Gartner Hype Cycle 2019

Di dunia ideal, inovasi apa pun harus diterima secara bertahap. Hal tersebut merupakan wajar bahwa pada awalnya beberapa orang enggan untuk mengadopsi inovasi tersebut, tetapi karena semakin banyak bukti yang muncul bahwa inovasi tersebut dapat digunakan dikehidupan, masyarakat harus mulai beradaptasi untuk menerima inovasi tersebut dan melihat  bahwa terdapat peningkatan bertahap dalam jumlah adopsi – sampai inovasi tersebut dapat diterima secara universal.

Dalam kehidupan nyata , proses adopsi tidak semulus itu. Biasanya, setelah beberapa keberhasilan pertama, inovasi tersebut dianggap terlalu berlebihan, inovasi tersebut seringkali diadopsi dalam situasi yang melampaui niat penemu. Di daerah-daerah terpencil ini, inoavasi baru tidak berfungsi dengan baik, ketika inovasi tersebut diadopsi ke tingkat yang jauh lebih rendah daripada yang masuk akal. Hanya setelah osilasi ini, inovasi akhirnya dapat diadopsi secara universal. Osilasi ini dikenal sebagai siklus Gartner’s Hype Cycle (Perez & Kreinovich, 2018).

Hype Cycle  adalah representasi grafis dari tahapan siklus hidup yang dilalui teknologi dari konsepsi hingga jatuh tempo dan adopsi luas. Hype cycle adalah branded tools yang dibuat oleh Gartner, sebuah perusahaan riset dan konsultasi teknologi informasi. Namun, hype cycle  sering digunakan sebagai titik referensi dalam pemasaran dan pelaporan teknologi. Bisnis dapat menggunakan siklus sensasi untuk memandu keputusan teknologi sesuai dengan tingkat kenyamanan mereka dengan risiko. Setiap tahap siklus dikaitkan dengan risiko dan peluangnya sendiri

Gartner’s Hype Cycle mengidentifikasi lima tahap yang tumpang tindih dalam siklus hidup teknologi (Rouse, 2013):

1. Pemicu Teknologi (Technology Trigger): Pada tahap ini, teknologi dikonseptualisasikan. Mungkin ada prototipe tetapi seringkali tidak ada produk fungsional atau studi pasar. Potensi memacu minat media dan kadang-kadang demonstrasi bukti-konsep.
2. Peak of Inflated Expectations: Teknologi ini diterapkan, terutama oleh pengadopsi awal. Ada banyak publisitas tentang implementasi yang berhasil dan tidak berhasil.
3. Kekecewaan (Trough of Disillusionment): Kekurangan dan kegagalan menyebabkan beberapa kekecewaan dalam teknologi. Beberapa produsen tidak berhasil atau menjatuhkan produk mereka. Investasi berkelanjutan pada produsen lain bergantung pada penyelesaian masalah dengan sukses.
4. Slope of Enlightenment: Potensi teknologi untuk aplikasi lebih lanjut menjadi lebih dipahami secara luas dan semakin banyak perusahaan yang mengimplementasikan atau mengujinya di lingkungan mereka. Beberapa produsen menciptakan produk generasi selanjutnya.
5. Dataran Tinggi Produktivitas (Plateau of Productivity): Teknologi ini diterapkan secara luas; tempatnya di pasar dan aplikasinya dipahami dengan baik. Muncul standar untuk mengevaluasi penyedia teknologi.

Saat ini, perkembangan teknologi menjadi salah satu faktor penting dalam kehidupan manuisia. Beberapa teknologi dapat memberikan “superhuman capabilities.” Pada tahun 2019, Gartner menerbitkan Hype Cycle for Emerging Technologies mencakup spektrum topik yang sangat luas, jadi jika teknologi spesifik tidak ditampilkan, tidak berarti bahwa mereka tidak penting, justru sebaliknya. Salah satu alasan beberapa teknologi untuk hilang dari Hype Cycle for Emerging Technologies mungkin karena mereka tidak lagi “emergeing” tetapi kunci untuk bisnis dan TI.

Pada Gartner’s Hype Cycle for Emerging Technologies 2019, berfokus pada teknologi Artificial Intelligence. Berikut merupakan tinjauan teknologi dasar terkait AI yang telah dikeluarkan dari hype cycle tetapi masih merupakan kunci untuk bisnis:

• Deep Neural Networks (DNNs). Sebenarnya, Gartner berbicara tentang DNN sebagai dasar untuk banyak teknologi baru lainnya yang termasuk dalam Hype Cycle.
• Conversation AI Platform. Gartner tidak lagi mempertimbangkan Conversational AI Platform yang muncul teknologi, sambil bersikeras pada relevansi bisnis perusahaan.
• Virtual Assistant. Gartner tidak lagi mempertimbangkan Asisten Virtual sebagai emerging technologies, sambil bersikeras pada relevansi bisnis perusahaan.
• Artificial General Intelligence (AGI). Gartner mendukung visi pragmatis di sekitar AI, menjauh dari hype. Seperti yang disebutkan Gartner, AGI tidak akan matang selama beberapa dekade.

Berdasarkan matriks prioritas untuk Teknologi Berkembang tahun 2019, area yang harus diperhatian bagi AI leaders adalah:

• Augmented Intelligence. Gartner mengidentifikasi teknologi yang muncul ini sebagai kunci untuk pendekatan desain solusi bisnis baru, menyeimbangkan otomatisasi jangka pendek dengan pendekatan jangka menengah / panjang yang memastikan peningkatan kualitas tidak hanya dengan cara otomatisasi, tetapi juga dengan memperkuat talenta manusia.
• Edge AI. Dalam skenario di mana biaya komunikasi, latensi atau konsumsi volume tinggi mungkin menjadi kunci. Tentu saja, ini menyiratkan memastikan bahwa pengembangan dan teknik AI yang memadai untuk kasus penggunaan kami (mis. Deep Learning) tersedia untuk infrastruktur IoT yang ingin kami gunakan, di antara kondisi lainnya.

Berikut merupakan teknologi baru atau emerging technologies yang terkait dengan AI pada 2019 Hype Cycle:

• Adaptive Machine Learning. Didefinisikan sebagai jenis ML yang dapat dilatih ulang di lingkungan penilaian yang sama.
• Emotion AI. Didefinisikan sebagai menggunakan teknik AI sebagai visi komputer atau analitik suara untuk beradaptasi dengan keadaan emosi pengguna dan meningkatkan pengalaman keseluruhan.
• Explainable AI. Kemampuan menjelaskan berdiri sebagai salah satu tantangan utama di sekitar Deep Learning sambil memastikan etika dan kepatuhan peraturan. AI yang dapat dijelaskan mencakup berbagai pendekatan dan teknik untuk dapat menjelaskan alasan algoritma AI mempertimbangkan untuk menghasilkan outputnya berdasarkan data yang diberikan.
• Generative Adversarial Networks (GANs). Awalnya diperkenalkan oleh Ian Goodfellow dan al., GAN menggunakan dua jaringan saraf yang berbeda (generatif dan diskriminatif). Sementara tujuan jaringan diskriminatif adalah untuk meningkatkan cara mengklasifikasikan input data, jaringan generatif mencoba membuatnya gagal dengan membuat data sintetis yang dimaksudkan untuk mengelabui algoritma. Meskipun jenis jaringan ini dapat digunakan untuk meningkatkan pelatihan AI, mereka digunakan untuk menghasilkan konten sintetis seperti video, audio atau teks, mengikuti pola atau gaya tertentu.
• Transfer Learning. Didefinisikan sebagai menggunakan kembali model AI yang dilatih sebelumnya sebagai titik awal untuk melatihnya dalam konteks yang berbeda, beberapa pakar AI mengklaim Transfer Learning sebagai kunci untuk mencapai Kecerdasan Umum Buatan di masa mendatang.

Apa yang harus dilakukan oleh AI leaders berkaitan dengan perkembangan teknologi AI dimasa mendatang, adalah sebagai berikut (Pereira, 2019):

• Embrace AI core technologies like DNN not as an innovation initiative, but as part of the core strategy for the company. Perusahaan harus bergerak dari laboratorium PoCs ke pendekatan AI yang dapat diskalakan, termasuk cara mengatur bakat AI, menerapkan metodologi, dan mengimplementasikan platform bersama di seluruh perusahaan.
• Consider how AI can help their companies solve business challenges together with other innovative technologies like IoT or 5G. Sementara Gartner berfokus pada dampak Edge AI, 5G juga dapat membuatnya layak untuk menyelesaikan kasus penggunaan yang menarik dalam waktu dekat. Juga, Blockchain dan AI cocok untuk menyelesaikan kasus penggunaan yang sangat menarik.
• Focus on the human side of the technology. Dari cara membuat talenta digital kami untuk mendapatkan manfaat dari otomatisasi, hingga mempertimbangkan dampak AI pada pekerjaan karyawan mereka, pengalaman pelanggan, dan masyarakat pada umumnya.

Sumber

Pereira, D. (2019, September 5). Gartner 2019 Hype Cycle for Emerging Technologies. What’s in it for AI leaders? Retrieved from towardsdatascience: https://towardsdatascience.com/gartner-2019-hype-cycle-for-emerging-technologies-whats-in-it-for-ai-leaders-3d54ad6ffc53

Perez, J., & Kreinovich, V. (2018). Gartner’s hype cycle: a simple explanation. International Journal of Computing and Optimization, 1 – 4. Retrieved from whatis.techtarget: https://whatis.techtarget.com/definition/Gartner-hype-cycle

Rouse, M. (2013, October). Gartner hype cycle. Retrieved from whatis.techtarget: https://whatis.techtarget.com/definition/Gartner-hype-cycle