghubungkannya dengan aplikasi yang sudah dipakai dalam operasional bisnis.
Platform tersebut mengumpulkan umpan balik mengenai kinerja model ketika digunakan. Informasi itu kemudian dimanfaatkan untuk melatih ulang model agar kemampuannya semakin sesuai dengan kebutuhan khusus perusahaan.
Dengan pendekatan tersebut, proses peningkatan model tidak sepenuhnya bergantung pada tim teknis yang harus mengatur setiap tahap pelatihan. Para profesional di bidang terkait dapat ikut menentukan hasil seperti apa yang dianggap tepat untuk pekerjaan mereka.
Malde mengatakan pengacara, dokter, dan spesialis lain berpotensi meningkatkan kemampuan model yang mereka gunakan dengan proses yang hampir otomatis. Harapannya, perusahaan dapat mengembangkan AI khusus secara lebih cepat dan mengurangi biaya penyesuaian.
Namun, pendekatan ini bukan berarti model AI langsung belajar secara mandiri setiap kali menerima perintah. Platform Trajectory tetap melibatkan proses pengumpulan umpan balik dan pelatihan ulang untuk menghasilkan peningkatan kemampuan.
Harvey dan Rogo Sudah Menggunakan Platform Trajectory
Sejumlah perusahaan telah menggunakan teknologi Trajectory untuk menyesuaikan model AI dengan kebutuhan pekerjaan mereka.
Harvey, perusahaan yang mengembangkan AI untuk sektor hukum, dan Rogo, yang bergerak di bidang AI untuk pekerjaan keuangan, termasuk pengguna platform tersebut. Keduanya memanfaatkan post-training agar model berbasis open source dapat menangani tugas yang lebih spesifik.
Contohnya mencakup peninjauan jenis kontrak tertentu atau penilaian perusahaan berdasarkan metodologi yang digunakan dalam pekerjaan analis keuangan.
Trajectory juga menyebut Decagon, Mercor, dan Nvidia sebagai pelanggan. Nvidia sekaligus menjadi salah satu investor dalam pendanaan Seri A perusahaan tersebut.
Kehadiran perusahaan-perusahaan ini memperlihatkan bahwa kebutuhan AI khusus tidak hanya berkaitan dengan kemampuan model menjawab pertanyaan umum. Perusahaan juga membutuhkan sistem yang dapat mengikuti standar, proses, dan cara kerja masing-masing organisasi.
Mengapa Keterlibatan Manusia Tetap Penting?
Pendekatan Trajectory memiliki kemiripan dengan gagasan recursive self-improvement (RSI), yaitu konsep sistem AI yang mampu meningkatkan kemampuannya sendiri.
Namun, gagasan tersebut juga memunculkan pertanyaan mengenai pengawasan dan keamanan. Sistem yang mengembangkan kemampuannya secara otonom berpotensi menghasilkan perubahan yang tidak sesuai dengan tujuan awal apabila tidak dikendalikan dengan baik.
Co-founder Trajectory Michael Elabd menilai keterlibatan manusia dalam proses pelatihan dapat menjadi pembeda penting. Dalam pendekatan perusahaan, para spesialis tetap menentukan standar hasil yang diinginkan, sementara platform membantu mengubah umpan balik tersebut menjadi perbaikan model.
Dengan demikian, manusia tidak sepenuhnya menyerahkan keputusan mengenai kualitas pekerjaan kepada sistem AI. Pengguna tetap memiliki peran dalam menentukan apa yang dianggap benar dan sesuai dengan kebutuhan organisasi.
Meski begitu, keterlibatan manusia bukan jaminan bahwa seluruh risiko AI otomatis hilang. Kualitas data umpan balik, proses evaluasi, dan pengawasan terhadap perubahan model tetap menjadi aspek penting.
Persaingan Pasar Pelatihan Model AI Semakin Ramai
Trajectory bukan satu-satunya perusahaan yang berusaha menyederhanakan proses pelatihan model AI. TechCrunch menyebut Thinking Machines Lab, Applied Compute, dan Prime Intellect sebagai pemain yang dipandang Trajectory sebagai pesaing langsung.
Thinking Machines Lab, yang didirikan mantan CTO OpenAI Mira Murati, mengembangkan platform fine-tuning bernama Tinker. Sementara Prime Intellect membantu perusahaan membangun dan melatih AI agent.
Persaingan ini menunjukkan bahwa pengembangan AI tidak hanya berlangsung pada tingkat model dasar. Infrastruktur dan perangkat untuk menyesuaikan model dengan kebutuhan industri juga menjadi bagian penting dari ekosistem tersebut.
Trajectory kini memiliki modal US$45 juta untuk mengembangkan bisnisnya sekaligus memperluas akses terhadap platform post-training. Perusahaan yang didirikan sekitar setahun lalu oleh tiga mantan mahasiswa Stanford ini memiliki 18 karyawan.
Ketiga pendirinya adalah Ronak Malde, Michael Elabd, dan Arjun Karanam. Mereka memiliki pengalaman di perusahaan teknologi seperti Google DeepMind dan Apple.
Tantangan berikutnya adalah membuktikan bahwa platform tersebut benar-benar dapat membantu para profesional menghasilkan model yang lebih sesuai dengan kebutuhan pekerjaan, tanpa selalu bergantung pada tim spesialis machine learning. Jika pendekatan ini berjalan sesuai harapan, proses pengembangan AI khusus berpotensi menjadi lebih mudah diakses oleh berbagai sektor industri.
About The Author
Komentar