IBM Sebut Small Language Models Jadi Masa Depan AI yang Lebih Efisien

JAKARTA - Di ranah industri, Large Language Models (LLM) dikenal karena dilatih menggunakan kumpulan data dalam jumlah yang besar. Namun, proses pelatihannya dapat memakan waktu berbulan-bulan dan memerlukan bantuan penyempurnaan oleh manusia. 

Pengembangan LLM bahkan juga membutuhkan biaya yang sangat besar, bisa mencapai jutaan dolar, yang menjadi tantangan finansial signifikan bagi banyak perusahaan perangkat lunak dan start-up.

Sebagai perusahaan teknologi global, IBM melihat bahwa saat ini banyak perusahaan perangkat lunak yang beralih ke Small Language Models (SLM), untuk mempercepat pengembangan solusi AI mereka. 

Menurut IBM, model ini membutuhkan daya komputasi dan memori yang lebih rendah, sehingga hanya memerlukan dataset berukuran kecil, sehingga memungkinkan untuk dijalankan secara lokal (on-premise) tanpa bergantung pada penyimpanan cloud.

Karena dirancang untuk tugas-tugas spesifik, SLM tidak hanya lebih cepat untuk dilatih dan diimplementasikan, tetapi juga sudah mampu menyaingi atau bahkan dapat melampaui model lain dengan ukuran yang serupa.

“Inilah sebabnya mengapa banyak perusahaan yang semakin melirik SLM,” kata Roy Kosasih, Presiden Direktur, IBM Indonesia dalam keterangan tertulis yang diterima VOI, Jumat, 28 Maret 2025.

Bahkan, jika bersifat open-source, Roy melihat SLM akan menjadi semakin ideal. SLM juga dinilai sangat cocok untuk bisnis apa pun yang ingin mengadopsi AI, terutama bagi mereka yang memiliki keterbatasan dalam sumber daya, anggaran, atau waktu. 

Di masa mendatang, IBM percaya SLM akan memainkan peran penting dalam evolusi agen AI dengan tingkat otonomi yang lebih tinggi, penalaran yang lebih canggih, dan kemampuan pemecahan masalah yang semakin kompleks. 

"Dengan memanfaatkan sistem AI atau menjalankan AI generatif berdasarkan model bahasa yang lebih kecil atau model yang sesuai dengan kebutuhan, biaya operasional AI dapat dikurangi secara signifikan. Hal ini tidak hanya meningkatkan efisiensi, tetapi juga meningkatkan akurasi, mempercepat proses, dan pada akhirnya meningkatkan keuntungan," pungkas Roy.