Siemens menekankan pentingnya kecerdasan buatan (AI) bagi industri. Namun, AI industri berbeda signifikan dengan AI generatif (GenAI) yang umum digunakan masyarakat. Perbedaan utama terletak pada jenis data yang diproses.
Peter Koerte, Managing Board Member & CTO Siemens AG, menjelaskan bahwa model bahasa besar (LLM) yang mendasari GenAI berfokus pada bahasa alami. Industri, sebaliknya, menggunakan data yang jauh lebih beragam dan kompleks.
“Kami adalah yang pertama di dunia yang membangun apa yang kami sebut sebagai industrial foundation model. LLM didasarkan pada bahasa, tetapi industri tidak berbicara bahasa. Industri berbicara suhu, tegangan, koordinat (sumbu x, y, dan z), data deret waktu, gambar 2D dan 3D, serta P&ID,” jelasnya dalam Siemens Tech Summit 2025 di Jakarta, Rabu (11/6).
Oleh karena itu, model AI industri dilatih dengan dataset spesifik untuk masing-masing industri. Hal ini krusial untuk memastikan akurasi yang tinggi, jauh melampaui angka yang dapat diterima dalam konteks konsumen.
Koerte menegaskan bahwa akurasi 80 persen untuk aplikasi industri tidaklah cukup. Walaupun masih ada pengawasan manusia, akurasi minimal 90 persen atau lebih sangat diperlukan untuk memastikan keamanan dan efisiensi operasional.
Presiden Direktur dan CEO PT Siemens Indonesia, Surya Fitri, memberikan contoh penerapan AI industri dalam pemeliharaan (maintenance). Sistem AI dapat menganalisis penyebab kerusakan (root cause) ketika terjadi downtime atau kerusakan mesin.
Dengan demikian, tim pemeliharaan tidak perlu lagi selalu hadir di lokasi untuk mendiagnosis masalah. AI dapat menganalisis masalah dan bahkan melakukan koreksi sistem, berkat pelatihan dengan data yang relevan.
Perbedaan AI Industri dan GenAI
GenAI seringkali kesulitan menghadapi kompleksitas data industri. Tugas-tugas industri membutuhkan pengetahuan domain yang jauh lebih mendalam dibandingkan tugas AI konsumen seperti peringkasan teks.
Model bahasa besar yang umum digunakan pada GenAI tidak mampu menangani kompleksitas ini. AI industri dirancang khusus untuk mengatasi tantangan tersebut.
Keunggulan AI Industri
AI industri mendukung insinyur dengan berbagai aplikasi, seperti identifikasi fitur mesin dan rekomendasi strategi, percepatan pembuatan P&ID, serta pemrosesan data teknik kompleks.
Ke depan, AI industri akan semakin berperan penting dalam mengoptimalkan proses produksi dan meningkatkan daya saing industri. Pengembangan model AI yang akurat dan andal akan terus menjadi fokus utama bagi para pelaku industri.
Kesimpulannya, AI industri menawarkan solusi yang jauh lebih canggih dan spesifik dibandingkan dengan GenAI. Kemampuannya untuk memproses dan menganalisis data industri yang kompleks, memastikan akurasi tinggi, dan meningkatkan efisiensi operasional menjadikannya sebagai teknologi kunci untuk kemajuan industri di masa depan.
Contoh lain penerapan AI industri adalah dalam prediksi perawatan (predictive maintenance). Sistem AI dapat menganalisis data sensor dari mesin untuk memprediksi kapan komponen tertentu akan mengalami kerusakan, memungkinkan tindakan pencegahan sebelum terjadi kegagalan yang menyebabkan downtime.
