Pendiri sekaligus Chairman Oracle, Larry Ellison, memaparkan pandangannya mengenai dua tipe utama model kecerdasan buatan (AI) yang saat ini berkembang pesat. Perbedaan keduanya terletak pada kebutuhan kecepatan respons atau latensi dalam pengambilan keputusan. Penjelasan ini disampaikan Ellison dalam ajang Oracle AI World 25 dan menarik perhatian luas setelah dibagikan melalui platform X milik Elon Musk.
Menurut Ellison, dunia membutuhkan model AI yang mampu mengambil keputusan secara instan, terutama untuk teknologi yang beroperasi di lingkungan fisik dan berisiko tinggi. Model AI jenis ini tidak dapat mentoleransi keterlambatan, bahkan dalam hitungan sepersekian detik. Contoh paling nyata adalah mobil otonom dan robotika, di mana keputusan seperti mengerem atau mengubah arah harus dilakukan seketika.
Ellison menyoroti Tesla sebagai contoh perusahaan yang menerapkan konsep tersebut secara konsisten. Tesla menanamkan kemampuan komputasi dan model AI langsung di dalam mobil dan robotnya. Pendekatan ini dikenal sebagai edge computing, di mana pemrosesan data dilakukan secara lokal tanpa harus bergantung pada koneksi ke pusat data atau cloud yang berjarak jauh. Dengan cara ini, sistem dapat merespons kondisi jalan atau lingkungan secara real-time, tanpa risiko keterlambatan akibat lalu lintas jaringan.
Di sisi lain, Ellison juga menjelaskan adanya kategori AI yang tidak memerlukan respons secepat itu. Model AI non-real-time masih dapat berfungsi optimal meskipun membutuhkan waktu untuk memproses data dan berkomunikasi melalui jaringan. Contohnya adalah chatbot, sistem analisis data, pembuatan kode, hingga pembuatan konten. Model seperti ini umumnya memanfaatkan komputasi terpusat di cloud dan dirancang untuk menghasilkan jawaban yang matang dan komprehensif, bukan reaksi instan.
Pandangan Larry Ellison ini sangat relevan dengan arah perkembangan teknologi saat ini. Banyak diskusi publik tentang AI masih terfokus pada model generatif seperti chatbot, padahal AI untuk sistem fisik, seperti kendaraan otonom dan robot industri—memiliki tantangan teknis yang jauh berbeda dan sering kali lebih kompleks. Kebutuhan latensi rendah bukan sekadar soal kecepatan, tetapi menyangkut keselamatan, keandalan, dan kepercayaan pengguna.
Pendekatan edge computing yang disoroti Ellison kemungkinan akan semakin dominan di masa depan, terutama seiring meningkatnya penggunaan AI di sektor transportasi, manufaktur, dan layanan publik. Namun, bukan berarti model berbasis cloud akan kehilangan relevansinya. Justru kombinasi keduanya, AI lokal untuk keputusan kritis dan AI cloud untuk analisis mendalam, akan menjadi fondasi utama ekosistem AI modern.
Pernyataan Ellison menegaskan bahwa masa depan AI tidak bersifat tunggal. Baik AI berlatensi rendah maupun AI non-real-time memiliki peran yang sama penting dan akan terus berkembang sesuai dengan kebutuhan dunia nyata yang semakin beragam.