Menyediakan akses ke pelatihan produk, penjualan, dan sumber daya pemasaran, pendaftaran kesepakatan, serta banyak lagi untuk VAR, Integrator, Penjual, dan mitra saluran lainnya.
Tidak ada kumpulan data besar tanpa penyimpanan data yang cukup dan efisien.
Data mendukung AI, dan hard disk berkapasitas besar mendukung data.
Wawasan ini sangat melegakan melalui survei tahun 2025 dari firma riset Recon Analytics.
Survei global yang ditugaskan oleh Seagate menanyakan kepada 1.062 responden. Mereka adalah pembeli penyimpanan TI dan pembuat keputusan yang bekerja dalam peran infrastruktur penyimpanan untuk perusahaan yang melaporkan pendapatan tahunan lebih dari $10 juta, memiliki penggunaan penyimpanan saat ini lebih dari 50 terabyte, telah mengadopsi AI atau berencana untuk mengadopsi AI dalam tiga tahun ke depan, dan berlokasi di Amerika Serikat, Tiongkok, Inggris, Korea Selatan, Singapura, Prancis, India, Jepang, Taiwan, dan Jerman.
Survei tersebut berfokus pada efek adopsi AI pada prioritas infrastruktur, retensi data, dan manajemen data. Hasilnya menjelaskan tentang cara AI akan memengaruhi kebutuhan infrastruktur selama tiga tahun ke depan.
Sorotan survei
Pertama dan terpenting, survei menunjukkan bahwa adopsi AI mendorong pertumbuhan eksponensial dalam hal permintaan penyimpanan data hingga tahun 2028.
Sebanyak 61% responden dari perusahaan yang sebagian besar menggunakan penyimpanan cloud mengatakan bahwa penyimpanan berbasis cloud di perusahaan mereka harus meningkat lebih dari 100% — yakni, harus berlipat ganda, selama tiga tahun ke depan.
Gambar 1. Enam puluh satu persen responden yang perusahaannya terutama menggunakan penyimpanan cloud untuk manajemen data AI mereka berharap untuk meningkatkan persyaratan penyimpanan mereka sebesar 100% atau lebih.
Karena aplikasi AI mendorong pembuatan data yang belum pernah terjadi sebelumnya, semakin banyak data yang disimpan organisasi, semakin mereka dapat memvalidasi bahwa AI berfungsi seperti yang diharapkan. Dengan akses ke data perilaku, seperti kumpulan data pelatihan, pos pemeriksaan model, perintah, dan jawaban, perusahaan dapat memeriksa algoritma, serta memahami dan menyempurnakan pengambilan keputusan AI dengan lebih baik. Tanpa skala dan efisiensi pusat data, potensi AI akan terbatas, karena kemampuan untuk menyimpan dan mengambil kumpulan data besar sangat penting bagi kesuksesan AI.
Bukan hanya jumlah penyimpanan yang mendorong kesuksesan AI. Durasi penyimpanan data juga penting.
Dari responden yang dipekerjakan oleh bisnis yang telah mengadopsi teknologi AI, 90% percaya bahwa retensi data yang lebih lama meningkatkan kualitas hasil AI.
Gambar 2. Sembilan puluh persen perusahaan yang menggunakan AI saat ini percaya bahwa mempertahankan lebih banyak data historis akan meningkatkan akurasi model.
Temuan ini menunjukkan korelasi antara mempertahankan data untuk periode yang lebih lama dan wawasan AI yang lebih andal. Ini mungkin didukung oleh beberapa faktor. Pertama, pemrosesan berulang yang konstan merupakan bagian dari cara kerja algoritma AI. Output konten memberikan umpan balik ke model, meningkatkan akurasinya, dan mengaktifkan model baru. Kumpulan data mentah dan hasilnya menjadi sumber untuk pengembangan lebih lanjut dan alur kerja baru.
Menyimpan kumpulan data lebih lama juga memiliki fungsi penting bisnis lainnya: melindungi kekayaan intelektual perusahaan. Itu menyimpan "tanda terima" dari kumpulan data dan proses asli model, memberikan penjelasan hasil bila diperlukan (misalnya, sebagai bagian dari proses hukum). “Tanda terima” ini menetapkan silsilah data, memastikan catatan yang jelas tentang data perjalanan yang diambil dari input hingga output. Silsilah data memungkinkan organisasi memverifikasi asal dan penggunaan kumpulan data, sehingga model AI dapat mengandalkan data yang akurat. Ini memungkinkan sistem AI sepenuhnya dapat diaudit dan mendukung kepatuhan terhadap peraturan yang ketat dan akuntabilitas internal.
Selain itu, perusahaan dapat memilih untuk menyimpan lebih banyak data lebih lama karena mereka menyadari bahwa saat ini mereka tidak dapat mengetahui wawasan baru dan berharga apa yang mungkin ditemukan oleh algoritma esok hari dari data kemarin. Retensi data yang lebih lama memungkinkan pemrosesan data lama dengan model AI yang belum dikembangkan. Karena alasan ini, retensi data yang lebih lama akan meningkatkan nilai bisnis yang dapat diberikan oleh AI.
Dalam temuan terkait, pembuat keputusan infrastruktur memandang retensi data yang diperluas sebagai hal yang penting untuk membangun kepercayaan, fondasi penting yang tanpanya wawasan AI tidak memiliki nilai.
88% responden yang perusahaannya menggunakan AI saat ini percaya bahwa adopsi AI yang tepercaya meningkatkan kebutuhan untuk menyimpan lebih banyak data untuk jangka waktu yang lebih lama.
Seagate mendefinisikan AI tepercaya sebagai alur kerja dan model data AI yang menggunakan input yang dapat diandalkan dan menghasilkan wawasan yang andal. AI tepercaya dibuat berdasarkan data yang memenuhi kriteria berikut:
kualitas dan keakuratan yang tinggi
legalitas, kepemilikan, dan asal yang jelas
penyimpanan dan perlindungan yang aman
transformasi yang dapat dijelaskan dan dilacak oleh algoritma
output yang konsisten dan andal dari pemrosesan data
Gambar 3. Delapan puluh delapan persen responden yang perusahaannya menggunakan AI saat ini mengatakan bahwa adopsi AI yang tepercaya memerlukan peningkatan kebutuhan untuk menyimpan lebih banyak data untuk jangka waktu yang lebih lama.
Infrastruktur penyimpanan yang terukur mendukung AI tepercaya karena memberikan sejumlah besar data yang digunakan oleh sistem AI agar dapat dikelola, disimpan, dan diamankan dengan benar.
Sebagai bagian dari membangun AI yang tepercaya, 80% responden menekankan pentingnya pos pemeriksaan.
Penyimpanan titik pemeriksaan adalah proses menyimpan status model AI pada interval pendek tertentu selama pelatihannya. Model AI dilatih pada kumpulan data besar melalui proses berulang yang dapat memerlukan waktu mulai dari beberapa menit hingga berbulan-bulan. Durasi pelatihan model bergantung pada kerumitan model, ukuran kumpulan data, dan daya komputasi yang tersedia. Selama waktu ini, model diberi data, parameter disesuaikan, dan sistem mempelajari cara memprediksi hasil berdasarkan informasi yang diprosesnya.
Titik pemeriksaan berfungsi seperti snapshot dari status model saat ini, yakni data, parameter, dan pengaturannya, di banyak titik selama pelatihan. Disimpan ke perangkat penyimpanan setiap menit hingga beberapa menit, snapshot memungkinkan pengembang menyimpan catatan kemajuan model dan menghindari hilangnya karya yang berharga karena gangguan yang tak terduga.
Menurut survei, perusahaan yang menggunakan penyimpanan 100+PB menyimpan dan mencadangkan titik pemeriksaan setiap hari hingga setiap minggu, dengan 87% di antaranya menyimpan titik pemeriksaan ini di cloud atau dalam gabungan HDD dan SDD.
Penyimpanan: Rahasia pendorong kesuksesan AI
Komputasi dan energi adalah tema populer dalam diskusi tentang adopsi AI. Survei Recon Analytics juga menyoroti penyimpanan sebagai pendorong penting.
Dari perspektif pembeli infrastruktur, penyimpanan data menempati peringkat kedua sebagai bagian terpenting dari infrastruktur AI, setelah keamanan. Keamanan dan penyimpanan disusul oleh manajemen data, kapasitas jaringan, komputasi, peraturan, kelangsungan hidup LLM, dan energi, dalam urutan kepentingan.
Dua pertiga (66%) responden menempatkan penyimpanan sebagai yang paling penting kedua di antara empat pengaktif AI teratas mereka dan sebagai penghalang terpenting keempat untuk adopsi.
Gambar 4. Enam puluh enam persen pembuat keputusan infrastruktur menempatkan penyimpanan sebagai komponen terpenting kedua di antara empat pendukung AI teratas mereka. Mereka juga menempatkan penyimpanan sebagai penghalang terpenting keempat untuk penerapan AI.
Pendiri dan analis utama Recon, Roger Entner, menjelaskan hal ini:
“Hasil survei umumnya menunjukkan lonjakan permintaan penyimpanan data yang akan datang, dengan hard disk muncul sebagai pemenang yang jelas. Jika Anda mempertimbangkan bahwa para pemimpin bisnis yang kami survei bermaksud untuk menyimpan lebih banyak lagi data berbasis AI ini di cloud, tampaknya layanan cloud berada pada posisi yang tepat untuk menghadapi gelombang pertumbuhan kedua.”
Untuk mendapatkan nilai maksimal dari AI, perusahaan harus mempersiapkan penyimpanan data yang terukur dan efisien. Baik secara langsung atau melalui layanan cloud, ketergantungan AI pada data bergantung pada hard disk, yang menawarkan kapasitas, efisiensi biaya, dan keberlanjutan yang tak tertandingi, sebagai fondasi utama AI tepercaya.
