Integrasi AI di Industri TIC: Efisiensi Meningkat, SDM Terampil Jadi Tantangan

Baca Juga

Denny JA Pelopor Seni Rupa Artificial Intelligence Indonesia

Manakala ekosistem industri hulu berbasis AI telah terbentuk, pasti diikuti transformasi industri hilirnya. Enrique Garcia Perez, 2021, dalam "Automating Testing, Inspection, and Certification with Artificial Intelligence", sepakat dengan pernyataan ini. Menurutnya, pasar TIC nilainya globalnya diperkirakan mencapai lebih dari 325 miliar dolar AS, di tahun 2028. Pencapaian sebesar itu, didorong oleh berbagai faktor. Termasuk alih daya perusahaan untuk pekerjaan jaminan mutu, supply chain yang terintegrasi secara global. Juga meningkatnya permintaan pengaturan terhadap material, produk, sistem, dan proses di seluruh sektor di dunia. Pesatnya permintaan itu, harus disikapi dengan memanfaatkan teknologi baru yang meningkatkan skalabilitas layanan. Termasuk menggunakan AI, yang mengotomatiskan layanan.

Pada bagian mana AI di industri TIC diterapkan? Perez secara konseptual menyebut pada pekerjaan TIC yang repetitif dan berpotensi membosankan. Ini misalnya pada inspeksi visual, deteksi kerusakan, maupun ekstraksi pelat nama. Inspeksi visual berbasis AI, melalui pemanfaatan sensor. Sedangkan deteksi kerusakan peralatan maupun bangunan, seperti retakan permukaan dan intrusi air dijalankan dengan menggunakan gambar inspeksi, yang datanya diinput pada machine learning. Sementara ekstraksi pelat nama saat sensor secara otomatis, mengekstrak informasi. Seperti nomor seri peralatan, nomor model, tanggal kedaluwarsa produk, maupun data lainnya dari gambar inspeksi.

Market Research Report, dalam laporannya berjudul "AI Impact Analysis on Testing, Inspection, and Certification (TIC) Industry" yang dimuat marketandmarket.com, 2025, menyebut otomatisasi di industri TIC berbasis AI, penerapannya luas. Keluasan itu mencakup inspeksi visual otomatis saat melakukan pemeriksaan visual di industri berpresisi tinggi. Presisi tinggi merupakan syarat di industri otomotif, elektronik, farmasi, dan kedirgantaraan. AI mendeteksi cacat permukaan, retakan, deformasi, atau kesalahan pelabelan. Penerapannya meningkatkan konsistensi, akurasi, berkurangnya waktu inspeksi, serta menghilangkan kelelahan manusia. Di sini AI mencari cacat mikro yang tak terlihat oleh mata manusia. 

AI juga dapat diterapkan pada pemeliharaan prediktif dan pemantauan kondisi. Model AI digunakan untuk menganalisis data dari sensor IoT dan mendeteksi gejala kegagalan peralatan. Aplikasinya di sektor energi, manufaktur dan infrastruktur. Hal yang diperoleh, mengubah TIC sebagai model reaktif, menjadi model prediktif dan preventif. Implikasinya, waktu henti operasional nihil, kegagalannya dapat dicegah, dan biaya pemeliharaannya turun. Aplikasinya saat memantau getaran dan suhu turbin, atau jaringan pipa yang mencegah kegagalan. Penerapan lainnya, pada kepatuhan dan otomatisasi dokumentasi. Perangkat natural language processing (NLP) berbasis AI, mendeteksi dan menafsirkan sejumlah besar dokumen peraturan, standar dan laporan inspeksi untuk memastikan kepatuhan. Dengan cara ini proses audit dan tinjauan dokumen dipercepat. Kepatuhannya juga meningkat. Aplikasinya saat mengotomatiskan penilaian kepatuhan dengan standar ISO, FDA, atau CE.

Sementara optimasi proses sertifikasi, terjadi saat algoritma AI menyederhanakan sertifikasi dengan analisis faktor risiko, data historis, dan indikator kinerja untuk memutuskan sertifikasi. Hasil yang diperoleh, berkurangnya subjektivitas penilaian, jaminan konsistensi, dan singkatnya siklus sertifikasi. Aplikasinya, saat AI membantu auditor mengevaluasi aplikasi sertifikasi keamanan pangan berdasar data pemasok sebelumnya.