Jakarta, Gizmologi – Red Hat resmi luncurkan AI 3.4 sebagai solusi yang siap membantu lingkungan enterprise. Hadirnya teknologi ini memungkinkan para pelaku bisnis bisa mengola dan menjalankan AI dengan lebih mudah dan leluasa.
Melalui pembaruan Red Hat AI 3.4, perusahaan menghadirkan berbagai kapabilitas baru yang ditujukan untuk membantu organisasi membangun, mengelola, dan menjalankan agentic AI. Platform ini dirancang untuk menyatukan kebutuhan para pengembang dan operator infrastruktur yang selama ini sering bekerja dalam ekosistem yang berbeda.
Secara garis besar, Red Hat AI 3.4 menawarkan fondasi mulai dari level perangkat keras hingga manajemen agen AI. Pendekatan tersebut bertujuan agar perusahaan dapat mengembangkan sistem AI secara lebih terukur, tanpa mengorbankan aspek keamanan, tata kelola, maupun efisiensi operasional.
Hadirkan Model-as-a-Service dan AgentOps
Salah satu fitur utama yang diperkenalkan dalam Red Hat AI 3.4 adalah Model-as-a-Service (MaaS). Fitur ini memungkinkan pengembang mengakses berbagai model AI melalui satu antarmuka terpusat, sementara administrator tetap memiliki kontrol terhadap penggunaan, keamanan, dan kebijakan yang diterapkan di lingkungan perusahaan.
Selain itu, Red Hat juga memperkenalkan AgentOps, sebuah pendekatan untuk mengelola siklus hidup agen AI mulai dari tahap pengembangan hingga produksi. AgentOps dibekali fitur observability, tracing, manajemen identitas, serta pengelolaan siklus hidup yang bertujuan meningkatkan transparansi ketika agen AI beroperasi secara mandiri.
Menurut Red Hat, kebutuhan terhadap AgentOps semakin penting karena agen AI memiliki tingkat otonomi yang lebih tinggi dibandingkan chatbot konvensional. Oleh sebab itu, kemampuan untuk melacak proses pengambilan keputusan serta aktivitas agen menjadi aspek yang tidak bisa diabaikan oleh perusahaan.
Fokus pada Tata Kelola dan Skalabilitas AI
Selain pengelolaan model dan agen, Red Hat AI 3.4 juga menghadirkan fitur prompt management dan evaluation hub. Kedua fitur tersebut memungkinkan perusahaan mengevaluasi kualitas, akurasi, keamanan, hingga potensi risiko dari model maupun agen AI yang digunakan. Platform ini juga terintegrasi dengan MLflow untuk membantu pelacakan eksperimen dan pengelolaan artefak AI.
Dari sisi keamanan, Red Hat menambahkan sistem pengujian otomatis untuk mendeteksi berbagai risiko seperti prompt injection, jailbreak, hingga potensi bias pada model AI. Pendekatan ini menjadi semakin relevan mengingat banyak organisasi kini mulai mengoperasikan AI pada proses bisnis yang bersifat kritikal.
Meski menawarkan berbagai kapabilitas yang cukup lengkap, implementasi agentic AI di lingkungan enterprise tetap membutuhkan kesiapan sumber daya manusia, tata kelola yang matang, serta investasi infrastruktur yang tidak sedikit. Karena itu, keberhasilan adopsi teknologi semacam ini tidak hanya bergantung pada platform yang digunakan, tetapi juga pada strategi organisasi dalam mengelola transformasi AI secara menyeluruh.
Eksplorasi konten lain dari Gizmologi.id
Berlangganan untuk dapatkan pos terbaru lewat email.
