Perkembangan Penggunaan Kecerdasan Buatan di Indonesia
Penggunaan kecerdasan buatan (AI) di Indonesia terus mengalami pertumbuhan yang signifikan. Dalam beberapa tahun ke depan, tren ini diprediksi akan semakin pesat, terutama seiring dengan adopsi AI yang semakin luas di berbagai sektor kehidupan sehari-hari. Operator seluler kini menghadapi tantangan baru dalam menghadapi lonjakan trafik internet yang makin besar.
Studi terbaru dari Ericsson ConsumerLab 2026 menunjukkan bahwa penggunaan AI di Indonesia akan meningkat secara drastis dalam lima tahun ke depan. Sekitar satu dari tiga pengguna memperkirakan akan menggunakan AI di berbagai perangkat secara bersamaan pada 2030. Selain itu, porsi pengguna yang memanfaatkan AI multimodal—yaitu penggunaan AI lintas format seperti teks, suara, dan visual—diproyeksikan meningkat dua kali lipat dalam periode yang sama. Pada 2025, hanya 21% pengguna yang menggunakan AI di multimodal, namun pada 2030 angkanya akan meningkat menjadi 41%.
Tren ini mencerminkan kebutuhan akan konektivitas yang semakin kompleks dan interaktif. Dari sisi perilaku penggunaan, sekitar 46% waktu penggunaan AI diperkirakan akan terjadi di luar rumah pada 2030. Masyarakat tidak hanya bergantung pada konektivitas Wi-Fi di kantor atau di rumah untuk menggunakan AI. Tren ini menunjukkan bahwa mobilitas tinggi akan menjadi faktor utama dalam pengembangan layanan berbasis AI ke depan.
Kebutuhan Jaringan yang Stabil dan Responsif
Director and Head of Government and Industry Relations Ericsson Indonesia, Ronni Nurmal, menyatakan bahwa dengan meningkatnya penggunaan AI di berbagai aktivitas sehari-hari, kebutuhan terhadap jaringan yang stabil dan responsif menjadi semakin krusial. Operator telekomunikasi dituntut untuk tidak hanya meningkatkan kapasitas jaringan, tetapi juga memastikan latensi rendah untuk mendukung performa AI secara optimal.
“Jaringan 5G dengan latensi yang lebih rendah dari 4G dapat mengakomodir hal ini,” ujar Ronni. Secara keseluruhan, studi ini menegaskan bahwa era konektivitas kini memasuki fase baru, di mana pengalaman berbasis AI menjadi pusat perhatian.
Indonesia sebagai salah satu pasar berkembang dinilai memiliki potensi besar dalam mengadopsi teknologi ini secara luas, seiring meningkatnya kebutuhan akan layanan digital yang lebih cerdas dan adaptif.
Citra Operator di Tangan AI
Studi Ericsson juga menunjukkan bahwa responsivitas kecerdasan buatan (AI) kini menjadi faktor kunci dalam menilai kepuasan pengguna terhadap kualitas jaringan operator seluler. Dalam laporan tersebut, pengguna smartphone berbasis AI menempatkan kecepatan respons AI sebagai salah satu indikator penting. Semakin cepat sistem AI merespons, semakin tinggi tingkat kepuasan pengguna terhadap jaringan operator seluler.
Ronni Nurmal menjelaskan bahwa AI membuat preferensi masyarakat dalam menggunakan jaringan seluler bergeser dari sekadar kecepatan internet menuju pengalaman berbasis AI yang lebih responsif. Faktor lain seperti kecepatan unduh, konsistensi jaringan, hingga pengalaman video call tetap relevan, namun mulai diimbangi oleh performa AI.
Dahulu, sebelum ada AI, untuk mengukur kualitas suatu jaringan pelanggan melihat dari seberapa lancar mereka memutar video atau seberapa mulus mereka bermain gim. Saat ini ada parameter baru yaitu seberapa cepat respon AI yang mereka gunakan.
“Faktor waktu respons terhadap AI hanya tertinggal dari faktor kepuasan pelanggan terhadap kecepatan unduh dan konsistensi jaringan,” kata Ronni.
Langkah Operator Seluler dalam Menghadapi Tantangan
Operator seluler mengambil langkah seragam dalam menyikapi perkembangan ini. Telkomsel sebagai pemimpin pasar terus memperkuat posisi dengan mengintegrasikan kapabilitas AI ke dalam infrastruktur broadband-nya. Telkomsel fokus pada pengembangan teknologi 5G Standalone (SA) dan optimalisasi spektrum frekuensi untuk menjamin latency rendah—aspek krusial bagi aplikasi AI yang membutuhkan respons waktu nyata (real-time).
Di sisi lain, XLSMART menitikberatkan pada otomatisasi jaringan melalui Zero Touch Operation. EXCL menggunakan teknologi AI di dalam internal mereka untuk memprediksi lonjakan trafik di suatu wilayah sebelum hal itu terjadi (predictive maintenance). Dengan memanfaatkan machine learning, EXCL mampu melakukan alokasi bandwidth secara dinamis.
