Mengapa Indonesia Butuh AI Sendiri? Membedah Peluncuran LLM 27B GoTo, Keunggulan, dan Tantangannya

Kategori: Teknologi & AI

Dunia kecerdasan buatan (Artificial Intelligence) berkembang dengan kecepatan yang luar biasa. Model-model fondasi raksasa dari luar negeri terbukti sangat cerdas dalam menerjemahkan teks teknis, menyelesaikan soal sains, hingga menyusun baris kode pemrograman. Namun, ketika berhadapan dengan dinamika masyarakat Indonesia—mulai dari singkatan khas pesan instan, code-mixing (pencampuran bahasa), hingga etika bertutur bahasa daerah—model global kerap kehilangan konteks.

Menjawab tantangan tersebut, PT GoTo Gojek Tokopedia Tbk resmi merilis Model Bahasa Besar (LLM) open-source berukuran 27 miliar parameter (27B). Dirancang khusus untuk memahami bahasa Indonesia serta bahasa daerah seperti Jawa, Sunda, Bali, dan Batak, peluncuran ini menandai babak baru kedaulatan AI di tanah air.

Lantas, mengapa kehadiran LLM berbasis bahasa lokal begitu penting, dan apa saja tantangan nyata di balik pengembangannya?

1. Paham Ragam Bahasa Sehari-hari dan Bahasa Daerah

Kekuatan utama model lokal terletak pada kemampuannya menyerap nuansa budaya dan sosiolinguistik. Masyarakat Indonesia jarang berkomunikasi secara sepenuhnya baku dalam keseharian. Percakapan sering menyisipkan partikel (deh, sih, dong), singkatan tidak baku, hingga peralihan dialek dalam satu kalimat.

Model global cenderung menerjemahkan teks secara harafiah (literal), sehingga terkesan kaku atau bahkan salah mengartikan maksud. Sebaliknya, LLM lokal yang dilatih langsung dengan teks perbincangan, media massa nasional, dan korpus dialek daerah mampu menangkap makna tersirat sekaligus menjaga etika kesopanan bertutur (seperti perbedaan krama dan ngoko dalam bahasa Jawa).

2. Tokenisasi Lebih Efisien, Komputasi Lebih Hemat

Di balik layar pemrosesan teks AI, terdapat proses yang disebut tokenisasi—yaitu cara model memecah teks menjadi potongan kecil (token).

• Model Global: Karena didominasi bahasa Inggris, kosakata tokenizer-nya sering memecah satu kata bahasa Indonesia atau bahasa daerah menjadi 3–4 potongan karakter acak. Akibatnya, pemrosesan lebih lambat dan memakan kuota konteks lebih boros.

• Model Berbasis Lokal: Memiliki daftar kosakata (vocabulary) yang disesuaikan dengan bahasa setempat. Satu kata utuh umumnya hanya dihitung sebagai 1 token. Dampaknya, inferensi model berjalan jauh lebih cepat, latensi menurun, dan biaya operasional server menjadi signifikan lebih hemat.

3. Infrastruktur Fleksibel dan Kedaulatan Data

Dengan ukuran 27 miliar parameter, model ini berada pada sweet spot yang ideal: memiliki daya penalaran yang cukup untuk tugas bahasa yang kompleks, namun tetap dapat dijalankan secara mandiri (on-premise) pada peladen milik universitas, startup, maupun instansi publik.

Bagi sektor perbankan, kesehatan, atau pemerintahan yang terikat regulasi ketat perlindungan data pribadi, kemampuan menjalankan model secara lokal memastikan tidak ada data sensitif yang terkirim ke server komputasi awan di luar yurisdiksi hukum Indonesia.

Tantangan Nyata: Mengapa Membangun AI Lokal Tidak Mudah?

Meski menawarkan banyak manfaat, pengembangan model berbasis bahasa lokal menghadapi rintangan teknis yang tidak kecil:

1. Kelangkaan Data Terstruktur (Data Scarcity): Banyak bahasa daerah berstatus low-resource. Korpus digital tertulis yang terstruktur dan berkualitas masih sangat minim, menuntut inisiatif lapangan untuk kurasi dan digitalisasi korpus bersama perguruan tinggi.

2. Kesenjangan Penalaran Abstrak (Reasoning): Model fondasi global raksasa dilatih menggunakan triliunan token literatur ilmiah dunia, matematika tingkat tinggi, dan repositori kode pemrograman. Model lokal berukuran menengah umumnya perlu disandingkan dengan teknik arsitektur hibrida jika dihadapkan pada logika sains multi-tahap yang rumit.

3. Kebutuhan Evaluasi Terstandarisasi: Metrik pengujian tolok ukur (benchmark) AI dunia didominasi standar berbahasa Inggris. Komunitas AI lokal perlu terus merumuskan tolok ukur evaluasi yang objektif dan baku untuk menilai akurasi penalaran dalam bahasa nusantara.

Penutup

Langkah membuka akses model secara gratis (open-source) lewat repositori seperti Hugging Face membuktikan bahwa masa depan teknologi bukan sekadar menjadi konsumen produk asing. Dengan keterlibatan talenta universitas, peneliti, dan pelaku industri kreatif, keberadaan LLM lokal meletakkan pondasi penting agar transformasi digital Indonesia berdiri di atas bahasa dan konteks bangsanya sendiri.