Selama bertahun-tahun, virtualisasi membantu perusahaan menjalankan lebih banyak workload dengan infrastruktur yang lebih efisien. Namun kebutuhan enterprise terus berkembang. Selain virtual machine, perusahaan kini mulai menggunakan container, Kubernetes, data analytics hingga artificial intelligence. Akibatnya, pertanyaan yang dihadapi infrastructure team juga berubah.
Bukan lagi hanya:
“Bagaimana menjalankan VM dengan lebih efisien?”
Tetapi:
“Bagaimana infrastruktur dapat mendukung VM, modern application dan AI tanpa menambah kompleksitas secara berlebihan?”
Perubahan ini membuat VMware semakin relevan untuk dilihat bukan hanya sebagai platform virtualisasi, tetapi sebagai bagian dari strategi modern private cloud.
VMware Tidak Berhenti pada Virtual Machine
VMware sangat identik dengan virtualisasi dan vSphere. Namun kebutuhan enterprise hari ini jauh lebih beragam. Aplikasi lama masih harus berjalan. Database tetap dibutuhkan. Kubernetes mulai digunakan. Development team membutuhkan platform yang lebih agile. Data terus bertambah. Dan AI mulai bergerak dari tahap eksperimen menuju production. Karena itu, VMware Cloud Foundation berkembang untuk mendukung lingkungan private cloud yang lebih terintegrasi.
Bagi perusahaan yang sudah memiliki VMware environment, hal ini membuka perspektif baru. Existing VMware investment tidak hanya menjadi infrastruktur yang perlu dipertahankan. Ia juga dapat menjadi bagian dari fondasi modernisasi infrastruktur berikutnya.
Mengapa AI Mengubah Cara Perusahaan Melihat Infrastruktur?
Pada tahap awal, banyak proyek AI dimulai dengan sederhana antara lain:
Tim melakukan proof of concept.
Menguji chatbot.
Mencoba model.
Mengembangkan computer vision.
Menjalankan analytics.
Namun ketika AI mulai digunakan untuk kebutuhan produksi, kebutuhan infrastrukturnya menjadi jauh lebih kompleks.
Perusahaan perlu mempertimbangkan:
- GPU;
- compute;
- storage;
- networking;
- data;
- security;
- model lifecycle;
- resource allocation;
- monitoring;
- isolation;
- dan governance.
Dengan kata lain:
Membeli GPU tidak sama dengan membangun AI infrastructure.
GPU hanyalah salah satu komponennya.
Tantangan AI Bukan Hanya Performance
AI membutuhkan resource yang besar.
Namun bagi CIO dan IT Director, pertanyaan infrastruktur tidak boleh berhenti pada seberapa cepat GPU yang digunakan.
Ada beberapa hal lain yang sama pentingnya.
Apakah GPU digunakan secara optimal?
Bisakah beberapa tim menggunakan resource yang sama?
Bagaimana resource dialokasikan?
Bagaimana data dipindahkan?
Siapa yang dapat mengakses model?
Bagaimana AI terhubung dengan aplikasi yang sudah ada?
Bagaimana security diterapkan?
Jika setiap AI project membangun infrastructure sendiri, perusahaan dapat menghadapi fragmentasi, utilisasi yang rendah dan biaya yang semakin sulit dikendalikan.
Karena itu, AI membutuhkan pendekatan yang lebih terstruktur.
Private AI: Membawa AI Lebih Dekat dengan Data Perusahaan
Nilai AI sangat bergantung pada data.
Generative AI akan menjadi lebih relevan ketika dapat memahami informasi yang benar-benar dimiliki perusahaan.
Misalnya:
- dokumentasi produk;
- SOP;
- customer knowledge;
- kebijakan internal;
- data transaksi;
- kontrak;
- technical documentation;
- atau proprietary dataset.
Namun semakin bernilai data tersebut, semakin tinggi pula kebutuhan security dan control. Di sinilah konsep Private AI mulai menjadi relevan. Secara sederhana, Private AI memungkinkan perusahaan menjalankan AI lebih dekat dengan data dan infrastruktur yang berada dalam kontrol organisasi. Bagi enterprise dengan sensitive data, pendekatan ini dapat menjadi bagian penting dari AI architecture.
AI Integration dan Sovereign Cloud Semakin Berkaitan
Sebelum AI, diskusi data sovereignty banyak berfokus pada lokasi database, application dan backup.
AI menambahkan pertanyaan baru:
“Di mana data diproses oleh model AI?”
Misalnya pada enterprise chatbot.
Agar chatbot benar-benar memahami bisnis, perusahaan mungkin perlu memberikan akses terhadap:
- SOP;
- product knowledge;
- customer information;
- internal documentation;
- kontrak;
- hingga intellectual property.
Ketika informasi tersebut menjadi bagian dari AI workflow, data governance menjadi semakin penting. Karena itu, AI infrastructure, private cloud dan sovereign cloud semakin sulit dipisahkan. Perusahaan tidak hanya perlu mengetahui di mana model berjalan. Perusahaan juga perlu memahami di mana data berada, bagaimana data diproses dan siapa yang dapat mengaksesnya.
Dari VM Menuju VM + Kubernetes + AI
Bayangkan infrastruktur perusahaan dalam beberapa tahun ke depan.
ERP masih berjalan menggunakan virtual machine.
Database tetap ada.
Aplikasi existing tidak tiba-tiba hilang.
Namun pada saat yang sama:
Application baru menggunakan container.
Development team menggunakan Kubernetes.
Data team menjalankan analytics.
AI team membutuhkan GPU.
Jika setiap workload menggunakan infrastructure stack dan management platform yang berbeda, kompleksitas operasional dapat meningkat dengan cepat. Karena itu, salah satu tujuan modern private cloud adalah memberikan operating model yang lebih konsisten untuk berbagai jenis workload. Bukan berarti semua workload harus dijalankan dengan cara yang sama. Tujuannya adalah menghindari munculnya silo baru setiap kali perusahaan mengadopsi teknologi baru.
VMware Cloud Foundation sebagai Fondasi Private Cloud
VMware Cloud Foundation membawa VMware dari virtualisasi menuju private cloud yang lebih luas. Perusahaan dapat melihat infrastructure sebagai satu platform yang mencakup:
Compute
Untuk menjalankan workload.
Storage
Untuk mendukung kebutuhan data.
Networking
Untuk connectivity dan segmentation.
Automation
Untuk mempercepat provisioning.
Kubernetes
Untuk modern application.
AI Infrastructure
Untuk workload yang membutuhkan accelerated computing.
Nilai strategisnya bukan hanya pada jumlah fitur. Yang lebih penting adalah bagaimana berbagai kebutuhan tersebut dapat dikelola dengan lebih konsisten.
Apakah Semua AI Harus Berjalan di Private Cloud?
Tidak.
Sama seperti workload lainnya, AI juga membutuhkan strategi penempatan yang tepat. Beberapa use case cocok menggunakan public AI services. Sebagian dapat menggunakan cloud GPU. Sebagian lainnya mungkin membutuhkan dedicated infrastructure atau private cloud.
Pertimbangannya dapat meliputi:
- sensitivitas data;
- biaya;
- latency;
- ukuran model;
- kebutuhan GPU;
- tingkat utilisasi;
- compliance;
- integrasi;
- dan scalability.
Jadi pertanyaannya bukan:
“Private AI atau Public AI?”
Pertanyaan yang lebih relevan adalah:
“Workload AI ini paling tepat dijalankan di mana?”
Peran VMware Cloud Zettagrid dalam Hybrid Infrastructure
Modern private cloud tidak berarti seluruh workload harus berada di satu lokasi.
Perusahaan dapat membangun beberapa lapisan infrastruktur.
Private VMware Environment
Dapat digunakan untuk:
- core application;
- sensitive data;
- dedicated workload;
- Kubernetes;
- atau private AI.
VMware Cloud Zettagrid
Dapat digunakan untuk:
- selected production workload;
- capacity extension;
- development;
- disaster recovery;
- atau VMware migration.
Public Cloud dan AI Services
Dapat digunakan untuk kebutuhan tertentu yang membutuhkan layanan cloud-native atau skalabilitas yang lebih luas. Dalam architecture seperti ini, Zettagrid dapat berperan sebagai VMware-powered cloud extension untuk existing VMware environment. Dengan demikian, private cloud dan cloud tidak harus dilihat sebagai dua pilihan yang saling menggantikan. Keduanya dapat digunakan sesuai kebutuhan workload.
Jangan Mulai AI Infrastructure dari Pertanyaan “GPU Apa?”
Ketika perusahaan mulai mengevaluasi AI infrastructure, pembahasan sering langsung masuk ke spesifikasi GPU. Padahal sebaiknya urutannya dibalik.
Mulailah dari use case.
Apa yang ingin dijalankan?
LLM?
Enterprise chatbot?
Computer vision?
Analytics?
Training?
Inference?
Setelah itu, lihat kebutuhan datanya.
Data apa yang digunakan?
Berapa besar?
Di mana berada?
Apakah boleh dipindahkan?
Kemudian evaluasi requirement lainnya:
- concurrency;
- latency;
- security;
- availability;
- performance;
- scalability;
- dan budget.
Baru setelah kebutuhan tersebut jelas, perusahaan dapat menentukan infrastruktur yang tepat.
Prinsip yang sama berlaku untuk VMware:
Mulai dari workload, bukan dari produk.
Efisiensi AI Juga Berarti Efisiensi Infrastruktur
AI infrastructure dengan performa tinggi belum tentu efisien.
Perusahaan perlu memperhatikan beberapa aspek.
Resource Utilization
Apakah GPU, CPU dan memory benar-benar digunakan secara optimal?
Infrastructure Consolidation
Bisakah beberapa workload memanfaatkan infrastructure yang sama?
Data Movement
Seberapa besar data perlu berpindah antar-environment?
Operational Complexity
Berapa banyak platform yang harus dikelola oleh tim IT?
Capacity Planning
Apakah resource dibeli berdasarkan actual requirement atau hanya berdasarkan peak estimation?
Security
Bagaimana isolation, access dan policy diterapkan?
Pertanyaan-pertanyaan tersebut menentukan apakah AI akan berkembang menjadi platform yang terkelola atau hanya menjadi kumpulan eksperimen yang mahal.
VMware Assessment Perlu Melihat Kebutuhan Berikutnya
VMware assessment biasanya melihat:
- jumlah host;
- core;
- CPU;
- memory;
- storage;
- virtual machine;
- dan utilisasi.
Namun assessment modern sebaiknya melihat lebih jauh.
Apakah perusahaan akan menggunakan Kubernetes?
Apakah terdapat AI initiative?
Apakah membutuhkan GPU?
Apakah data memiliki residency requirement?
Apakah VMware Cloud dibutuhkan?
Apakah disaster recovery environment masih memadai?
Apakah infrastructure perlu dikonsolidasikan?
Dengan perspektif tersebut, assessment tidak hanya menghasilkan sizing.
Assessment dapat membantu membentuk infrastructure roadmap.
Dari Virtualisasi Menuju Infrastructure Platform
Bagi perusahaan yang sudah menggunakan VMware, perubahan teknologi tidak berarti seluruh investasi lama harus ditinggalkan.
Perusahaan dapat melakukan modernisasi secara bertahap.
Hari ini:
VMware digunakan untuk virtual machine.
Tahap berikutnya:
VMware berkembang menjadi private cloud untuk meningkatkan standardisasi dan automation.
Berikutnya:
VMware Cloud digunakan sebagai extension untuk workload tertentu.
Selanjutnya:
Kubernetes dan AI mulai ditambahkan sesuai kebutuhan bisnis.
Model seperti ini lebih realistis bagi enterprise dibandingkan mengganti seluruh architecture sekaligus.
Broadcom VMware + Zettagrid + Arupa
Ketiganya dapat memiliki peran yang saling melengkapi.
Broadcom VMware
Menjadi technology foundation untuk virtualisasi dan modern private cloud.
Zettagrid
Menjadi VMware-powered cloud extension untuk workload, disaster recovery, migration dan hybrid infrastructure.
Arupa Cloud Nusantara
Membantu perusahaan menerjemahkan kebutuhan bisnis menjadi langkah yang lebih terukur, mulai dari:
- VMware assessment;
- licensing;
- sizing;
- private cloud design;
- VMware Cloud;
- migration;
- backup;
- disaster recovery;
- hingga optimization.
Dengan begitu, pembahasan VMware tidak berhenti pada renewal.
Pertanyaannya berkembang menjadi:
“Bagaimana VMware environment yang dimiliki hari ini dapat mendukung workload perusahaan berikutnya?”
Apakah VMware Environment Anda Siap untuk Workload Berikutnya?
AI tidak serta-merta menggantikan workload yang sudah ada.
Virtual machine akan tetap digunakan.
Database tetap diperlukan.
ERP tetap harus tersedia.
Yang berubah adalah jenis dan jumlah workload yang harus didukung oleh infrastruktur.
Karena itu, modernisasi VMware tidak perlu dimulai dengan keputusan besar untuk mengganti semuanya.
Mulailah dengan assessment.
Pahami existing workload.
Lihat utilisasi.
Petakan roadmap aplikasi.
Identifikasi kebutuhan cloud.
Kemudian masukkan Kubernetes dan AI ke dalam infrastructure strategy secara bertahap.
Mulai Roadmap VMware Anda
Jika perusahaan Anda saat ini menggunakan VMware dan mulai merencanakan private cloud, cloud migration, Kubernetes atau AI infrastructure, Arupa dapat membantu mengevaluasi existing environment dan menyusun langkah modernisasi berikutnya.
Mulai dari workload hari ini, kemudian siapkan infrastruktur untuk kebutuhan berikutnya.
